École Nationale Supérieure de
Techniques Avancées

Résumé

Dans une époque ternie par des conflits humains de grande envergure, le secteur de la défense ne cesse d’être un domaine fondamental pour l’ingénierie. Dans ce contexte, des entreprises telles que ECA Robotics Belgium sont érigées dans l’optique d’intensifier la lutte contre la menace des mines. Ainsi, des drones sous-marins autonomes sont en cours de conception depuis 2018 pour affronter cette Guerre des Mines. Ces derniers sont dotés d’une technologie de sonar innovante capable de générer des images de haute résolution. Pour cela, des innovations autour du Synthetic Aperture Sonar ont été produites. Le rendu se démarque alors des images sonars classiquement issues d’une concaténation de données. Pour contrôler ces sonars, un plugin logiciel a été développé : le plugin S18. Ce logiciel, élaboré en collaboration avec une entreprise partenaire, est un maillon de la chaîne de composants constituant le sonar UMISAS développé par ECA. Maintenant élaboré, il s’agit désormais de mener `a bien la phase de test d’intégration en développant un environnement de test. Au regard du niveau peu avancé de cette phase, l’absence d'équipement physique régit l’architecture de cet environnement. De cette contrainte naît la nécessité de virtualiser l’ensemble des composants. Cependant, il est tout aussi nécessaire de maintenir un haut niveau de représentation de la réalité. Notamment, la gestion de la synchronisation des composants de la chaîne d’intégration constitue un véritable challenge. En effet, plusieurs contextes peuvent caractériser l’environnement. D’une part, est envisagée une virtualisation complète où l’ensemble des composants communiquent via un réseau local. D’autres part, sont envisagées des virtualisations partielles, contextes au sein desquels une partie des applications tournent sur un système physique à part entière. Bien que l’environnement puisse être validé sur un réseau local, la connexion de ce dernier avec le réseau internet remet en question les solutions abordées. Finalement, des algorithmes génétiques ont été pensées en vue de générer automatiquement des tests d’intégration. En réalité, les tests fondamentaux du plugin S18 représentent les tests de sa machine d'état. Une approche naïve consistant à parcourir l’ensemble des possibilités n’est pas une solution due `a la complexité de ces machines. En revanche, des modélisations mathématiques comme l’EFSM permettent d'adapter le problème. Les algorithmes génétiques deviennent alors un bon candidat pour sa résolution. Ces méthodes doivent pouvoir répondre `a des objectifs de faisabilité et de recouvrement maximal. Si leur distinction permet d’obtenir des résultats concluants, l’algorithme ne permet cependant pas de répondre à ces deux objectifs en même temps. Cependant, la démarche est prometteuse et la mise en place d’un algorithme multi-objectif est envisageable.