Thèse soutenue

Analyse et développement d'algorithmes de fusion de données pour les matrices de capteurs
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Josué Rivera velázquez
Direction : Pascal Nouet
Type : Thèse de doctorat
Discipline(s) : Systèmes automatiques et micro-électroniques
Date : Soutenance le 17/07/2020
Etablissement(s) : Montpellier
Ecole(s) doctorale(s) : École Doctorale Information, Structures, Systèmes (Montpellier ; 2015)
Partenaire(s) de recherche : Laboratoire : Laboratoire d'informatique, de robotique et de micro-électronique (Montpellier ; 1992-....)
Jury : Président / Présidente : Laurent Latorre
Examinateurs / Examinatrices : Pascal Nouet, Laurent Latorre, Jean-Yves Fourniols, Jérôme Juillard, Suzanne Lesecq, Frédérick Mailly
Rapporteurs / Rapporteuses : Jean-Yves Fourniols, Jérôme Juillard

Mots clés

FR  |  
EN

Résumé

FR  |  
EN

Actuellement, la plupart des capteurs sont de nature `` intelligente '', ce qui signifie que les éléments de détection et l'électronique associée sont intégrés sur le même circuit. Parmi ces capteurs de nouvelle génération les systèmes micro-électro-mécaniques (MEMS) utilisent les technologies microélectroniques pour la fabrication par lots de capteurs à des volumes sans précédent et à des prix bas. Si ces composants sur étagère sont satisfaisants pour de nombreuses applications nécessitant un niveau de précision faible à moyen, ils ne peuvent toujours pas répondre pleinement aux besoins de performances de nombreuses applications de haute précision.Cependant, en raison de leur prix décroissant, de leur faible encombrement et de leur faible consommation d'énergie, il est désormais possible de mettre en œuvre des systèmes avec des dizaines ou même des centaines de capteurs. Ces systèmes amènent une solution possible au manque de performances des capteurs individuels et peuvent en outre améliorer la fiabilité et la robustesse de la détection. Les matrices de capteurs sont l'une de ces méthodes de mesures redondantes qui surviennent en réponse aux problèmes susmentionnés. Le développement d'algorithmes de fusion de données pour ces systèmes est un sujet de recherche fréquemment étudié dans la littérature. Néanmoins, il reste encore beaucoup de recherches à faire dans ce domaine de plus en plus important. L'émergence de nouvelles applications aux besoins de plus en plus complexes accroît la nécessité de nouveaux algorithmes avec des propriétés telles que la facilité d'intégration, l'adaptabilité, la robustesse, le faible coût de calcul et la généricité, entre autres.Dans cette thèse, nous présentons un nouvel algorithme pour les systèmes multi-capteurs qui propose une solution viable pour surmonter les contraintes mentionnées précédemment. La proposition est une méthode on-line basée sur une estimation quadratique sans biais de norme minimale (acronyme en Anglais: MINQUE) qui est capable de calculer les variances des capteurs sans connaître les entrées. Cet algorithme est capable de suivre les changements de variances des capteurs causés principalement par les effets du bruit basse fréquence, ainsi que de détecter et de signaler les capteurs affectés par des erreurs permanent ou transitoires. Cette approche est générique, ce qui signifie qu'elle peut être mise en œuvre pour différents types de systèmes de capteurs. De même, cet algorithme peut être implémenté dans des systèmes de réseaux de capteurs.Deux autres contributions de cette thèse peuvent être répertoriées. La première est un modèle de capteur générique pour les simulations de capteurs au niveau système. Cet outil créé dans l'environnement Matlab Simulink permet l'analyse des implémentations d'algorithmes de fusion de données dans des systèmes multi-capteurs. Contrairement aux modèles existant auparavant dans la littérature, ce modèle présente des caractéristiques telles que la généricité et l'inclusion de bruits basse fréquence, ainsi que le paramétrage à travers des graphiques d'analyse spectrale (graphique de Densité Spectrale de Puissance) et des graphiques d'analyse de stabilité dans le temps (graphique de l'écart Allan). La seconde est une étude visant à comparer les performances et la faisabilité de la mise en œuvre de différents algorithmes de fusion de données dans les systèmes multi-capteurs. Cette étude contient une analyse de la complexité de calcul, de la mémoire requise et de l'erreur d'estimation. Les algorithmes analysés sont : la méthode des moindres carrés, le réseau de neurones artificiel, le filtre de Kalman et la pondération aléatoire.