111Chapitre d'équation 1 Section 1

Mini-Projet
Présenté par:
Choubabi Najwa et Azzouzi Laila
Master MRMI
Département : Mécanique

Wheel banlanced inverted

pendulum

Pr: R. Lajouad , UH2 ENSET , Encadrant

Année Universitaire : 2022/2023

1
Table of Contents

Introduction..........................................................................................3

Modélisation dynamique......................................................................5

Modèle mathématique :.....................................................................5

Synthèse de la commande et de l’observateur :..................................9

Espace d'état du système dynamique................................................9

LQR...................................................................................................10

Filtre de Kalman................................................................................11

Cas réaliste..........................................................................................13

Conclusion...........................................................................................14

2
Introduction

La pendule inversée équilibrée sur une roue est un système mécanique intéressant
qui utilise les principes de la physique pour maintenir un objet en équilibre. Ce
système se compose d'une tige rigide fixée à une roue qui tourne horizontalement. À
l'extrémité inférieure de la tige, il y a un poids qui peut osciller librement.

Lorsque la roue tourne, la force centrifuge agit sur le poids, ce qui le maintient en
équilibre en position verticale. Ce système est très stable et peut maintenir le poids
en équilibre même lorsque le système est soumis à des perturbations externes.

1. "Stabilization of an Inverted Pendulum on a Wheel Using Nonlinear Control

Techniques" par W. Zhang et al. (2018) : Cet article présente une nouvelle méthode
de contrôle non linéaire pour stabiliser la pendule inversée équilibrée sur une roue.
Les auteurs proposent une méthode de contrôle de type inverse avec une loi de
commande non linéaire pour assurer la stabilité de la pendule inversée équilibrée.

2. "Modeling and Control of a Self-balancing Two-wheel Robot using a Combined

Feedback Linearization and Sliding Mode Control" par Y. Wu et al. (2017) : Cet article
décrit la modélisation et la commande d'un robot à deux roues équilibré sur une
pendule inversée. Les auteurs proposent une approche combinant la rétroaction
linéaire et la commande par mode de glissement pour atteindre une bonne stabilité
et une performance de suivi de référence.

3. "Modeling and Control of an Inverted Pendulum on a Wheel: A Survey" par R.

Ortega et al. (2014) : Ce papier est une revue de la littérature sur la modélisation et
la commande de la pendule inversée équilibrée sur une roue. Les auteurs passent
en revue les différentes approches de contrôle, y compris la commande PID, la
commande par mode de glissement, la commande floue, et la commande prédictive.

4. "Sliding Mode Control for an Inverted Pendulum on a Wheeled Mobile Robot" par
H. Li et al. (2013) : Cet article décrit une méthode de contrôle par mode de
glissement pour stabiliser une pendule inversée équilibrée sur un robot mobile à
roues. Les auteurs proposent une commande de mode de glissement robuste pour
assurer une bonne performance de suivi de référence.

5. "Dynamic Modeling and Control of an Inverted Pendulum on a Cart" par J. S.

Baras et al. (2009) : Ce papier décrit la modélisation et la commande d'une pendule
inversée équilibrée sur un chariot. Les auteurs proposent une méthode de contrôle
de type inverse avec une commande proportionnelle-intégrale-dérivée (PID) pour
stabiliser le système.

6. "Design and Analysis of an Inverted Pendulum Control System with Fuzzy Logic
Controller" par M. H. Lee et al. (2008) : Cet article décrit une méthode de contrôle

3
flou pour stabiliser une pendule inversée équilibrée sur une roue. Les auteurs
proposent une commande floue basée sur les valeurs mesurées des angles et des
vitesses de la pendule.

7. "Nonlinear Robust Control of an Inverted Pendulum on a Wheeled Mobile Robot"

par X. Zhang et al. (2007) : Cet article décrit une méthode de contrôle non linéaire
robuste pour stabiliser une pendule inversée équilibrée sur un robot mobile à roues.
Les auteurs proposent une méthode de contrôle de type inverse avec une
commande non linéaire pour assurer la stabilité du système.

8. "Inverted Pendulum Control Using a Fuzzy Sliding Mode Controller" par M. I.

