Chapitre 1

Modlisation des Robots

Chapitre 2

Commande adaptative des Robots

manipulateur
2.1 Introduction

La commande adaptative a dbute dans les annes 50

comme solution pour contrler les processus fonctionnant sous des
conditions et environnement variables dans le temps. Dans les
annes 60 plusieurs contributions de thorie de la commande ont
t introduites dans le dveloppement de la commande adaptative,
comme par exemple lapproche dtat et les thories de stabilit. Au
dbut des annes 70 les diffrentes mthodes destimation ont t
introduites dans la commande adaptative. Lutilisation de la
commande adaptative a commenc au dbut des annes 80 en
parallle avec une rapide volution en micro-lectronique qui permit
dimplmenter des rgulateurs adaptatifs sur des systmes a
microprocesseurs. [1]

2.2 Dfinition de la commande adaptative

La commande adaptative est un ensemble de techniques

utilises pour lajustement automatique en temps rel des
rgulateurs des boucles de commande afin de raliser ou maintenir
un certain niveau de performances quand les paramtres du
procd commander sont soit inconnus soit variantes dans le
temps. [2]

2.3 Le principe

En principe, un systme de commande adaptative mesure un

certain indice de performance du systme commander partir de
lcart entre lindice de performance dsir et lindice de
performance mesur. Le mcanisme dadaptation commande
certains paramtres du systme ajustable ou introduit un signal
 Chapitre 1
Modlisation des Robots

supplmentaire de commande daprs une certaine stratgie afin de

minimiser lindice de performance. La figure.2.1 reprsente le
principe gnral dun systme dans une plage donne de
commande adaptative. [3]

Figure.2.1
2.4 Diffrentes commandes adaptatives
Bien quil existe plusieurs types de commandes adaptatives
nous prsentons les plus rpondues telles que :
Gain-Scheduling.
Rgulateur auto-adaptative.
Commande adaptative modle de rfrence.
Lensemble des commandes ont pour rles lajustement des
paramtres du rgulateur, mais ils diffrent par la manire
dajustement. [4]
Gain-Scheduling
Il est possible des fois de trouver des variables auxiliaires qui
ont une grande corrlation avec le changement des paramtres
dynamiques. Il est donc possible de rduire les effets
des paramtres on ajustant le rgulateur et on se basant sur ces
variables auxiliaires.
Le problme du Gain-Scheduling est la dtermination des
paramtres auxiliaires, qui ncessite la connaissance de la physique
du systme commander.
Ce procd la proprit de rpondre avec grande vitesse
aux variations processus.
La figure.2.2 donne un schma bloc de cette commande.

La figure.2.2

Rgulateur auto-adaptative
Dans le cas des systmes adaptatifs, il est suppos que les
paramtres du rgulateur sont ajusts tout le temps et suivent les
 Chapitre 1
Modlisation des Robots

changements du processus. Cependant il est difficile danalyser la

convergence et la stabilit de tels systmes.
Pour simplifier le problme, on suppose que le processus a ses
paramtres constants mais inconnus. Lorsque le processus est
connu, la procdure dajustement du rgulateur spcifier
les paramtres ncessaires.
Le rgulateur auto-adaptatif est bas sur lide de sparer
entre lestimateur des paramtres inconnus et la procdure
dajustement. [4]

La figure.2.3 montre que les paramtres inconnus sont estims en

ligne utilisant les mthodes destimation rcursives.

La figure.2.3
Les paramtres estims sont supposs prendre les valeurs
relles et les incertitudes de lestimation ne sont pas considres.
Parmi les mthodes destimation des paramtres on cite :
Les approximations stochastiques.
Les moindres carrs.
Les moindres carrs tendu et gnraliss.
La variable instrumentale.
Le maximum de Likelihode.

La combinaison des mthodes destimations et dajustements

des paramtres permet davoir des rgulateurs diffrentes
proprits.
En gnral, on estime les paramtres de la fonction de
transfert du processus et les perturbations
et cela donne un algorithme adaptatif indirect.
Dans le cas o les paramtres du rgulateur sont en fonction
des paramtres du modle, lestimation est dite indirecte. [4]

Commande Adaptative Modle de Rfrence (MRAS)

 Chapitre 1
Modlisation des Robots

La commande adaptative avec modle de rfrence consiste

adopter lorgane de commande dune faon ce que le processus se
comporte comme le modle de rfrence. La dtermination dune loi de
commande adaptative permet la repense du systme de suivre
celle du modle mme en prsence des perturbations en agissant
sur les performances dynamiques dusystme. Le principe de cette
commande est illustr dans La figure.2.4:

La figure.2.4

Lensemble du systme de commande a une premire boucle

ordinaire contenant le modle de rfrence et le mcanisme
dajustement des paramtres du rgulateur.
Les deux nouvelles ides apportes par le MRAS sont :
Les performances sont fixes par le choix dun modle
de rfrence.
Lajustement des paramtres du rgulateur est bas sur
lerreur:
e= y m y

Le but de cette rgulation est la minimisation de lerreur e

entre la sortie du modle de rfrence ym et la sortie

du processus y .

