Commande des plateformes avancées de simulation de conduite - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2006

Commande des plateformes avancées de simulation de conduite

Motion control in advanced driving simulators

Résumé

Driving simulators are advanced devices composed of four components: a virtual scene projected on a wide screen to imitate the road and the traffic, an audio system to play the driving sounds (horn, squeal of brakes, etc.), a car cockpit (including a real dashboard, the pedals and the seat of the driver) to copy the body position and the interaction of the driver with a real vehicle and finally a robot carrying the car cockpit to provide its motion. While the first three components could be considered as offering a sufficiently high degree of realism, the robot presents a very low capacity of displacement, thus preventing if from performing the real car motions. In fact, the aim of a driving simulator is not tracking real trajectories produced by outdoors driving but reproducing the corresponding motion sensations. How could we then, generate realistic motion sensations in simulation despite the constrained robot motion? It is the aim of Motion Cueing Algorithms (MCA) to give heuristically an answer to this problem. We thought however that, if we know the maximum capacity of restituting motion sensations} then we will be able to answer a better question: how could we generate, using the simulator, the ''best'' motion sensations despite the constrained robot motion? And then using this knowledge, we would be able to calibrate existing MCAs in order to maximize their performances or we could even design in an optimal way the geometry and the dynamics of the simulation robot. In this thesis, we offer an answer to this question thanks to our: Maximum Performance Algorithm (MPA). The MPA covers all aspects linked to the simulation. It integrates the notion of motion sensation through perception models taken from the literature. It includes, as well, our proper detailed robot model to account for its nonlinear dynamics. And it ensures the respect of all physical limits in the optimization process by using a nonlinear programming approach. The complexity of this problem is not only due to the difficulty of defining a measure of performance (what is the exact definition of sensation?) but also to the constrained robot motion (multiple level of constraints: position, speed and acceleration) and to its nonlinear dynamics. Once all the required notions were set, our approach was tested on a simulator with and without the motion of the base. The results were rich in information: the high and low frequency characterization of the hexapod translation and the tilt coordination respectively, the non causality of the algorithm, the very limited robot capacity and the necessity of using a scaling factor. Two variations of the MPA were then introduced to deal with the last points. Two performance indexes were introduced to measure the quality of simulation in terms of magnitude and profile tracking. In summary, this thesis presents a set of tools that are very useful to study the simulator behavior on typical scenarios and to calibrate the robot or the control algorithm. Two other points where addressed in this dissertation: the redundancy problem and the robust robot control. As for the first point, the MPA shows that, in redundant robots, the rails and the hexapod present overlapping bandwidths in the high frequency domain. So how could we benefit from this redundancy? The exploitation of this capability is currently done by frequency separation methods without taking into account this frequency overlapping. Within this bandwidth, these two degrees of freedom could be considered as equivalent. Our aim is to use this equivalence to improve the motion restitution. We offer two algorithms based on the hybrid systems framework which deal with the longitudinal mode. Their goal is to improve the restitution of motion sensations by reducing false cues (generated by actuators braking) and decreasing null cues (due to actuators blocking). As for the second point, it deals with the tracking control of robot systems in presence of perturbations such as modeling errors and disturbance forces. More specifically, this paper aims at reviewing the well-established Robust Computed Torque (RCT) controller. Designing a RCT scheme consists in both, selecting subclasses of robot models and, establishing conditions on the control parameters leading to the robustness of the system. Generally, it amounts to the elaboration of a gain threshold beyond which robustness is achieved. One challenging problem is to develop the minimum threshold for the less conservative conditions on the control and the model. We had two contributions: The Encompassing Formalization (EF) and a refinement of a former result. The EF is an extension of the RCT formalization based on the Lyapunov direct method developed by Qu and Dawson. Then for the specific RCT scheme (developed by Samson), EF combined with passivity property will be used to elaborate lower gain thresholds. This result is presented as a theorem for which an original proof is proposed.
