Ce travail de thèse se place dans le cadre de la conduite automatisée des véhicules sur roues.<br />Notre objectif est le développement et l´expérimentation d´une nouvelle approche de commande des systèmes non-linéaires en vue du suivi d´une cible, associée par exemple à un véhicule de référence. L´originalité de ce travail est que la cible n´est pas contrainte dans ces mouvements et peut donc suivre des trajectoires non réalisables par le véhicule commandé.<br />Il devient ainsi possible d´effectuer le suivi d´un véhicule de référence quelque soit le mouvement de celui-ci (marche avant, marche arrière, manoeuvres...).<br /><br />L´approche de commande étudiée ici est basée sur le concept de fonction transverse, et consiste à effectuer une stabilisation pratique du repère cible.<br />Dans un premier temps, nous analysons l´influence des paramètres de commande sur le suivi du repère.<br />A partir de cette analyse, nous proposons ensuite de nouvelles commandes qui permettent d´améliorer la précision du suivi et le comportement du système lors des phases transitoires.<br />Enfin, nous présentons des résultats d´expérimentations obtenus sur le système robotique du laboratoire Icare.<br />Cette phase expérimentale a nécessité de développer un estimateur de la vitesse de la cible. Celui-ci est basé sur la fusion des données issues de la vision et de celles issues des mesures odométriques.

Notre travail a porté sur l'application des filtres de Kalman et des estimateurs fréquentiels pour l'estimation de la vitesse des machines électriques. La finalité de cette approche est la maîtrise du coût algorithmique des algorithmes de commande avec ou sans capteur mécanique.<br /><br />La mise en œuvre d'un filtre de Kalman estimant le flux et la vitesse des machines asynchrones est généralement effectuée dans sa formulation matricielle, excessivement gourmande en temps de calcul. Pour cette raison, nous avons modifié la méthode de conception de ce filtre étendu, que nous avons nommé filtre de Kalman à état virtuel. La réduction très importante du coût algorithmique de ce nouveau filtre justifie son application dans les variateurs de vitesse de faible puissance où le coût de revient des cartes électroniques est conséquent. Il est également possible de conserver les équations traditionnelles du filtrage de Kalman tout en réduisant la complexité algorithmique. Pour cela, nous avons appliqué le filtrage de Kalman à deux niveaux et à deux périodes d'échantillonnage pour l'estimation de la vitesse mécanique.<br /><br />Nous avons également optimisé le réglage des paramètres du filtre de Kalman. La dynamique de l'estimateur est réglée en fonction de la dynamique des grandeurs régulées, des bruits de mesure et des incertitudes paramétriques. Ce réglage permet de rendre l'estimateur robuste aux variations paramétriques et d'éviter des instabilités lorsque les estimations sont incluses dans les boucles de régulation (pour les systèmes non-linéaires).<br /><br />Pour ne pas être soumis aux incertitudes paramétriques du moteur, le contenu spectral des courants statoriques consommés peut être analysé grâce à des estimateurs de vitesse à faible coût algorithmique. Les résultats expérimentaux obtenus avec une machine à courant continu et une machine asynchrone montrent que l'estimation de la vitesse est excellente en régime permanent. Cependant, les fonctionnements à basse vitesse et la capacité de poursuite ne sont pas aussi performants que ceux d'estimateurs construits à partir du modèle dynamique de la machine. L'interconnexion de deux estimateurs complémentaires, un estimateur fréquentiel et un estimateur basé sur le modèle dynamique, a été mise en œuvre pour palier aux inconvénients de chacun. Cette stratégie de pilotage a été testée expérimentalement avec succès pour une commande sans capteur mécanique d'une machine à courant continu.