Observateurs d'état pour le diagnostic de comportement dynamique de véhicules automobiles en environnement réel de conduite

Nowadays, a variety of advanced driving assistance systems are being developed by research centers and automobile manufactures. Stability control is an essential topic in the modern industrial automobile society. Driving safety is widely concerned in the passenger cars to prevent potential risks. More and more electronic active safety systems are fitted out as a standard option, such as Electronic Stability Control (ESC) and Traction Control System (TCS). These safety systems are efficient in helping the driver maintain control of the car and also are considered highly cost-effective. However, for the future development trend of these systems, a more complex and integrated control unit requires more information about the vehicle dynamics. Some fundamental parameters such as tire road forces and sideslip angle are effective in describing vehicle dynamics. Nevertheless, it is lacking an effective and low-cost sensor to measure directly. Therefore, this study presents amethod to estimate these parameters using observer technologies and low-cost sensors which are available on the passenger cars in real environment. In addition, these systems are designed for dealing with vehicle current state where danger situation has always occurred, the capacity of these systems is limited to minimize the effects. We were wondering whether shall we predict and effectively avoid a crash before it occurred. Therefore, this work is also addressed to develop a risk prediction method for proposing driver a safe speed to negotiate the upcoming curves. First, this dissertation develops a new approach to estimate the vertical load distribution in real environment. The influence of bank angle is considered in the phase of reconstruction of vehicle model. The vertical tire force on banked road is estimated by using Kalman filter. In order to estimate the lateral tire force, two nonlinear observers are addressed to solve the nonlinearity of vehicle model. The Extended Kalman filter is widely discussed in the previous literature, while we firstly use a Particle filter to estimate the vehicle dynamics parameters. Two different observer technologies are proposed and compared using the experimental data. Second, extending the consideration of road safety to the future instant. Prediction of vehicle dynamics parameters, evaluation of potential risk as well as establishment of advisory speed on curves are introduced to reduce the possibility of crash occurrence on curves. Last but not least, the real-time sampling and process system is presented, the estimator with EKF and PF has been developed as a real-time application. Experimental results are performed to demonstrate the performance of these integrated systems in real-time.Le contrôle de stabilité est un sujet essentiel dans les systèmes avancés d’aide à la conduite développés par les constructeurs et équipementiers automobiles. Les systèmes de sécurité actifs sont devenus un standard dans les véhicules particuliers, tels que : le contrôle électronique de la stabilité (ESC) et le système de contrôle de traction (TCS). La description du comportement dynamique du véhicule pendant le mouvement, est fondamental dans le fonctionnement des nouveaux systèmes de sécurité active. Certains systèmes actifs sont déjà implémentés dans des véhicules standards comme des options supplémentaires, pour améliorer la sécurité sur la route ou pour le confort du conducteur et des passagers. Cependant, ces systèmes ont besoin d’informations sur la dynamique de véhicule, qui représente les caractéristiques de mouvement du véhicule sur la route. L’accès à ces informations est souvent difficile, pour des raisons technologiques ou économiques. De ce fait, nous développons des algorithmes, basés sur la technique d’observation d’état, pour estimer une partie de ces variables notamment, les efforts dynamiques du contact pneumatique/chaussée et l’angle de dérive dans son environnement. En revanche, ces systèmes sont conçus pour faire face à l’état actuel du véhicule où la situation de danger a toujours eu lieu, la capacité de ces systèmes est limitée à minimiser les effets de danger. L’objectif ultime est de prévoir et d’éviter efficacement un accident avant qu’il se produise. Par conséquent, ce travail est dédié aussi à développer une méthode de prédiction des risques pour rappeler au conducteur la vitesse de sécurité pour négocier les virages à venir. Dans un premier temps, nous développons dans ce mémoire une nouvelle approche pour estimer la répartition de la charge verticale sur chaque roue dans un environnement réel. L’influence de l’angle de pente est considérée dans la phase de reconstruction du modèle du véhicule. Les forces verticales sont estimées en utilisant un filtre de Kalman. Afin d’estimer la force latérale du pneu, un filtre de Kalman entendu et un filtre Particulaire ont appliqués pour tenir compte des non-linéarités du modèle de véhicule. Deux techniques différentes d’observateurs sont proposées et comparées avec des données expérimentales. Dans un deuxième temps, nous étendons, à l’instant futur, la prise en compte de l’évaluation de risque d’accidents. La prédiction des paramètres de la dynamique du véhicule, l’évaluation du risque potentiel ainsi que la détermination d’une vitesse d’alerte à l’approche des virages, sont introduites pour réduire le risque potentiel d’accident dans les virages. Enfin, la dernière partie du mémoire est consacrée à l’application en temps réel, sur un véhicule démonstrateur, du processus d’observation d’état développé précédemment. Les résultats expérimentaux sont réalisés pour démontrer la performance des estimateurs intégrés en temps réel