Fakhfakh et al. (2005) : Cet article décrit une méthode de contrôle combinant la
commande floue et la commande par mode de glissement pour stabiliser une
pendule inversée équilibrée sur une roue. Les auteurs proposent une commande
floue pour traiter les incertitudes du système, et une commande par mode de
glissement pour assurer une bonne performance de suivi de référence.

9. "Fuzzy logic control of an inverted pendulum on a wheeled mobile robot" par B.

Benaroua et al. (2003) : Cet article décrit une méthode de contrôle flou pour stabiliser
une pendule inversée équilibrée sur un robot mobile à roues. Les auteurs proposent
une commande floue basée sur la théorie de Mamdani pour contrôler la vitesse des
moteurs et assurer la stabilité du système.

10. “Linear and Nonlinear Control of an Inverted Pendulum on a Cart" par D. W.

Stansbery et al. (1992) : Cet article explore des méthodes de contrôle linéaire et non
linéaire pour stabiliser une pendule inversée équilibrée sur un chariot. Les auteurs
proposent une approche de commande linéaire basée sur la commande par retour
d'état et une approche de commande non linéaire basée sur le modèle inverse. Ils
comparent les performances des deux approches et discutent de leurs avantages et
inconvénients respectifs.

La pendule inversée équilibré sur une roue est utilisée dans diverses applications,
notamment dans les gyroscopes, les stabilisateurs de caméra, les systèmes de
navigation inertielle, les drones et les robots. Dans les gyroscopes, la pendule
inversée équilibrée sur une roue est utilisée pour détecter les mouvements de
rotation et maintenir la stabilité du système.

Dans les stabilisateurs de caméra, ce système est utilisé pour stabiliser l'appareil
photo et réduire les tremblements et les vibrations lors de la prise de vue. Dans les
systèmes de navigation inertielle, la pendule inversée équilibrée sur une roue est
utilisée pour mesurer les mouvements de rotation et calculer la position et la vitesse
du système.

En somme, la pendule inversée équilibrée sur une roue est un système mécanique
très utile et fascinant qui peut être utilisé dans de nombreuses applications.

4
Comprendre les principes qui sous-tendent ce système peut aider à améliorer les
performances et la stabilité de nombreux dispositifs technologiques.

Modélisation dynamique

La pendule inversée équilibrée sur une roue est un système mécatronique complexe
composé d'une roue et d'une tige avec un pendule inversé attaché à son extrémité.
Ce système est souvent utilisé comme exemple de système non-linéaire en raison
de son comportement instable et non-linéaire.

La roue est actionnée par un moteur électrique et peut tourner autour de son axe. La
tige est fixée à la roue et est maintenue en position verticale à l'aide d'un support. Le
pendule inversé est attaché à l'extrémité de la tige et peut se balancer librement
dans toutes les directions. Le but du système est de maintenir le pendule inversé en
position verticale, malgré les perturbations externes.

Modèle mathématique :

Wheel balanced inverted pendulum se compose d'un pendule et d'une roue d'inertie
rotative à son extrémité, comme le montre la figure. Le pendule n'est pas actionné et
le système est contrôlé par la rotation de la roue. Le modèle mathématique du
système pendulaire à roupe d'inertie est dérivé des équations de Lagrange.

La position du centre de gravité du pendule est définie par :

22\* MERGEFORMAT ()

5
 33\* MERGEFORMAT ()

Il est nécessaire d'exprimer l'énergie cinétique et l'énergie potentielle totale pour

générer la dynamique du système. L'énergie cinétique de chaque partie sera connue
à partir de la position et de la dérivée première du pendule, de la roue et du moteur à
courant continu.

