Soutenance mémoire
Classification des UUV
Nous avons dans un premier temps exploré les diverses classifications existantes dans le domaine industriel. Notre objectif était, dans le cas présent, d’adopter ou de construire une classification assez objective des robots sous-marins. Diverses manières de classer des objets mobiles sont possibles. Dans le document émis par la US Navy en novembre 2004 (Navy 2004), les analystes du US Departement of Defense orientent leur analyse en fonction des grandes classes de missions affectées aux sous-marins robotisés. Ils distinguent ainsi quatre grandes composantes dans les missions à remplir par les UUV : Force Net Ce pilier rassemble les missions qui constituent la toile de fond des opérations de l’US Navy. Nous y retrouvons donc les missions Intelligence, Surveillance, and Reconnaissance (ISR). Le rôle des UUV dans ce cadre précis est la collecte de données électromagnétiques et électrooptiques. L’océanographie, essentielle dans la préparation et l’exécution des missions, constitue la deuxième composante du pilier FORCE Net. Enfin, les Communication / Navigation Network Nodes (CN3) assurent la connectivité au sein du milieu sous-marin. Sea Shield Le pilier Sea Shield regroupe les missions assurant la sécurité du milieu marin. Les missions de guerre des mines Mine Countermeasures (MCM), de lutte anti-sous-marine Anti-Submarine Warfare (ASW) et d’inspection/identification Inspection / Identification y trouvent donc leur place.Sea Base Nous trouvons dans la composante Sea Base une unique fonction support : Payload Delivery. Cette mission est essentielle pour apporter le soutien nécessaire à toutes les autres missions à remplir par les UUV. Sea Strike Ce dernier pilier constitue la forme agressive des missions dévolues à un UUV. Y sont regroupées les missions appelées Information Operations (IO) qui consistent en la collecte de renseignements de manière clandestine, dans un environnement incertain et hostile. La dernière mission, mais certainement la plus importante aux yeux de l’appareil militaire, est Time Critical Strike (TCS). L’enjeu de cette mission est de réduire le délai d’action entre une agression et la riposte militaire adéquate, dans le milieu sous-marin. L’UUV, en tant que porteur de vecteur ou vecteur lui-même, permet d’apporter une solution très rapide, de l’ordre de la dizaine de secondes, au lieu des heures actuellement nécessaires. L’expertise opérationnelle développée dans l’UUV Master Plan de l’US Navy (Navy 2004) permet de cerner les charges utiles à embarquer à bord des sous-marins robotisés selon les missions à remplir. À partir de là, il est possible d’établir une classification basée sur la taille de robots. Cette classification est présentée en figure 1.1. Les acronymes utilisés dans ce tableau sont explicités dans les notations (voir la Table des Notations en début de manuscrit).
Solutions industrielles semblables
La conception d’un système dans un cadre industriel nécessite de dresser l’état actuel des solutions déployées et opérationnelles. Nous ciblons ici des systèmes d’engins sous-marins autonomes. La définition de l’autonomie (voir section 1.1.2) nous permet d’exclure les torpilles, utilisées depuis la Seconde Guerre mondiale, ou encore les SONAR traînés par des vaisseaux de surface, ces systèmes étant considérés comme des systèmes automatiques. L’utilisation des systèmes d’UUV n’est pas très répandue dans les armées du monde. Le NATO Undersea Research Centre (NURC) encourage leur exploitation en proposant de nombreux articles, articulés autour de démonstrateurs (Hughes et al. 2009). Nous trouvons dans leur équipement le robot sous-marin REMUS 6000. Ce sous-marin est désormais utilisé par les archéologues sous-marins (Marchant 2012) pour les aider dans leur recherche. C’est également un UUV de la classe REMUS, du constructeur Kongsberg , qui a permis de retrouver les boîtes noires du vol AF447, à plus de 3000 m de profondeur (BEA 2010). L’US Navy utilise depuis les années 1960 des dauphins pour effectuer des missions de guerre des mines pour tenir éloignés du danger les opérateurs humains. Récemment, l’institution américaine a annoncé remplacer les mammifères marins par une flottille de robots (Future 2012). Cet outil est encore en cours de développement et ne devrait être déployé qu’en 2017. Si aucun système sous-marin robotisé n’est pour l’instant opérationnel, de nombreuses marines s’y intéressent. La Marine française et la Marine italienne (Regia Marina) se sont équipées auprès del’entreprise française SubSeatech afin de mener des tests sur les capacités des engins. La Direction Générale de l’Armement (DGA) explore depuis quelques années la piste des meutes d’UUV pour répondre au besoin de la guerre des mines. Le démonstrateur Sterenn Du (l’Étoile Noire en breton) s’inscrit dans le Système de Lutte Anti-Mine Futur (SLAMF) , et propose le déploiement d’un robot sous-marin depuis un vaisseau de surface robotisé. L’utilisation conjointe de ces deux engins robotisés représente une première étape dans l’emploi de systèmes autonomes. Cependant, nous pensons que les technologies dès à présent disponibles nous permettent de proposer des solutions encore plus ambitieuses, pour répondre au besoin exprimé dans l’introduction de ce mémoire. Ce bref état des lieux de l’utilisation actuelle de système complexe dans le milieu marin nous montre que de nombreux acteurs y investissent, sans pour autant proposer actuellement un système fonctionnel et fiable. Le champ de recherche pour apporter une réponse crédible à notre problématique est donc largement ouvert. Bien qu’aucun produit ne réponde actuellement à la demande, la concurrence dans le domaine est très forte.