Les simulateurs de conduite avancés sont des systèmes formés de quatre composants: un écran panoramique de réalité virtuelle pour simuler la route et le trafic, un système audio pour jouer les sons liés à la conduite (freinage, grincements, etc.), un cockpit d'une voiture réelle (avec un tableau de bord authentique, les pédales, les sièges, etc.) pour recopier la position du corps du conducteur et ses moyens d'interaction avec le véhicule et enfin, un robot portant ce cockpit afin d'assurer son mouvement. Alors que les trois premiers composants peuvent prétendre à un degré de réalisme suffisamment élevé, le dernier (le robot) présente une capacité de déplacement très réduite (de quelques dizaines de centimètres à quelques mètres), rendant chimérique l'idée de pouvoir reproduire les trajectoires d'une vraie voiture. En réalité le but d'un simulateur de conduite n'est pas la reproduction des trajectoires réelles mais des sensations de mouvement correspondantes. Comment peut-on reproduire, alors, des sensations réalistes de mouvement malgré les déplacements réduits du cockpit de simulation ? C'est le but des Algorithmes de Motion Cueing (ACM) de fournir des solutions à ce problème via l'utilisation d'heuristiques. Nous avons pensé qu'au lieu de chercher simplement à reproduire les sensations de mouvement, nous pouvons répondre à une question plus intéressante : Quelle est la performance maximale d'un simulateur de conduite ? Ou, de manière plus précise, pour une trajectoire réelle donnée quelle est la meilleure trajectoire du simulateur en termes de qualité de sensations, étant données les limitations de mouvement du robot ? Répondre à cette question, nous permettra de réaliser la calibration des ACMs existants ainsi que celle des robots de simulation (en termes de géométrie et de dynamique) en amont de leur construction. Dans cette thèse, nous répondons à cette question grâce à notre Algorithme de Performance Maximale (APM) qui couvre tous les aspects de contrôle liés à la simulation. En effet, nous intégrons la notion de sensation grâce à l'utilisation de modèles perceptifs recueillis dans la littérature. Nous intégrons, également, nos propres modèles dynamiques détaillés et non linéaires du robot de simulation. Nous assurons, enfin, le respect des contraintes de déplacement par l'utilisation d'une approche directe d'optimisation. La complexité de ce problème est non seulement due à la difficulté de définir la notion de performance (en effet quelle est le sens exact de la notion de sensation ?), mais aussi à l'enveloppe réduite du mouvement du robot (limitations en termes de position, vitesse et accélération) et à sa dynamique non linéaire. Une fois tous ces concepts posés et définis, nous avons testé notre approche sur deux types de simulateurs (à base fixe et à base mobile posée sur des rails). Les résultats sont riches en information: le caractère fréquentiel des différents degrés de liberté (basses fréquences pour la tilt coordination, hautes fréquences pour les translations), la non causalité de l'APM, l'enveloppe de mouvement très réduite du simulateur et la nécessité d'utiliser un facteur d'échelle, etc. Deux variations de l'APM ont été introduites pour traiter les deux derniers points: l'APM causal et l'APM allure. Nous avons également défini deux indicateurs de performance (IP et IP allure) pour mesurer la fidélité du simulateur en termes d'amplitude et en termes de profil. En résumé, cette thèse présente un ensemble d'outils d'aide au calibrage aux AMCs et aux robots de simulation en amont de leur construction. Deux autres problèmes ont été abordés dans cette dissertation: le problème de redondance et la commande robuste. Quant au premier problème, l'APM a montré, pour les simulateurs redondants (à base mobile), l'existence d'un recouvrement fréquentiel des deux translations: les rails et l'hexapode. Comment peut-on alors exploiter ce recouvrement ? Nous proposons une méthode basée sur le formalisme des systèmes dynamiques hybrides qui permet de réduire les sensations incohérentes (dues aux freinages à l'approche des butées) et de minimiser l'absence des sensations (due à l'absence de blocage). Concernant la commande robuste, nous avons eu deux contributions théoriques dans la commande par couple calculé: une formalisation englobante basée sur une méthode de Lyapunov (développée antérieurement par Qu et Dawson) ainsi qu'un résultat fin: le théorème du choix vivant (extension du travail de Samson) dont la démonstration est basée sur la majoration de la solution d'une équation de Riccati non symétrique et non autonome sur tout l'horizon de simulation.
Fichier principal
Vignette du fichier
these_elloumi.pdf (7.29 Mo) Télécharger le fichier
Loading...

Dates et versions

pastel-00002213 , version 1 (04-05-2007)

Identifiants

  • HAL Id : pastel-00002213 , version 1

Citer

Hatem Elloumi. Commande des plateformes avancées de simulation de conduite. domain_other. École Nationale Supérieure des Mines de Paris, 2006. Français. ⟨NNT : ⟩. ⟨pastel-00002213⟩
631 Consultations
3404 Téléchargements

Partager

Gmail Facebook X LinkedIn More