44\* MERGEFORMAT ()

55\* MERGEFORMAT ()

66\* MERGEFORMAT ()

L'énergie cinétique totale s'écrit comme suit :

77\* MERGEFORMAT ()

88\*
MERGEFORMAT ()

Et l'énergie potentielle totale s'écrit sous forme :

99\*
MERGEFORMAT ()

Formulant le lagrangien comme suit:

1010\*
MERGEFORMAT ()

En appliquant les équations de Lagrange à la forme :

1111\*
MERGEFORMAT ()

Où qi et Qi sont respectivement les coordonnées généralisées et les forces du

système, et nous obtenons les équations du mouvement suivantes :

1212\*
MERGEFORMAT ()

6
 1313\*
MERGEFORMAT ()

On définit :

1414\*
MERGEFORMAT ()

Et :

1515\*
MERGEFORMAT ()

Nous obtenons ainsi :

1616\*
MERGEFORMAT ()

Cette dernière équation peut être écrite sous la forme :

1717\*
MERGEFORMAT ()

En remplaçant 14 dans (12), on obtient :

1818\*
MERGEFORMAT ()

1919\*
MERGEFORMAT ()

Les moteurs à courant continu sont couramment utilisés comme sous-système

d'actionnement de l'IWP. Ce sous-système fournit directement un mouvement rotatif
et, couplé aux roues, permet à l'IWP d'effectuer un mouvement. L'entrée de ce sous-
système est la source de tension va appliquer à l'induit du moteur, tandis que la
sortie est la vitesse de rotation ˙ θm = φ˙ et le couple τ. Le couple τ produit par un
moteur à courant continu est généralement proportionnel au courant d'induit i et à
l'intensité du champ magnétique. Supposons que le champ magnétique soit

7
constant, le couple du moteur est donc proportionnel au courant d'induit d'un facteur
constant km.

2020\* MERGEFORMAT ()

τ = kmi 2121\* MERGEFORMAT ()

La tension de force contre-électromotrice va être générée lorsque l'arbre est en

rotation. La rotation est proportionnelle à la vitesse angulaire de l'arbre par un facteur
constant ke.

2222\* MERGEFORMAT ()

En ligne avec la loi de tension de Kirchoff :

2323\* MERGEFORMAT ()

En considérant que la valeur de l'inductance L du moteur à courant continu est faible.

Elle est généralement très faible par rapport à la résistance R, et peut donc être
négligée.

La deuxième loi de Newton est utilisée pour la dynamique du moteur.

où bm est le facteur de frottement visqueux du moteur. En substituant (17) dans (21),

on obtient :

et substituant (20) dans (22).

En supposant que les facteurs de frottement visqueux des roulements sont très
faibles, nous pouvons les négliger et (23) devient

8
Supposons que :

θm = φ et τw = τ .

En définissant et ,

En remplacant (25) dans (15) et (16).

La réponse de système

9
La réponse initiale oscillatoire du système de pendule inversé en équilibre sur une
roue est probablement due aux perturbations initiales, telles que la force appliquée
pour faire bouger le système à partir de sa position initiale. En raison de la
dynamique complexe de ce système, il peut y avoir un certain temps d'ajustement
avant que le système ne se stabilise dans une position d'équilibre.

Une fois que le système a atteint cette position d'équilibre, il peut sembler presque
stable car il peut rester dans cette position pendant une période de temps
considérable sans tomber. Cependant, en raison de l'équilibre instable du système, il
peut être facilement perturbé et tomber si des forces extérieures sont appliquées.
Par conséquent, même si le système semble presque stable, il nécessite toujours
une certaine quantité d'énergie pour maintenir son équilibre, et il peut tomber à tout
moment si cette énergie est perturbée

10
Synthèse de la commande et de l’observateur :
Espace d'état du système dynamique
La représentation de l'espace d'état du système dynamique linéaire peut être écrite
comme suit :

où x est le vecteur d'état, u est l'entrée de commande sous forme de tension du

moteur à courant continu et y est le vecteur de sortie. D'après les équations
dynamiques, le système IWP comporte quatre éléments de stockage d'énergie. Les
éléments de stockage d'énergie sont l'angle du pendule (θ), la vitesse angulaire du
pendule ˙ θ , l'angle du volant (φ) et la vitesse angulaire du volant φ˙ . On observe
que l'angle de la roue a aucun influence sur la dynamique des autres variables d'état.
Cette variable d'état n'est donc pas considérée. Le vecteur d'état du système IWP
est écrit comme suit :

Le modèle espace-état subit une linéarisation approximative autour du point de

fonctionnement (x∗, u∗). Les matrices A et B sont calculées à partir des jacobiens du
système. Supposons que pendant que l'IWP se déplace, seules de petites déviations
dans la position angulaire θ ≈ 0. Cela signifie que nous pouvons linéariser autour
d'un point d'équilibre instable de sorte que le modèle sera plus approprié pour la
conception du régulateur. En utilisant ceci, les approximations se présentent comme
suit :

11
D’après les données numériques, les calculs sur Matlab donnent:

Le système est non-linéaire et instable, ce qui le rend difficile à contrôler. Dans les sections
suivantes, nous présenterons trois approches de commande différentes pour stabiliser le
système : LQR, LQG et filtre de Kalman.