Optimisation par essaims particulaires, modèle de phéromones digitales
En s’appuyant sur les travaux de Reynolds, Eberhart et Kennedy ont développé un algorithme évolutionnaire pour l’optimisation de solutions (Kennedy et Eberhart 1995, Eberhart et Kennedy 1995, Shi et Eberhart 1998, Kennedy et Eberhart 2001, Eberhart et Shi 2004). Dans l’optimisation par essaims particulaires (Particle Swarm Optimization – PSO), comme dans les autres algorithmes évolutionnaires, nous considérons une population d’individus. Dans leurs travaux, Eberhart et Kennedy font évoluer leur population comme une nuée d’oiseaux, par compétition et coopération. Chaque particule de l’essaim s’adapte en fonction de sa propre expérience, mais essaye également de suivre «la direction générale» de l’essaim. Chaque particule représente une solution au problème que nous cherchons à optimiser. Chen et Montgomery (2013) ont imaginé un PSO seuillé, ce qui permet d’améliorer les performances de l’optimiseur. Le passage des méthodes de d’intelligence en essaim dans le domaine de l’optimisation, qui semble a priori assez éloigné du domaine de la robotique mobile, a permis de l’enrichir considérablement. Nous voyons désormais apparaître des méthodes de PSO pour contrôler des essaims de robots. Pugh et Martinoli (2007) s’inspirent grandement de la PSO de Eberhart et Kennedy pour trouver une cible, via l’emploi d’un essaim de robots. Le problème à optimiser se réduit simplement à un problème de positionnement, les variables de la population étant données par des capteurs (distance agent-cible par exemple). La solution optimale est la position de la cible, la population évoluant de façon continue, en temps réel. Les méthodes de PSO permettent d’optimiser un système complexe en temps réel, comportant une population très grande. Les automatismes simples qui régissent les particules, sont un axe d’étude intéressant pour apporter une solution à notre problème. La biologie a également inspiré Shen et al. (2004). Dans ces travaux, les agents échangent des informations, par le biais d’un modèle de phéromones digitales (Digital Hormone Model – DHM). Cette méthode se base en grande partie sur une communication locale, la propagation du signal émis et les réactions stochastiques. Les agents peuvent rester anonymes et l’essaim peut se restructurer de façon dynamique. Le projet SMAART (Système Multi Agents Appliqué à la Reconnaissance de Théâtres d’opération), soutenu par la Direction Générale de l’Armement, est une application des phéromones digitales (Legras et al. 2008).
Définition de la mission
Le milieu environnemental dresse les contraintes physiques qui s’imposent à nous dans l’élaboration de nos travaux. Cependant, nous menons nos études dans l’optique de présenter des résultats crédibles à un ensemble d’acteurs industriels et opérationnels. Aussi, nous devons prendre en compte leurs différents points de vue dans nos travaux. La mission que nous nous attachons à remplir est une mission de guerre des mines. Il convient de remarquer que les ouvrages traitant du sujet ne sont pas abondants. La base de notre démarche est la rencontre avec certains acteurs, notamment au sein de la Direction Générale de l’Armement (Vuilmet 2011), et des équipes d’ingénieurs Thales. La chasse aux mines s’effectue en plusieurs étapes détaillées dans Richard (2011) :
– la détection de l’écho sonar,
– la classification de l’objet en tant que mine ou non,
– l’identification du type de mine détectée, et
– la neutralisation de l’engin par destruction ou contre-minage.
