Cours Robotique 834

.
Cours de Robotique Avancée

Redondance et Optimisation
Ph. Bidaud
Université Pierre et Marie Curie - Paris 6

Master Sciences de l’Ingénieur
Objectifs du cours
Ce cours aborde les méthodes utilisées en Robotique pour traiter des problèmes
d’analyse et de commande de systèmes complexes. Les systèmes complexes considérés
ici sont :
1. Les systèmes de manipulation redondants cinématiquement
2. Les systèmes non-hôlonomes
3. Les systèmes à architecture parallèle
4. Les systèmes de manipulation coordonnée avec des liaisons unilatérales
On recouvre l’essentiel des problèmatiques auxquelles on est confronté dans le cadre de

la manipulation dextre, la préhension articulée, la locomotion à roues et à pattes, etc ...
Plan du cours
1. Cinématique des systèmes redondants.
2. Dynamique des systèmes redondants et containts
3. Cinématique et statique des systèmes parallèles et de manipulation coordonnée
4. Stabilité des contacts unilatéraux
5. Les quantificateurs de performance
6. Méthodes d’optimisation multi-critères
2
Contents
1 Introduction 4
2 Cinématique des systèmes redondants 4

2.1 Générateur du mouvement, noyau et leurs compléments orthogonaux et
réciproques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.2 Définition de la redondance cinématique . . . . . . . . . . . . . . . . . . 5
2.3 Analyse du problème de la redondance cinématique . . . . . . . . . . . . 6
2.4 Définition d’un modèle géomètrique inverse . . . . . . . . . . . . . . . . . 6
2.4.1 Solution par la Jacobienne transposée . . . . . . . . . . . . . . . . 9
2.4.2 Solution par la pseudo-inverse de Moore Penrose . . . . . . . . . . 10
2.5 Homogénéı̈sation de J pour le calcul de la pseudo-inverse . . . . . . . . . 12
2.6 Méthodes de détermination des mouvements internes . . . . . . . . . . . 13
2.6.1 Vecteurs du noyau de J . . . . . . . . . . . . . . . . . . . . . . . 13
2.6.2 Tâche secondaire dans l’espace articulaire . . . . . . . . . . . . . 14
2.6.3 Tâche secondaire dans l’espace cartésien . . . . . . . . . . . . . . 15
2.6.4 Autre formulation de la tâche secondaire . . . . . . . . . . . . . . 18
2.7 Augmentation de l’espace opérationnel . . . . . . . . . . . . . . . . . . . 19
2.8 Utilisation de méthodes d’optimisation . . . . . . . . . . . . . . . . . . . 21
2.8.1 Multiplicateurs de Lagrange . . . . . . . . . . . . . . . . . . . . . 21
2.8.2 Programmation linéaire . . . . . . . . . . . . . . . . . . . . . . . 21
2.9 Détermination des configurations singulières dans les manipulateurs re-
dondants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.10 Passage des singularités . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3
1 Introduction
Les systèmes robotiques présentent généralement un degré de complexité qui impose
de reconsidérer les techniques de modélisation et de commande de leur comportement.
L’une des dimensions particulières dans la complexité des systèmes est liée au nombre
de leur degré de liberté qui peut induire une redondance/abondance vis-à-vis des tâches
à réaliser.
L’exploitation de la redondance cinématique est le premier des points que nous ex-
aminerons. Cette redondance peut notamment servir à optimiser par la commande le
comportement du système du point de vue de certaines de ses performances. Ce problème
peut être abordé d’un point de vue cinématique ou dynamique selon le type contrôle bas-
niveau mis en oeuvre sur le système.
Une autre dimension dans la complexité des systèmes est induite par le fait des con-
traintes imposées par des liaisons non-holonomes ou par des cycles cinématiques multiples
dans le mécanisme. Nous considérerons les problèmes de modélisation et de commande
de systèmes non-holonomes, de systèmes parallèles ainsi que de systèmes présentant des
liaisons par contact de pour lesquels la persistance de la liaison doit être maintenue.
Nous introduirons un certain nombre de moyens pour quantifier les performances
cinématiques et dynamiques de ces systèmes et nous envisagerons leur utilisation dans
leur commande (lorsqu’ils concernent des variables de commande) ou leur conception
(lorsqu’ils portent sur des paramètres structurels).
Enfin, nous reviendrons sur plusieurs techniques d’optimisation particulièrement adaptées
au traitement des problèmes exposés. Nous introduirons également des techniques adaptées
au multi-critère.
2 Cinématique des systèmes redondants

2.1 Générateur du mouvement, noyau et leurs compléments
orthogonaux et réciproques
La relation entre l’espace des vitesses généralisées et des vitesses opérationnelles est une
application linéaire dont J est la matrice associée. Le produit J q̇ peut être vu comme
une combinaison linéaire des vecteur-colonnes de J. Aussi, on peut définir :
1. Le générateur de l’application définit l’ensemble des vitesses transmissibles par le
système. n o
R(J) = Ẋ ∈ Rm /∃q̇ ∈ Rn Ẋ = J q̇
2. Le complément orthogonal à R(J) constitue l’ensemble des vitesses non-transmissibles.

