NOUDJEU Template UDs

REPUBLIQUE DU CAMEROUN REPUBLIC OF CAMEROON
PAIX-TRAVAIL-PATRIE PEACE-WORK-FATHERLAN
********** **********
UNIVERSITE DE DSCHANG UNIVERSITY OF DSCHANG
********** **********
ECOLE DOCTORALE POST GRADUATE SCHOOL
DSCHANG SCHOOL OF SCIENCE AND TECHNOLOGY

Unité de Recherche d’Ingénierie des Systèmes Industriels et de l’Environnement (UR-ISIE)
SUJET:
Etude d’un bras pendulaire excité par un signal neuronal

généré par microcontrôleur
Mémoire soutenu publiquement en vue de l’obtention du diplôme de
Master en Physique
Option : Électronique Électrotechnique et Automatique (EEA)
Spécialité: Électronique
par
NOUDJEU SILATCHOM Joël Gaı̈tan

Matricule: CM-UDS-18SCI0230
Licence en physique
Sous la direction de:
NWAGOUM TUWA Péguy Roussel

Chargé de Cours
Le 24 Juillet 2023 devant le jury suivant :
Président
(KAMMOGNE Alain Professeur University of Dschang)
Directeur
(NWAGOUM TUWA Péguy Chargé de cours University of Dschang)
Examinateur
(SAHA Beaudelaire Chargé de cours University of Dschang)
Année académique 2022/2023

Fiche de certification de l’originalité du travail
Je soussigné, M. NOUDJEU SILATCHOM Joël Gaı̈tan, étudiant en Master 2, option Electronique-

Electrotechnique-Automatique (E.E.A) au Département de Physique, Faculté des Sciences de l’Université
de Dschang, atteste que le présent Mémoire intitulé ”Etude d’un bras pendulaire excité par un
signal neuronal généré par microcontrôleur” effectué à l’unité de Recherche d’Ingénierie des
Systèmes Industriels et de l’Environnement (UR-ISIE) sous la direction de Dr. NWAGOUM
TUWA Péguy est le fruit de mes propres travaux de recherches.
Ce Mémoire est authentique et n’a jamais été présenté pour l’obtention d’un quelconque
diplôme ou grade universitaire.
Le candidat :
NOUDJEU SILATCHOM Joël Gaı̈tan
Date .............................................
Le Directeur :
Dr. NWAGOUM TUWA Péguy
Date .............................................
Le Chef de Département:
Pr. KUETCHE KAMGANG Victor
Date .............................................
i
Attestation de correction
Nous, les soussignés, attestons que le Mémoire intitulé ”Etude d’un bras pendulaire excité par
un signal neuronal généré par microcontrôleur” soumis au Département de Physique de l’Université
de Dschang en vue de l’obtention de diplôme de Master option Electronique-Electrotechnique-
Automatique (E.E.A), a été revu et corrigé conformément aux observations du jury.
Les membres du jury :
Le Rapporteur : Le Président : Le Membre :
Dr. NWAGOUM TUWA Pr. KAMMOGNE SOUP Dr. SAHA TCHINDA

Péguy Tewa Alain Beaudelaire
Date ...................................... Date ................................ Date ................................
Le Chef de Départment :
Pr. KUETCHE KAMGANG Victor
Date ......................................
ii
Dédicace
A mes parents M. SILATCHOM Taboko et Mme NANA Odette pour leurs soutiens
multiformes.
iii
Remerciements
Ce travail n’aurait pas vu le jour sans la contribution d’un certain nombre de personnes. A cet
effet, je tiens à exprimer ma profonde gratitude et mes remerciements les plus sincères au :
• Pr. KUETCHE KAMGANG Victor, Chef du Département de Physique à l’Université de

Dschang, pour toute les stratégies mises en place pour le fonctionnement du dit Département.
• Dr. NWAGOUM TUWA Péguy Roussel, mon encadreur pour sa disponibilité, les conseils
qu’il n’a cessé de me prodiguer. Je tiens à exprimer à votre égard docteur, ma profonde
reconnaissance pour la belle initiation à la recherche reçue de votre part. Merci docteur.
• Pr. TCHINDA René, Chef de l’unité de recherche d’Ingénierie des Systèmes Industriels et
de l’Environnemnt à L’IUT-FV, pour le précieux encadrement reçue de votre part. L’activité
de recherche m’a semblé ludique à vos côtés.Merci professeur.
• Messieurs les membres du Jury: Pr.KAMMOGNE SOUP Tewa Alain, Dr. SAHA
BEAUDELAIRE, Dr. NWAGOUM TUWA Péguy, pour l’intérêt qu’ils ont manifesté à
l’égard de ce travail en acceptant de l’évaluer.
• Pr. NOUBISSIE Samuel, Chef du Département de EGS à L’IUT-FV, pour le précieux
encadrement reçue de votre part. L’activité de recherche m’a semblé ludique à vos côtés. La
grâce m’a été accordée de bénéficier de votre expertise. Merci professeur.
• Je tiens à remercier tous les enseignants du département de physique de l’université de
Dschang, en particulier Dr. NGOUABO Ulrich, qui n’a cessé de m’encourager et de me
prodiguer des conseils tout au long de ce travail de recherche.
• Je remercie tous les chercheurs de Master 2 de cette promotion, pour leurs conseils leurs
soutiens et encouragements tout au long de ce travail.
• Je remercie ma très chère grande sœur BOSSI Nina pour ses encouragements et soutiens
multiformes.
iv
Table des matières
Fiche de certification de l’originalité du travail . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . i
Attestation de correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ii
Dédicace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . iii
Remerciements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . iv
Table de matières v
Liste des Figures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ix
Résumé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xi
Titre en anglais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xii
Abstract . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xiii
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
0.1 Contexte de l’étude . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
0.2 Question de recherche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
0.3 Hypothèses de recherche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
0.4 Objectifs de recherche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
v
Chapitre 1 : Revue de la littérature . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1 Familiarité avec le sujet et contexte scientifique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.1 Le neurone biologique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.2 Caractéristiques des signaux neuronaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2 Développement du cadre théorique et méthodologique pour notre recherche . . . . . . . 10
1.2.1 Modélisation du neurone . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.2.1.1 Nature électrique et chimique . . . . . . . . . . . . . . . . . . . 10
1.2.1.2 Modèle mathématique . . . . . . . . . . . . . . . . . . . . . . 12
1.2.2 Modélisation du bras pendulaire soumis à une excitation quelconque . . . . . . . 14
1.3 Positionnement de l’étude par rapport aux travaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.3.1 Excitation par impulsions mécaniques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.3.2 Excitation par champs électromagnétiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.3.3 Excitation par signal électrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.4 Contributions attendues aux connaissances et à la littérature dans le domaine . . . . . . 19
1.4.1 La neuroprothèse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.4.2 Le contrôle moteur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
Chapitre 2 : Matériels et méthodes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.1 Caractéristiques générales du système d’étude . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.1.1 Le microcontrôleur Arduino . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.1.2 Le convertisseur MCP4725 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.1.3 Le capteur MPU6050 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.1.4 Le bras pendulaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.1.5 L’oscilloscope numérique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
vi
2.1.6 L’alimentation symétrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.2 Développement du cadre méthodologique d’analyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.2.1 Formalismes mathématiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.2.1.1 Le théorème de Laplace . . . . . . . . . . . . . . . . . . . . . . 28
2.2.1.2 Théorème de Lorentz . . . . . . . . . . . . . . . . . . . . . . . 29
2.2.1.3 Relation fondamentale de la dynamique . . . . . . . . . . . . . 29
2.2.1.4 Lois des nœuds . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.2.1.5 Lois des mailles . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.2.2 Méthodes numériques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.2.3 Principes de base des techniques de simulation analogique . . . . . . . . . . . . . . . . . 31
2.2.3.1 L’amplificateur opérationnel . . . . . . . . . . . . . . . . . . . 31
2.2.3.2 Transistor bipolaire . . . . . . . . . . . . . . . . . . . . . . . . 32
2.3 Justification du choix de la méthode par rapport à d’autres techniques existantes . . . 36
Chapitre 3 : Résultats et Discussions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.1 Présentation des résultats obtenus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.2 Discussion des résultats obtenus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.2.1 Interprétation des résultats et positionnement par rapport à la littérature exis-

tante : dynamique du Hindmarsh-Rose. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.2.1.1 Présentation du système de Hindmarsh-Rose . . . . . . . . . . . 39
3.2.1.2 Résultats numériques. . . . . . . . . . . . . . . . . . . . . . . . 40
3.2.1.3 Résultats analogiques . . . . . . . . . . . . . . . . . . . . . . . 42
3.2.1.4 Résultats expérimentaux . . . . . . . . . . . . . . . . . . . . . . 45
vii
3.2.2 Excitation du bras pendulaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.2.2.1 Résultats numériques du système électromécanique . . . . . . . 47
3.2.2.2 Résultats expérimentaux du système électromécanique . . . . . 49
3.2.3 Validité des résultats obtenus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
Conclusion et perspectives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
Réferences bibliographiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
viii
Table des figures
Figure 1 : Illustration des bras pendulaires [snmcranes.com]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
Figure 2 : Schéma d’un neurone biologique [Nathalie Corson.,2010]. . . . . . . . . . . . . . . . . . . . . . 6
Figure 3 : Concentration ionique au tour de la membrane neuronale au repos [Nathalie

Corson.,2010]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
Figure 4 : Schéma d’un canal ionique au cœur de la membrane d’un neurone [Nathalie
Corson.,2010]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
Figure 5 : La membrane cellulaire vue comme une pile électrique [Nathalie Corson.,2010]. . 9
Figure 6 : Composants de base des modèles de type Hodgkin-Huxley [Nathalie Corson.,2010].