Si l’objectif final de nos travaux est de couvrir l’ensemble du spectre de la mission de chasse aux mines, nous chercherons dans un premier temps à répondre de manière aussi efficace que possible aux deux premières étapes de la guerre des mines. La mission est définie sur une zone géographique donnée. Il s’agit principalement de zones assez étendues, relativement à la taille d’un bateau ou d’un robot sous-marin. Un exemple concret de mission de chasse aux mines est le nettoyage d’un rectangle de 3 km de long sur 600 m de large, pour dégager un chenal d’accès et permettre à un bateau de commandement d’atteindre les côtes et d’effectuer une évacuation de ressortissants d’un pays dans une zone de crise majeure. Nous noterons dans un premier temps que la chasse aux mines s’opère en très grande partie dans des eaux peu profondes. Dès lors, nous pouvons considérer que les eaux dans lesquelles notre scénario prendra place seront des eaux troubles, du fait des sédiments présents et brassés par les courants dans les eaux peu profondes. La mission à effectuer par notre système se résume à parcourir une zone donnée et y détecter tous les objets suspects présents. Il s’agit donc d’une mission de couverture de zone. Par ailleurs, la criticité de la mission impose de limiter au maximum les trous de couverture pouvant apparaître et d’obtenir un taux de détection de mines très satisfaisant. Les chasseurs de mines actuels sont des bateaux en composite de fibres de verre et de résines traînant derrière eux un « poisson » SONAR, permettant de détecter les objets sous-marins. La portée et l’ouverture des sonars étant trop limitées pour couvrir en une seule passe l’ensemble de la zone à explorer, il est nécessaire de préparer la trajectoire du chasseur. Cette trajectoire est généralement en forme de radiateur (lawn mower). Seules les parties rectilignes de cette trajectoire sont efficaces et utilisées lors des missions de chasse aux mines. En outre, la détection des objets sous-marins nécessite plusieurs angles de vue différents des objets en question. Il est donc intéressant de pouvoir obtenir ces différentes vues en une seule passe en optant pour un recouvrement des couvertures SONAR. Il fa ut cependant veiller à ne pas multiplier les recouvrements plus que nécessaires, sous peine de perdre enefficacité.
|
Table des matières
Notations
Liste des figures
Introduction
1 État de l’art
Introduction
1.1 Underwater Unmanned Vehicles (UUV)
1.1.1 Classification des UUV
1.1.2 Autonomie d’un robot
1.1.3 Solutions industrielles semblables
1.2 Généralités sur l’essaim
1.2.1 Concept d’essaim
1.2.2 Le vol en nuée
1.2.3 Optimisation par essaims particulaires, modèle de phéromones digitales
1.3 Approche multi-agents
1.3.1 Comportement délibératif/réactif
1.3.2 Architecture décentralisée
Conclusion
2 Étude de faisabilité d’un essaim
Introduction
2.1 Etude technico-opérationnelle
2.1.1 Définition du problème
2.1.2 Étude technico-opérationnelle pour la comparaison d’efficacité entre l’utilisation d’un gros UUV et l’utilisation d’un essaim
2.1.3 Synthèse des hypothèses de travail
2.2 Création d’un comportement émergent par une approche « top-down»
2.2.1 Solution retenue
2.2.2 Approche globale/locale
2.2.3 Régulateur correcteur d’erreur
2.2.4 Résultats
Conclusion
3 Développement de l’algorithme de formation
Introduction
3.1 Redéfinition de la mission
3.1.1 Vecteur de paramètres
3.1.2 Construction de simulations plus réalistes
3.1.3 Caractéristiques techniques
3.2 Algorithme
3.2.1 Notions importantes
3.2.2 Principe général
3.2.3 Construction du point cible
3.2.4 Asservissement
3.2.5 Exemple de comportement
Conclusion
4 Mesure d’efficacité de l’essaim
Introduction
4.1 Efficacité d’un essaim
4.2 Métriques globales
4.2.1 Alignement de l’essaim
4.2.2 Position de l’essaim par rapport à l’axe de progression
4.2.3 Consigne de vitesse
4.3 Métriques locales
4.3.1 Densité de probabilité des distances dans l’essaim
4.3.2 Évolution des quantiles des distances intra-essaim dans le temps
4.4 Métriques opérationnelles
4.4.1 Notion de couverture
4.4.2 Efficacité spatiale de l’algorithme
4.4.3 Efficacité sur la mission
4.5 Expériences
4.5.1 Expériences sur des scénarios de référence
4.5.2 Plan d’expérience
Conclusion
5 Résultats et discussion
Introduction
5.1 Validation du comportement en essaim
5.1.1 Formation en ligne
5.1.2 Respect de la distance inter-UUV
5.1.3 Convergence en vitesse
5.1.4 Convergence sur l’axe
5.2 Validation opérationnelle
5.2.1 Couverture SONAR et détections des mines
5.2.2 Résilience en terrain accidenté
5.2.3 Sensibilité aux conditions initiales
5.3 Exemples remarquables
5.3.1 Amortissement d’une perturbation
5.3.2 Réponse à la perte d’un UUV
5.3.3 Fusion de deux essaims
Conclusion
Conclusion générale
A Annexes
A.1 Représentation de l’essaim dans l’espace
A.1.1 Repères
A.1.2 Représentation vectorielle
A.1.3 Projection sur la trajectoire
A.2 Résultats du régulateur
A.3 Outils de simulation
A.3.1 Moteur de simulation openESub
A.3.2 Flexibilité du simulateur
A.3.3 Scénarios du plan d’expérience
A.4 Caractéristiques techniques des UUV
A.5 Stabilité de l’essaim autour de la trajectoire
A.5.1 Cas d’un potentiel constant
A.5.2 Cas d’un potentiel linéaire
A.6 Exemple de matrice de corrélation
Références bibliographiques
Télécharger le rapport complet