n o
R(J)⊥ = Ẋ ∈ Rm /∃Ẋ 0 ∈ R(J) Ẋ t Ẋ 0 = 0
3. Le complément réciproque à R(J) définit les actions naturellement transmissibles

n o
R(J)R = Ḟ ∈ Rm /∃Ẋ ∈ R(J) F t Ẋ = 0
4
4. Le noyau de l’application constitue l’ensemble des articulaires internes.
N (J) = {q̇ ∈ Rn /J q̇ = 0}
5. Le complément orthogonal est l’ensemble des vitesses articulaires qui engendre un

mouvement de l’effecteur.
n o
N (J)⊥ = q̇ ∈ Rn /∃q̇ 0 ∈ N (J) q̇ t q̇ 0 = 0
6. Le complément réciproque au noyau est l’ensemble des couples articulaires qui

produisent une puissance nulle dans le mouvement interne.
n o
N (J)R = τ ∈ Rn /∃q̇ 0 ∈ N (J) τ t q̇ 0 = 0
On montre également que :

R(J)⊥ = N (J t )
N (J)⊥ = R(J t )
Cette dualité entre la vitesses et efforts est illustrée sur la figure 1.
Figure 1: Illustration de la dualité vitesse/effort
2.2 Définition de la redondance cinématique

La redondance d’un système mécanique peut être définie du point de vue cinématique.
Lorsque m la dimension de l’espace des déplacements du système, ou si tous les déplacements
ne sont pas imposés par la tâche le nombre de contraintes imposées sur le mouvements
du corps ”‘manipulé”’ est égal à la mobilité cinématique du système, alors la matrice
5
jacobienne J du système est hors singulatités une matrice carrée. la solution au problème
cinématique inverse Ẋ = J q̇ (ou différentiel inverse dX = Jdq ) est donnée par :
q̇ = J −1 Ẋ
Pour simplifier les choses, on considérera que la mobilité du mécanisme est directement n
le nombre de liaisons et que le nombre de contraintes est directement égal à la dimension
du groupe des déplacements dans lequel le système évolue (noté d).
Dès lors où le manipulateur est redondant devant la tâche (n > d ou plus généralement
rg(J) > d) alors le problème est sous-déterminé. Il existe une infinité de solutions au
problème cinématique inverse. Le degré de redondance cinématique du système devant
la tâche est :
r = n − dim(R(J)) = dim(N (J))
2.3 Analyse du problème de la redondance cinématique

Pour le manipulateur de 3P de la figure 2, si seule la trajectoire du point P est imposée,
le degré de redondance est 1. La Jacobienne de ce manipulateur est :
Figure 2: Manipulateur redondant 3P
1 0 1

Jv =
0 1 0
Une base de R(J) est :
1 0

R(J) =
0 1
Une base de N (J) est :  
−1
N (J) =  0 
 
1
dim(N (J)) 6= 0 traduit le fait qu’il existe une possibilité de mouvement interne comme
l’illustre la figure 3. Le complément orthogonal au (N (J))⊥ constitue le sous-espace
des mouvements articulaires réalisant le mouvement δX avec le minimum d’amplitude
δq. Plusieurs méthodes sont envisageables pour résoudre la redondance. Les méthodes
utilisant le modèle cinématique sont les plus générales.
6
Figure 3: Illustration du mouvement interne
2.4 Définition d’un modèle géomètrique inverse

Si on considère le système est sous asservissement articulaire, l’une des solutions pour
aborder la commande des mouvements est d’utiliser le modèle géométrique inverse pour
définir les consignes articulaires à partir de la définition de la trajectoire en position et
orientation de l’objet manipulé. Cependant, dans le cas où le système est redondant,
le problème géométrique inverse est das ce cas sous-déterminé. Il existe par conséquent
une infinité de configurations articulaire pour atteindre une tâche donnée.
Pour traiter la redondance, une solution consiste à introduire des relations supplémentaires
pour traduire un objectif secondaire qui est par exemple d’optimiser une performance
locale. Si on considère que la performance en question est représentée par une fonction
scalaire continue notée W (q) en fonction des paramètres généralisés q. On peut con-
sidérer la résolution du problème géométrique inverse à partir d’une part par le modèle
géomètrique direct X = f (q) et d’autre part par r équations algébriques traduisant un
optimum de la fonction.
La recherche d’un optimum pour W (q) peut être vu comme un problème d’optimisation
sous les contraintes F (q) = (f (q) − X). Ce type de problème peut être abordé à
l’aide des multiplicateurs de Lagrange. Le problème équivaut à minimiser le Lagrangien
L(q) = W (q) + λt F (q), λ ∈ Rm=d étant le vecteur des multiplicateurs de Lagrange.
Ainsi, la solution vérifie à la fois la solution au modèle géométrique et minimise W (q).
Les points stationnaires sont tels que la différentielle de L(q) soit nulle :
!t
∂ L(q) ∂ W (q) ∂ F (q)
= + λ=0
∂q ∂q ∂q
∂ F (q)
- ∂q
∈ Rm×n est la matrice Jacobienne.
∂ W (q)
- ∂q
= ∇W (q) = h ∈ Rn est le vecteur gradient de la fonction W (q)
L’équation précédente peut être ré-écrite :
J tλ + h = 0
ou en partitionnant les m premières lignes et les n − m suivantes :
t
Jm hm