11
Figure 7 : Mécanisme du bras pendulaire. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
Figure 8 : Neuroprothèse vestibulaire et de la pensée [Les Scientifines]. . . . . . . . . . . . . . . . . . 20
Figure 9 : Prothèse des membres externes [L’IAAF se prothèse]. . . . . . . . . . . . . . . . . . . . . . . . . 20
Figure 10 : Exemple de contrôle moteur [PHOTO :EPF/ALAIN HERZOG]. . . . . . . . . . . . . . 21
Figure 11 : Description des entrées/sorties de la carte Arduino Mega 2560. . . . . . . . . . . . . . . 24
Figure 12 : Le convertisseur MCP4725. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
Figure 13 : Capteur MPU6050. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
Figure 14 : Bras mécanique. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
Figure 15 : Oscilloscope numérique. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
Figure 16 : Alimentation. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
ix
Figure 17 : AOP en montage suiveur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
Figure 18 : Transistor NPN et PNP. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
Figure 19 : Amplificateur complémentaire push pull. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
Figure 20 : Montage à T2 bloqué. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
Figure 21 : Montage à T1 bloqué. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
Figure 22 : Circuit d’amplification . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
Figure 23 : Schéma synoptique du dispositif électromécanique. . . . . . . . . . . . . . . . . . . . . . . . . . 38
Figure 24 : Diagramme de bifurcation (a) et Exposant de Lyapunov (b) en fonction du

paramètre I. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
Figure 25 : Présentation des traces temporelles obtenus numériquement. . . . . . . . . . . . . . . . . . 42
Figure 26 : Circuit analogique réalisé dans Proteus. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
Figure 27 : Présentation des traces temporelles obtenus sur Proteus. . . . . . . . . . . . . . . . . . . . . . 44
Figure 28 : Implémentation expérimental du modèle de Hindmarsh-Rose. . . . . . . . . . . . . . . . 45
Figure 29 : Présentation des traces temporelles obtenus expérimentalement. . . . . . . . . . . . . . . 46
Figure 30 : Evolution des mouvements du bras mécanique. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
Figure 31 : Montage expérimentale du système électromécanique couplé. . . . . . . . . . . . . . . . . 49
Figure 32 : Concordance qualitative des deux signaux. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
x
Résumé
Contexte et objectifs : Les techniques d’excitation des bras pendulaires ont connu de grand progrès
ces dernières années. Celles-ci visent à automatiser les processus de fabrication et à améliorer la
précision des machines. Les bras pendulaires peuvent être utilisés dans les variétés d’application
tels que les systèmes de contrôle d’accès, les équipements de manutentions matériels et les robots
industriels. Comme les mouvements des robots se rapprochent progressivement des mouvements
humains, les signaux neuronaux sont alors sollicités pour leur excitation. C’est ainsi que nous nous
proposons dans ce mémoire d’étudier un bras pendulaire excité par un signal neuronal généré par
microcontrôleur.
Méthodologie : Dans le but d’étudier un bras pendulaire excité par un signal neuronal, nous avons
meublé notre travail sur trois principaux points : la modélisation mathématique d’un neurone bio-
logique, la modélisation mathématique d’un bras pendulaire soumis à une excitation et le couplage
entre le signal d’excitation neuronal et le bras mécanique.
Résultats : Dans le cadre de nos travaux, nous avons tout d’abord obtenu les résultats relatifs à
la modélisation d’un neurone biologique, permettant ainsi de mieux appréhender le comportement
du cerveau. Par la suite, nous avons fait l’étude d’un bras pendulaire soumis à une excitation dans
le but de comprendre comment le bras pendulaire réagit suite à une excitation. Enfin réaliser un
couplage entre le signal d’excitation neuronal et le bras mécanique.
Conclusion : Ce mémoire de master porte sur l’étude d’un bras pendulaire excité par un signal neu-
ronal généré par microcontrôleur. Notons que les bras pendulaires excités à l’aide des signaux neu-
ronaux peuvent être utilisés en neuroscience pour développer les prothèses robotiques contrôlées
par le cerveau ou pour contrôler les troubles neurologiques qui affectent le contrôle moteur.
Mots clés : excitation des bras pendulaires, signaux neuronaux, microcontrôleur, couplage, neu-
roscience, prothèses robotiques.
xi
Titre en anglais
Study of a pendulum arm excited by a neural signal

generated by a microcontroller
xii
Abstract
Context and objectives : Pendulum arm excitation techniques have made great progress in recent
years. These aim to automate manufacturing processes and improve machine precision. Jib arms
can be used in a variety of applications such as access control systems, material handling equipment
and industrial robots. As the movements of the robots gradually approach human movements, the
neural signals are then solicited for their excitation. This is how we propose in this thesis to study
a pendular stocking excited by a neural signal generated by a microcontroller.
Methodology : In order to study a pendulum arm excited by a neuronal signal, we furnished our
work on three main points : the mathematical modeling of a biological neuron, the mathemati-
cal modeling of a pendular arm subjected to an excitation and the coupling between the neural
excitation signal and the mechanical arm.
Results : As part of our work, we first obtained the results relating to the modeling of a biological
neuron, thus allowing us to better understand the behavior of the brain. Subsequently, we studied
a pendulum arm subjected to an excitation in order to understand how the pendulum arm reacts
following an excitation. Finally perform a coupling between the neural excitation signal and the
mechanical arm.
Conclusion : This master’s thesis focuses on the study of a pendular arm excited by a neural signal
generated by a microcontroller. Note that pendular arms excited using neural signals can be used
in neuroscience to develop robotic prostheses controlled by the brain or to control neurological
disorders that affect motor control.
Keywords :pendulum arm excitation, neural signals, microcontroller, coupling, neuroscience, ro-
botic prostheses.
xiii
Introduction
0.1 Contexte de l’étude
Un pendule est un système oscillant qui, écarté de sa position d’équilibre, y retourne en décrivant
des oscillations sous l’effet d’une force, par exemple le poids d’une masse. En d’autres termes, un
pendule est un objet qui se balance de façon régulière et périodique. Il est généralement constitué
d’un corps suspendu à un bras pendulaire, qui peut être une barre, une corde ou un fil. Le mou-
vement du pendule est produit par la force de gravité et sa période dépend de la longueur du bras
pendulaire. Les bras pendulaires sont des dispositifs mécaniques permettant d’effectuer des tâches
spécifiques en occurrence celles les plus pénibles (figure 1).
F IGURE 1: Illustration des bras pendulaires [snmcranes.com].
Ils sont largement utilisés dans le monde industriel pour automatiser les processus de fabrication,
améliorer l’efficacité et la précision des machines, et réduire les coûts de production. Ils peuvent
être trouvés dans une variété d’applications, telles que les robots industriels, les équipements de
manutention de matériel, les systèmes de contrôle d’accès, et bien plus encore.
Vue l’importance des bras pendulaires dans le monde industriel, les techniques d’excitation
de ceux-ci ont connu une évolution remarquable ces dernières années. c’est ainsi que, Nana et
al.(Nana et al., 2017) ont réalisé une étude théorique et expérimentale d’un système électromécanique
1
Introduction Générale 2
composé d’un pendule physique avec des aimants répulsifs et excité à l’aide d’un moteur à cou-
rant continu. Bien que cette étude ait eu un grand impact dans la compréhension des systèmes non
linéaires associés aux bras pendulaires, Wojna et al. (Wojna et al., 2018) ont montré que l’aug-
mentation de l’angle d’inclinaison de l’excitation entraine une augmentation du comportement non
linéaire. Outre ces analyses expérimentales, il a été montré par Simo et al.(Simo et al., 2019) qu’un
bras pendulaire peut être excité à l’aide d’un circuit RLC non linéaire. Bien que l’utilisation des
circuits RLC favorise l’étude des comportements non linéaires, leurs limites notamment les bruits
dus aux variations des composants électroniques affectent considérablement les résultats. C’est
ainsi que Kadjie et al. (Kadjie et al., 2022) montrent que l’excitation d’un bras pendulaire peut se
faire à l’aide d’un microcontrôleur en utilisant la jonction de Josephson Shunté.
L’utilisation du microcontrôleur permet d’avoir un dispositif électronique embarqué qui va re-

