Étude et développement d'une Serre Verticale Adaptative

La population mondiale devrait atteindre près de 10 milliards d'ici 2050, entraînant une hausse attendue de la demande alimentaire due à la croissance démographique, au développement économique et à l'urbanisation. Pour répondre à cette demande de manière durable, les systèmes de cultures en serre, notamment l'agriculture verticale, se sont imposés comme une solution prometteuse, offrant des rendements élevés par unité de surface cultivée. La Serre Verticale Adaptative (SVA) est une serre verticale industrielle innovante qui ajuste dynamiquement la distance entre ses étagères empilées, optimisant ainsi les conditions de croissance à mesure que les plantes progressent dans leurs stades de développement. Ce principe adaptatif permet de surmonter le conflit traditionnel entre le maintien de conditions optimales et la minimisation de la consommation d'énergie. Cette thèse présente deux axes de recherche principaux contribuant au développement de la SVA. Le premier axe consiste à développer un modèle de croissance des cultures basé sur des données et une approche boîte noire pour les plantes cultivées dans les SVA. Étant donnée l'environnement dynamique de la cultivation qui s'adapte à la croissance des plantes tout au long du cycle de la production, un modèle précis de croissance des cultures est essentiel pour optimiser le mouvement des étagères et le contrôle du système. Tandis que les modèles de croissance dynamique traditionnels dépendent souvent de nombreux paramètres et sont spécifiques à certains types de cultures, nous proposons une approche boîte noire utilisant des réseaux de neurones á action directe pour prédire la hauteur des plantes à chaque étape. Ce modèle est adaptable à divers types de cultures, efficace en termes de calcul après l'entraînement et particulièrement adapté aux systèmes d'agriculture verticale innovants tels que la SVA. L'efficacité du modèle est démontrée à travers des ensembles de données synthétiques et réelles, mettant en avant son potentiel dans l'optimisation de la production agricole. Le second axe de recherche se concentre sur l'automatisation de la SVA grâce à l'intégration de véhicules aériens sans pilote (UAV) dans le cadre de l'agriculture de précision. L'intégration des UAV permet de réaliser des applications telles que le suivi de la santé des cultures en complément des données recueillies par les capteurs stationnaires existants, la pollinisation automatique, la pulvérisation et l'irrigation, etc., optimisant ainsi les opérations agricoles à travers les étagères empilées et complétant les capteurs stationnaires existants. Pour soutenir cette automatisation, nous proposons différentes méthodes de synthèse d'observateurs pour des systèmes non linéaires utilisant des inégalités matricielles linéaires (LMI) fournissant ainsi une estimation précise de l'état des UAV et garantissant la convergence exponentielle de l'observateur. Deux contributions majeures sont présentées : premièrement, une nouvelle condition LMI moins conservatrice appliquée pour résoudre le critère circulaire H_infty, et deuxièmement, une méthode de synthèse d'observateur non linéaire basée sur une extension dynamique de la sortie. Cette méthode minimise l'impact du bruit de mesure et garantit la propriété de stabilité entrée-état (ISS) de l'erreur d'estimation via une nouvelle condition LMI.