NGUYEN QUANG HUY

05/05

14h00

Soutenance de thèse de QUANG HUY NGUYEN

Développement de nouveaux algorithmes d'estimation avancés pour l'amélioration de la résilience du véhicule autonome et connecté

Development of new advanced estimation algorithms for improving the resilience of the autonomous and connected vehicle

Jury

Directeur de these_ZEMOUCHE_Ali_Université de Lorraine
Rapporteur_ALESSANDRI_Angelo_University of Genoa
Examinateur_LALEG KIRATI_Taous Meriem_Inria
Examinateur_NADRI-WOLF _Madiha_Université de Lyon
Examinateur_PUIG_Vicenç_Universitat Politècnica de Catalunya
Rapporteur_AIT OUFROUKH MAMMAR_Naïma_IBISC Laboratory, University of Paris Saclay
Co-encadrant de these_HADDAD_Madjid_Segula Technologie
Co-encadrant de these_RAFARALAHY_Hugues _IUT Henri Poincaré de Longwy - Université de Lorraine

école doctorale

IAEM - INFORMATIQUE - AUTOMATIQUE - ELECTRONIQUE - ELECTROTECHNIQUE - MATHEMATIQUES

Laboratoire

CRAN - Centre de Recherche en Automatique de Nancy

Mention de diplôme

Automatique, Traitement du signal et des images, Génie informatique

Salle du conseil du bloc central de l'IUT Henri Poincaré 186 Rue de Lorraine, 54400 Cosnes-et-Romain

Mots clés

algorithmes d'estimation,Cyberattaque,véhicule autonome et connecté,électronique embarquée,

Résumé de la thèse

La fiabilité et la sécurité des véhicules connectés et autonomes (VCA) dépendent de manière critique de la disponibilité en temps réel d'informations précises sur l'état dynamique. Cependant, les contraintes économiques limitent souvent l'utilisation de capteurs haut de gamme. De plus, les VCA sont vulnérables aux défauts de capteurs et aux cyberattaques ciblant les communications inter-véhicules (V2V/V2I).

Keywords

estimation algorithm,Cyber-attack,autonomous connected vehicle,embedded electronics,

Abstract

The reliability and safety of Connected and Autonomous Vehicles (CAVs) critically depend on the real-time availability of precise dynamic state information. However, economic constraints often limit the use of high-end sensors. Furthermore, CAVs are vulnerable to sensor faults and cyber-attacks targeting inter-vehicle communications (V2V/V2I). To address these challenges, this thesis proposes a resilient “soft sensor” framework based on analytical redundancy. This research develops a hybrid modeling methodology integrating physical equations with neuro-adaptive neural networks.

Liste de toutes les soutenances