Modélisation de la consommation d’un robot-tracteur 100 % électrique à conduite autonome effectuant des tâches au champ sous diverses conditions


  • Période: 2021-03-01 2025-02-28

Mot(s) Clé(s)

Autre

 

Informations complémentaires

Ce projet est financé par Mitacs (programme Accélération). Merci au partenaire : Elmec.

Présentation du projet

Le projet consiste à modéliser la consommation d’un robot prototype autonome entièrement électrique sous diverses conditions météorologiques, de terrain et de sol. Le robot se veut un porte-outil auquel plusieurs équipements agricoles peuvent y être harnachés, ce qui le rend très polyvalent. Ceci entraîne de grandes variations dans sa consommation énergétique selon les tâches à accomplir (sarclage, semis, cueillette de données traitant des propriétés physiques et chimiques du sol, etc.). Le robot possède une quantité d’énergie finie (batterie) et nécessite un temps de recharge. Contrairement aux tracteurs conventionnels, l’autonomie du robot doit être très bien gérée pour maximiser le temps de travail et minimiser le temps de recharge.


La méthodologie utilisée se basera sur le concept de modélisation en conditions pratiques (Practical Energy Modeling Method). Les robots sont appelés à accomplir une multitude de tâches dans des conditions et environnements changeants. Devant ce nombre incalculable de variables, il est difficile de créer des algorithmes permettant de modéliser la consommation énergétique des robots et il est essentiel, dans un premier temps, d’identifier la consommation pour des parcours et des taches typiques. Pour pallier ce problème, la première étape consiste à procéder à une identification pratique en utilisant le robot. Ensuite, le développement d’un modèle électrique doit permettre d’estimer la consommation d’énergie durant l’accomplissement de routines (tâches en chaîne) dans des environnements susceptibles d’être ceux où le travail devra être fait (Griepentrog, Jæger-Hansen et al. 2012, Hou, Zhang et al. 2019). L’algorithme utilisé sera basés sur un ou plusieurs modèles d’intelligence artificielle prédictifs. Par la suite, à partir des informations obtenues, des stations de recharges mobiles seront conçues pour à l’alimenter un essaim de quatre robots autonomes.

Participants

Retour