Contribution a la commande et a l’identification de robots a architectures parallèles

Abstract

Dans cette thèse, nous avons traité deux aspects relatifs aux systèmes mécatroniques : L’identification et la commande. En effet, les réseaux de neurones du type MLP ont été employés dans les différentes approches proposées dans cette thèse. Notons que le travail réalisé est purement expérimental. Les deux types de systèmes mécatroniques considérés sont le robot parallèle à liaisons C5 et le robot portable de type xosquelette du genou disponibles au laboratoire LISSI. En premier lieu, nous avons réalisé une identification neuronale de type boîte noire de la dynamique inverse du robot parallèle C5. Pour ce faire, trois schémas d’identification ont été testés et comparés. Concernant la commande, nous avons proposé une commande adaptative hybride moment/position du robot parallèle à liaison C5 directement dans l’espace de la tâche. Le modèle dynamique du robot en contact avec son environnement dans l’espace de la tâche considéré comme une boîte noire est estimé en ligne en utilisant un réseau de neurones de type MLP. Les paramètres du réseau de neurones sont adaptés en ligne via une étude de stabilité en boucle fermée au sens de Lyapunov. Une autre approche de commande neuronale est également proposée pour commander le robot portable. Dans la conception de cette approche de commande adaptative, le modèle dynamique est pris comme une boîte grise c.-à-d, seule la structure du système est connue. Les fonctions inconnues du modèle sont approximées en ligne via une analyse de stabilité en boucle fermée au sens de Lyapunov. L’approche proposée est testée sur une personne saine assise dans un mouvement de flexion/extension du genou.