{"id":{"repo_id":"ets-quebec","oai_identifier":"oai:espace.etsmtl.ca:1738"},"canonical_url":"https://search.ndltd.org/etd/ets-quebec/oai:espace.etsmtl.ca:1738","repository":{"repo_id":"ets-quebec","name":"ETS (Quebec)","base_url":"https://espace.etsmtl.ca/cgi/oai2"},"display":{"title":"Développement d’un système de détermination d’attitude robuste et précis basé sur l’utilisation d’un magnétomètre à faible coût pour l’application automobile","abstract":"L’avancement technologique dans tous les domaines a permis d’offrir plusieurs systèmes permettant de calculer la solution de navigation et d’attitude. Par exemple, les systèmes de navigation inertielle (INS) composés par des accéléromètres, des gyroscopes et un micro-processeur permettent de calculer la position et l’orientation du véhicule à partir de la fusion des forces spécifiques et des vitesses de rotation. Cette fusion de données pourrait être réalisée à l’aide de plusieurs techniques comme le filtre de Kalman (KF) qui est le plus utilisé ou aussi les filtres à particules, etc. L’avantage de l’utilisation des systèmes INS provient du fait qu’ils sont des systèmes entièrement autonomes puisqu’ils ne nécessitent pas des signaux externes. Dans le même ordre d’idée, il existe d’autres capteurs qui deviennent récemment très utilisés dans les systèmes de navigation, tels que les magnétomètres. Ils sont des capteurs complémentaires utilisés dans les algorithmes de navigation pour déterminer la solution d’attitude en se basant sur l’utilisation des algorithmes de Cap et d’Attitude du Système de Référence (AHRS). Cependant, les magnétomètres à faible coût affectent la précision de la solution d’attitude en raison des erreurs inhérentes sur leurs mesures qui dépendent de l’environnement dans lequel le capteur évolue. Par la suite, la solution d’attitude obtenue à partir des algorithmes AHRS devient non fiable. Il est important alors de mettre en œuvre une procédure de calibration des erreurs déterministes pour les magnétomètres et ensuite développer modèle AHRS robuste et précis en utilisant principalement les mesures de ces capteurs. Ce mémoire répond à cette problématique à travers de nouvelles pistes originales et innovatrices d’utilisation des mesures provenant des magnétomètres. Tout d’abord, une étude de la littérature sur les principales sources d’erreur des magnétomètres, les méthodes de calibration et les modèles AHRS existants permet d’avoir une idée sur les performances possibles à atteindre. Par la suite, la technique d’optimisation par essaims particulaires (PSO), qui est un exemple d’approche de l’Intelligence Distribuée (SI), sera améliorée et ensuite employée pour développer une méthode de calibration des magnétomètres permettant principalement de compenser les erreurs de fer dur et de fer doux même en haute distorsion du champ magnétique. Finalement, un modèle AHRS basé sur un Filtre de Kalman Étendu (EKF) a été développé. De plus, une nouvelle méthode innovante pour l’estimation des matrices de covariance du filtre EKF a été développée afin d’améliorer la convergence de l’algorithme AHRS. Plusieurs scénarios ont été élaborés afin d’évaluer les performances des algorithmes développés, ainsi les résultats démontrent clairement leurs avantages.","abstract_html":"L’avancement technologique dans tous les domaines a permis d’offrir plusieurs systèmes permettant de calculer la solution de navigation et d’attitude. Par exemple, les systèmes de navigation inertielle (INS) composés par des accéléromètres, des gyroscopes et un micro-processeur permettent de calculer la position et l’orientation du véhicule à partir de la fusion des forces spécifiques et des vitesses de rotation. Cette fusion de données pourrait être réalisée à l’aide de plusieurs techniques comme le filtre de Kalman (KF) qui est le plus utilisé ou aussi les filtres à particules, etc. L’avantage de l’utilisation des systèmes INS provient du fait qu’ils sont des systèmes entièrement autonomes puisqu’ils ne nécessitent pas des signaux externes. Dans le même ordre d’idée, il existe d’autres capteurs qui deviennent récemment très utilisés dans les systèmes de navigation, tels que les magnétomètres. Ils sont des capteurs complémentaires utilisés dans les algorithmes de navigation pour déterminer la solution d’attitude en se basant sur l’utilisation des algorithmes de Cap et d’Attitude du Système de Référence (AHRS). Cependant, les magnétomètres à faible coût affectent la précision de la solution d’attitude en raison des erreurs inhérentes sur leurs mesures qui dépendent de l’environnement dans lequel le capteur évolue. Par la suite, la solution d’attitude obtenue à partir des algorithmes AHRS devient non fiable. Il est important alors de mettre en œuvre une procédure de calibration des erreurs déterministes pour les magnétomètres et ensuite développer modèle AHRS robuste et précis en utilisant principalement les mesures de ces capteurs. Ce mémoire répond à cette problématique à travers de nouvelles pistes originales et innovatrices d’utilisation des mesures provenant des magnétomètres. Tout