"Situé au sein du campus Minatec à Grenoble, la mission principale du CEA LETI (http://www.leti.fr) consiste à créer de l'innovation et à la transférer à l'industrie, en générant des résultats de recherche préparant des exploitations industrielles à moyen et long terme, et en positionnant sa recherche entre la recherche académique et le développement industriel. Le LSSC (Laboratoire Signal et systèmes de Capteurs) du Département Systèmes est chargé des études sur la fusion de données issues de capteurs couvrant diverses modalités (capteurs inertiels, capteurs de distance, capteurs acoustiques, capteurs de force ou contact, capteurs optiques ...). Ces compétences sont associées à une bonne connaissance de la physique des capteurs et à l'élaboration de bases de données de qualité constituées de signaux issus d'environnements réels. Ces principaux axes applicatifs sont la localisation et l'estimation d'attitude, la capture de contexte et la surveillance d'état des structures (SHM). Dans ce stage, on souhaite développer un algorithme d'estimation d'attitude par modes glissants. L'estimation d'attitude consiste à estimer l'orientation absolue d'un corps rigide en 3 dimensions : angles de roulis, tangage et cap. On utilisera pour cela une centrale inertielle à bas coût de type MEMS à 9 axes AGM: 3 accéléromètres, 3 gyroscopes et 3 magnétomètres [1].La difficulté de ce problème provient de plusieurs raisons. 1/ L'accéléromètre ne dissocie pas l'accélération propre que subit le corps de celle de la pesanteur. 2/ La présence de biais capteurs, notamment les biais de gyroscope. 3/ Les perturbations magnétiques qui entachent d'erreurs la mesure du champ magnétique terrestre. Des algorithmes performants existent pour fusionner les mesures des capteurs AGM tels que les filtres de Kalman non-linéaires (EKF, MEKF) [2].Dans ce stage, on souhaite s'orienter vers une autre approche pour estimer l'attitude. Les observateurs à modes glissants sont une classe d'observateurs non-linéaires ayant de bonnes performances en présence d'incertitudes, notamment une bonne robustesse aux perturbations et aux erreurs de modèle. De récentes publications présentent des résultats concernant l'estimation d'attitude [3,4].Les objectifs du stage sont :- Acquérir les principes des observateurs à modes glissants et de l'estimation d'attitude- Développer un observateur à modes glissants pour l'estimation d'attitude sous Matlab- Evaluer les performances en simulation par rapport à un autre type d'estimateur (ex. EKF)- Proposer une méthodologie de réglage des paramètres de l'observateur- Acquérir des mesures AGM en situation réelle (ex. mouvements humains)- Evaluer les performances sur les mesures AGM réelles[1] https://www.invensense.com/products/motion-tracking/9-axis/mpu-9250/[2] John L. Crassidis, F. Landis Markley, and Yang Cheng. ""Survey of Nonlinear Attitude Estimation Methods"", Journal of Guidance, Control, and Dynamics, Vol. 30, No. 1 (2007), pp. 12-28.[3] R. C. Avram et al., “IMU Sensor Fault Diagnosis and Estimation for Quadrotor UAVs”, 9th IFAC Symposium on Fault Detection, Supervision and Safety for Technical Processes, Paris, September 2-4, 2015.[4] A. El Hadri and A. Benallegue. “Attitude estimation with gyros-bias compensation using low-cost sensors”, Joint 48th IEEE Conference on Decision and Control and 28th Chinese Control Conference Shanghai, P.R. China, December 16-18, 2009. "