λ= (1)
Jn−m hn−m
7
On peut à partir de ce système de n équations auquel serait joint les m équations issues
du modèle géomtrique direct déterminer l’ensemble des incunnues (les m multiplicateurs
de Lagrange et les n variables articulaires.
On peut également, en s’aidant des m premières équations du système (1) de résoudre
les m multiplicateurs de Lagrange.
−1
λ = Jm hm
En substituant dans les n − m équations, on a :

−1
Jn−m Jm hm − hn−m = 0
Ces r équations peuvent se mettre sous la forme matricielle :

−1
( Jn−m Jm , In−m ) h = 0
−1
où encore en notant Z = ( Jn−m Jm , In−m )
Zh = 0
Le problème géomètrique inverse pour un système redondant consiste alors à résoudre le

système :
F (q) = 0
Zh = 0 (2)
Ces dernières équations permettent de détemininer complètement les variables articu-

laires.
Pour illustrer cette méthode nous utiliserons l’exemple de la figure 2.4. Le point P
de ce système de type PR doit se déplacer selon un axe vertical situé à x de l’origine
tout en évitant un obstacle situé à d du 2nd segment.
Le modèle géométrique direct se réduit à :
x = r1 + aCθ2 (3)
La Jacobienne transposée est J t = ( 1 , −aSθ2 ). La redondance du système r = 1.

La distance à l’obstacle est (x − r1 )Sθ2 = dSθ2 . Le problèmme géométrique inverse peut
être posé comme :
−Sθ2 1

+λ = 0
dCθ2 aSθ2
r1 + aCθ2 − x = 0 (4)
où encore, à l’aide de la matrice Z :

−Sθ2

( −aSθ2 ,1) = 0
dCθ2
r1 + aCθ2 − x = 0 (5)
8
Figure 4: Illustration du traitement de la redondance par une méthode géométrique
2.4.1 Solution par la Jacobienne transposée

La commande cinématique d’un système (ici considéré comme arborescent) peut être
réalisée en utilisant directement la jacobienne inverse. Le problème de la redondance est
alors résolu en considérant qu’un torseur de force FExt est appliqué à l’effecteur, cette
dernière cherchant à l’amener sur la position désirée Xd (voir illustration figure 4)
Figure 5: Illustration du principe de commande par Jacobienne inverse
Si cette action extérieure est considérée comme réalisée à travers une raideur :
FExt = K(Xd − X) = K e
avec K une matrice positive et symétrique d’ élasticité, on peut déterminer la solution q̇

par :
q̇ = J t Ke
9
Cette méthode présente l’intérêt de traiter directement du problème de la redondance et
des singularités. La solution obtenue est non-exacte mais stable. En effet, le potentiel
élastique du système Φ(e) est tel que Φ(e) > 0∀e 6= 0 et Φ(0) = 0:
1
Φ(e) = et Ke
2
En différentiant par rapport au temps Φ(e) on trouve :
1 1
Φ̇(e) = e˙t Ke + et K ė = et K ė
2 2
et K(Ẋd − Ẋ) = et K Ẋd − et KJ q̇
Le choix de q̇ = J t Ke conduit à :
et K Ẋd − et KJJ t Ke
qui pour Xd = cte vérifie :

Φ̇(e) = −et KJJ t Ke < 0
ce qui montre que la convergence vers zéro de la solution est assurée.
2.4.2 Solution par la pseudo-inverse de Moore Penrose

On peut imposer une contrainte supplémentaire pour obtenir une solution, par exemple
chercher une solution q˙p de norme Euclidienne minimale telle que :
2 2
J q˙p − Ẋ = minq̇∈Rn J q̇ − Ẋ

L’unique solution est donnée par :

q˙p = J + Ẋ
où J + est la pseudo-inverse de J. Elle produit une solution minimale pour kq̇k2 (aux
moindres carrés) pour Ẋ désiré. (Fonction pinv() de Matlab )
Le calcul de la pseudo-inverse de J peut être réalisé si rg(J) = m par :
J+ = J t (J J t )−1
Pour l’exemple du manipulateur PPP, la pseudo-inverse de Jv est :

 
1/2 0
+
Jv =  0 1 


1/2 0
D’une manière plus générale, si J ∈ Rm×n est de rang r, elle admet une décomposition
en valeurs singulières (Fonction svd() de Matlab ) qui est:
J = U ΣV t = σi ui vit
X
i=1,r
10
Pour l’exemple du manipulateur PPP, on a :
 
