[go: up one dir, main page]

WO2024121588A1 - Procede de commande de vehicule a securite anti-collision amelioree - Google Patents

Procede de commande de vehicule a securite anti-collision amelioree Download PDF

Info

Publication number
WO2024121588A1
WO2024121588A1 PCT/IB2022/000807 IB2022000807W WO2024121588A1 WO 2024121588 A1 WO2024121588 A1 WO 2024121588A1 IB 2022000807 W IB2022000807 W IB 2022000807W WO 2024121588 A1 WO2024121588 A1 WO 2024121588A1
Authority
WO
WIPO (PCT)
Prior art keywords
vehicle
trajectory
prediction horizon
obstacle
minimum distance
Prior art date
Application number
PCT/IB2022/000807
Other languages
English (en)
Inventor
Philippe FEYEL
Original Assignee
Safran Electronics And Defense
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Safran Electronics And Defense filed Critical Safran Electronics And Defense
Priority to PCT/IB2022/000807 priority Critical patent/WO2024121588A1/fr
Publication of WO2024121588A1 publication Critical patent/WO2024121588A1/fr

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U10/00—Type of UAV
    • B64U10/25—Fixed-wing aircraft
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/20—Control system inputs
    • G05D1/24—Arrangements for determining position or orientation
    • G05D1/242—Means based on the reflection of waves generated by the vehicle
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/60—Intended control result
    • G05D1/617—Safety or protection, e.g. defining protection zones around obstacles or avoiding hazards
    • G05D1/622—Obstacle avoidance
    • G05D1/628—Obstacle avoidance following the obstacle profile, e.g. a wall or undulated terrain
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/60—Intended control result
    • G05D1/69—Coordinated control of the position or course of two or more vehicles
    • G05D1/693—Coordinated control of the position or course of two or more vehicles for avoiding collisions between vehicles
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/60—Intended control result
    • G05D1/69—Coordinated control of the position or course of two or more vehicles
    • G05D1/695—Coordinated control of the position or course of two or more vehicles for maintaining a fixed relative position of the vehicles, e.g. for convoy travelling or formation flight
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft
    • G08G5/20—Arrangements for acquiring, generating, sharing or displaying traffic information
    • G08G5/22—Arrangements for acquiring, generating, sharing or displaying traffic information located on the ground
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft
    • G08G5/20—Arrangements for acquiring, generating, sharing or displaying traffic information
    • G08G5/26—Transmission of traffic-related information between aircraft and ground stations
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft
    • G08G5/50—Navigation or guidance aids
    • G08G5/53—Navigation or guidance aids for cruising
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft
    • G08G5/50—Navigation or guidance aids
    • G08G5/55—Navigation or guidance aids for a single aircraft
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft
    • G08G5/50—Navigation or guidance aids
    • G08G5/56—Navigation or guidance aids for two or more aircraft
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft
    • G08G5/80—Anti-collision systems
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U2201/00—UAVs characterised by their flight controls
    • B64U2201/10—UAVs characterised by their flight controls autonomous, i.e. by navigating independently from ground or air stations, e.g. by using inertial navigation systems [INS]
    • B64U2201/102—UAVs characterised by their flight controls autonomous, i.e. by navigating independently from ground or air stations, e.g. by using inertial navigation systems [INS] adapted for flying in formations
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D2109/00—Types of controlled vehicles
    • G05D2109/20—Aircraft, e.g. drones
    • G05D2109/22—Aircraft, e.g. drones with fixed wings
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D2111/00—Details of signals used for control of position, course, altitude or attitude of land, water, air or space vehicles
    • G05D2111/30—Radio signals
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft
    • G08G5/50—Navigation or guidance aids
    • G08G5/57—Navigation or guidance aids for unmanned aircraft

