Les études d'accidentologie sont unanimes : les conducteurs de Véhicules à Deux-Roues Motorisés (V2RM) sont les usagers de la route les plus vulnérables. En France, pour un kilomètre parcouru, un motard a 24 fois plus de risque d'être tué qu'un automobiliste. En plus d'être des véhicules "non-carénés" fortement exposés aux dangers, les V2RM sont de nature instable avec un équilibre souvent précaire. C'est pourquoi la perte de contrôle du véhicule est clairement identifiée comme un facteur récurrent dans les causes des accidents. Par analogie avec les systèmes d'aide à la conduite développés pour les voitures (ABS, ESP, etc.), beaucoup de ces accidents pourraient être évités avec des solutions similaires adaptées pour les V2RM.Cette thèse s'inscrit dans ce contexte en proposant des algorithmes d'estimation originaux. En effet, certaines informations dynamiques du V2RM, nécessaires à la détection de situation à risque, ne sont pas mesurables ou alors elles impliquent l'utilisation de capteurs onéreux. Finalement, que ce soit pour des raisons techniques ou économiques, le recours aux outils d'estimation modernes s'inscrit parfaitement dans le cadre du développement des systèmes d'aide à la conduite des V2RM. Ils permettent l'estimation de la dynamique tout en réduisant le nombre de capteurs et en contournant la problématique de non-mesurabilité de certains états.Une première partie de mes travaux est dédiée aux observateurs basés modèles. À cette occasion, un observateur à entrées inconnues, un observateur de Luenberger non-linéaire et un observateur algébrique ont été proposés. Quant à la seconde, elle aborde l'estimation basée sur des techniques de perception visuelle. Dans cette partie, un premier algorithme a été proposé pour estimer la position du V2RM sur la chaussée tout en prédisant la géométrie de la route. Ensuite, une extension de ce travail a été développée pour reconstruire l'angle de roulis du V2RM seulement à partir d'images. Pour finir, une fonction de risque basée vision a été étudiée afin de caractériser le comportement de braquage du V2RM.Tout au long de ce manuscrit, des validations expérimentales et sur le logiciel de simulation BikeSim ont montré la pertinence et le potentiel des algorithmes proposés. / The road accident investigations are unanimous: Powered Two-Wheeled Vehicles (P2WV) users are the most vulnerable on the road. In France, for a travelled kilometer, a P2WV rider has 24 times more risk to be killed than a car driver. In addition to being "naked" vehicles highly exposed to dangers, P2WV are naturally unstable with a precarious stability. That is why vehicle loss of control is clearly identified as a recurring problem into accident causation. By analogy with the driving assistance systems developed for cars (ABS, ESP, etc.), most of these accidents could be avoided with solutions dedicated to P2WV.This PhD takes place in this context and proposed original estimation algorithms. Indeed, some P2WV dynamic information, necessary for detecting risk situations, are not measurable or they require the use of costly sensors. For both technical or economic reasons, the use of observation techniques turns out to be an adequate solution in the development of P2WV riding assistance systems. Such techniques allow to estimate the vehicle dynamics while reducing the number of sensors and overcoming the unmeasurability of some dynamics states.A first part of my work is dedicated to model-based observers. In this context, an unknown input observer, a non-linear Luenberger observer and an algebraic observer were proposed. Whereas, the second part deals with the estimation based on visual perception techniques. In this last, a first algorithm was proposed to estimate the P2WV position on the road while predicting the road geometry. Then, an extension of this work was developed to reconstruct the P2WV roll angle using only images. Finally, a vision-based risk function was studied to characterize the P2WV steering behavior.All along this manuscript, the effectiveness of the proposed solutions were demonstrated through validations with the advanced simulator BikeSim framework or on experimental data.
| Identifer | oai:union.ndltd.org:theses.fr/2018SACLE034 |
| Date | 20 November 2018 |
| Creators | Damon, Pierre-Marie |
| Contributors | Université Paris-Saclay (ComUE), Arioui, Hichem |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | French |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0038 seconds