0.7071 0 −0.7071
1 0 1.4142 0 0 

Jv = 0 1.0000 0

0 1 0 1.0000 0
 
0.7071 0 0.7071
Alors, la pseudo-inverse de Moore-Penrose est :

1
J + = V Σ+ U t = vi uti
X
σ
i=1,r i
avec :
1 1
Σ+ = diag( , . . . , , 0, . . . 0)
σ1 σr
où σ1 , . . . σr sont les valeurs singulières de J.
Si rg(J) = r = m < n (rang maximal) alors J + = J t (JJ t )−1
Si rg(J) = r = m = n alors J + = J −1
Indifférement des conditions sur le rang de J, cette pseudo-inverse satisfait les propriétés
suivantes :
JJ + J = J
J + JJ + = J +
(JJ + )t = (J + J)
(J + J)t = (JJ + )
et
+
(J + ) = J
t +
(J + ) = (J t )
+
(J + ) = (J t J) J t
t +
(J + ) = J t (JJ t )
Par ailleurs :
- si rg(J) = m = n, alors : A+ = A−1
- si rg(J) = m < n, alors : AA+ = Id (A+ A 6= Id )
- si rg(J) = n < m, alors : A+ A = Id (AA+ 6= Id )
• Remarque : La quantité qui est optimisée dans une solution purement cinématique
est :
C = q̇ t q̇
Cette quantité n’a pas forcément de sens physique. Aussi, la pseudo-inverse peut être
pondérée pour optimiser par exemple l’énergie cinétique développée dans le mouvement.
Cette dernière s’écrit :
1
T = q̇ t M (q)q̇
2
11
M (q) est symétrique et inversible.
Le problème de la minimisation de T dans le mouvement Ẋ = J q̇ peut être posé comme
un problème d’optimisation sous contraintes.
1
min T = q̇ t M (q)q̇
2
tel que : Ẋ = J q̇
Une solution classique à ce type de problème peut être déterminée à l’aide des multipli-
cateurs de Lagrange λ, la contrainte étant alors intégrée à la fonction à minimiser sous
la forme :
1
T 0 = q̇ t M (q)q̇ + λt (Ẋ − J q̇)
2
Les multiplicateurs λ peuvent ici être interprétés physiquement comme les quantités de
mouvement à appliquer pour satisfaire Ẋ − J q̇ = 0.
Les paramètres de Lagrange peuvent être déterminés en cherchant les solutions à :
∂T 0
=0
∂ q̇
Ceci conduit au système de n équations suivant:
q̇ t M − λt J = 0 (∗)
En post-multipliant par M −1 J t , ce système se transforme en :
q̇ t J t = λt (JM −1 J t )
Les multiplicateurs λ sont donc tels que :
λt = Ẋ t (JM −1 J t )−1
En reportant dans (∗), on trouve :
q̇ = M −1 J t (JM −1 J t )−1 Ẋ
+
q̇ = JM Ẋ
+
JM est la pseudo-inverse de J pondérée par la matrice d’énergie cinétique du système.
2.5 Homogénéı̈sation de J pour le calcul de la pseudo-inverse

Les termes de JJ t peuvent ne pas être homogènes en dimension. Considérons par exemple
le robot plan PPR dont la Jacobienne serait :
 
0 0 1
J =  1 0 −dSθ3 
 
0 1 dCθ3
12
Les composantes de JJ t sont :
 
1 −dSθ3 dCθ3
t 2 2 2
JJ =  −dSθ3 (1 + d S θ3 ) −d Sθ3 Cθ3 
 
dCθ3 −d2 Sθ3 Cθ3 (1 + dSθ3 dCθ3 )

Ces composantes sont inhomogènes en dimension.
D’une manière générale, si un système comporte de liaisons de rotation et de translation,
2
kq̇k2 = q̇ t q̇ conduira à une somme de termes inhomogènes. De même le calcul de Ẋ =

Ẋ t Ẋ est le résultat du produit orthogonal entre torseurs et dépendra du point ou la

vitesse est exprimée et des unités des longueurs.
A titre d’exemple, en considérant le robot de la figure 5, Pour palier ce problème, une
Figure 6: Manipulateur PRR pour illustration des problèmes d’inhomogoneı̈té
solution consiste à normer les vecteurs Ẋ et q̇ en utilisant par exemple une longueur
caractéristique.
ẊN orm = diag[1, 1, 1, 1/L1 , 1/L1 , 1/L1 ]Ẋ = Nv Ẋ
q̇N orm = diag[a11 , . . . , ann ]q̇ = Nq q̇

avec aii = 1 pour les liaisons rotoı̈des et aii = 1/L2 . La pseudo inverse pondérée de J
est alors égale à :
JN+orm = [Nv JNq−1 ]+
2.6 Méthodes de détermination des mouvements internes

