Commande neurofloue robuste des systèmes non-linéaires

Abstract

Le nombre de mouvement pour atteindre une cible bien précise par un robot manipulateur flexible est tout à fait grand, et les fonctions dynamiques desrobots sont en général, non-linéaires complexeset variantes dans le temps. Par conséquent, les contrôleurs conventionnels ne sont pas capables de commander efficacement les mouvements sous différentes conditions, vitesse, poids et la longueur du bras manipulateur.En conséquence, pour la plus par des contrôleurs conventionnels, l'apprentissage doit être répété chaque fois où une nouvelle trajectoire est produite. L'objectif de notre travail est de concevoir un système non linéaire basé sur un réseau contrôleur neuro-flou utilisant un apprentissage supervisé, pour effectuer des poursuites de trajectoires par un robot manipulateur flexible.Les identifications de la structure du réseau contrôleur sont effectuées en utilisant le régulateur (ANFIS), avec de nouveaux paramètres et de nouveaux poids synaptiques automatiquement adaptés et ajustés, et alors un plus grand espace d'étude peut être couvert et l'apprentissage est effectué seulement une fois. Afin d'adapter et de réduire le nombre de paramètres dans le réseau, une nouvelle technique a été utilisée. Pour résoudre la fonction dynamique du bras manipulateur, les travaux de recherche rapportés utilisent la méthode d’Euler, dans ce travail, une méthode plus précise a été utilisée, représentée par la méthode de Runge-Kutta du quatrième ordre (RK-4). Une étude comparative a été menée entre ces deux méthodes afin de prouver l'efficacité de cette dernière. Enfin, le teste de la robustesse de l'approche proposée a été étudiée en tenant compte des variations des paramètres.La vitesse de suivi du modèle simulé a été également analysée. Finalement Les résultats de la simulation montrent que l'approche proposée a un bon effet de suivi.