Contribution à la commande d’un robot à deux degrés de liberté / SENOUSSAOUI Abderrahmane 

Public ISBD Titre : Contribution à la commande d’un robot à deux degrés de liberté Type de document : document électronique Auteurs : SENOUSSAOUI Abderrahmane, Auteur Année de publication : 2021-2022 Accompagnement : CD Langues : Français (fre) Catégories : Génie électrique:Automatique et Informatique Industrielle Mots-clés : Réseaux de neurones, commande robuste, H∞ , TRMS, commande non-linéaire, commande optimal. Résumé : Cette thèse présente la modélisation, l’identification et la commande d’une classe de robots aérodynamique, actionnés à deux degrés de liberté. Des techniques de commande linéaires ainsi que non-linéaires ont été développées et implémentées en temps réel pour stabiliser et asservir les angles du lacet et du tangage de la maquette d’un simulateur d’hélicoptère. En ce qui concerne les commandes linéaires, le premier choix s’est porté sur la commande optimale LQG pour la minimisation de la consommation de l’énergie ainsi que la préservation des actionneurs par un signal de commande optimal ; munie du recouvrement de la boucle cible (LQG/LTR) afin de récupérer la robustesse qui serait perdue par la combinaison de la commande LQR avec le filtre de KALMAN. Pour le deuxième choix de la commande linéaire il s’agit de la commande robuste par H∞ et par H2 où il a été visé essentiellement la résolution du problème des erreurs de modélisation et l’incertitude sur les paramètres du système. La commande robuste sert aussi à rendre le système robuste face aux perturbations extérieures. Quant aux techniques non linéaires, le premier choix s’est porté sur la commande linéarisante par bouclage entrée/sortie associée avec un observateur exponentiel non linéaire connu sous le nom de l’observateur de Thau, qui a été développée et appliquée au système en démontrant la stabilité globale en boucle fermée. Afin d’éviter le recours à un modèle mathématique, une commande basée sur la théorie des réseaux de neurones a été développée et appliquée au système. Cette commande intelligente représente également une robustification de la commande non linéaire précédente, enfin la technique des réseaux de neurones a servie aussi pour obtenir un modèle non linéaire basé sur les données des expériences plutôt que sur des lois physiques. Toutes les techniques de commande présentées dans cette étude ont été comparées entre elles en termes de performances te de robustesse par des simulations numériques sous l’environnement matlab et validées en temps réel par l’application directe sur le simulateur d’hélicoptère TRMS (Twin Rotor MIMO Systems). This thesis presents the modeling, identification and control of a class of aerodynamic robots, operated with two degrees of freedom. Linear and non-linear control techniques have been developed and implemented in real time to stabilize and control the yaw and pitch angles of a helicopter simulator system. For linear controls, the first choice was the optimal LQG control for the minimisation of energy consumption as well as the preservation of actuators by an optimal control signal; equipped with loop transfert recovering (LQG/LTR) to recover the robustness that would be lost by combining the LQR command with the KALMAN filter. For the second choice of the linear control it is the robust control by H∞ and H2 where it has been mainly aimed at solving the problem of modeling errors and uncertainty on the system parameters. The robust control also serves to make the system robust in the face of external disturbances. As for non-linear techniques, the first choice was the linearizing input/output looping control(feedback linearization) associated with a non-linear exponential observer known as the Thau observer, which has been developed and applied to the system by demonstrating overall closed-loop stability. In order to avoid the use of a mathematical model, a command based on neural network theory was developed and applied to the system. This intelligent control also represents a robustification of the previous non-linear control, finally the technique of neural networks was also used to obtain a non-linear model based on data from experiments rather than on physical laws. All control techniques presented in this study were compared in terms of robustness and performance by numerical simulations in the matlab environment and validated in real time by direct application on the TRMS helicopter simulator (Twin Rotor MIMO Systems). Directeur de thèse : CHENAFA Mohamed Contribution à la