produire le comportement d’un robot. Et comme les mouvements des robots se rapprochent pro-
gressivement des mouvements humains, les signaux neuronaux sont sollicités pour l’excitation
de ces derniers. C’est le cas de l’oscillateur de Hindmarsh-Rose étudié par Ngouonkadi et al.
(Ngouonkadi et al., 2016). En outre, le comportement électrique des signaux neuronaux étudié
par Haken (Haken, 2008) permet de mieux comprendre le fonctionnement du cerveau.
0.2 Question de recherche
Au regard des différentes méthodes d’excitation des systèmes électromécaniques, et le rap-

prochement de la robotique aux organismes humains, nous nous posons la question de savoir,
comment peut-on exploiter les signaux neuronaux et la technologie des microcontrôleurs
pour améliorer la qualité de vie des personnes atteintes de troubles moteurs ou neurolo-
giques ?
0.3 Hypothèses de recherche
Nous réaliserons un test expérimental sur la base des hypothèses suivantes :
• Le dispositif expérimental possède deux parties : une électrique et l’autre mécanique.
Master en Physique NOUDJEU Joël

• La partie électrique est constituée d’une bobine excitée par le signal provenant d’un micro-
contrôleur.
• La partie mécanique est constitué d’un bras pendulaire.
• Le couplage entre les deux parties du système est réalisé à travers la force électromagnétique
due aux aimants permanents qui crée une force de Laplace au niveau de la partie mécanique
et une force électromotrice selon la loi de Lentz dans la partie électrique.
0.4 Objectifs de recherche
Dans le cadre de nos travaux, nous visons à étudier le comportement d’un bras pendulaire lors-
qu’il est excité par un signal neuronal généré à partir d’un microcontrôleur. Pour arriver à cela,
nous devons être capable de :
• Comprendre et ressortir les équations régissant la dynamique d’un bras électromécanique

pendulaire soumis à une excitation.
• Utiliser les outils de l’analyse numérique pour ressortir la dynamique de ce système électromécanique.
• Comprendre et simuler un système dynamique à l’aide de circuits digitaux tel que le micro-
contrôleur Arduino.
• Comprendre le fonctionnement des équipements de mesures et d’analyse expérimentales.
• Réaliser le montage expérimental et faire l’acquisition de données et les comparer aux

résultats numériques.
Pour rendre nos idées plus claires sur ce sujet de recherche, nous avons structuré ce travail
en trois chapitres. Le chapitre 1 présente la revue de la littérature qui permet de fixer le lec-
teur sur les notions de base concernant les signaux neuronaux, la compréhension des systèmes
électromécaniques ainsi que ses applications et l’état de l’art sur les travaux effectués dans cet axe
de recherche. Les matériels et méthodes utilisés font objet du chapitre 2, où nous présentons les
méthodes d’analyse numérique et expérimentale ainsi que les matériels utilisés pour l’étude d’un

bras pendulaire excité par un signal neuronal. Le chapitre 3 est réservé aux résultats et discussions,
dans ce chapitre nous présentons les résultats de l’étude complète d’un système électromécanique :
le bras pendulaire excité à l’aide d’un signal neuronal puis une discussion de ces résultats. Ce tra-
vail s’achève par une conclusion générale où nous faisons un bref aperçu des résultats obtenus, des
difficultés rencontrées et donnons quelques perspectives par rapport aux travaux futurs.

C HAPITRE 1
R EVUE DE LA LITT ÉRATURE
Les systèmes électromécaniques sont largement utilisés dans le monde industriel pour automa-
tiser les processus de fabrication, améliorer l’efficacité et la précision des machines. Les systèmes
électromécaniques sont des dispositifs qui combinent deux parties, une électrique et l’autre mécanique.
La partie mécanique d’un système électromécanique permet de reproduire un mouvement généré
par la partie électrique et peut donc être assimilé à un robot qui est une machine ou objet pro-
grammé pour exécuter des tâches préalablement définies. Ces objets (robots) peuvent également ef-
fectuer des déplacements similaires aux déplacements humains et ont donc besoin d’être équilibré
et stable. L’étude de cette stabilité peut se faire à l’aide d’un double et triple pendule inversé étudié
par Omran (Omran, 2013). Il montre comment les bras pendulaires peuvent servir de modèle de
robot et par conséquent reproduire le comportement humain ceci à partir des signaux neuronaux
présenté par Lesueur (Lesueur-Grand, 2017). C’est donc dans cette logique des choses que dans
ce chapitre nous nous intéressons d’abord à la généralité sur les neurones ensuite ses applications
dans la vie courante et en fin à la généralité sur l’excitation des bras pendulaires.
1.1 Familiarité avec le sujet et contexte scientifique
1.1.1 Le neurone biologique
Le mot neurone, d’origine grecque, désigne l’unité fondamentale du système nerveux. Les neu-
rones sont des cellules qui transmettent des informations entre le cerveau et d’autres parties du
système nerveux central. Malgré une diversité de dimensions et de formes, ces unités fondamen-
tales sont toutes des cellules nerveuses constituées d’un corps cellulaire, dont la taille varie de 4µ
5
Revue de la littérature 6
à 130µm, prolongé d’un côté par des dendrites et de l’autre par un axone, lui-même prolongé par
des terminaisons axonales (figue 2).
F IGURE 2: Schéma d’un neurone biologique [Nathalie Corson.,2010].
Comme toute cellule, un neurone est constitué d’un cytoplasme, d’un noyau et d’une membrane
plasmique.
• Dans le cytoplasme se trouvent des organites cellulaires, entourés ou non d’une membrane,
flottant dans un liquide appelé cytosol et ayant chacun des fonctions propres.
• Le noyau est indispensable à la vie. C’est lui qui contient la majeure partie de l’information
héréditaire. Cette information est contenue dans un fin réseau de filaments, la chromatine,
qui donne naissance, en se condensant, aux chromosomes. Le noyau se trouve en général
presque au centre de la cellule et est enveloppé dans une membrane, la membrane nucléaire,
qui est perforée de trous appelés pores nucléaires. Ces pores sont les lieux de passage, entre
le noyau et le cytoplasme.
• La membrane cellulaire, ou membrane plasmique, délimite le contour des cellules et donc

le contour de tout le neurone, des dendrites aux terminaisons axonales. Elle se compose
d’une double couche de molécules lipidiques possédant une tête hydrophile et une queue
hydrophobe.

• Les dendrites constituent des prolongements du corps cellulaire. Au niveau des dendrites,
et aussi du corps cellulaire, se trouvent les jonctions où les informations provenant d’autres
neurones sont reçues. Les dendrites augmentent donc la surface membranaire disponible
pour l’arrivée de ces informations.
• L’axone est un prolongement unique qui provient du corps cellulaire. Sur son trajet, l’axone
peut donner naissance à des branches collatérales. La longueur de l’axone est variable, at-
teignant parfois un mètre. Il peut aussi être très court et entrer presque immédiatement en
liaison avec d’autres cellules. L’axone se termine par de petits renflements (terminaisons
axonales).
• La synapse est un petit espace à l’extrémité d’un neurone qui permet à un signal de passer
d’un neurone à l’autre. Les synapses se trouvent là où les neurones se connectent à d’autres
neurones.
Dès la fin du XVIIIème siècle, Galvani montrait que l’information nerveuse était de nature
électrique. Il contractait en effet un muscle en appliquant un courant électrique sur son nerf. Au
début du XXème siècle, Adrian démontrait la nature du message nerveux spontané et le fait qu’une
contraction musculaire s’accompagne d’une activité électrique. La nature électrique du neurone
se manifeste par la présence de charges électriques à l’intérieur et à l’extérieur de la cellule. En
effet, Le milieu intracellulaire, tout comme le milieu extracellulaire contient de nombreuses par-
ticules chargées positivement ou négativement. Ces deux secteurs sont séparés l’un de l’autre par
la membrane plasmique. La répartition des charges entre ces deux milieux est différente (figure
3) et joue un rôle fondamental dans la fonction cellulaire. L’inégalité des ions autour de la mem-
brane plasmique explique la création d’un potentiel membranaire. Les ions potassium sont les ions
préférentiels du milieu intracellulaire, les ions sodium et chlore sont ceux du milieu extracellulaire.