d’abord, une étude de la littérature sur les principales sources d’erreur des magnétomètres, les méthodes de calibration et les modèles AHRS existants permet d’avoir une idée sur les performances possibles à atteindre. Par la suite, la technique d’optimisation par essaims particulaires (PSO), qui est un exemple d’approche de l’Intelligence Distribuée (SI), sera améliorée et ensuite employée pour développer une méthode de calibration des magnétomètres permettant principalement de compenser les erreurs de fer dur et de fer doux même en haute distorsion du champ magnétique. Finalement, un modèle AHRS basé sur un Filtre de Kalman Étendu (EKF) a été développé. De plus, une nouvelle méthode innovante pour l’estimation des matrices de covariance du filtre EKF a été développée afin d’améliorer la convergence de l’algorithme AHRS. Plusieurs scénarios ont été élaborés afin d’évaluer les performances des algorithmes développés, ainsi les résultats démontrent clairement leurs avantages.","abstract_has_math":false,"creators":["Ouni, Mohamed Ayoub"],"institution":"École de technologie supérieure","degree_name":"Mémoire de maîtrise électronique","degree_level":"masters","degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2016,"date_issued":"2016-10-11","date_published":"2016-10-11","updated_at":"2026-11-18T22:07:07Z","subjects":["magnétomètre, capteurs MEMS à faible coût, calibration, erreur de fer dur, erreur de fer doux, technique PSO, AHRS, attitude, filtre de Kalman étendu"],"languages":["fr"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["INSERT-YOUR-LIBRARY-ID-HERE1738"],"render_values":[{"text":"INSERT-YOUR-LIBRARY-ID-HERE1738","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":null,"outbound_label":null,"outbound_source":null,"record_url":null,"record_label":null,"record_kind":null,"record_source":null,"download_url":"https://espace.etsmtl.ca/id/eprint/1738/1/OUNI_Mohamed_Ayoub.pdf","download_label":"Download PDF","download_source":"dc:identifier","access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://espace.etsmtl.ca/cgi/oai2?verb=GetRecord&metadataPrefix=oai_etdms&identifier=oai%3Aespace.etsmtl.ca%3A1738","prefix":"oai_etdms"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Ouni, Mohamed Ayoub"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2016-10-11"]},{"key":"dc:publisher","label":"Institution","values":["École de technologie supérieure"]},{"key":"dc:type","label":"Dc Type","values":["Electronic Thesis or Dissertation"]},{"key":"thesis:degree_level","label":"Degree Level","values":["masters"]},{"key":"thesis:degree_name","label":"Degree Name","values":["Mémoire de maîtrise électronique"]},{"key":"thesis:institution_name","label":"Thesis Institution Name","values":["École de technologie supérieure"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["magnétomètre, capteurs MEMS à faible coût, calibration, erreur de fer dur, erreur de fer doux, technique PSO, AHRS, attitude, filtre de Kalman étendu"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["fr"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["INSERT-YOUR-LIBRARY-ID-HERE1738","https://espace.etsmtl.ca/id/eprint/1738/1/OUNI_Mohamed_Ayoub.pdf","https://espace.etsmtl.ca/id/eprint/1738/2/OUNI_Mohamed_Ayoub-web.pdf"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["L’avancement technologique dans tous les domaines a permis d’offrir plusieurs systèmes permettant de calculer la solution de navigation et d’attitude. Par exemple, les systèmes de navigation inertielle (INS) composés par des accéléromètres, des gyroscopes et un micro-processeur permettent de calculer la position et l’orientation du véhicule à partir de la fusion des forces spécifiques et des vitesses de rotation. Cette fusion de données pourrait être réalisée à l’aide de plusieurs techniques comme le filtre de Kalman (KF) qui est le plus utilisé ou aussi les filtres à particules, etc. L’avantage de l’utilisation des systèmes INS provient du fait qu’ils sont des systèmes entièrement autonomes puisqu’ils ne nécessitent pas des signaux externes. Dans le même ordre d’idée, il existe d’autres capteurs qui deviennent récemment très utilisés dans les systèmes de navigation, tels que les magnétomètres. Ils sont des capteurs complémentaires utilisés dans les algorithmes de navigation pour déterminer la solution d’attitude en se basant sur l’utilisation des algorithmes de Cap et d’Attitude du Système de Référence (AHRS). Cependant, les magnétomètres à faible coût affectent la précision de la solution d’attitude en raison des erreurs inhérentes sur leurs mesures qui dépendent de l’environnement dans lequel le capteur évolue. Par la suite, la solution d’attitude obtenue à partir des algorithmes AHRS devient non fiable. Il est important alors de mettre en œuvre une procédure de calibration des erreurs déterministes pour les magnétomètres et ensuite développer modèle AHRS robuste et précis en utilisant principalement les mesures de ces capteurs. Ce mémoire répond à cette problématique à travers de nouvelles pistes originales et innovatrices d’utilisation des