Nawal ALSALEH
Soutenance : 12 Avril 2024 à 10h 30
Thèse de doctorat en Electronique, microélectronique, nanoélectronique et micro-ondes, Université de Lille, ENGSYS Sciences de l’ingénierie et des systèmes,
Amphithéâtre de l’IEMN – Laboratoire central – Villeneuve d’Ascq
Jury
M. Denis POMORSKI | Université de Lille | Directeur de thèse |
M. Kamel HADDADI | Université de Lille | Co-Directeur de thèse |
M. Tan Phu VUONG | Grenoble INP | Rapporteur |
M. Bernard KAMSU-FOGUEM | Université de Toulouse | Rapporteur |
Mme Virginie DEGARDIN | Université de Lille | Examinatrice |
M. Serge REBOUL | Université du Littoral Cote d’Opale | Examinateur |
Résumé :
Cette thèse vise à développer des méthodologies dédiées à améliorer la fonctionnalité de robots mobiles pour accomplir une mission, en particulier la caractérisation électromagnétique micro-onde de matériaux dans leur environnement. Le succès de cette mission dépend de la navigation précise et de la perception exacte de l’environnement par les robots, un challenge qui est souvent perturbé par les défaillances et les incertitudes des capteurs. À cet égard, la thèse se concentre principalement sur deux points fondamentaux. Dans le premier, nous développons une méthode de localisation robuste pour assurer une navigation autonome précise et tolérante aux défauts pour les robots mobiles. Cette méthode repose sur une approche statistique informationnelle, incorporant un seuil adaptatif qui facilite la détection rapide et précise des défauts de capteurs. L’efficacité de cette méthode est validée par une étude comparative avec des approches existantes de la littérature. Le deuxième point consiste à développer des techniques de contrôle et d’évaluation non destructives par micro-ondes (Microwave Non Destructive Testing & Evaluation – MNDT&E) pour la caractérisation des matériaux. Initialement, nous considérons des techniques conventionnelles de MNDT&E, associées à une modélisation analytique. Reconnaissant les limites de la modélisation analytique, nous présentons trois nouvelles techniques « intelligentes » de MNDT&E qui intègrent des modèles d’apprentissage automatique (Machine Learning – ML) et d’apprentissage profond (Deep Learning – DL). Ces techniques reposent sur deux approches micro-ondes : la propagation en espace libre pour la caractérisation sans contact en utilisant un radar mono-statique et la propagation guidée pour la caractérisation en contact en utilisant un guide d’ondes rectangulaire (Open-Ended Rectangular Waveguide – OERW). Les capteurs développés intègrent des contraintes de faible encombrement et faible coût, compatibles avec un contexte hors laboratoire. Dans une première phase, les techniques proposées sont utilisées pour mesurer les coefficients de réflexion des matériaux, générant trois bases de données distinctes. La deuxième phase consiste à utiliser les modèles ML et DL afin de relier les réponses électromagnétiques mesurées et les types de matériaux identifiés ou la présence de défauts. De plus, différentes configurations et topologies de mesure sont introduites et mises en œuvre. La performance de chaque configuration est évaluée et analysée en fonction de métriques sélectionnées dans des conditions de laboratoire et des conditions réalistes. Enfin, nous présentons une étude de faisabilité basée sur un réflectomètre six ports à guide d’ondes métallique. Ce dispositif présente des avantages particulièrement bien adaptés à des contingences hors laboratoire tels que sa consommation électrique réduite, sa précision de mesure électrique et sa capacité à opérer en environnement difficile. De plus, le système développé pour un fonctionnement en bande de fréquences V (55-75 GHz) facilite le passage de la caractérisation des micro-ondes à celle des ondes millimétriques, jetant les bases d’une analyse précise et efficace. La montée en fréquences élargit le spectre des informations capturées, améliorant les capacités, la précision et la versatilité des techniques de contrôle et d’évaluation non destructifs.
Abstract :
This thesis aims to develop methodologies dedicated to improving the functionality of mobile robots to accomplish a mission, in particular the microwave electromagnetic characterisation of materials in their environment. The success of this mission depends on precise navigation and accurate perception of the environment by the robots, a challenge that is often disrupted by sensor failures and uncertainties. In this respect, the thesis focuses mainly on two fundamental points. In the first, we develop a robust localisation method to ensure accurate and fault-tolerant autonomous navigation for mobile robots. This method is based on an informational statistical approach, incorporating an adaptive threshold that facilitates rapid and accurate detection of sensor faults. The effectiveness of this method is validated by a comparative study with existing approaches in the literature. The second objective is to develop Microwave Non Destructive Testing & Evaluation (MNDT&E) techniques for materials characterisation. Initially, we are considering conventional MNDT&E techniques, combined with analytical modelling. Recognising the limitations of analytical modelling, we present three new ‘intelligent’ MNDT&E techniques that incorporate Machine Learning (ML) and Deep Learning (DL) models. These techniques are based on two microwave approaches: free-space propagation for non-contact characterisation using a mono-static radar, and guided propagation for contact characterisation using an Open-Ended Rectangular Waveguide (OERW). The sensors developed incorporate the constraints of small size and low cost, compatible with a non-laboratory context. In the first phase, the proposed techniques are used to measure the reflection coefficients of materials, generating three separate databases. In the second phase, the ML and DL models are used to relate the measured electromagnetic responses to the types of materials identified or the presence of defects. In addition, different measurement configurations and topologies are introduced and implemented. The performance of each configuration is evaluated and analysed against selected metrics under laboratory and realistic conditions. Finally, we present a feasibility study based on a six-port metallic waveguide reflectometer. This device offers advantages that are particularly well suited to non-laboratory contingencies, such as its low power consumption, electrical measurement accuracy and ability to operate in harsh environments. In addition, the system has been developed to operate in the V-band frequency range (55-75 GHz), facilitating the transition from microwave to millimetre-wave characterisation, laying the foundations for accurate and efficient analysis. The increase in frequency broadens the spectrum of information captured, improving the capabilities, accuracy and versatility of non-destructive testing and evaluation techniques.