F IGURE 3: Concentration ionique au tour de la membrane neuronale au repos [Nathalie Cor-

son.,2010].
Lorsqu’un stimulus suffisamment fort arrive sur les dendrites, il provoque une dépolarisation
locale de la membrane qui entraı̂ne l’ouverture des canaux ioniques. Il existe donc deux types de
canaux : les canaux ouverts (figure 4) et les canaux à conductances variables (figure 5). La figure
5 montre que la membrane neuronale peut être considérée comme une pile électrique, dont le pôle
négatif serait situé à l’intérieur de la cellule et le pôle positif à l’extérieur. Dans cette analogie, les
canaux ioniques peuvent être vus comme des résistances variables en fonction de leur ouverture
ou fermeture.
F IGURE 4: Schéma d’un canal ionique au cœur de la membrane d’un neurone [Nathalie Cor-
son.,2010].

F IGURE 5: La membrane cellulaire vue comme une pile électrique [Nathalie Corson.,2010].
Comme la plupart des canaux ont une perméabilité significativement plus élevée pour un ion
en particulier, Hodgkin et Huxley ont identifié que, certains canaux sont sélectifs au sodium, au
calcium, au potassium ou au chlore, tandis que d’autres sont moins sélectifs. La circulation des
ions à travers la membrane cellulaire dépend de la conductance g, des canaux, qui correspond à sa
perméabilité au passage des ions. Ainsi, la quantité d’ions qui circulent à travers les canaux dépend
à la fois du nombre de canaux, et de la probabilité d’ouverture d’un canal.
1.1.2 Caractéristiques des signaux neuronaux
Les signaux neuronaux sont des informations se propageant dans les neurones. Ces informations
présentent les caractéristiques suivantes :
• Fréquence : la fréquence des signaux neuronaux est mesurée en hertz (Hz) et représente le
nombre de fois que l’impulsion électrique se répète par seconde. Les signaux neuronaux
peuvent avoir une fréquence allant de quelques hertz à plusieurs centaines de hertz.
• Amplitude : l’amplitude des signaux neuronaux représente la force ou l’intensité de l’impul-

sion électrique. Elle est mesurée en volts (V) et peut varier considérablement d’un signal à
l’autre.
• Forme d’onde : la forme d’onde des signaux neuronaux peut varier en fonction du type de
neurone et de la région du cerveau où il se trouve. Certains signaux peuvent avoir une forme
d’onde régulière, tandis que d’autres peuvent être plus irréguliers.
• Durée : la durée des signaux neuronaux peut varier considérablement, allant de quelques
millisecondes à plusieurs secondes.

• Polarité : les signaux neuronaux peuvent être polarisés positivement ou négativement en

fonction de la direction du flux d’électrons dans le neurone.
• Intervalle inter-spike : cet intervalle mesure le temps entre deux pics successifs dans un signal
neuronal et peut fournir des informations sur la synchronisation entre les différents neurones
dans un réseau neuronal. Dans l’ensemble, les caractéristiques des signaux neuronaux sont
importantes pour comprendre comment les informations sont transmises et traitées dans le
cerveau.
1.2 Développement du cadre théorique et méthodologique pour

notre recherche
Dans cette section, nous présentons la modélisation d’un neurone biologique et d’un bras pen-
dulaire.
1.2.1 Modélisation du neurone
1.2.1.1 Nature électrique et chimique
Comme énoncé précédemment, la transmission de l’information à travers un neurone se fait de

façon électrique et chimique. En effet, dans la membrane d’un neurone se trouvent des canaux
ioniques permettant une circulation d’ions entre l’extérieur et l’intérieur de celui-ci. Certains de
ces canaux permettent le passage de tous les ions à tout moment, tandis que d’autres sont sélectifs
à certains ions et peuvent être en position ouverte ou fermée.
• Cinétique des ions dans un neurone
Le modèle de Hodgkin-Huxley propose des équations différentes pour les conductances des
canaux à sodium et à potassium. Lorsque les canaux ioniques sont fermés, les ions ne peuvent
pas passer de part et d’autre de la membrane. Mais lorsqu’ils sont activés, chaque canal ionique
devient un passage ouvert par lequel les ions traversent la membrane cellulaire. Ce passage d’ions,
qui n’est ni plus ni moins qu’une information traversant la membrane cellulaire, se fait dans le

sens du gradient électrochimique de l’ion concerné. Afin de reproduire cette cinétique, Hodgkin et
Huxley ont donné une relation probabiliste de l’ouverture et de la fermeture des canaux.
βn
1−n = n (1)
αn
où n est la probabilité qu’un canal potassium soit ouvert. Si la valeur initiale de n est connue, les
valeurs suivantes de n dans le temps sont données par l’équation :
dn
= αn (1 − n) − βn n (2)
dt
Comme pour le potassium, la probabilité qu’un canal sodium soit ouvert et actif est donné par m3 h
. Ainsi, la variation des ions sodium dans le temps est donnée par :
dm
= αm (1 − m) − βm m (3)
dt
Et la variation de l’activité des ions sodiums est donné par :
dh
= αh (1 − h) − βh h (4)
dt
• Nature électrique de l’information nerveuse
L’ouverture et la fermeture des canaux ioniques découvert dans les années cinquante par les
neurophysiologistes (Hodgkin et Huxley) a conduit à l’écriture mathématique d’un système de
quatre équations différentielles ordinaire (EDO), modélisant la circulation de l’influx nerveux,
justifié par l’activation et l’inactivation de ces canaux ioniques par Corson (Corson, 2009). La
membrane cellulaire peut être vue comme le circuit électronique présenté à la figure 6.
F IGURE 6: Composants de base des modèles de type Hodgkin-Huxley [Nathalie Corson.,2010].

1.2.1.2 Modèle mathématique
Hodgkin et Huxley ont considéré que chacun des canaux ioniques devait être composé de quatre
composants indépendants, chacun pouvant être ouvert ou fermé. Dans le cas des canaux à potas-
sium, ces quatre composants seraient identiques avec une probabilité n d’être en position ouverte.
La probabilité que les 4 composants soient ouverts est donc n4 . L’ouverture et la fermeture d’un
canal potassique étant dépendante du potentiel de membrane, ils ont considéré que chacun des
composants passait de la position ouverte à la position fermée en fonction du potentiel de mem-
brane.
Soit IK ,INa , les flux potassiques et sodiques, c’est à dire la quantité d’ions potassium et sodium
qui circulent à travers la membrane. Dans le modèle de Hodgkin-Huxley, IK et INa sont donnés
respectivement par : IK = n4 ḡk (V − Ek ) et INa = ḡNa m3 h(V − ENa )
En application de la loi des nœuds, le bilan des charges électriques est donné par l’équation :
dV
I =C + INa + IK + IL (5)
dt
où V est le potentiel de membrane, ENa , EK , et EL les potentiels d’équilibre des ions sodium,
potassium et des ions de fuite. IL est le courant de fuite, signifiant ici “leak”, c’est à dire “fuite”.
Cet indice est donc utilisé pour désigner l’ensemble des ions qui circulent au travers des canaux
ioniques toujours ouverts. On a donc,
dVm
−Cm = ḡNa m3 h(V − ENa ) + ḡK n4 (V − EK ) + ḡL (V − EL ) − I (6)
dt
Ainsi le modèle d’influx nerveux proposé par Hodgkin-Huxley est le suivant :

dV 1 3 h(V − E ) + ḡ n4 (V − E ) + ḡ (V − E ) − I



 dt = − C ḡNa m Na K K L L


 dn = α (1 − n) − β n

dt n n
(7)
dm
dt = αm (1 − m) − βm m





dh
dt = αh (1 − h) − βh h


Bien que le modèle de Hodgkin-Huxley soit plus réaliste bio-physiquement, seules les pro-
jections des trajectoires en quatre dimensions peuvent être observées. Le modèle de Fitzhugh-
Nagumo, plus simple, permet donc d’avoir une vue des solutions complètes.
En tenant compte du fait que l’activation du sodium est très rapide, m peut être assimilée à une
constante et l’équation (3) n’a plus lieu d’être. Il a été également remarqué expérimentalement que

la somme des deux variables h et n est à peu près constante au cours du potentiel d’action, on a :
h + a.n = b ; où a et b sont des constantes. Soit donc une nouvelle variable w , combinaison linéaire
des deux variables h et n , définie de la manière suivante,
dw 1
= (w∞ − w) (8)
dt τw
Ainsi, l’équation (8) peut être réduit à deux équations,


 dV = 1 ḡ m3 (b − w)(E −V ) + ḡ ( w )4 (E −V ) + ḡ (E −V ) + I
dt C Na Na K a K L L
(9)
 dw = 1 (w − w)
dt τw ∞
A partir d’observation, Fitzhugh a vu que v̇ = 0 et ẇ = 0 ; ainsi on a :


 v̇ = V (V − α)(1 −V ) − w + I
(10)
 ẇ = ε(V − γw)
Dans ce système sans dimension on a 0 < α < 1 et ε << 1 . Ce modèle de Fitzhugh-Nagumo ne

décrivait pas l’influx nerveux de façon suffisamment réaliste pour Hindmarsh et Rose qui, partant
de ce modèle, en ont proposé un autre en 1982. Soient les équations de Fitzhugh-Nagumo qui
peuvent être écrites comme suit :