Le problme dans le cas du (MRAS) consiste obtenir le

mcanisme dajustement des paramtres du rgulateur qui stabilise
le systme et rduit lerreur zro. [4]

2.5 Approches pour lanalyse des (MRAS)

La construction dun systme adaptatif modle de rfrence

consiste au :
Choix du modle de rfrence fixe les performances
dsires.
 Chapitre 1
Modlisation des Robots

Chois de la loi de commande.

Dtermination de la loi dadaptation.

Si le choix du modle de rfrence et la loi de commande est

li aux performances dsires, la loi dadaptation doit assurer la
stabilit du systme et la tendance de lerreur vers zro. Parmi les
approches utilises comme mcanismes, nous notons :

Les rgles MIT (gradient).

La fonction de Lyapunov.

Approche du gradient
La mthode du gradient est utilise en premier lieu par
Whitaker dans son travail original. Le dveloppement de cette
approche envers le MRAS revient utiliser les rgles de MIT.
Rgle de MIT

Soit lerreur entre ym et y : e= y m y et le vecteur

des paramtres ajuster. Un critre minimiser est propos comme

:
1 2
J ()= e
2

Par consquent pour que J soit petit il est raisonnable de

changer les paramtres dans le sens ngatif du gradient de J c.-

-d. :
d J
=
dt

d e
= . e .
dt
 Chapitre 1
Modlisation des Robots

Sil est suppos que les paramtres changent plus

lentement que les autres variables du systme, alors on peut

e
calculer dans ce cas en supposant constant.

e
Reprsente la sensibilit du systme et dtermine la

vitesse dadaptation des paramtres. Le schma de La figure.2.5

reprsente le modle derreur.

La figure.2.5
Le choix du critre est arbitraire, si on pose :
J =|e|

d J
= sign(e)
dt

La rgle de MIT est performante si est choisi petit, mais

sa valeur peut dpendre de lamplitude du signal et du gain du
processus. En consquence, il nest pas possible de donner une
limite qui assure la stabilit globale du systme. Il se peut que le
systme est stable pour des valeurs et non pour dautres.
Une faon de remdier au problme prcdent est dutiliser
les rgles MIT modifies donns par la formule.
e



+
e

d e
=
dt

Une autre faon de limiter carrment la vitesse de

convergence est dintroduire la fonction de saturation :
 Chapitre 1
Modlisation des Robots

e



e
T( )

+
e
e

d
= . sat
dt

Il arrive parfois que le choix de larges des valeurs pour y

provoque linstabilit.
Pour toutes ces raisons, le choix dune approche que se base
sur la stabilit semble meilleure. [4]

Fonction de Lyapunov
Les recherches extensives menes dans le but de trouver une
mthode danalyse de stabilit, qui assure la tendance de lerreur
vers zro ont pu donner la fonction de Lyapunov. La
mthode propose par Lyapunov est valable pour les systmes non-
linaires et dont lide est illustre en figure.2.6.
Lnonc de la mthode est le suivant : lquilibre est stable si
on trouve une fonction relle de lespace dtat, sa courbe
enveloppe ltat dquilibre et la drive de la variable dtat pointe
lintrieur de la courbe.

figure.2.6

Pour noncer Formellement les rsultats on considre

lquation diffrentielle suivante:
x =f (x , t) (*)

Avec f ( 0 , t )=0

O x reprsente vecteur dtat de dimension n .

 Chapitre 1
Modlisation des Robots

Soit la fonction V : R n+1 R satisfaisant les conditions suivantes :

V ( 0,t )=0 pour tout tR .

V est diffrentiable en x et t .

V est dfinie positive.

La condition suffisante pour une stabilit asymptotique

uniforme pour le systme(*) est:
V
V ( x , t ) =FT ( x ,t ) grad ( V ) + <0 pour x 0 (**)
t

Alors V doit tre dfinie ngative:

La condition (**) fixera donc la loi dadaptation assurant par

suite la stabilit et la tendance de lerreur vers zro. [4]

2.6 Conclusion