Definitions

  • the present invention relates to the field of automatic control of at least one vehicle.
  • the invention aims in particular to be able to control at least one vehicle in a simple manner while limiting as much as possible the risk of collision with an obstacle.
  • a method of controlling at least one vehicle comprising a propeller, motorized steering members and a computer control unit connected to the steering members. motorized to control these and direct the vehicle along a reference trajectory, comprising the steps of:
  • An obstacle can be a fixed obstacle such as a relief element or a moving obstacle such as another vehicle.
  • Said other vehicle may or may not belong to a group of which the ordered vehicle is part.
  • the vehicle follows the reference trajectory (which is obtained for example from a predicted trajectory developed at a time immediately prior to a current time) while the prediction of the distance between the vehicle and the obstacle is carried out from a predicted trajectory developed at the current instant (ie the trajectory to follow) and which will then serve as a reference trajectory after application or not of the avoidance constraint.
  • the method of the invention allows relatively simple control in a nominal mode where the obstacles are relatively far from the controlled vehicle and more sophisticated predictive control imposing a hard avoidance constraint when the obstacles are closer to the controlled vehicle.
  • control in nominal mode is freer and optimized for following the predetermined trajectory. Control in nominal mode therefore consumes less computing resources than predictive control with avoidance constraint.
  • the method of the invention amounts to superimposing, if necessary, a security overlay on a nominal order. The risks of collision are therefore limited while favoring the following of the predetermined trajectory as much as possible.
  • the speed correction is determined using the potential field algorithm and the commands under avoidance constraints are determined using a constrained non-linear model predictive control method.
  • the invention thus makes it possible to achieve a coupling between the potential field algorithm and predictive control with a non-linear model under constraint.
  • the algorithm of the potential fields corrects the reference trajectory to be followed by each vehicle in such a way that the vehicles asymptotically form the defined geometric formation by the potential field algorithm.
  • This formation is characterized, among other things, by a desired asymptotic distance between vehicles and obstacles.
  • Duress predictive control imposes a strict minimum safety distance between vehicles and obstacles (the second minimum distance is a safety distance that is less than the first minimum distance which is characteristic of the geometric formation defined by the potential field algorithm).
  • the method of the invention thus creates a safe potential field algorithm in the sense that it guarantees a minimum distance.
  • Figure 1 is a schematic view of a vehicle for implementing the method of the invention
  • Figure 2 is a schematic view of a group of vehicles moving along a trajectory to be followed in accordance with the method of the invention
  • Figure 3 is a schematic block view illustrating the implementation of the method of the invention.
  • each agent k comprises a structure 100 which is equipped with a fixed wing 101 (alternatively the wing can be rotating) and in which are mounted:
  • propeller 102 such as a propeller engine or a turbojet
  • motorized steering bodies 103 such as mobile control surfaces equipped with electromechanical actuators
  • At least one obstacle sensor 104 ensuring detection of obstacles in the environment of the agent k, the obstacle sensor being for example here a radar ensuring 360° surveillance around the agent k and providing the position of each obstacle detected;
  • a receiver 106 of satellite positioning signals (or GNSS signals);
  • a computer control unit 107 connected to the thruster 102, to the motorized steering members 103, to the sensor 104, to the inertial measurement unit 105 and to the receiver 106.
  • the computer control unit 107 conventionally comprises one or more processors and a memory containing at least one computer program which is executable by the processor(s) and which implements the control method of the invention.
  • the computer control unit 107 is connected to the sensor 104, the inertial measurement unit 105 and the receiver 106 to receive information therefrom in the form of data signals.
  • the computer control unit 107 is connected to the propeller 102 and to the motorized steering members 103 to control the latter by means of control signals developed according to the information received.
  • the computer control unit 107 also receives from the thruster 102 and the motorized steering members 103 data signals representative of an operating state of the thruster 102 and the motorized steering members 103 and allowing the implementation of a control for the control of the thruster 102 and the motorized steering elements 103.
  • the computer program comprises a hybrid navigation module which is arranged to determine in a manner known in itself, from the information received from the inertial measurement unit 105 and the receiver 106, a position and an attitude of the agent k.
  • the computer program also includes a control module arranged to develop the control signals intended for the thruster 102 and the motorized steering members 103 in particular from the position and the attitude provided by the navigation module and a reference trajectory transmitted beforehand to the computer control unit, for example by an operator.
  • the control module includes (see Figure 3):
  • a predictive control trajectory tracking module 230 (or MPC) using the position correction and a non-linear model predictive control method applying a hard avoidance constraint (this constraint is non-linear here).
  • the computer control unit 107 is also connected to a transmitter/receiver 108 of radio signals so that each agent can exchange with the other agents their positions and the position of the obstacles detected by the sensors 104.
  • a bus is defined. virtual communication common to all agents and on which the agents transmit their positions, their speeds and the positions of the obstacles that they have detected so that all the positions of the agents and obstacles are accessible on this bus.
  • agents 1, 2, 3, 4, 5 are therefore identical to each other in the embodiment described.
  • the swarm is made up of a number M a of agents
  • each agent k knows the position of all the others agents and the position of all obstacles since the positions of these have been exchanged between the agents via the transmitters/receivers 108,
  • Y ref (t) [X ref (t),y ref (t),Z ref (t)] which is assumed to be known in advance.
  • This global reference trajectory has for example been transmitted to the computer control unit 107 of each agent k during a prior mission preparation phase or is transmitted during the flight of the agents towards a pre-established destination.
  • the agent k must follow the overall trajectory of the swarm Y ref (t) and the swarm must have an envelope having a predetermined geometric shape (we also say that the swarm flies in geometric formation).
  • the computer program of agent k executes the potential field algorithm module to ensure that the swarm maintains the geometric shape while following this trajectory. To do this, the algorithm determines a speed correction to maintain a first minimum distance between the agent k and the agents surrounding it and between the agent and any obstacle along the reference trajectory.
  • the position information of all the agents of the swarm and of the obstacles is used by the algorithmic module of the potential fields 210 of the agent k to calculate a reference speed correction Vk ⁇ (t) with the aim of construct the geometric formation.
  • the algorithmic module of the potential fields 210 on board the agent k determines at each instant t the speed correction taking into account the agents j and obstacles i surrounding the agent k as below:
  • the speed correction is therefore equal to
  • the parameters a, b a and c a translate the geometric formation in a manner known in itself. It can take various forms depending on the parameter values and the inter-agent distance will asymptotically tend to be greater than a distance L PF provided that:
  • the distance L PF is a characteristic quantity of the formation and is determined by the user according to the mission assigned to the swarm of agents.
  • the parameters b o and c o make it possible to specify a first desired minimum distance between the agents and the obstacles. Empirically, by simulation, we see that this distance will asymptotically tend to be greater than L PF if for example:
  • the potential fields module is deactivated in the case where the accomplishment of the mission requires abandoning current training and/or requires specific training that is quicker to configure manually (for example, agents are placed on a straight line to examine a road). In this case, only the trajectory tracking module 230 participates in the control of each agent k. Conversely, during the same mission, the potential fields module can be activated in the case where the accomplishment of the mission requires adopting training: hence the interest in resetting the integration.
  • the shaping module 220 develops by digital integration the trajectory correction in position for each agent k, namely:
  • the trajectory to follow y k (t) must be known in advance at least over the prediction horizon N (which will be explained below) of the predictive control trajectory tracking module 230. But, in the expression of Y k (t), the trajectory correction y k ⁇ (t) is not known in advance since it is resulting from a calculation at time t.
  • the shaping module 220 is here arranged to maintain constant the trajectory correction in position y k ⁇ (t) over the prediction horizon N of the predictive control trajectory tracking module 230.
  • This construction can be done by filling a stack or a memory with the previous formula.
  • the predictive control trajectory tracking module 230 is arranged to calculate a sequence of future commands, solution of a constrained optimization problem solved online at each sampling period.
  • the principle implemented is to give the controlled system (the vehicle and its propeller and motorized steering elements) optimal desired behavior over a future horizon (called prediction horizon) of size N or N*Te in unit of time).
  • the behavior is optimal in the sense of a cost function to be minimized and constraints to be satisfied.
  • the sequence of commands sought is therefore of size N.
  • the behavior is predicted by a predictor, which is a model of the system to be controlled and which completely depends on the machine considered.
  • a predictor which is a model of the system to be controlled and which completely depends on the machine considered.
  • the predictive control trajectory tracking module 230 of the agent k typically solves online at each sampling period the following optimization problem:
  • X k , y k , Z k are the position (x, y) and the altitude of the drone and the corresponding speeds; is the mass of the drone k; are the air resistance coefficients g is weightlessness.
  • the predictor is defined by the following system of recurring equations:
  • the predictor completely depends on the agent k and its type (drone, aircraft, car, etc.).
  • the prediction is initiated with a measurement of the state of the system possibly given by a state observer if the state of the machine is not completely measured by sensors.
  • E k represents the predicted trajectory tracking error of agent k.
  • u k is the command of agent k.
  • the function translates all the constraints that the prediction of the controlled system must satisfy.
  • the principle of the receding horizon assumes that if the prediction satisfies the constraints then, step by step, the real physical system controlled will also satisfy these constraints if the predictor and the real system are not too different.
  • the avoidance constraints of the predictive module are inactive, we end up with a conventional potential field.
  • the constraints of the predictive stage are activated (depending on the distance which separates agent k and the other agents and agent k and the obstacles compared to a threshold, here the threshold L MPC )
  • the latter guarantees non-collision while minimizing the trajectory tracking error, that is to say by degrading as little as possible
  • the constraints of the predictive stage are activated, the geometric formation defined by the implementation of the potential field algorithm.
  • the modular aspect is preserved, that is to say that the mathematical characteristics of the geometric formation when the constraints are inactive are preserved and the latter are degraded as little as possible.
  • the predictive control trajectory tracking module 230 is arranged to add other constraints.
  • the agents k can have a structure different from that shown in Figure 1.
  • propeller we mean any motorization designed to move a vehicle.
  • the motorization concerns both the propulsion and lift propellers.
  • motorized steering member is meant any element that can be controlled to steer a vehicle.
  • Obstacle sensors can use technologies other than those mentioned and for example include optical (imagers) or ultrasonic (sonars) means.
  • Transmitters/receivers may not be used for exchanging obstacle and agent positions, with each agent relying solely on its obstacle sensors.
  • the exchange of positions can be limited to neighboring agents, that is to say part of the group, depending on the range of the transmitters/receivers, multicast and non-broadcast communication...
  • the determination of the speed correction can be carried out using an algorithm other than the potential field algorithm and for example by reinforcement learning.
  • agent models more or less complexes (kinematic model, neural network, etc.) to predict the position correction on the horizon.
  • the geometric configuration can be fixed for the entire trajectory or evolve depending on the environment.
  • the invention is applicable to any type of vehicle:

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Automation & Control Theory (AREA)
  • Mechanical Engineering (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

Procédé de commande d'au moins un véhicule (k) comportant un propulseur (102), des organes directionnels motorisés (103) et une unité informatique de commande (107) reliés aux organes directionnels motorisés (102, 103) pour commander ceux-ci et diriger le véhicule le long d'une trajectoire de référence, à partir d'un correctif de vitesse (pour maintenir une première distance minimum entre le véhicule et tout obstacle le long de la trajectoire de référence) transforme en un correctif de position. Le correctif de position est estimé sur un horizon de prédiction pour déterminer une trajectoire à suivre sur l'horizon de prédiction. Les commandes sont déterminées pour suivre la trajectoire à suivre en appliquant une contrainte d'évitement correspondent à une deuxième distance minimum entre le véhicule et tout obstacle le long de la trajectoire à suivre sur l'horizon de prédiction, la deuxième distance minimale étant inférieure à la première distance minimale.

Description

PROCEDE DE COMMANDE DE VEHICULE A SECURITE ANTI-COLLISION AMELIOREE
La présente invention concerne le domaine de la commande automatique d'au moins un véhicule.
ARRIERE PLAN DE L'INVENTION
Il est connu de commander des drones pour qu'ils volent en groupe selon une trajectoire prédéterminée. La mise en œuvre de l'algorithme de commande dit « à champs de potentiels » permet de commander les drones pour qu'ils maintiennent entre eux des écarts pour imposer au groupe une forme géométrique prédéterminée tout en suivant la trajectoire prédéterminée (on parle de vol en formation géométrique) . Cet algorithme est décrit dans le document Erik de Vries, Kamesh Subbarao "Cooperative Control of Swarms of Unmanned Aerial Vehicles", 49th AIAA Aerospace Sciences Meeting including the New Horizons Forum and Aerospace Exposition, 4- 7 Janvier 2011, Orlando, Floride. Néanmoins, la mise en œuvre d'un tel algorithme laisse subsister, pour chaque drone du groupe de drones, un risque relativement important de collision avec un obstacle que ce soit un autre drone (appartenant au groupe ou pas) ou un élément du relief survolé.
OBJET DE L'INVENTION L'invention a notamment pour but de pouvoir commander de manière simple au moins un véhicule en limitant au maximum le risque de collision avec un obstacle.
RESUME DE L'INVENTION
A cet effet, on prévoit, selon l'invention un procédé de commande d'au moins un véhicule comportant un propulseur, des organes directionnels motorisés et une unité informatique de commande reliés aux organes directionnels motorisés pour commander ceux-ci et diriger le véhicule le long d'une trajectoire de référence, comprenant les étapes de :
- déterminer un correctif de vitesse pour maintenir une première distance minimum entre le véhicule et tout obstacle le long de la trajectoire de référence ;
- transformer le correctif de vitesse en un correctif de position et estimer le correctif de position sur un horizon de prédiction pour déterminer une trajectoire à suivre sur l'horizon de prédiction ;
- déterminer des commandes à appliquer au propulseur et aux organes directionnels motorisés sur l'horizon de prédiction pour suivre la trajectoire à suivre en appliquant une contrainte d'évitement correspondant à une deuxième distance minimum entre le véhicule et tout obstacle le long de la trajectoire à suivre sur l'horizon de prédiction, la deuxième distance minimale étant inférieure à la première distance minimale et la contrainte d'évitement étant appliquée lorsqu'il est prédit que le véhicule et l'obstacle sont séparés d'une distance inférieure à la deuxième distance minimale.
Un obstacle peut être un obstacle fixe comme un élément de relief ou un obstacle mobile comme un autre véhicule. Ledit autre véhicule peut appartenir ou pas à un groupe dont ferait partie le véhicule commandé. Le véhicule suit la trajectoire de référence (qui est obtenue par exemple à partir d'une trajectoire prédite élaborée à un instant immédiatement antérieur à un instant courant) tandis que la prédiction de la distance entre le véhicule et l'obstacle est effectuée à partir d'une trajectoire prédite élaborée à l'instant courant (i.e. la trajectoire à suivre) et qui servira ensuite comme trajectoire de référence après application ou pas de la contrainte d'évitement. Ainsi, le procédé de l'invention permet une commande relativement simple dans un mode nominal où les obstacles sont relativement éloignés du véhicule commandé et une commande prédictive plus élaborée imposant une contrainte dure d'évitement lorsque les obstacles sont plus rapprochés du véhicule commandé. On comprend que la commande en mode nominal est plus libre et optimisée sur le suivi de la trajectoire prédéterminée. La commande en mode nominal est donc moins consommatrice en ressources de calcul que la commande prédictive avec contrainte d'évitement. Le procédé de l'invention revient à superposer, en cas de besoin, une surcouche sécuritaire à une commande nominale. Les risques de collision sont donc limités tout en favorisant au maximum le suivi de la trajectoire prédéterminée.
Selon un mode de réalisation préféré, le correctif de vitesse est déterminé en utilisant l'algorithme des champs de potentiels et les commandes sous contraintes d'évitement sont déterminées en utilisant une méthode de commande prédictive à modèle non-linéaire sous contrainte.
L'invention permet ainsi de réaliser un couplage entre l'algorithme des champs de potentiels et une commande prédictive à modèle non-linéaire sous contrainte. Lorsque le procédé de 1'invention est utilisé pour commander plusieurs véhicules le long de la trajectoire de référence, l'algorithme des champs de potentiels corrigent la trajectoire de référence à suivre par chaque véhicule de telle manière que les véhicules forment asymptotiquement la formation géométrique définie par l'algorithme des champs de potentiels. Cette formation se caractérise entre autre par une distance asymptotique souhaitée entre les véhicules et les obstacles. La commande prédictive sous contrainte impose une distance de sécurité minimale stricte entre les véhicules et les obstacles (la deuxième distance minimum est une distance de sécurité qui est inférieure à la première distance minimum qui est caractéristique de la formation géométrique définie par l'algorithme des champs de potentiels). Le procédé de l'invention crée ainsi un algorithme des champs de potentiels sécuritaire en ce sens qu'il garantit une distance minimale.