 ẋ = a(y − f (x) + I(t))
(11)
 ẏ = b(g(x) − y)
où x représente le potentiel de membrane, y les flux d’ions à travers la membrane, f est une fonction
cubique, g une fonction linéaire, a et b sont des constantes et I(t) est le courant appliqué au neurone.
En fixant certain paramètre et en tenant compte de certaines conditions initiales, Hindmarsh et Rose
ont obtenue : f (x) = x3 − ax et g(x) = 1 − dx2 avec a=3 et d=5
Le modèle de Hindmarsh-Rose à deux équations permet d’observer soit le neurone à l’équilibre

(au repos), soit l’émission continue de potentiels d’action (spiking). Or, l’activité neuronale peut
présenter non seulement ces deux comportements, mais également un phénomène de bouffée d’os-
cillations (burstin), qui correspond à des poussées, ou trains de potentiels d’action, séparés les
uns des autres par des périodes lentes. Afin de pouvoir observer ce dernier type de comporte-
ment, et ainsi arrêter l’émission continue de potentiels d’action pour permettre des phases lentes,
une troisième équation, dite d’adaptation a été ajoutée. Cette variable z représente un courant
qui évolue lentement et qui change le courant appliqué I en un courant appliqué effectif I-z . La

troisième équation différentielle fait en sorte que z augmente lorsque le neurone émet des po-
tentiels d’action afin de réduire le courant effectif I-z pour mettre fin à l’émission de potentiels
d’action. Cette équation a été définie comme suit,
ż = r(s(x − x1 ) − z) (12)
où x1 est la coordonnée x de l’équilibre stable du système à deux équations lorsque I=0 . Le modèle
de Hindmarsh-Rose à trois équations est donc :



 ẋ = y − x3 + 3x2 − z + I

ẏ = 1 − 5x2 − y (13)


 ż = r(s(x − x ) − z)

1
La première équation décrit l’évolution du potentiel de membrane x, la seconde est celle des
flux rapides d’ions à travers la membrane y et la troisième est celle des flux lents d’ions z . Le
paramètre I est le courant d’excitation, le paramètre r représente la différence d’échelle de temps
entre la dynamique rapide et la dynamique lente.
L’étude des neurones permet de comprendre le comportement du cerveau et ouvre donc un vaste
champ d’application en neuroscience.
1.2.2 Modélisation du bras pendulaire soumis à une excitation quelconque
Le pendule rigide (fig. 1.6) est articulé en O au tour d’un axe horizontal avec seulement une par-
tie de la tige plongé dans un champ magnétique de deux aimants permanents identiques, symétriques
et répulsifs. La force électromagnétique due aux aimants permanents créée une force de Laplace
au niveau de la partie mécanique et une force électromotrice selon la loi de Lenz dans la partie
électrique. Ce qui nous permet d’avoir : une chute te tension aux bornes de la bobine et la force de
Laplace donnée respectivement par :
nBσ 2 l 2 dθ
v(t) = − (14)
2 dt
F = n.i.B.σ .l (15)
Sur la figure (7), les forces agissantes sur le pendule sont représentées. Il est à noter que les deux
aimants permanents et la plaque sur laquelle les enroulements électriques sont appliqués ont étés

omis. La masse totale du fil conducteur et de la plaque baignant dans le champ magnétique a été
négligé par rapport à la masse du pendule. Ainsi le moment d’inertie se réduit donc à :
1
j = ml 2 (16)
3
Le déplacement du courant est en d’autres termes la circulation des électrons dans un conduc-
teur. Ce qui s’accompagne évidemment d’un mouvement de porteur de charge dans le conducteur.
Lorsque ce dernier est placé dans un champ magnétique, les porteurs de charges sont alors tem-
porairement déviés dans le conducteur ; ce qui implique l’apparition d’un champ qui exerce alors
une force de Lorentz sur les charges fixe du conducteur. Cette force agissante sur la masse du
conducteur n’étant pas compensée, le matériau se déplace. Ainsi, il apparait deux forces de La-
place identiques (direction et amplitude) dont la résultante f met en mouvement le pendule dans
un milieux visqueux de coefficient de frottement β .
F IGURE 7: Mécanisme du bras pendulaire.
D’après la loi de Newton de la dynamique de rotation, le moment d’inertie j , fois l’accélération

angulaire est égal à la somme des couples due aux forces appliquées sur le pendule (force de
Laplace appliquée au centre de la plaque, forces de gravité et de frottement). Ainsi, le mouvement
du pendule est décrit par :
jθ̈ = ∑ M.~Fext (17)

jθ̈ = M p + M f + MF (18)
où M p , M f , MF sont les moments des forces respectives ~P , ~f , ~F . En prenant en compte la

définition du moment du couple d’une force qui est la force multipliée par le déplacement, on peut
évaluer :
- Le moment M f
M f = − f .v . Avec f la force de frottement et v la vitesse de déplacement de la tige données

respectivement par : f = β 2l et v = 2l θ̇ . Ce qui conduit à :
l2
M f = −β θ̇ (19)
4
- Le moment M p
M p = p.d . Avec p le poids et d le déplacement entre la force et la tige données respectivement

par : p = mg et d = − 2l sin θ . Ce qui conduit à :
mgl
Mp = − sin θ (20)
2
- Le moment M p
MF = F.d . Avec F la force de Laplace et d le déplacement entre la force et la tige données

σl
respectivement par : F = n.i.B.σ .l et d = 2 . Ce qui conduit à :
niBσ 2 l 2
MF = (21)
2
En remplaçant les équations (19), (20), et (21) dans (18), on obtient :
niBσ 2 l 2 mgl l2
jθ̈ = − sin θ − β θ̇ (22)
2 2 4
En divisant par l’inertie pour obtenir une équation différentielle non linéaire du second ordre
3g
sous la forme standard, en posant w2 = 2l et en prenant le moment d’inertie j donné à l’équation
(17) on obtient l’équation suivante :
3β 3nBσ 2
θ̈ + w2 sin θ + θ̇ − i=0 (23)
4m 2m
où w2 est la fréquence de résonance du bras du pendule, i le courant d’excitation.
Les mouvements du bras pendulaire dépendent du paramètre d’excitation i ; ce qui permet

d’obtenir de nombreuses dynamiques et pousse donc les recherches dans différentes méthodes
d’excitations.

1.3 Positionnement de l’étude par rapport aux travaux
Dans la littérature, les bras pendulaires sont soumis à différent modes d’excitation parmi les-
quels nous avons les excitations par impulsion mécaniques, par champ électromagnétiques, et les
excitations par signal électrique.
1.3.1 Excitation par impulsions mécaniques
L’excitation du pendule par impulsions mécaniques consiste à appliquer des forces brèves et
intenses sur le pendule afin de lui donner de l’énergie et de le faire osciller. Lorsqu’on entraı̂ne
un pendule par une force extérieure, il quitte de son état d’équilibre et développe des mouvements
périodiques et chaotiques présenté par Leven et al. (Leven et al., 1985). Cette méthode d’excitation
peut être utilisée pour étudier les propriétés dynamiques du pendule, telles que sa fréquence natu-
relle, son amortissement et sa réponse aux perturbations. Pour exciter le pendule par impulsions
mécaniques, on peut utiliser un marteau ou un piston pour frapper le pendule à intervalles réguliers.
La force de l’impact doit être suffisamment forte pour que le pendule commence à osciller, mais pas
trop forte pour éviter d’endommager le système. Une autre méthode consiste à utiliser un moteur
électrique pour appliquer des impulsions périodiques sur le pendule. Cette méthode présentée par
Nana et al. (Nana et al., 2017) permet de contrôler la fréquence et l’amplitude des impulsions, ce
qui peut être utile pour étudier les effets de différentes conditions d’excitation sur le comportement
du pendule et contrôler la vitesse angulaire de la partie mécanique. Une année après, Bonifacio et
al.(Bonifacio et al., 2018) utilisent aussi un moteur à courant continu pour exciter les pendules in-
versés à triple lien portant des ellipsoı̈des à chaque tige. Ceci dans le but de limiter l’amplitude des
oscillations du pendule, tout en garantissant son maintien dans une zone de travail prédéfinie. Cette
méthode est particulièrement utilisée pour la commande de pendules inversés, qui sont largement
utilisés dans les applications de contrôle de mouvement, telles que les robots mobiles, les drones,
les systèmes de navigation, etc. L’excitation par impulsions mécaniques est couramment utilisée
en physique expérimentale pour étudier les systèmes oscillants tels que les pendules simples ou
doubles, les ressorts et les masses suspendues. Elle peut également être utilisée en ingénierie pour
tester la résistance des structures aux vibrations et aux chocs.