commande d’un robot à deux degrés de liberté [document électronique] / SENOUSSAOUI Abderrahmane, Auteur . - 2021-2022 . -  + CD. Langues : Français (fre) Catégories : Génie électrique:Automatique et Informatique Industrielle Mots-clés : Réseaux de neurones, commande robuste, H∞ , TRMS, commande non-linéaire, commande optimal. Résumé : Cette thèse présente la modélisation, l’identification et la commande d’une classe de robots aérodynamique, actionnés à deux degrés de liberté. Des techniques de commande linéaires ainsi que non-linéaires ont été développées et implémentées en temps réel pour stabiliser et asservir les angles du lacet et du tangage de la maquette d’un simulateur d’hélicoptère. En ce qui concerne les commandes linéaires, le premier choix s’est porté sur la commande optimale LQG pour la minimisation de la consommation de l’énergie ainsi que la préservation des actionneurs par un signal de commande optimal ; munie du recouvrement de la boucle cible (LQG/LTR) afin de récupérer la robustesse qui serait perdue par la combinaison de la commande LQR avec le filtre de KALMAN. Pour le deuxième choix de la commande linéaire il s’agit de la commande robuste par H∞ et par H2 où il a été visé essentiellement la résolution du problème des erreurs de modélisation et l’incertitude sur les paramètres du système. La commande robuste sert aussi à rendre le système robuste face aux perturbations extérieures. Quant aux techniques non linéaires, le premier choix s’est porté sur la commande linéarisante par bouclage entrée/sortie associée avec un observateur exponentiel non linéaire connu sous le nom de l’observateur de Thau, qui a été développée et appliquée au système en démontrant la stabilité globale en boucle fermée. Afin d’éviter le recours à un modèle mathématique, une commande basée sur la théorie des réseaux de neurones a été développée et appliquée au système. Cette commande intelligente représente également une robustification de la commande non linéaire précédente, enfin la technique des réseaux de neurones a servie aussi pour obtenir un modèle non linéaire basé sur les données des expériences plutôt que sur des lois physiques. Toutes les techniques de commande présentées dans cette étude ont été comparées entre elles en termes de performances te de robustesse par des simulations numériques sous l’environnement matlab et validées en temps réel par l’application directe sur le simulateur d’hélicoptère TRMS (Twin Rotor MIMO Systems). This thesis presents the modeling, identification and control of a class of aerodynamic robots, operated with two degrees of freedom. Linear and non-linear control techniques have been developed and implemented in real time to stabilize and control the yaw and pitch angles of a helicopter simulator system. For linear controls, the first choice was the optimal LQG control for the minimisation of energy consumption as well as the preservation of actuators by an optimal control signal; equipped with loop transfert recovering (LQG/LTR) to recover the robustness that would be lost by combining the LQR command with the KALMAN filter. For the second choice of the linear control it is the robust control by H∞ and H2 where it has been mainly aimed at solving the problem of modeling errors and uncertainty on the system parameters. The robust control also serves to make the system robust in the face of external disturbances. As for non-linear techniques, the first choice was the linearizing input/output looping control(feedback linearization) associated with a non-linear exponential observer known as the Thau observer, which has been developed and applied to the system by demonstrating overall closed-loop stability. In order to avoid the use of a mathematical model, a command based on neural network theory was developed and applied to the system. This intelligent control also represents a robustification of the previous non-linear control, finally the technique of neural networks was also used to obtain a non-linear model based on data from experiments rather than on physical laws. All control techniques presented in this study were compared in terms of robustness and performance by numerical simulations in the matlab environment and validated in real time by direct application on the TRMS helicopter simulator (Twin Rotor MIMO Systems). Directeur de thèse : CHENAFA Mohamed

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité
1945	02-10-608	Version numérique et papier	Bibliothèque USTOMB	Thèse de Doctorat	Exclu du prêt

Documents numériques

02-10-608.pdf Adobe Acrobat PDF