D'autres caractéristiques et avantages de l'invention ressortiront à la lecture de la description qui suit d'un mode de réalisation particulier et non limitatif de 1'invention.
BREVE DESCRIPTION DES DESSINS
Il sera fait référence aux dessins annexés, parmi lesquels :
La figure 1 est une vue schématique d'un véhicule pour la mise en œuvre du procédé de l'invention ;
La figure 2 est une vue schématique d'un groupe de véhicules se déplaçant le long d'une trajectoire à suivre conformément au procédé de l'invention ;
La figure 3 est une vue schématique par blocs illustrant la mise en œuvre du procédé de l'invention.
DESCRIPTION DETAILLEE DE L'INVENTION
L'invention est ici décrite en relation avec la commande d'une pluralité de drones aéronautiques, dénommés agents, volant en groupe ou essaim selon une configuration géométrique prédéterminée (on parle aussi de vol en formation géométrique). On notera que, dans la partie de la description qui précède, « obstacle » désigne indifféremment un autre agent du groupe d'agents ou un obstacle extérieur au groupe d'agents alors que, dans la partie de la description qui suit, « obstacle » désigne exclusivement un obstacle extérieur au groupe d'agents, cet obstacle pouvant être mobile ou immobile. En référence à la figure 1, chaque agent k comprend une structure 100 qui est équipée d'une voilure fixe 101 (en variante la voilure peut être rotative) et dans laquelle sont montés :
- un propulseur 102 comme un moteur à hélice ou un turboréacteur,
- des organes directionnels motorisés 103 comme des gouvernes mobiles équipées d'actionneurs électromécaniques,
~ au moins un capteur d'obstacles 104 assurant une détection d'obstacles dans l'environnement de l'agent k, le capteur d'obstacles étant par exemple ici un radar assurant une surveillance à 360° autour de l'agent k et fournissant la position de chaque obstacle détecté ;
- une unité de mesure inertielle 105 ;
- un récepteur 106 de signaux satellitaires de positionnement (ou signaux GNSS) ;
- une unité informatique de commande 107 reliée au propulseur 102, aux organes directionnels motorisés 103, au capteur 104, à l'unité de mesure inertielle 105 et au récepteur 106.
L'unité informatique de commande 107 comprend, de manière classique, un ou plusieurs processeurs et une mémoire contenant au moins un programme informatique qui est exécutable par le ou les processeurs et qui met en œuvre le procédé de commande de l'invention.
L'unité informatique de commande 107 est reliée au capteur 104, à l'unité de mesure inertielle 105 et au récepteur 106 pour recevoir de ceux-ci des informations sous forme de signaux de données. L'unité informatique de commande 107 est reliée au propulseur 102 et aux organes directionnels motorisés 103 pour commander ceux-ci au moyen de signaux de commande élaborés en fonction des informations reçues. L'unité informatique de commande 107 reçoit également du propulseur 102 et des organes directionnels motorisés 103 des signaux de données représentatifs d'un état de fonctionnement du propulseur 102 et des organes directionnels motorisés 103 et permettant la mise en œuvre d'un asservissement pour la commande du propulseur 102 et des organes directionnels motorisés 103.
Cet agencement et son fonctionnement sont connus en eux- mêmes et ne seront pas plus détaillés ici sauf pour ce qui est en lien avec l'invention elle-même.
Plus précisément, le programme informatique comprend un module de navigation hybridée qui est agencé pour déterminer de manière connue en elle-même, à partir des informations reçues de l'unité de mesure inertielle 105 et du récepteur 106, une position et une attitude de l'agent k.
Le programme informatique comprend également un module de commande agencé pour élaborer les signaux de commande destinés au propulseur 102 et aux organes directionnels motorisés 103 notamment à partir de la position et de l'attitude fournies par le module de navigation et d'une trajectoire de référence transmise au préalable à l'unité informatique de commande par exemple par un opérateur. Comme cela sera plus détaillé ensuite, le module de commande comprend (voir la figure 3) :
- un module algorithmique à champs de potentiels 210 pour élaborer un correctif de vitesse, - un module de mise en forme 220 pour transformer le correctif de vitesse en un correctif de position,
- un module de suivi de trajectoire à commande prédictive 230 (ou MPC) utilisant le correctif de position et une méthode de commande prédictive à modèle non-linéaire appliquant une contrainte dure d'évitement (cette contrainte est ici non-linéaire).
L'unité informatique de commande 107 est en outre reliée à un émetteur/récepteur 108 de signaux hertziens pour que chaque agent puisse échanger avec les autres agents leurs positions et la position des obstacles détectés par les capteurs 104, On définit pour ce faire un bus virtuel de communication commun à tous les agents et sur lequel les agents émettent leurs positions, leurs vitesses et les positions des obstacles qu'ils ont détectés de sorte que toutes les positions des agents et des obstacles sont accessibles sur ce bus.
Sur la figure 2, les agents sont désignés par les références générales 1 à 5 (c'est-à-dire que k=l, 2, 3, 4, 5 sur la figure 2) et symbolisés chacun par un point. Les agents 1, 2, 3, 4, 5 sont donc identiques les uns aux autres dans le mode de réalisation décrit.
Le procédé de l'invention va maintenant être décrit : On pose :
- l'essaim est constitué d'un nombre Ma d'agents,
- la position du ième agent est notée
Ya,i(t)=[xa,i(t),ya,i(t),za,i(t)], avec i = 1,..., Ma,
- le nombre d'obstacles à éviter est Mo,
- la position du jème obstacle est notée Yo,j(t)= [Xo,j(t),yo,j(t),z0,j(t)], avec j = 1,..., Mo,
- chaque agent k connaît la position de tous les autres agents et la position de tous les obstacles puisque les positions de ceux-ci ont été échangées entre les agents via les émetteurs/récepteurs 108,
- l'essaim doit suivre une trajectoire globale de référence en position notée
Yref(t)= [Xref (t),yref (t),Zref (t)] qui est supposée connue à l'avance. Cette trajectoire globale de référence a par exemple été transmise à l'unité informatique de commande 107 de chaque agent k lors d'une phase préalable de préparation de mission ou est transmise au cours du vol des agents vers une destination préétablie.
On décrit ci-après la solution technique embarquée sur le kème agent de l'essaim. Chaque agent de l'essaim dispose strictement de la même solution.