2.6.1 Vecteurs du noyau de J
On peut déterminer un ensemble de vecteurs orthogonaux qui forment une base du noyau
de J(q). Cette base est de dimension n − r. Elle peut être constituée des vecteurs vi
i = r, n issus d’une décomposition en valeurs singulières de J(q) et tel que :
J(q)vi = 0 i = r, n
13
On vérifie bien pour l’exemple du manipulateur 3P que :
 
−1
1 0 1  0

 0 =

0 1 0 0
1
Ainsi, la solution homogène q̇h peut s’exprimer :

X
q̇h = N (J)ẋN = x˙N i vi
i=1,n−r
- N (J) ∈ R(n×n−r) est la matrice de regroupant les vecteurs du noyau,

- ẋN ∈ Rn−r est le vecteur des amplitudes des vitesses compatibles avec le mouvement
interne (pseudo-vitesses). On peut exprimer le mouvement interne ẋN comme :
ẋN = V + q̇ = JN q̇
Pour l’exemple du système 3P on a :
JN = ( −1/2 0 1/2 )
2.6.2 Tâche secondaire dans l’espace articulaire

Une méthode consiste à projeter une tâche secondaire sur le noyau de la Jacobienne en
utilisant le projecteur orthogonal (Id − J + J)
q̇h = (Id − J + J) q̇op

| {z }
PN (J)
De manière plus générale, en algèbre linéaire, une projection orthogonale est un pro-
jecteur tel que les deux sous-espaces sont orthogonaux. Le projecteur a pour effet de
supprimer la composante qui influence δX. On a donc :
J q̇h = 0
Le vecteur q̇op ∈ Rn , qui est a priori quelconque, peut servir à optimiser une performance
locale. Il peut être alors déterminer comme :
 ∂φ 
∂q1
 . 
q̇op = α∇φ = α
 
.

 
∂φ
∂qn
- α > 0 conduit à une croissance de φ

- α < 0 conduit à une décroissance de φ
Un exemple de fonction φ pour l’éloignement aux butées est :
X qi − qi moy 2
φ(q) = ( )
i=1,n ∆qi
14
avec ∆qi = (qimax − qimin )
Un autre exemple de fonction φ est celui qui reflète le conditionnement de la matrice
Jacobienne (voir chapitre quantification des performances).
q
φ(q) = det(JJ t )
On peut aussi construire une fonction φ pour générer un champ de forces (attractives et
répulsives) sur le système.
φirep (q)
X
φ(q) = φatt (q) +
i=1,n
ici en considérant un seul potentiel attractif pontuel et un ensemble de n potentiels

répulsifs. Le potentiel attractif peut être :
1 1
φatt (q) = kd2 = k(q(t) − qd )2
2 2
La force qui serait ainsi créée pour ”‘attirer”’ les système vers qd est :
Fatt = −k∇φ(q) = k(q(t) − qd )
Un exemple de champ attractif pour un système 2R est donné sur la figure 6 Un potentiel
Figure 7: Illustration d’un champ attractif
réplusif borné à la distance d0 est le suivant :

1 i 1 1
φirep (q) = krep ( i − )2 si di (q) ≤ d0 ; φirep (q) = 0 si di (q) > d0
2 d (q) d0
Un exemple est donné sur la figure 7
On illustre l’effet du projecteur orthogonal à partir de l’exemple représenté sur la
figure 8 qui considère le problème suivant :
δq1

( δx ) = ( −l1 Sθ1 − l2 Sθ12 ; −l2 Sθ12 )
δq2
Le système est une fois redondant vis-à-vis de la tâche. Il est clair que la tâche secondaire
n’est réalisée que partiellement. Par ailleurs, on montre que ce mouvement interne
sans action dissipative peut conduire à un mouvement oscillatoire. Aussi, un terme
d’amortissement peut être introduit pour stabiliser le mouvement.
15
Figure 8: Illustration d’un champ attractif
Figure 9: Illustration de la partition de l’espace des solutions
16
2.6.3 Tâche secondaire dans l’espace cartésien
Si on introduit une tache primaire :
Ẋ1 = J1 q̇ (1)
et une tâche secondaire :

Ẋ2 = J2 q̇ (2)
comme pour un évitement d’obstacle (voir illustration 9)
De (1) on tire :
Figure 10: Illustration de l’évitement d’un obstacle
q̇ = J1+ Ẋ1 + (Id − J1+ J1 )Z1

où Z1 est un vecteur quelconque de Rn .
en substituant dans (2) :
Ẋ2 = J2 J1+ Ẋ1 + J2 (Id − J1+ J1 ) Z1

