Abstract:
Ce travail porte sur la commande par apprentissage itératif CAI pour des systèmes répétitifs.
L'idée de base de la CAI est d'utiliser la connaissance des itérations précédentes de la même tâche pour réduire l'erreur de poursuite de la procaine exécution de la tâche. Initialement cette approche a été proposée pour la commande des robots manipulateurs comme un mécanisme efficace pour améliorer les performances de poursuite.
En premier lieu, la CAI autonome "off-line" et connectée "on-line" ont été étudiées, et appliquées sur des exemples académiques. En deuxième lieu, la CAI connectée en tenant compte de l'erreur précédente est présentée.
En plus, la CAI avec observateur d'état est dévelopée.
Les résultats de simulations montrent clairement l'amélioration des performances.
Finalement, une loi de commande par apprentissage itératif P-type est présentée, et une nouvelle approche de calcul est proposée. Cette loi de commande est appliquée au robot manipulateur PUMA 560.
Les résultats de simulations prouvent clairement l'efficacité de la loi de commande proposée.