L'agent k doit suivre la trajectoire globale de l'essaim Yref(t) et l'essaim doit avoir une enveloppe ayant une forme géométrique prédéterminée (on dit aussi que l'essaim vole en formation géométrique).
Le programme informatique de l'agent k exécute le module algorithme à champs de potentiels pour assurer que l'essaim conserve la forme géométrique pendant le suivi de cette trajectoire. Pour ce faire, l'algorithme détermine un correctif de vitesse pour maintenir une première distance minimum entre l'agent k et les agents qui l'entourent et entre l'agent et tout obstacle le long de la trajectoire de référence.
Les informations de position de tous les agents de l'essaim et des obstacles sont utilisées par le module algorithmique des champs de potentiels 210 de l'agent k pour calculer un correctif de vitesse de référence VkΔ(t) dans le but de construire la f ormation géométrique .
Le module algorithmique des champs de potentiels 210 embarqué sur l ' agent k détermine à chaque instant t le correctif de vitesse en tenant compte des agents j et obstacles i environnant l ' agent k comme ci-dessous :
Pour chaque agent :
Figure imgf000011_0001
Pour chaque obstacle i, on a :
Figure imgf000011_0002
Le correctif de vitesse est donc égal à ;
Figure imgf000011_0003
Les paramètres a , ba et ca traduisent la formation géométrique de manière connue en elle-même . Elle peut prendre diverses formes en fonction des valeurs des paramètres et la distance inter-agent tendra asymptotiquement à être supérieure à une distance LPF pour peu que :
Figure imgf000011_0004
La distance LPF est une grandeur caractéristique de la formation et est déterminée par l ' uti l isateur en fonction de la mission as signée à l ' essaim d' agents . Les paramètres bo et co permettent de spécifier une première distance minimale souhaitée entre les agents et les obstacles . Empiriquement , par simulation, on constate que cette distance tendra asymptotiquement à être supérieure à LPF si par exemple :
Figure imgf000012_0001
Il est important de noter que la formation géométrique définie par le module algorithmique des champs de potentiels ne sera atteinte qu'asymptotiquement c'est-à- dire quand le temps t tend vers l'infini (t —> co) et que rien ne garantit ses caractéristiques géométriques transitoires. On dit que le temps est infini au regard des dynamiques du système les plus lentes (par exemple en regard de la dynamique de la boucle de guidage des drones). On note que par nature le principe des champs de potentiels génère pour l'agent k un correctif de vitesse de référence Vw(t), mais que c'est une trajectoire en position que l'agent k doit suivre. Le programme informatique de l'agent k exécute alors le module de mise en forme 220 pour :
- transformer le correctif de vitesse en correctif de position par une opération d'intégration numérique,
- initialiser à zéro cette intégration selon qu'on active/désactive le module des champs de potentiels,
- maintenir constant le correctif de position sur l'horizon de prédiction du module de suivi de trajectoire qui produit une commande prédictive employée à bas niveau pour le suivi de la trajectoire de référence ainsi modifiée.
Le module des champs de potentiels est désactivé dans le cas où l'accomplissement de la mission impose de renoncer à la formation en cours et/ou nécessite une formation particulière qu'il est plus rapide de configurer manuellement (par exemple, les agents sont placés sur une ligne droite pour examiner une route). Dans ce cas, seul le module de suivi de trajectoire 230 participe à la commande de chaque agent k. A l'inverse, lors de la même mission, le module des champs de potentiels peut être activé dans le cas où l'accomplissement de la mission impose d'adopter une formation : d'où l'intérêt de réinitialiser l'intégration.
En considérant Te la cadence d'échantillonnage du contrôle, le module de mise en forme 220 élabore par intégration numérique le correctif de trajectoire en position pour chaque agent k, à savoir :
Figure imgf000013_0001
Si le module algorithmique à champs de potentiels est activé à l'instant to, on a Yk&(t0 ~ 1)= 0. L'agent k doit donc suivre la trajectoire de référence instantanée suivante afin que l'essaim puisse tendre vers la formation géométrique conférée par le module algorithmique à champs de potentiels :
Figure imgf000013_0002
Pour employer le module de suivi de trajectoire à commande prédictive 230 pour sa faculté à imposer des contraintes, il faut que la trajectoire à suivre yk(t) soit connue à l'avance au moins sur l'horizon de prédiction N (qui sera explicité plus bas) du module de suivi de trajectoire à commande prédictive 230. Mais, dans l'expression de Yk(t), le correctif de trajectoire ykΔ (t)n'est pas connu à l'avance puisqu'il est issu d'un calcul à l'instant t. Le module de mise en forme 220 est ici agencé pour maintenir constant le correctif de trajectoire en position ykΔ (t) sur l'horizon de prédiction N du module de suivi de trajectoire à commande prédictive 230. Ainsi, à chaque instant t, on construit la référence que le module de suivi de trajectoire à commande prédictive 230 de l'agent k doit suivre sur l'horizon de prédiction comme suit :
Figure imgf000014_0002
Cette construction peut se faire par le remplissage d'une pile ou d'une mémoire avec la formule précédente.
Le module de suivi de trajectoire à commande prédictive 230 est agencé pour calculer une séquence de commandes futures, solution d'un problème d'optimisation sous contrainte résolu en ligne à chaque période d'échantillonnage. Le principe mis en œuvre est de conférer au système piloté (le véhicule et ses propulseur et organes directionnels motorisés) un comportement désiré optimal sur un horizon futur (dit horizon de prédiction) de taille N ou N*Te en unité de temps). Le comportement est optimal au sens d'une fonction de coût à minimiser et de contraintes à satisfaire. La séquence de commandes cherchée est donc de taille N.
Lors du processus d'optimisation, pour une séquence de commandes donnée, le comportement est prédit par un prédicteur, qui est un modèle du système à commander et qui dépend complètement de l'engin considéré. Pour suivre une trajectoire, le module de suivi de trajectoire à commande prédictive 230 de l'agent k résout typiquement en ligne à chaque période d'échantillonnage le problème d'optimisation suivant :
Avec sont
Figure imgf000014_0001
respectivement l'équation d'état et l'équation d'observation du prédicteur (ces deux équations dépendent donc du type d'engin). Pour les multicoptères, les équations d'états de l'agent k, exprimées dans le repère 5 géographique NED, sont :
Figure imgf000015_0001
Où :
Tk est la poussée du drone ;
