Elaboration de stratégies de commande neuro-dynamique adaptative pour robots manipulateurs

Abstract

Pour réaliser un bon compromis entre plusieurs performances exigées par diverses applications, notamment industrielles, l'élaboration de techniques de commande adéquates pour des bras manipulateurs continue de nos jours à faire l'objet d'études intensives de recherches. Les exigences de performances surtout en termes de précision en position et de rapidité d'exécution des taches ont rendu en particulier les méthodes de commande conventionnelles insuffisantes et obsolètes. Le besoin de l'élaboration de nouvelles techniques bien appropriées à cet effet se fait de plus en plus sentir. L'objectif du présent travail consiste ainsi à concevoir une commande efficace par combinaison de la majorité des avantages offerts par trois techniques essayées souvent individuellement, à savoir les commandes dynamique, neurale et adaptative. L'approche adoptée à cet effet fait recours au préalable à une décomposition du modèle dynamique du bras manipulateur en deux parties, fixe et variable. Le modèle dynamique du bras dans ce cas peut être utilisé pour l'élaboration de la commande nécessaire hors ou en ligne. Ceci permet de dégager alors deux variantes possibles dans l'approche proposée. Les deux variantes utilisent des réseaux de neurones artificiels pour générer le couple dans chaque liaison. Dans l'estimation des paramètres dynamiques variables, un autre réseau de neurones est aussi employé afin de rendre la commande robuste vis à vis de la variation de ces paramètres. Afin de réduire l'erreur de poursuite due aux erreurs d'estimation, aux imprécisions sur les paramètres inertiels et aux dynamiques non modélisées, une correction de retour de type PD adaptative décentralisée a été utilisée. Les résultats de la simulation numérique et de l'implémentation expérimentale effectuées, ont montré que l'approche proposée dans le cadre de cette étude, permet de conférer au bras manipulateur considéré des performances dynamiques très élevées.