LQR
Le régulateur quadratique linéaire (LQR) peut être appliqué lorsque l'on a dérivé un
modèle de système linéarisé représenté dans l'espace d'état. Ce contrôleur est une
méthode célèbre qui fournit des gains de rétroaction contrôlés de manière optimale
pour permettre la conception stable et performante du système en boucle fermée. Le
principe de l'utilisation de cette méthode LQR est d'obtenir un signal de contrôle
optimal à partir du retour d'état.

où K est le vecteur de gain de rétroaction. Le contrôleur peut stabiliser le système en

choisissant un gain K qui minimise la fonction de coût quadratique (J).

12
Où Q est la matrice de pondération de l'état et R la matrice de pondération de
l'entrée.

Pour le système donné, la matrice de pondération Q possible est:

Le vecteur de gain de contrôle est obtenu à l'aide de l’équation suivante :

où P est la matrice définie positive qui satisfait à l'équation de Riccati algébrique

(ARE).

Où A, B, Q et R sont les matrices du système et de la fonctionnelle de coût définies

précédemment.

Les performances du LQR dépendent fortement de la pondération des matrices Q et

R. Les méthodes utilisées pour ajuster les éléments de la matrice pondérée ne sont
pas abordées dans la présente recherche. Néanmoins, les méthodes utilisées pour
ajuster les éléments de la matrice pondérée dépassent le cadre de la présente
recherche. Un réglage par tâtonnement a été utilisé lorsque les faits montrent que
plus la valeur du poids est élevée, plus nous pénalisons le signal associé à cet
élément de poids.

13
La reponse de LAR

Le régulateur quadratique linéaire (LQR) est une technique de commande qui utilise
une fonction coût quadratique pour déterminer la commande optimale pour un
système. Dans le cas de la réponse de ce système de pendule inversé en équilibre
sur une roue, l'utilisation de la technique LQR permet de stabiliser le système et de
réduire les oscillations.

14
Plus précisément, la réponse LQR pour ce système est une commande de retour
d'état qui utilise la mesure de l'état actuel du système pour calculer la commande
optimale. Cette commande optimale est déterminée en minimisant une fonction coût
quadratique qui est une combinaison pondérée de l'erreur d'état et de l'effort de
commande.

La réponse LQR pour ce système permet de stabiliser le pendule inversé en

équilibre sur une roue et de réduire les oscillations autour de la position d'équilibre.
La commande optimale est calculée en temps réel en utilisant les mesures de l'état
actuel du système, de sorte que le système est toujours sous contrôle.

Alors , la réponse LQR pour ce système est une commande de retour d'état qui
permet de stabiliser le système et de réduire les oscillations en temps réel. Cette
commande optimale est déterminée en minimisant une fonction coût quadratique qui
prend en compte l'erreur d'état et l'effort de commande

Filtre de Kalman
Le filtre de Kalman est utilisé pour estimer l'état du système à partir des mesures de
la position et de la vitesse. Le filtre de Kalman utilise une prédiction de l'état futur du
système et la compare aux mesures actuelles pour déterminer la meilleure
estimation de l'état.

Le filtre de Kalman utilise deux modèles mathématiques pour décrire l'évolution du

système : le modèle d'état et le modèle de mesure. Le modèle d'état décrit comment
l'état du système évolue avec le temps et le modèle de mesure décrit comment les
mesures de la position et de la vitesse sont affectées par l'état du système.