Figure imgf000015_0002
p sont les angles d'Euler du drone (orientation angulaire absolue) ;
Xk, yk, Zk sont les position (x, y) et l'altitude du drone et les vitesses correspondantes ;
Figure imgf000015_0004
est la masse du drone k ; sont les coefficients de résistance de l'air
Figure imgf000015_0003
g est l'apesanteur. Le prédicteur est défini par le système d'équations récurrentes suivant :
Figure imgf000016_0001
Le prédicteur dépend complètement de l'agent k et de son type (drone, aéronef, voiture, etc.). La prédiction s'initie avec une mesure de l'état du système
Figure imgf000016_0002
possiblement donné par un observateur d'état si l'état de l'engin n'est pas complètement mesuré par des capteurs. Ek représente l'erreur de suivi de trajectoire prédite de l'agent k. uk est la commande de l'agent k.
A chaque instant t, la résolution de ce problème d'optimisation conduit à la séquence optimale :
Figure imgf000016_0003
Comme on en peut pas appliquer la totalité de la séquence de commande optimale au système (car on n'a pas accès au futur du système physique !), on applique en réalité la première valeur de la séquence de commande. C'est le principe de l'horizon fuyant. La commande appliquée à l'agent k s'écrit à l'instant t :
Figure imgf000016_0004
La fonction traduit toutes les contraintes
Figure imgf000016_0005
que la prédiction du système piloté doit satisfaire. Le principe de l'horizon fuyant prend pour hypothèse que si la prédiction satisfait les contraintes alors, de proche en proche, le système physique réel piloté satisfera aussi ces contraintes si le prédicteur et le système réel ne sont pas trop différents.
On sécurise alors les champs de potentiel en imposant à l'agent k de se situer à une deuxième distance minimum LMPC des autres agents et des obstacles. Cela se traduit mathématiquement par :
Figure imgf000017_0001
Et donc le champ de potentiel devient sécuritaire si LMPC<LPF .
Ce sont donc les contraintes d'évitement bas niveau du contrôle prédictif, réglées sur des distances sécuritaires interdites à franchir et plus petites que les distances caractéristiques de la formation géométrique des champs de potentiel (donc LMPC<LPF), qui garantissent la sécurité du champ de potentiel.
Lorsque les contraintes d'évitement du module prédictif sont inactives, on se retrouve avec un champ de potentiel conventionnel. Lorsque les contraintes de l'étage prédictif s'activent (en fonction de la distance qui sépare l'agent k et les autres agents et l'agent k et les obstacles comparativement à un seuil, ici le seuil LMPC), ce dernier garantit la non-collision tout en minimisant l'erreur de suivi de trajectoire c'est-à-dire en dégradant le moins possible, lorsque les contraintes de l'étage prédictif s'activent, la formation géométrique définie par la mise en œuvre de l'algorithme à champs de potentiels. Ainsi, l'aspect modulaire est conservé, c'est-à-dire que les caractéristiques mathématiques de la formation géométrique lorsque les contraintes sont inactives sont conservées et ces dernières sont dégradées le moins possible. C'est une modularité au sens mathématique : deux fonctions sont modulaires si elles peuvent s'exécuter indifféremment indépendamment l'une de l'autre (l'une est exécutée mais pas l'autre) ou en dépendance (l'une de l'autre -la sortie de l'une est l'entrée de l'autre). Les contraintes étant activées pendant le temps minimum nécessaire, conserve au maximum les caractéristiques de la formation géométrique prévue par le module algorithmique à champs de potentiels. Avantageusement ici, le module de suivi de trajectoire à commande prédictive 230 est agencé pour rajouter d'autres contraintes.
Parmi celles-ci, on peut prévoir une contrainte sur la puissance consommée instantanée de l'agent par exemple.
Dans ce cas, cela revient à compléter la contrainte :
Figure imgf000018_0001
On peut alternativement ou supplémentairement prévoir une contrainte sur la puissance moyenne (qui traduit une sorte de temps de marche) :
Figure imgf000018_0002
Lors des manœuvres de sécurisation, on peut aussi contraindre certaines grandeurs représentatives d'un facteur de charge de l'agent k (comme la vitesse ou l'accélération) et les forcer à rester dans une plage de valeurs. Par exemple, on fixe une contrainte sur la vitesse de l'agent pour protéger l'agent en terme de facteur de charge mais aussi l'empêcher de décrocher (cas d'un aéronef)
Figure imgf000018_0003
Ceci est possible du fait de l'emploi d'un module de suivi de trajectoire à commande prédictive non-linéaire sous contraintes.
Bien entendu, l'invention n'est pas limitée au mode de réalisation décrit mais englobe toute variante entrant dans le champ de l'invention telle que définie par les revendications.
En particulier, les agents k peuvent avoir une structure différente de celle représentée à la figure 1.
Par « propulseur », on entend toute motorisation agencée pour déplacer un véhicule. Pour les véhicules de type multicoptère, la motorisation concerne tant les hélices de propulsion que celles de sustentation.
Par « organe directionnel motorisé », on entend tout élément qui peut être commandé pour diriger un véhicule.
Les capteurs d'obstacles peuvent utiliser d'autres technologies que celles mentionnées et par exemple comprendre des moyens optiques (imageurs) ou ultrasonores (sonars).
Les émetteurs/récepteurs peuvent ne pas être utilisés pour l'échange de positions des obstacles et des agents, chaque agent se fiant uniquement à ses capteurs d'obstacles.
L'échange de positions peut être limité aux agents voisins, c'est-à-dire une partie du groupe, en fonction de la portée des émetteurs/récepteurs, d'une communication multicast et non broadcast...
La détermination du correctif de vitesse peut être réalisée en utilisant un autre algorithme que l'algorithme des champs de potentiels et par exemple par un apprentissage par renforcement.
Dans le module de mise en forme 220, d'autres stratégies que le maintien constant du correctif en position sur l'horizon de prédiction peuvent être envisagées :
- interpolation linéaire dans le cas où on dispose d'une mesure de la vitesse des agents,
- utilisation de modèles d'agents plus ou moins complexes (modèle cinématique, réseau de neurones, etc.) pour prédire le correctif de position sur l'horizon.
La configuration géométrique peut être fixée pour toute la trajectoire ou évoluer en fonction de l'environnement. L'invention est applicable à tout type de véhicule :
- piloté ou non ;
- habité ou non ; transportant des passagers et/ou une charge ; terrestre, aquatique, aérien ou spatial...