1.3.2 Excitation par champs électromagnétiques
L’excitation du pendule par champ électromagnétique est un phénomène qui se produit lorsque le
pendule est soumis à un champ électromagnétique oscillant. Ce champ peut être créé par une source
externe, telle qu’un générateur électrique, un moteur électrique, ou par un champ magnétique
généré par deux aimants répulsifs présenté par Wojna et al.(Wojna et al., 2018). Lorsque le champ
électro-magnétique oscille à une fréquence proche de la fréquence propre du pendule, celui-ci peut
être excité et commence à osciller avec une amplitude plus grande que celle de son mouvement
naturel comme présenté par Nana et al. (Nana et al., 2017). On peut également utiliser une bobine
de fil électrique pour produire un champ magnétique et une bille en métal pour suspendre le pen-
dule. Lorsque la bobine est alimentée par un courant électrique, elle crée un champ magnétique
alternatif qui va exercer une force sur la bille en mouvement. Cette force peut être utilisée pour
modifier le mouvement du pendule ou pour l’exciter à des fréquences précises. Cette technique est
souvent utilisée dans les expériences de physique pour étudier les propriétés des oscillations et des
résonances des pendules. Elle peut également être utilisée pour contrôler le mouvement de certains
types de dispositifs comme les gyroscopes, les accéléromètres, les capteurs magnétiques, etc.
1.3.3 Excitation par signal électrique
Exciter un bras pendulaire par un signal électrique consiste à envoyer un courant électrique pour
produire une force qui va agir sur le bras pendulaire. Cette force peut être utilisée pour initier un
mouvement oscillatoire dans le bras. Dans le cas d’un bras pendulaire, le signal électrique peut
être envoyé à un moteur électrique, qui va entraı̂ner le bras pour effectuer des mouvements os-
cillatoires. Le signal d’excitation électrique peut aussi être fourni à l’aide d’un circuit RLC dont
les impulsions sont contrôlées à partir d’un relais statique présenté par Teh et al. (Teh et al.,
2015). Quelques années plus tard, les chercheurs Simo et al.(Simo et al., 2019) ont aussi tra-
vaillé sur un simple et double pendule excité par un circuit RLC de capacité de condensateur
variable. Cette technique est aussi largement utilisée pour contrôler la position et le mouvement
de bras pendulaires dans plusieurs applications comme les robots manipulateurs, les systèmes de
mesure inertielle, les équipements de réalité virtuelle. Afin d’apporter du nouveau à la recherche,
en neuroscience plusieurs travaux ont étés fait ; c’est ainsi que les chercheurs Simo Domguia et al.

(Simo Domguia et al., 2016) ont montré que l’actionnement d’un système micro électromécanique
capacitif pouvait se faire à l’aide d’un oscillateur électrique de type Hindmarsh-Rose. Depuis
quelques années, les technologies embarquées sont entrain de dominer la technologie mondiale.
Elles utilisent le matériel informatique et de petites puces pour des applications spécifiques dans
divers domaines en particulier le contrôle, la robotique. C’est ainsi que Siewe et al. (Siewe et al.,
2019) ont montrés que les systèmes électromécaniques pouvaient également être excités à partir
des systèmes dynamiques non linéaires à l’aide de la technologie du microcontrôleur. Les mi-
crocontrôleurs sont des composants contenant des circuits intégrés et des fonctions électroniques
spécialisées qui s’appliquent à la conception des systèmes mécatroniques. L’avantage de l’utili-
sation des microcontrôleurs est qu’ils possèdent des simulateurs plus fiables et plus robuste que
les circuits électroniques analogiques qui ont été utilisés jusqu’à présent pour fournir des régimes
dynamiques non linéaires. Les microcontrôleurs sont capables de traiter rapidement les calculs
complexes nécessaires pour résoudre les équations non linéaires.
1.4 Contributions attendues aux connaissances et à la littérature

dans le domaine
L’excitation neuronale est un processus clé en neuroscience car elle est à l’origine de la trans-
mission de l’information dans le système nerveux. Les neurones sont des cellules spécialisées qui
communiquent entre elles en utilisant des signaux électriques et chimiques. Lorsqu’un neurone est
excité, il génère un potentiel d’action, une impulsion électrique qui se propage le long de son axone
jusqu’à ses terminaisons synaptiques. À la synapse, le potentiel d’action déclenche la libération de
neurotransmetteurs, des substances chimiques qui activent ou inhibent les neurones postsynap-
tiques. L’excitation neuronale est donc essentielle pour la communication entre les neurones et
pour la réalisation de fonctions cognitives telles que la perception, la mémoire, l’apprentissage
et le mouvement. Des perturbations dans l’excitation neuronale peuvent conduire à des troubles
neurologiques tels que l’épilepsie, la maladie d’Alzheimer et la maladie de Parkinson.
En outre, l’étude de l’excitation neuronale a permis aux chercheurs en neuroscience de développer

des techniques avancées telles que l’enregistrement électrophysiologique et l’imagerie cérébrale
fonctionnelle pour étudier les processus cognitifs chez les humains et les animaux. Ces techniques

ont permis d’avancer considérablement notre compréhension du fonctionnement du cerveau et ont

ouvert la voie à de nouvelles thérapies pour traiter les troubles neurologiques.
1.4.1 La neuroprothèse
La neuroprothèse est un dispositif médical qui permet de remplacer ou de restaurer les fonctions
du système nerveux central ou périphérique. Elle peut être utilisée pour traiter des maladies neu-
rologiques telles que la paralysie, la maladie de Parkinson, l’épilepsie, la dystrophie musculaire et
d’autres troubles du mouvement.
F IGURE 8: Neuroprothèse vestibulaire et de la pensée [Les Scientifines].
F IGURE 9: Prothèse des membres externes [L’IAAF se prothèse].
Comme illustré sur les figures 8 et 9, les neuroprothèses peuvent être implantées chirurgicale-
ment dans le cerveau, la moelle épinière ou les nerfs périphériques. Elles peuvent également être
portées à l’extérieur du corps et utilisées pour stimuler les muscles ou les nerfs. Les neuroprothèses
sont souvent utilisées en combinaison avec des techniques de stimulation électrique pour aider à

restaurer les fonctions motrices et sensorielles chez les patients atteints de paralysie ou d’autres
troubles du mouvement. Elles peuvent également être utilisées pour aider à contrôler la douleur
chronique et d’autres symptômes associés à des maladies neurologiques. Bien que la recherche sur
les neuroprothèses soit encore en cours, elles ont déjà montré leur efficacité dans le traitement de
certaines maladies neurologiques et offrent un espoir pour améliorer la qualité de vie des patients
atteints de ces handicapes.
1.4.2 Le contrôle moteur
Le contrôle moteur est le processus par lequel le système nerveux central (SNC) régule l’activité
musculaire pour produire des mouvements coordonnés et précis. Le contrôle moteur implique la
planification, l’exécution et la régulation des mouvements, ainsi que la coordination des différents
muscles impliqués dans un mouvement donné (fig. 10). Le SNC utilise des informations senso-
rielles provenant de différentes parties du corps pour ajuster l’activité musculaire en temps réel
et maintenir l’équilibre, la posture et la locomotion. Les troubles du contrôle moteur peuvent en-
traı̂ner une variété de problèmes de mouvement, tels que la spasticité, l’ataxie et la dystonie.
F IGURE 10: Exemple de contrôle moteur [PHOTO :EPF/ALAIN HERZOG].