mesures provenant des magnétomètres. Tout d’abord, une étude de la littérature sur les principales sources d’erreur des magnétomètres, les méthodes de calibration et les modèles AHRS existants permet d’avoir une idée sur les performances possibles à atteindre. Par la suite, la technique d’optimisation par essaims particulaires (PSO), qui est un exemple d’approche de l’Intelligence Distribuée (SI), sera améliorée et ensuite employée pour développer une méthode de calibration des magnétomètres permettant principalement de compenser les erreurs de fer dur et de fer doux même en haute distorsion du champ magnétique. Finalement, un modèle AHRS basé sur un Filtre de Kalman Étendu (EKF) a été développé. De plus, une nouvelle méthode innovante pour l’estimation des matrices de covariance du filtre EKF a été développée afin d’améliorer la convergence de l’algorithme AHRS. Plusieurs scénarios ont été élaborés afin d’évaluer les performances des algorithmes développés, ainsi les résultats démontrent clairement leurs avantages."]},{"key":"dc:format","label":"Dc Format","values":["application/pdf"]},{"key":"dc:title","label":"Title","values":["Développement d’un système de détermination d’attitude robuste et précis basé sur l’utilisation d’un magnétomètre à faible coût pour l’application automobile"]}]}],"canonical_facts":{"dc:creator":["Ouni, Mohamed Ayoub"],"dc:date":["2016-10-11"],"dc:description":["L’avancement technologique dans tous les domaines a permis d’offrir plusieurs systèmes permettant de calculer la solution de navigation et d’attitude. Par exemple, les systèmes de navigation inertielle (INS) composés par des accéléromètres, des gyroscopes et un micro-processeur permettent de calculer la position et l’orientation du véhicule à partir de la fusion des forces spécifiques et des vitesses de rotation. Cette fusion de données pourrait être réalisée à l’aide de plusieurs techniques comme le filtre de Kalman (KF) qui est le plus utilisé ou aussi les filtres à particules, etc. L’avantage de l’utilisation des systèmes INS provient du fait qu’ils sont des systèmes entièrement autonomes puisqu’ils ne nécessitent pas des signaux externes. Dans le même ordre d’idée, il existe d’autres capteurs qui deviennent récemment très utilisés dans les systèmes de navigation, tels que les magnétomètres. Ils sont des capteurs complémentaires utilisés dans les algorithmes de navigation pour déterminer la solution d’attitude en se basant sur l’utilisation des algorithmes de Cap et d’Attitude du Système de Référence (AHRS). Cependant, les magnétomètres à faible coût affectent la précision de la solution d’attitude en raison des erreurs inhérentes sur leurs mesures qui dépendent de l’environnement dans lequel le capteur évolue. Par la suite, la solution d’attitude obtenue à partir des algorithmes AHRS devient non fiable. Il est important alors de mettre en œuvre une procédure de calibration des erreurs déterministes pour les magnétomètres et ensuite développer modèle AHRS robuste et précis en utilisant principalement les mesures de ces capteurs. Ce mémoire répond à cette problématique à travers de nouvelles pistes originales et innovatrices d’utilisation des mesures provenant des magnétomètres. Tout d’abord, une étude de la littérature sur les principales sources d’erreur des magnétomètres, les méthodes de calibration et les modèles AHRS existants permet d’avoir une idée sur les performances possibles à atteindre. Par la suite, la technique d’optimisation par essaims particulaires (PSO), qui est un exemple d’approche de l’Intelligence Distribuée (SI), sera améliorée et ensuite employée pour développer une méthode de calibration des magnétomètres permettant principalement de compenser les erreurs de fer dur et de fer doux même en haute distorsion du champ magnétique. Finalement, un modèle AHRS basé sur un Filtre de Kalman Étendu (EKF) a été développé. De plus, une nouvelle méthode innovante pour l’estimation des matrices de covariance du filtre EKF a été développée afin d’améliorer la convergence de l’algorithme AHRS. Plusieurs scénarios ont été élaborés afin d’évaluer les performances des algorithmes développés, ainsi les résultats démontrent clairement leurs avantages."],"dc:format":["application/pdf"],"dc:identifier":["INSERT-YOUR-LIBRARY-ID-HERE1738","https://espace.etsmtl.ca/id/eprint/1738/1/OUNI_Mohamed_Ayoub.pdf","https://espace.etsmtl.ca/id/eprint/1738/2/OUNI_Mohamed_Ayoub-web.pdf"],"dc:language":["fr"],"dc:publisher":["École de technologie supérieure"],"dc:subject":["magnétomètre, capteurs MEMS à faible coût, calibration, erreur de fer dur, erreur de fer doux, technique PSO, AHRS, attitude, filtre de Kalman étendu"],"dc:title":["Développement d’un système de détermination d’attitude robuste et précis basé sur l’utilisation d’un magnétomètre à faible coût pour l’application automobile"],"dc:type":["Electronic Thesis or Dissertation"],"thesis:degree_level":["masters"],"thesis:degree_name":["Mémoire de maîtrise électronique"],"thesis:institution_name":["École de technologie supérieure"]},"updated_at":"2026-11-18T22:07:07Z"}