Claims

REVENDICATIONS
1. Procédé de commande d'au moins un véhicule (k) comportant un propulseur (102), des organes directionnels motorisés (103) et une unité informatique de commande (107) reliés aux organes directionnels motorisés (102, 103) pour commander ceux-ci et diriger le véhicule le long d'une trajectoire de référence, comprenant :
- déterminer un correctif de vitesse pour maintenir une première distance minimum entre le véhicule et tout obstacle le long de la trajectoire de référence ;
- transformer le correctif de vitesse en un correctif de position et estimer le correctif de position sur un horizon de prédiction pour déterminer une trajectoire à suivre sur l'horizon de prédiction ;
- déterminer des commandes à appliquer au propulseur (102) et aux organes directionnels motorisés (103) sur l'horizon de prédiction pour suivre la trajectoire à suivre en appliquant une contrainte d'évitement correspondant à une deuxième distance minimum entre le véhicule et tout obstacle le long de la trajectoire à suivre sur l'horizon de prédiction, la deuxième distance minimale étant inférieure à la première distance minimale et la contrainte d'évitement étant appliquée lorsqu'il est prédit que le véhicule et l'obstacle sont séparés d'une distance inférieure à la deuxième distance minimale.
2. Procédé selon la revendication 1, dans lequel le correctif de vitesse est déterminé en utilisant un algorithme des champs de potentiels.
3. Procédé selon la revendication 1 ou 2, dans lequel les commandes sont déterminées en utilisant un modèle prédictif non-linéaire sous contrainte.
4. Procédé selon la revendication 3, dans lequel les commandes sur l'horizon de prédiction pour suivre la trajectoire à suivre sont déterminées en appliquant aussi au moins une contrainte de fonctionnement portant sur l'un au moins des paramètres de fonctionnement suivant : puissance instantanée consommée par le véhicule, puissance moyenne consommée par le véhicule, facteur de charge, vitesse du véhicule, accélération du véhicule...
5. Procédé selon l'une quelconque des revendications précédentes, appliqué à une pluralité de véhicules évoluant en groupe, dans lequel les véhicules évoluant à proximité d'un véhicule déterminé constituent autant d'obstacles pour ledit véhicule déterminé.
6. Procédé selon la revendication 5, dans lequel au moins ceux des véhicules évoluant à proximité les uns des autres communiquent entre eux leurs positions.
7. Procédé selon les revendications 5 ou 6, dans lequel chaque véhicule comprend un détecteur d'obstacle et au moins ceux des véhicules évoluant à proximité les uns des autres communiquent entre eux au moins une position d'un obstacle qu'ils ont détecté.
8. Procédé selon une quelconque des revendications 5 à 7, dans lequel le correctif de vitesse est déterminé pour maintenir une configuration géométrique prédéterminée des véhicules au cours de leur déplacement le long de la trajectoire de référence.
9. Procédé selon l'une quelconque des revendications précédentes, dans lequel le correctif de position sur l'horizon de prédiction est estimé : - en considérant le correctif de position constant sur l'horizon de prédiction ; et/ou
- par une interpolation linéaire à partir de vitesses mesurées ; et/ou - par un modèle de véhicule...
10. Véhicule comportant un propulseur (102), des organes directionnels motorisés (103) et une unité informatique de commande (107) relié aux organes directionnels motorisés (102, 103) et agencé pour commander ceux-ci en appliquant le procédé conforme à l'une quelconque des revendications précédentes.
PCT/IB2022/000807 2022-12-08 2022-12-08 Procede de commande de vehicule a securite anti-collision amelioree WO2024121588A1 (fr)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/IB2022/000807 WO2024121588A1 (fr) 2022-12-08 2022-12-08 Procede de commande de vehicule a securite anti-collision amelioree

