Contribution à l'étude des commandes multi-moteurs en temps réel

Abstract

Dans le domaine de la robotiques et de nombreuses autres applications, la vision par ordinateur, la reconnaissance d'objets et le suivi d'objet ont fait l'objet de nombreuses recherche actives avec de nombreuses approches différentes et des résultats intéressants. Dans notre projet, nous examinons le problèmes de suivi automatique des cibles afin de trouver une méthode efficace et utile pour le UAV (Unmanned Aerial Vehicle). L'AR.Drone 2.0 a été utilisé comme plate-forme aérienne pour le suivi des cibles. Afin de garantir une reconnaissance correcte de la cible par l'AR.Drone, un QR code et ar-track-alvar ont été utilisés comme marqueur de cible. Le contrôle du drone est réalisé par un système d'exploitation robot (ROS : Robot Operating System). Cette thèse vise à utiliser un mécanisme de contrôler un quadrotor à la recherche d'une cible. La nature non linéaire d'un quadrotor, d'une part, et la difficulté d'obtenir un modèle axact de celui-ci, d'autre part, constituent deux défis de taille dans la conception d'un contrôleur pour ce drone. Une solution potentielle à de tels problèmes consiste à utiliser des méthodes de contrôle intelligentes telles que celles reposant sur des réseaux de neurones artificiels et des contrôleurs flous. Une nouvelle technique basée sur les réseaux de neurones artificiels (RNA) et le contrôleur flou est proposée dans cette thèse pour l'identification et suivi de cible. Les résultats expérimentaux et les simulations démontrent la faisabilité de la méthode proposée pour le suivi de cible.