| {z }
Je2
On détermine alors Z1 comme :
Z1 = Je2+ (Ẋ2 − J2 J1+ Ẋ1 ) − (Id − Je2+ Je2 )Z2
d’où : h i
q̇ = J1+ Ẋ1 + (Id − J1+ J1 ) Je2+ (Ẋ2 − J2 J1+ Ẋ1 ) − (Id − Je2+ Je2 )Z2
Si on ne cherche pas à utiliser les mouvements internes (Z2 = 0):
h i
q̇ = J1+ Ẋ1 + (Id − J1+ J1 ) Je2+ (Ẋ2 − J2 J1+ Ẋ1 )
Compte-tenu des propriétés de la pseudo-inverse, le terme :
(Id − J1+ J1 )Je2+ = (Id − J1+ J1 )(J2 (Id − J1+ J1 ))+
17
se réduit à :
(J2 (Id − J1+ J1 ))+ = Je2+
d’où la solution pour q̇ :
q̇ = J1+ Ẋ1 + Je2+ (Ẋ2 − J2 J1+ Ẋ1 )
La formulation générale de la solution est :
q̇ = J1+ Ẋ1 + Je2+ (Ẋ2 − J2 J1+ Ẋ1 ) + (Id − J2+ J2 )Z2
Le mouvement défini par Z2 peut alors être réalisé sans interférence avec les 2 premières
tâches. L’interprétation de cette solution est donnée sur la figure 10.
Figure 11: Illustration de la formulation dans l’espace cartésien
Cette méthode permet de réaliser les différentes tâches lorsque celles-ci sont compat-
ibles. Elle conduit a une singulatité algorithmique lorsque les noyaux sont voisins. Le
point d’intersection est alors tel qu’il induit de très grandes vitesses articulaires (voir
figure 11)
2.6.4 Autre formulation de la tâche secondaire

Pour éviter les singularités algorithmiques une formulation alternative conduit à déterminer
la solution pour la tâche secondaire puis à la projeter sur le noyau de J1 . La solution est
alors déterminée par :
q̇ = J1+ Ẋ1 + PN (J1 ) (J2+ Ẋ2 )
Pour des systèmes hautement redondant, on peut imaginer que les tâches soient en
cascade et la soultion déterminée par :
q̇ = J1+ Ẋ1 + PN (J1 ) (J2+ Ẋ2 + P(N (J1 )∩N (J2 )) Z2 )
18
Figure 12: Illustration d’une singularité algorithmique
Le vecteur Z2 est ici projeté sur l’intersection des noyaux de J1 et de J2 pour ne perturber
aucune des deux tâches. L’illsutration de la méthode est donnée sur la figure 12
Figure 13: Illustration de l’utilisation d’une tâche secondaire cartésienne
2.7 Augmentation de l’espace opérationnel

Une autre solution consiste à étendre l’espace opérationnel en ajoutant un objectif
complémentaire à celui de la tâche principal Ẋ qui introduirait rg(J) = n − m con-
traites sur le mouvement. Ces contraintes supplémentaires peuvent être choisies pour
19
former un système A(q)q̇ = 0. Sur l’exemple de la figure 13 on peut choisir de faire que
le centre de masse généralisée reste sur l’axe de y.
Le vecteur opérationnel se trouve ainsi augmenté d’un certain nombre de contraintes.
Figure 14: Augmentation de la Jacobienne pour la coordination posture/tâche
X

Xe =
Xc
la matrice Jacobienne correspondante devient elle aussi étendue :
J(q)

Je (q) =
A(q)
Si le rang de Je (q) est r = m = n, alors on résoud le problème cinématique inverse

comme :
q̇ = Je−1 (q)Ẋe
Une matrice Jacobienne pour le nombre de contraintes ninimum est donné par :
J(q)

Je (q) =
JN (q)
Pour éviter d’avoir à fixer le nombre de contraintes requis pour former un système carré
(on peut aussi envisager de former un système sur-déterminé), une alternative qui peut
être préférée consiste à exprimer un objectif secondaire qui serait d’annuler le gradient
d’une fonction scalaire g(q) et à le projeter sur le N (J). Le vecteur opérationnel est ainsi
: !
X
Xe =
∇gN = N (J)t ∂g
∂q
= N (J)t ∇g
La matrice N (J) constituant les vecteurs du noyau de J se détermine notamment à l’aide
d’un SVD : t
VR
J = U ΣV t = U [ΣR , 0]
VNt
20
N (J)t = VNt = (n1 , n2 , . . . , nn−m )t
En notant ∇gNi = nti ∇g les composantes augmentées de Xe , on a :
Xe = Je q̇
 
X J
 
 ∂
 ∇g


N1   ∂q
∇g N1 

 

 . =

 .  q̇

.
 
 .  



