Abstract:
La commande des systèmes complexes constitue à l'heure actuelle une des préoccupations des chercheurs en automatique. Généralement, les méthodes développées pour l'analyse et la conduite des systèmes, reposent sur des structures de commande centralisées ce qui engendre souvent des problèmes aussi bien en théorie qu'en pratique. Les difficultés proviennent de la structure de ces systèmes qui sont généralement constitués de plusieurs sous systèmes interconnectés. Pour pallier à ces inconvénients, une nouvelle structure de commande a été proposée. C'est la commande décentralisée. Il s'agit de décomposer la structure complexe en sous systèmes interconnectés dont chacun est commandé par une unité de commande locale. Par ailleurs, la décentralisation introduit une contrainte supplémentaire à cause de la présence des interconnexions.
Le travail présenté dans cette thèse rentre dans ce contexte. En effet, nous nous sommes intéressés à la commande décentralisée appliquée en robotique. L'objectif principal de nos travaux est l'introduction des techniques de l'automatique moderne, telles que la théorie de la commande à structure variable, la théorie de la logique floue et les réseaux de neurones artificiels, pour la synthèse des lois de commande décentralisées.
En premier lieu, une nouvelle classe de surface de glissement non linéaire de forme générale est proposés, une loi de commande décentralisée à structure variable est ensuite élaborée.
Dans la seconde partie, un contrôleur adaptatif flou décentralisé est proposé où le modèle flou est utilisé pour l'approximation d'une certaine fonction non linéaire.
Dans la troisième partie, l'extension d'une méthode de commande adaptative par réseaux de neurones au cas décentralisé est proposée. Pour les trois lois de commandes proposées, la stabilité est démontrée en utilisant la théorie de Lyapunov. En outre, ces méthodes sont validées par simulations sur un robot de type PUMA560. La commande à structure variable est aussi implantée expérimentalement sur un robot à trois degrés de liberté. En dernier lieu, les réseaux de neurones sont utilisés pour éliminer les défauts de la méthode du couple calculé. Les avantage de la décentralisation sont également mis en évidence.