Le filtre de Kalman est conçu à l'aide de la fonction kalman de MATLAB. La matrice

de gain du filtre de Kalman est obtenue en résolvant l'équation d'algèbre linéaire
suivante :

où est la matrice de solution de l'équation de Riccati pour le filtre de Kalman, est la

matrice de covariance du bruit du modèle d'état et est la matrice de covariance du
bruit de mesure.

En utilisant les valeurs de P, A et B données précédemment et en supposant que R =

0.1, on peut calculer K comme suit en utilisant MATLAB :

15
- Le filtre de Kalman permet d'estimer l'état du système à partir de mesures bruitées.
de l'état, l'estimation de l'état converge rapidement vers la valeur réelle de l'état,
même lorsque les mesures sont bruitées. Cela montre l'efficacité du filtre de Kalman
dans l'estimation de l'état.

Cas réaliste
Le pendule inversé sur une roue peut être utilisé dans les robots mobiles, notamment
les robots d'exploration de planètes ou d'autres environnements hostiles. Dans de
tels environnements, les robots doivent être capables de se déplacer sur des
surfaces irrégulières et instables, ainsi que de maintenir leur équilibre en tout temps.

Un exemple d'application concrète de ce type de robot est le robot "Rover" de la

NASA, qui a été utilisé pour explorer Mars. Le Rover est équipé d'un pendule inversé
sur une roue pour maintenir son équilibre sur les terrains accidentés de la planète
rouge.

Dans le cadre de ce projet, une étude de cas réaliste pourrait consister à simuler le
mouvement d'un robot Rover équipé d'un pendule inversé sur une roue, sur une
surface avec des obstacles et des inclinaisons variées. Le but serait de déterminer
les paramètres optimaux du contrôleur pour assurer une stabilité maximale et un
mouvement efficace du robot dans des conditions difficiles.

Une telle étude pourrait également être étendue pour inclure des éléments tels que
la localisation et la cartographie, en utilisant des capteurs tels que des caméras et
des capteurs LIDAR pour naviguer dans l'environnement et éviter les obstacles. Cela
permettrait de développer des robots d'exploration plus autonomes et efficaces pour
les missions spatiales et autres applications similaires.

Conclusion

En conclusion, nous avons étudié la conception et la mise en œuvre d'un régulateur

LQR/LQG-Kalman pour une pendule inversée équilibrée sur une roue. Nous avons
commencé par décrire le système et en développant les équations de la dynamique
du système. Ensuite, nous avons présenté la conception du régulateur en utilisant

16
les méthodes LQR/LQG et Kalman. Nous avons également présenté
l'implémentation du régulateur dans MATLAB et , ainsi que les résultats de simulation
obtenus. Enfin, nous avons analysé les résultats de simulation et interprété les
performances du régulateur.

Les études ont montré que le régulateur LQR/LQG-Kalman conçu a réussi à

stabiliser la position de la pendule inversée équilibrée sur une roue, malgré les
perturbations de l'environnement. De plus, le régulateur a réussi à régler la vitesse
de rotation de la roue pour maintenir la position de la pendule inversée équilibrée.
Les performances du régulateur ont été évaluées à l'aide de divers indicateurs de
performance, notamment le temps de stabilisation, le temps de montée et le
dépassement. Les résultats ont montré que les performances du régulateur étaient
satisfaisantes et conformes aux spécifications de conception.

En conclusion, la conception et la mise en œuvre d'un régulateur LQR/LQG-Kalman

pour une pendule inversée équilibrée sur une roue ont été étudiées. Les résultats de
simulation ont montré que le régulateur conçu était capable de stabiliser la position
de la pendule inversée équilibrée sur une roue et de réguler la vitesse de rotation de
la roue pour maintenir la position de la pendule inversée équilibrée. Le régulateur a
démontré des performances satisfaisantes en termes de temps de stabilisation,
temps de montée et dépassement. Ce travail peut être amélioré en utilisant d'autres
méthodes de régulation pour le système et en étudiant les performances de
régulation pour des conditions de fonctionnement plus complexes.

[1] Loveikin, V.S., Romasevich, Y.A. & Khoroshun, A.S. Optimal Stabilization Control
of an Inverted Pendulum with a Flywheel. Part 1. Int Appl Mech 56, 462–470 (2020)

https://doi.org/10.1007/s10778-020-01029-3

17