Approche Bayésienne pour l'Estimation des Paramètres de la Dynamique Latérale d'un Véhicule - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2023

Bayesian Approach for Estimating Parameters of Vehicle Lateral Dynamics

Approche Bayésienne pour l'Estimation des Paramètres de la Dynamique Latérale d'un Véhicule

Fabien Lionti
Nicolas Gutowski
Sébastien Aubin

Résumé

The estimation of parameters in a nonlinear dynamic system poses a major challenge in many fields of research and application. In this context, this paper introduces a new two-step method for estimating parameters governing the lateral dynamics of a vehicle, taking into account the scarcity and noise of data. The method combines spline smoothing of system observations with a Bayesian approach to parameter estimation. The first step of this method involves applying spline smoothing to the observations of the system's state variables. This step filters the noise present in the data and provides accurate estimates of the derivatives of the system's state variables. Thus, the proposed method allows for the direct estimation of parameters from the differential equations describing the system's dynamics, without resorting to computationally intensive integration methods. The second step relies on parameter estimation from the residuals of the differential equations, using a Bayesian approach called likelihood-free ABC-SMC. This Bayesian approach has several advantages. Firstly, it addresses data scarcity by incorporating prior knowledge about the physical characteristics of the vehicle. Moreover, it offers a high level of interpretability by providing a posterior distribution on the parameters that may have generated the observed data. The use of this new method has the advantage of enabling robust estimation of parameters for the lateral dynamics of the vehicle, even when data is limited and noisy.
L'estimation des paramètres d'un système dynamique non linéaire constitue un défi majeur dans de nombreux domaines de recherche et d'application. Dans ce contexte, ce papier présente une nouvelle méthode en deux étapes pour estimer les paramètres qui régissent la dynamique latérale d'un véhicule, en tenant compte de la rareté et du bruit des données. La méthode combine le lissage par spline des observations du système avec une approche bayésienne pour estimer les paramètres. La première étape de cette méthode consiste à appliquer un lissage par spline aux observations des variables d'état du système. Cette étape permet de filtrer le bruit présent dans les données et d'obtenir des estimations précises des dérivées des variables d'état du système. Ainsi, la méthode proposée permet d'estimer les paramètres directement à partir des équations différentielles décrivant la dynamique du système, sans recourir à des méthodes d'intégration chronophages. La deuxième étape repose sur l'estimation des paramètres à partir des résidus des équations différentielles, en utilisant une approche bayésienne appelée likelihood-free ABC-SMC. Cette approche bayésienne présente plusieurs avantages. Tout d'abord, elle permet de pallier la rareté des données en incorporant des connaissances a priori sur les caractéristiques physiques du véhicule. De plus, elle offre un niveau élevé d'interprétabilité en fournissant une distribution a posteriori sur les paramètres susceptibles d'avoir généré les données observées. L'utilisation de cette nouvelle méthode présente l'avantage de permettre une estimation robuste des paramètres de la dynamique latérale du véhicule, même lorsque les données sont limitées et bruitées.
Fichier principal
Vignette du fichier
Estimation_de_paramètres_par_méthode_bayesiennes-19.pdf (4.72 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-04287314 , version 1 (15-11-2023)

Licence

Paternité

Identifiants

  • HAL Id : hal-04287314 , version 1

Citer

Fabien Lionti, Nicolas Gutowski, Sébastien Aubin, Philippe Martinet. Approche Bayésienne pour l'Estimation des Paramètres de la Dynamique Latérale d'un Véhicule. Conference on Artificial Intelligence for Defense, Nov 2023, Rennes, France. ⟨hal-04287314⟩
50 Consultations
11 Téléchargements

Partager

Gmail Facebook X LinkedIn More