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/IB2022/000807 WO2024121588A1 (fr) 2022-12-08 2022-12-08 Procede de commande de vehicule a securite anti-collision amelioree

Publications (1)

Publication Number Publication Date
WO2024121588A1 true WO2024121588A1 (fr) 2024-06-13

Family

ID=91378650

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/IB2022/000807 WO2024121588A1 (fr) 2022-12-08 2022-12-08 Procede de commande de vehicule a securite anti-collision amelioree

Country Status (1)

Country Link
WO (1) WO2024121588A1 (fr)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108549407A (zh) * 2018-05-23 2018-09-18 哈尔滨工业大学（威海） 一种多无人机协同编队避障的控制算法
CA3094795A1 (fr) * 2017-11-22 2019-05-31 Waymo Llc Utilisation d'inconfort pour une programmation de vitesse de vehicules autonomes
CN112947562A (zh) * 2021-02-10 2021-06-11 西北工业大学 一种基于人工势场法和maddpg的多无人机运动规划方法
US11364899B2 (en) * 2017-06-02 2022-06-21 Toyota Motor Europe Driving assistance method and system

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11364899B2 (en) * 2017-06-02 2022-06-21 Toyota Motor Europe Driving assistance method and system
CA3094795A1 (fr) * 2017-11-22 2019-05-31 Waymo Llc Utilisation d'inconfort pour une programmation de vitesse de vehicules autonomes
CN108549407A (zh) * 2018-05-23 2018-09-18 哈尔滨工业大学（威海） 一种多无人机协同编队避障的控制算法
CN112947562A (zh) * 2021-02-10 2021-06-11 西北工业大学 一种基于人工势场法和maddpg的多无人机运动规划方法

Similar Documents

Publication Publication Date Title
FR2939505A1 (fr) Systeme de gestion de vol a optimisation du plan de vol lateral
EP3034411B1 (fr) Procede de guidage pour la mise a poste d&#39;un satellite
EP1837680B1 (fr) Système de contrôle du déploiement d&#39;engins spatiaux devant voler en formation, par détermination simultanée et de haute précision de leurs positions
EP3058431B1 (fr) Dispositif et procédé de repérage de terrain en vol pour microdrone
FR2655167A1 (fr) Procede de controle d&#39;attitude en roulis et en lacet d&#39;un satellite.
EP3451314A1 (fr) Procede et dispositif d&#39;evitement d&#39;un objet par detection de son rapprochement d&#39;un aeronef
FR3065297A1 (fr) Procede de suivi de cible par un drone, programme d&#39;ordinateur, systeme electronique et drone associes
EP2957975A1 (fr) Procédé et dispositif de commande d&#39;au moins un système de contrôle d&#39;actionneur d&#39;un aéronef, produit programme d&#39;ordinateur et aéronef associés
WO2021105055A1 (fr) Dispositif et procede d&#39;aide a la decision pour la gestion de conflits aeriens
EP3035143B1 (fr) Procédé et système de détermination d&#39;une consigne de vitesse angulaire en virage pour un aéronef a voilure tournante
FR3110999A1 (fr) Procédé et système de détection et d’évitement d’obstacles à plusieurs espaces de détection pour aéronef
FR2766935A1 (fr) Procede et appareil permettant d&#39;estimer les efforts de forces de perturbation sur l&#39;attitude d&#39;un engin spatial
WO2023136904A1 (fr) Masque pour données d&#39;image satellite
WO2024121588A1 (fr) Procede de commande de vehicule a securite anti-collision amelioree
FR3135332A1 (fr) Systeme d’aide au suivi de tourbillon de sillage pour aeronefs
EP1288760B1 (fr) Procédé de contrôle d&#39;orbite autonome d&#39;un satellite, et satellite en orbite contrôlé de facon autonome
EP4147106B1 (fr) Procédé de contrôle d&#39;un robot-aéronef et système de contrôle correspondant
EP4436878A1 (fr) Système et procédé de navigation autonome base vision d&#39;un satellite
FR3022356A1 (fr) Procede et dispositif de generation d&#39;au moins une consigne parmi une consigne de commande de vol, une consigne de commande moteur et une consigne de guidage d&#39;un aeronef, produit programme d&#39;ordinateur et aeronef associes
EP3731207A1 (fr) Plateforme et procédé de supervision d&#39;une infrastructure pour véhicules de transport, véhicule, système de transport et programme d&#39;ordinateur associés
EP4390317A1 (fr) Procédé d&#39; assistance au pilotage d&#39;un aéronef
FR3145978A1 (fr) Procédé de navigation à Kalman étendu invariant et véhicule équipé pour sa mise en oeuvre.
FR3143552A1 (fr) Procédé de contrôle d&#39;au moins un drone et controleur associé
EP3882735A1 (fr) Procédé et système électronique de génération d&#39;au moins une consigne de guidage pour un aéronef, programme d&#39;ordinateur et aéronef associés
EP4321954A2 (fr) Procédé et dispositif de guidage automatique d&#39;un aéronef autonome

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22967723

Country of ref document: EP

Kind code of ref document: A1