Our 3 departments

CID
Control Identification Diagnosis Department
BIOSIS
Department of Biology, Signals and Systems in Cancerology and Neurosciences
MCIS
Department of Modeling and Control of Industrial Systems
At the heart of
systems
&
health

CRAN (UMR 7039) is a joint research laboratory of the University of Lorraine and
the CNRS, conducting both fundamental and applied research.
It is affiliated with CNRS Computer Science and CNRS Biology.

CID
Quang Huy NGUYEN

05/05/2026

Développement de nouveaux algorithmes d'estimation avancés pour l'amélioration …

La fiabilité et la sécurité des véhicules connectés et autonomes dépendent fortement de leur capacité à connaître en temps réel leur état dynamique : position, vitesse, accélération, forces, ou encore état des véhicules voisins. Cependant, l'utilisation de capteurs très précis reste souvent coûteuse, et les véhicules restent exposés à des défauts de capteurs ainsi qu'à des cyberattaques sur les communications V2V/V2I. Pour répondre à ces défis, cette thèse propose un cadre de capteur logiciel résilient, basé sur la redondance analytique. L'idée est d'exploiter des modèles mathématiques, enrichis par des réseaux de neurones neuro-adaptatifs, afin d'estimer les informations critiques même lorsque certaines mesures sont manquantes, bruitées ou compromises. Les contributions principales portent sur trois axes. Premièrement, des observateurs sont développés pour détecter et reconstruire des cyberattaques dans les systèmes de conduite coopérative, notamment les injections de fausses données, les pertes de paquets et les retards de communication. Deuxièmement, un cadre d'estimation distribuée est proposé pour les problématiques de peloton et de suivi de véhicules, avec un mécanisme de confiance permettant de filtrer les informations non fiables. Troisièmement, les observateurs hybrides neuronaux sont appliqués à l'estimation des forces inconnues et des dynamiques complexes du véhicule, en particulier pour des enjeux de sécurité comme la prévention du renversement. Enfin, un prototype de carte électronique embarquée est développé afin de préparer le déploiement futur de ces algorithmes sur des véhicules réels. L'objectif global est de proposer une solution robuste, économique et évolutive pour améliorer la sûreté et l'autonomie des véhicules de nouvelle génération.

> read more

28/04/2026

> read more

23/04/2026

> read more

CALENDAR

> see all

Commission parité

19 May 2026

> 14h00

>

› read more

Réunion CLHSCT

21 May 2026

> 10h00

>

› read more

Conseil de laboratoire

22 May 2026

> 14h00

>

› read more

Latest publications

> see all

Shengya Meng, Ali Zemouche, Marouane Alma

Distributed observer–controller co–design for string stability in vehicle platoons

Control Engineering Practice, Elsevier, 2026, 173, pp. 107008

Sylvie Chaddad, Yezekael Hayel, Vineeth Varma, Nicolas Gast

Boltzmann social learning with heterogeneous rationality

Nonlinear Analysis: Hybrid Systems, Elsevier, 2026, 61, pp. 101718

Saulo Cardoso Barreto, Julien Flamant, Sebastian Miron, David Brie

Tensor Block-Block Terms Decomposition for Matrix-Valued Imaging Applications

Signal Processing, Elsevier, 2026, 243, pp. 110482

Hichem Bessafa, Cédric Delattre, Zehor Belkhatir, Ali Zemouche, Rajesh Rajamani

Generalized multi-output high-gain observer with application to ego vehicle trajectory and orientation estimation

Automatica, Elsevier, 2026, 188, pp. 112915

Oussama Hadji, Moufida Maimour, Eric Rondeau, Ouahab Kadri, Abderezzak Benyahia

Vid-Sim: Modeling and analysis of video encoding and transmission in wireless sensor-based surveillance

SoftwareX, Elsevier, 2026, 34, pp. 102658

Back to top