∂g
∇gNn−m ∂q
∇g Nn−m
La partie augmentée des colonnes de Je pour obtenir une matrice carrée est formée par
deux termes :
∂ ∂ t ∂ni t ∂
∇gNi = (ni ∇g) = ∇g + nti ∇g
∂qj ∂qj ∂qj ∂qj
Si l’objectif est d’obtenir un gradient de g nul, on aura donc comme précédemment :
Ẋ

q̇ = Je−1 (q)
0
On peut aussi imposer seulement une descente du gradient et on aura alors :
Ẋ

q̇ = Je−1 (q)
−α∇gN
∂
On pourra alors omettre le terme ∂qj
∇g dans Je .
2.8 Utilisation de méthodes d’optimisation

La résolution du problème cinématique inverse peut être réalisée à l’aide de méthode
d’optimisation.
2.8.1 Multiplicateurs de Lagrange

Le méthode des multiplicateurs de Lagrange peut être également exploitée. Le problème
sera alors posé sous la forme :
W (q) J q̇ 0

=
Jt 0 λ Ẋ
La résolution de ce système d’équation linéaire se fait en particulier à l’aide d’une

décomposition LU .
21
2.8.2 Programmation linéaire
Dès lors où l’on veut prendre en compte dans la résolution des contraintes d’inégalité
(comme les bornes sur les vitesses articulaires). On peut, lors de la programmation
linéaire, chercher à minimiser la fonction objectif :
L(δ) = K t δ
sous les contraintes linéaires :
δX = Jδq
−δ < δq < δ
δ > 0 (6)
Le vecteur K peut être vu comme le vecteur des raideurs articulaires.
l’algorithme du simplexe (Fonction matlab simplex2p ) est pratiquement toujours

plus performant pour résoudre un LP. Les méthodes de point intérieur sont qui perme-
ttent d’évoluer à l’intérieur du polytope des contraintes sont également des méthodes
performantes.
2.9 Détermination des configurations singulières dans les ma-

nipulateurs redondants
Un manipulateur série non-redondant se trouve dans une configuration singulière lorsque
rg(J) < d (dimension de l’espace de tâche). On détermine les configurations singulières
algébriquement en considérant les conditions sur q conduisant à :
det(J) = 0
Pour un manipulateur redondant, le système se trouvera dans une configuration singulière

lorsque le rang de JJ t est modifié. Cependant, une approche algébrique peut être rendue
délicate (voire impossible) du fait de la complexité des termes de JJ t . On peut utiliser
la méthode ”‘géométrique”’ suivante.
On cherche à déterminer le torseur réciproque $R tel que :
$R .$i = 0 ∀i = 1, n
Pour cela, on commence par rechercher les conditions sur $R pour qu’il soit réciproque
à un sous-système :
n o
τcsub = $i ∈ τc , i ∈ {1, . . . , n} ,
X
i=d
Après avoir placé le système dans cette configuration singulière, on cherche ensuite à
identifier les conditions supplémentaires pour que le $R soit également réciproque aux
torseurs cinématiques ”‘redondants”’ à partir des équations :
$R .$j = 0 ∀j = 1, n et j 6= i
22
On montre dans ce qui suit comment cette technique s’applique à un système PRRR
plan (voir figure 2.9)
La jacobienne écrite en O4 de ce système est :
0 z2 z3 z4

J = [$1 , $2 , $3 , $4 ] =
z1 04 02 ∧ z2 04 02 ∧ z3 0
det(J Sub ) = det($2 , $3 , $4 ) = 0 si θ3 = 0

En reportant dans J Sub on a :
 
1 1 1
J Sub =  −l12 Sθ2

−l2 Sθ2 0
l12 Cθ2 l2 Cθ2 0
Sub
$R = (Cθ2 , Sθ2 , 0)
R Sub
$ est aussi réciproque à $1 si :
Sub
$R .$1 = 0
La condition supplémentaire est θ2 = π/2 + kπ
2.10 Passage des singularités

Dans une configuration singulière J(q) n’est plus de rang plein. Sa pseudo-inverse J +
n’st pas définie dans une telle configuration. Aussi, on utilise la pseudo-inverse pondérée
qui est définie de la manière suivante.
Plutôt que de chercher la solution à Ẋ = J q̇ telle que min kq̇k, on détermine q̇ qui
minimise : 2
2
J q̇ − Ẋ + λ2 kq̇k

où λ est une constante non-nulle.

Cette quantité est équivalent à :
J Ẋ 2

I λ q̇
−
d 0
La solution aux moindres carrés est donnée par :
t
J J J Ẋ

q̇ =
Id λ Id λ a Id λ 0
23
que nous pouvons ré-écrire comme :
(J t J + λ2 Id )q̇a = J t Ẋ
On montre que (J t J + λ2 Id ) est non-singulière. En effet, J ∈ Rm×n et λ2 Id ∈ Rn×n et

J

son rang est n. Aussi, le rang de = n. La solution aux moindres carrés amortie
Id λ
(Damped Least Square - DLS dans laquelle λ est le facteur d’amortissement) est :
q̇a = (J t J + λ2 Id )−1 J t Ẋ
(J t J + λ2 Id )−1 J t = J t (JJ t + λ2 Id )
La solution se ré-écrit :
q̇a = J t (JJ t + λ2 Id )Ẋ
Cette solution est celle donnée par la méthode de Levenberg-Marquardt qui peut être
vue comme une interpolation entre une méthode de Gauss et de descente de gradient.
La valeur du facteur λ peut varier en fonction du résidus.
Une décompostion en valeurs singulières permet de comprendre comment agit la DLS
par rapport à la SVD.
(JJ t + λ2 Id ) = (U ΣV t )(V ΣU t ) + λ2 Id = U Σ2 U t + λ2 Id = U (Σ2 + λ2 Id )U t
Aussi:
J t (JJ t + λ2 Id ) = V Σ(Σ2 + λ2 Id )−1 U t = V EU t
| {z }
E
E ∈ Rm×n est une matrice diagonale :