En définitive, la présentation générale des signaux neuronaux et l’intérêt de diverses méthodes

d’excitation des systèmes électromécaniques montrent que ces derniers ont énormément captivés
l’attention des chercheurs qui ont mis en avant cet axe de recherche en y effectuant des recherches
scientifiques. Cependant, au vu des travaux que nous avons développés précédemment, nous consta-
tons que les chercheurs ont beaucoup plus travaillés sur l’excitation des bras pendulaires par les
moteurs, les aimants, les circuits RLC, et même des signaux électriques provenant des micro-
contrôleurs. Le prochain chapitre présentera une suite de matériels et méthodes permettant d’abou-
tir à cet objectif.

C HAPITRE 2
M AT ÉRIELS ET M ÉTHODES
Les bras pendulaires sont d’une importance remarquable dans le monde industriel, ils sont uti-
lisés pour automatiser les processus de fabrication et améliorer la précision des machines. Vue
l’importance de ces derniers dans le monde de l’ingénierie, les recherches sur leur mode d’excita-
tion ont étés poussées. C’est ainsi que nous travaillons sur l’étude d’un bras pendulaire excité par
un signal neuronal et généré par microcontrôleur. Ce chapitre a donc pour objectif de présenter les
différents équipements et outils utilisés pour mener à bien cette étude. Nous décrivons également
les différentes étapes de la méthodologie mise en place pour réaliser cette étude. Ce chapitre per-
mettra ainsi de mieux comprendre le contexte dans lequel s’inscrit notre travail et d’avoir une
vision globale des moyens mis en œuvre pour atteindre nos objectifs.
2.1 Caractéristiques générales du système d’étude
Le système d’étude utilisé est un système expérimental qui permet de simuler le mouvement
d’un bras pendulaire en utilisant un microcontrôleur pour générer un signal neuronal. Les caractéristiques
générales de ce système sont les suivantes :
2.1.1 Le microcontrôleur Arduino
La carte Arduino est une petite carte (5,33 x 6,85 cm) électronique équipée d’un microcontrôleur.
Le microcontrôleur permet, à partir d’évènements détectés par des capteurs, de programmer et
commander des actionneurs ; la carte Arduino est donc une interface programmable. L’Arduino
Mega 2560 est un autre produit populaire parmi les cartes Arduino. Parfaite pour les applica-
23
Matériels et méthodes 24
tions Arduino un peu plus grandes, elle est constituée de tous les éléments nécessaires pour per-
mettre la construction d’objets évolués. La carte Arduino Mega 2560 est constituée de 54 broches
d’entrées/sorties, dont 15 sont utilisables en PWM, de 16 broches d’entrées analogiques, de 4 ports
série hardware, d’une connectique USB, d’une connectique d’alimentation, d’un port ICSP et d’un
bouton RESET.
F IGURE 11: Description des entrées/sorties de la carte Arduino Mega 2560.
Comme pour l’Arduino Uno, l’Arduino Mega 2560 peut être alimentée à travers le port USB
lorsqu’elle est branchée sur l’ordinateur, ou via la connectique d’alimentation avec le port jack ou
l’entrée d’alimentation. La source d’alimentation fournissant le meilleur voltage sera sélectionnée
comme source d’alimentation par la carte. Il est conseillé d’utiliser une alimentation entre 7V et
12V de courant continu pour alimenter. Cette carte est utilisée dans notre travail pour exécuter le
code du signal neuronal choisi.
2.1.2 Le convertisseur MCP4725
Le MCP4725 est un convertisseur numérique-analogique (CNA) qui peut être connecté à l’Ar-
duino en utilisant le I2C. Il permet de convertir des signaux numériques en signaux analogiques. Il
utilise la résolution 12 bits et dispose d’une seule sortie analogique, il contient une chaı̂ne de 4096
résistances identiques qui forment un énorme diviseur de tension. Le diviseur de tension génère en

permanence toutes les 4096 tensions de sortie possibles. Une matrice de commutation contrôlable
numériquement nous permet de sélectionner l’une des 4096 sorties de tension du diviseur de ten-
sion et de la connecter à l’étage de sortie du DAC. Avec une tension d’alimentation comprise entre
2.7V et 5.5V, il est ainsi possible de sélectionner des tensions de sortie entre 0 V et 4,9988 V par
pas de 0,0012 V. Il dispose également d’une mémoire non volatile intégrée qui permet de sauve-
garder les valeurs du registre DAC et des bits de configurations en cas de coupure de courant. Il est
utilisé ici pour convertir le signal numérique du Arduino en signal analogique afin d’être visualisé
sur l’oscilloscope.
F IGURE 12: Le convertisseur MCP4725.
2.1.3 Le capteur MPU6050
Le capteur MPU6050 est un dispositif de suivi de mouvement à 6 axes qui combine un accéléromètre
à 3 axes et un gyroscope à 3 axes. Il peut mesurer l’accélération et la vitesse angulaire dans les
trois dimensions, permettant la détection de mouvement et d’orientation. Le module MPU6050 est
constitué d’un capteur de température et de deux capteurs micromécaniques : un gyroscope qui
permet de mesurer les rotations et un accéléromètre qui permet de mesurer les accélérations dans
l’espace. Les caractéristiques de ce composant dans sa fonction accéléromètre sont :

- Accélération à trois axes à sortie numérique avec une plage plaine échelle ±2g, ±4g, ±8g, ±16g.
- Courant de fonctionnement 500µA.
- Tension de fonctionnement 2.7V à 5V.
Nous l’utilisons dans notre cas pour mesurer le déplacement du bras pendulaire.
F IGURE 13: Capteur MPU6050.
2.1.4 Le bras pendulaire
Le bras mécanique est le dispositif excitable ; il dispose d’un enroulement de bobine placé entre
deux aimants permanant. Les caractéristiques de ce bras sont les suivantes :
- Inductance de la bobine : L = 1.00 × 10−3 H
- Résistance de la bobine du circuit induit : R = 12.6Ω
- Coefficient d’inertie :Jr = 10.7 × 10−7 kg.m2
- Coefficient d’amortissement visqueux :µ = 5.00 × 10−6 N.m/rad.s−1
- Coefficient de rigidité :Cr = 0.3 × 10−3 N.m/rad
- Constante de force contre électromotrice :kE = 22.00 × 10−3 V/rad.s−1
- Constante de couplage : kT = 22.00 × 10−3 N.m/A

F IGURE 14: Bras mécanique.
2.1.5 L’oscilloscope numérique
L’oscilloscope est un instrument de mesure qui permet de visualiser les signaux électriques sous
forme de graphique. Il est utilisé ici pour visualiser le signal à la sortie du microcontrôleur et du
bras pendulaire.
F IGURE 15: Oscilloscope numérique.
2.1.6 L’alimentation symétrique
Une alimentation symétrique est un générateur électrique qui fournit deux tensions continues
opposées et de valeurs absolues identiques avec une masse commune ; ainsi, l’une est positive,
l’autre est négative. Cet appareil est utilisé ici pour alimenter l’amplificateur opérationnel et les
transistors intervenant dans le montage.

F IGURE 16: Alimentation.
2.2 Développement du cadre méthodologique d’analyse
Le cadre méthodologique de notre étude peut être développé en plusieurs étapes clés :
2.2.1 Formalismes mathématiques
Les formalismes mathématiques sont des outils utilisés pour décrire les phénomènes physiques
en termes mathématiques. Ils permettent de formuler des équations et des modèles qui décrivent
le comportement des systèmes physiques. Les équations mathématiques obtenues au cours de ce
travail ont été retrouvées à partir des lois et théorèmes de la physique.
2.2.1.1 Le théorème de Laplace
Le théorème de Laplace est un principe fondamental de la mécanique classique qui stipule que
lorsqu’un conducteur de longueur l est placé dans un champ magnétique et parcourue par un cou-
rant I il est soumis à une force de Laplace ~F de caractéristiques :
- Direction : perpendiculaire au plan formé par le conducteur et ~B (champ magnétique).
- Sens : déterminé par la règle des trois doigts de la main droite.
- Norme : F = B.I.l. sin α

