Télécharger le fichier original (Mémoire de fin d’études)
Fiabilité
Les sources d’information
Navigation inertielle
Positionnement par satellites
Recalage altimétrique
Table des matières
Introduction
La science de la navigation
Contexte de la thèse
Démarche et objectifs
Organisation du mémoire
Notations et symboles
1 Navigation et fusion d’information
1.1 Introduction
1.2 La navigation terrestre
1.2.1 Définition des repères
1.2.2 Grandeurs cinématiques
1.3 Structure de commande d’un véhicule autonome
1.3.1 Hiérarchie
1.3.2 La fonction pilotage
1.3.3 La fonction guidage
1.3.4 La fonction navigation
1.4 Exigences pour une mission autonome
1.4.1 Précision de positionnement
1.4.2 Disponibilité
1.4.3 Fiabilité
1.5 Les sources d’information
1.5.1 Navigation inertielle
1.5.2 Positionnement par satellites
1.5.3 Imagerie
1.5.4 Recalage altimétrique
1.6 Conclusion
1.6.1 Complémentarité des sources
1.6.2 La navigation hybridée
2 Cadre bayésien et méthodes numériques
2.1 Introduction
2.2 Inférence bayésienne
2.2.1 Caractérisation statistique d’une grandeur
2.2.2 Cadre bayésien pour l’estimation
2.2.3 Estimateurs
2.2.4 Cas des systèmes dynamiques
2.3 Filtrage linéaire
2.3.1 Estimateur linéaire optimal
2.3.2 Filtre de Kalman
2.3.3 Filtre de Kalman étendu (EKF)
2.3.4 Unscented Kalman filter (UKF)
2.4 Filtrage particulaire
2.4.1 Représentation particulaire d’une densité de probabilité
2.4.2 Principe du filtrage particulaire
2.4.3 Principe de la Rao-Blackwellisation
3 Filtrage optimal pour le recalage altimétrique
3.1 Introduction
3.2 Identification d’une position par mesure altimétrique
3.3 Outils mathématiques associés
3.3.1 Modèle de dérive inertielle
3.3.2 Modèle de mesure altimétrique
3.3.3 Solution optimale dans un cadre bayésien
3.3.4 Difficultés de mise en oeuvre pratique
3.3.5 Représentations de la densité de probabilité filtrée
3.3.6 Illustration du fonctionnement d’un filtre particulaire pour la navigation
3.3.7 Potentialités du filtre particulaire
3.4 Filtrage pour le recalage altimétrique : état de l’art
4 Évaluation comparatives de filtres non-linéaires gaussiens
4.1 Cadre de l’étude
4.1.1 Comparaison de filtres non-linéaires pour la phase de poursuite
4.1.2 Contraintes d’intégration à un système de navigation
4.2 Filtre de Kalman étendu
4.2.1 Mise en oeuvre
4.2.2 Choix des paramètres
4.3 Unscented Kalman Filter
4.3.1 Mise en oeuvre
4.3.2 Choix des paramètres
4.4 Filtre à grille
4.4.1 Principe
4.4.2 Mise en oeuvre
4.4.3 Choix des paramètres
4.5 Filtre particulaire gaussien
4.5.1 Principe
4.5.2 Mise en oeuvre
4.5.3 Choix des paramètres
4.6 Démarche de comparaison
4.6.1 Critères d’évaluation
4.6.2 Définition des scénarios
5 Mise en oeuvre psratique et exemples de résultat
5.1 Outil de simulation numérique
5.1.1 Introduction
5.1.2 Les éléments de la simulation
5.1.3 Détails d’implémentation
5.2 Exemple de résultats : filtre particulaire gaussien
5.2.1 Construction de la distribution d’importance
5.2.2 Évaluations comparées
Conclusion générale
Annexes
A Équations de la navigation inertielle terrestre
A.1 Introduction
A.2 Intégration des accélérations
A.3 Intégration des vitesses de rotation
A.4 Récapitulatif
B Modèle de dérive d’une centrale inertielle strap-down
B.1 Linéarisation de la dynamique de l’erreur
B.2 Dynamique de l’erreur de position
B.3 Dynamique de l’erreur de vitesse
B.4 Dynamique de l’erreur d’attitude
B.5 Expression sous forme matricielle
Bibliographie