σi
E = diag(eii ) avec eii =
σi2 + λ2
La pseudo-inverse pondérée se calcule de la manière suivante :

σi
J+ = vi uti
X
2 2
i=1,k σi +λ
Détermination de λ : σ2σ+λi
2 → 0 quand σi → 0 λ doit donc être pris très grand pour
i
maintenir les vitesses angulaires près de la singularité.
Inversement, loin des singularités λ doit rester tel que σi >> λ alors les composantes
σi
σ 2 +λ2
≈ σ1i
i
24

Langue

Cours Robotique 834

Transféré par

Informations du document

Description :

Copyright

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Description :

Droits d'auteur :

Cours Robotique 834

Transféré par

Description :

Droits d'auteur :

.

Cours de Robotique Avancée

Université Pierre et Marie Curie - Paris 6

1. Les systèmes de manipulation redondants cinématiquement

2. Les systèmes non-hôlonomes

3. Les systèmes à architecture parallèle

4. Les systèmes de manipulation coordonnée avec des liaisons unilatérales

On recouvre l’essentiel des problèmatiques auxquelles on est confronté dans le cadre de

1. Cinématique des systèmes redondants.

2. Dynamique des systèmes redondants et containts

3. Cinématique et statique des systèmes parallèles et de manipulation coordonnée

4. Stabilité des contacts unilatéraux

5. Les quantificateurs de performance

6. Méthodes d’optimisation multi-critères

2 Cinématique des systèmes redondants 4

2 Cinématique des systèmes redondants

2. Le complément orthogonal à R(J) constitue l’ensemble des vitesses non-transmissibles.

3. Le complément réciproque à R(J) définit les actions naturellement transmissibles

5. Le complément orthogonal est l’ensemble des vitesses articulaires qui engendre un

6. Le complément réciproque au noyau est l’ensemble des couples articulaires qui

On montre également que :

Figure 1: Illustration de la dualité vitesse/effort

2.2 Définition de la redondance cinématique

2.3 Analyse du problème de la redondance cinématique

Figure 2: Manipulateur redondant 3P

2.4 Définition d’un modèle géomètrique inverse

En substituant dans les n − m équations, on a :

Ces r équations peuvent se mettre sous la forme matricielle :

Le problème géomètrique inverse pour un système redondant consiste alors à résoudre le

Ces dernières équations permettent de détemininer complètement les variables articu-

La Jacobienne transposée est J t = ( 1 , −aSθ2 ). La redondance du système r = 1.

où encore, à l’aide de la matrice Z :

2.4.1 Solution par la Jacobienne transposée

Figure 5: Illustration du principe de commande par Jacobienne inverse

avec K une matrice positive et symétrique d’ élasticité, on peut déterminer la solution q̇

qui pour Xd = cte vérifie :

2.4.2 Solution par la pseudo-inverse de Moore Penrose

L’unique solution est donnée par :

Pour l’exemple du manipulateur PPP, la pseudo-inverse de Jv est :

Alors, la pseudo-inverse de Moore-Penrose est :

En post-multipliant par M −1 J t , ce système se transforme en :

Les multiplicateurs λ sont donc tels que :

En reportant dans (∗), on trouve :

2.5 Homogénéı̈sation de J pour le calcul de la pseudo-inverse

dCθ3 −d2 Sθ3 Cθ3 (1 + dSθ3 dCθ3 )

Ẋ t Ẋ est le résultat du produit orthogonal entre torseurs et dépendra du point ou la

Figure 6: Manipulateur PRR pour illustration des problèmes d’inhomogoneı̈té

ẊN orm = diag[1, 1, 1, 1/L1 , 1/L1 , 1/L1 ]Ẋ = Nv Ẋ

q̇N orm = diag[a11 , . . . , ann ]q̇ = Nq q̇

2.6 Méthodes de détermination des mouvements internes

Ainsi, la solution homogène q̇h peut s’exprimer :

- N (J) ∈ R(n×n−r) est la matrice de regroupant les vecteurs du noyau,

Pour l’exemple du système 3P on a :

2.6.2 Tâche secondaire dans l’espace articulaire

q̇h = (Id − J + J) q̇op

- α > 0 conduit à une croissance de φ

ici en considérant un seul potentiel attractif pontuel et un ensemble de n potentiels

Figure 7: Illustration d’un champ attractif

réplusif borné à la distance d0 est le suivant :

Figure 9: Illustration de la partition de l’espace des solutions

et une tâche secondaire :

Figure 10: Illustration de l’évitement d’un obstacle

q̇ = J1+ Ẋ1 + (Id − J1+ J1 )Z1