2.2.1.2 Théorème de Lorentz
Le théorème de Lorenz est un principe fondamental de l’électromagnétisme qui décrit l’inter-

action entre les champs électriques et magnétiques dans un système électromagnétique. Il stipule
que lorsqu’une charge q se déplace avec une vitesse ~v dans un champ magnétique caractérisé par
le vecteur ~B , elle subit une force magnétique appelé force de Lorentz f̃m de caractéristiques :
- Direction : perpendiculaire à q~v et ~B donc au plan formé par q~v et ~B .
- Sens : déterminé par la règle des trois doigts de la main droite.
- Norme : fm = |qvB sin α|
2.2.1.3 Relation fondamentale de la dynamique
Encore appelé deuxième loi de Newton, la relation fondamentale de la dynamique (RFD) stipule
que : lorsqu’un solide est en rotation, la somme des moments des forces extérieures auxquelles
il est soumis est égale au produit de son moment d’inertie et de son accélération angulaire . On
a:
∑ M~Fext = J∆.~α (24)
2.2.1.4 Lois des nœuds
À un nœud d’un circuit, il peut y avoir accumulation de charges : la somme des charges
arrivant par les différentes branches est égale à la somme de celles qui repartent . On a :
∑ Ie = ∑ Is (25)
2.2.1.5 Lois des mailles
Une maille est un parcours fermé sur le circuit. La loi de maille stipule que : la somme
algébrique des tensions rencontrées dans une maille est nulle . On a :
∑U = 0 (26)

2.2.2 Méthodes numériques
En dynamique non linéaire, la résolution analytique des systèmes différentiels n’est pas souvent
aisée. Néanmoins des méthodes d’intégration numérique de ces systèmes ont été proposées dans
la littérature. Dans notre étude, nous utilisons la méthode numérique de Runge-Kutta d’ordre 4.
La méthode de Runge- Kutta est une méthode d’analyse numérique d’approximation de solutions
d’équations différentielles ordinaires. Elle a été nommée ainsi en l’honneur des mathématiciens
Carl Runge et Martin Wilhelm Kutta qui ont élaboré la méthode en 1901. Les techniques de
Runge- Kutta sont des schémas numériques à un pas qui permettent de résoudre les équations
différentielles ordinaires. Elles font partie des méthodes populaires de par leur facilité de mise en
œuvre et leur précision. Cette méthode repose sur le principe de l’itération, c’est-à-dire qu’une
première estimation de la solution est utilisée pour calculer une seconde estimation, plus précise,
et ainsi de suite. Afin d’illustrer cela, considérons l’équation différentielle suivante :
dx
= ẋ = f (x,t) (27)
dt
Les solutions de cette équation seront sous la forme :
h
x = x + (k1 + 2k2 + 2k3 + k4 ) (28)
6
où k est une variable définie comme suit :
k → k1 , k2 , k3 , k4 (29)
t est la variable temporelle et h est le pas d’intégration.
• À l’ordre 1, on a :
k1 = k(x,t) (30)
h h
k2 = k(x + k1 ,t + ) (31)
2 2
h h
k3 = k(x + k2 ,t + ) (32)
2 2
k4 = k(x + h.k3 ,t + h) (33)

2.2.3 Principes de base des techniques de simulation analogique
Les techniques de simulation analogiques sont utilisées pour modéliser des systèmes physiques
réels en utilisant des circuits électroniques analogiques. Elles permettent de modéliser avec précision
les systèmes physiques réels et d’optimiser leur conception avant leur mise en œuvre physique.
Les circuits analogiques utilisés dans notre étude utilisent les composants électroniques tels que
les amplificateurs opérationnels et les transistors bipolaires.
2.2.3.1 L’amplificateur opérationnel
L’amplificateur opérationnel est un composant en technologie intégrée qui comporte deux broches
d’alimentations +Vcc et -Vcc, deux entrées dites différentielles : entrée non inverseuse et entrée
inverseuse, et une sotie . Le fonctionnement de l’AOP impose une alimentation symétrique. Il est
utilisé ici dans son fonctionnement linéaire.
Le montage de l’amplificateur opérationnel en montage suiveur (fig. 17), en fonctionnement

linéaire, et en le considérant comme parfait, nous avons :
E = 0V (34)
Ce qui nous donne :
V + = V − , (entrée positive = entrée négative)
Maintenant, il ne nous reste qu’à déterminer les valeurs de V + et de V − .
Dans notre cas les entrées de ce montage suiveur sont :
• V + est relié à Ve , donc : V + = Ve
• V − est relié à Vs , donc : V − = Vs
Ainsi, en remplaçant la formule précédente ( V + = V − ) par les expressions respectives de V + et

de V − , on obtient :
Vs = Ve (35)
Ceci est la formule de notre montage inverseur.

F IGURE 17: AOP en montage suiveur.
Le suiveur utilisé ici permet d’isoler la charge du circuit d’entrainement grâce à sa forte impédance
d’entrée ; il empêche donc le circuit d’entraı̂nement de charger la charge et limite les problèmes de
distorsion de signal.
2.2.3.2 Transistor bipolaire
Un transistor bipolaire est un dispositif électronique à base de semi-conducteur de la famille

des transistors. Son principe de fonctionnement est basé sur deux jonctions PN, l’une en direct et
l’autre en inverse. La polarisation de la jonction PN inverse par un faible courant électrique (parfois
appelé effet transistor) permet de commander un courant beaucoup plus important, suivant le
principe de l’amplification de courant. Il est à noter qu’aucun électron n’est effectivement créé :
la polarisation appropriée permet à un réservoir d’électrons de circuler librement de la base vers
l’émetteur (fig. 18).
F IGURE 18: Transistor NPN et PNP.
Nous utiliserons ses composants dans ce cadre pour amplifier le courant généré à la sortie de

l’Arduino, car il ne peut suffire à faire bouger le bras mécanique ; le circuit d’amplification est
donné à la fig. 19 :
F IGURE 19: Amplificateur complémentaire push pull.
Il est constitué d’un transistor NPN et d’un transistor PNP dont les caractéristiques sont identiques
(même gain). Nous allons voir que suivant le signe de la tension de sortie, l’un des transistors
fonctionne en régime linéaire pendant que l’autre est bloqué. Quel que soit l’état des transistors,
on a d’après la loi de maille et de nœud :
ue −VBE = RL .is (36)
is = iE1 − iE2 (37)
- Supposons que ue est proche de 0. Dans ce cas, les deux transistors sont bloqués. En effet, on
a bien VCE1 qui est supérieur à VCEsat pour T1 (type NPN) et VCE2 qui est supérieur à VCEsat
pour T2 (type PNP), mais Ib est nul ce qui empêche le passage du courant dans les transistors.
Cet état de blocage persiste tant que −0.7V ≺ ue ≺ 0.7V car tant qu’aucun transistor n’est
passant, is = 0 et ue = VBE . Le courant ib restera proche de 0 dans les transistors tant que la
tension entre base et émetteur n’aura pas atteint 0.7 V (+ ou – suivant le type de transistor).

- Supposons que ue 0.7V . Dans ce cas dès que VBE atteint cette valeur, le transistor T1 se
retrouve en régime linéaire, is augmente donc us aussi. Dans un même temps comme VBE 0
, le transistor PNP (T2) est bloqué ; On a alors : us = ue − 0.7 .
F IGURE 20: Montage à T2 bloqué.
Si ue devient trop élevée, alors le transistor T1 fini par saturer (VCE1 = E − us devient
inférieure à 0.4 V ) ce qui fait que us reste bloquée à une valeur proche de E (égale à
E −VCEsat ).
- Supposons que ue ≺ −0.7V . Dans ce cas dès que VBE atteint cette valeur, le transistor T2 se
retrouve en régime linéaire, is devient non nul donc us aussi. Dans un même temps comme
VBE ≺ 0 , le transistor NPN (T1) est bloqué. On a alors : us = ue + 0.7
Quand ue devient fortement négative, T2 finit par saturer, ce qui conduit is à s’annuler. On a
alors : us = −E +VCEsat , soit us ≈ −E .
L’application des lois de kirchhoff nous permettra alors de trouver l’expression du courant
de sortie en fonction du courant d’entré.
En considérant nos transistors dans leurs modes linéaires (amplificateur), on a :


 i +i = i
b c e
(38)
 βi = i
b c

F IGURE 21: Montage à T1 bloqué.
Ce qui nous permet d’obtenir l’expression du courant de sortie en fonction du courant de

base :
(1 + β )ib = ie (39)
Où β ≥ 200 est le gain en courant, ib le courant de base, ic le courant de collecteur et ie le

courant de l’émetteur. De ce fait aux bornes des transistors T1 et T2, on a :

 i = (1 + β )i
E1 b1
(40)
 i = (1 + β )i
E2 b2
Ainsi, en introduisant (40) dans (37) on obtient l’expression du courant de sortie en fonction
de l’entrée.
is = (1 + β )ib (41)
Avec ib = ib1 − ib2
Le circuit d’amplification de notre étude est alors donné à la figure 22 :

F IGURE 22: Circuit d’amplification
2.3 Justification du choix de la méthode par rapport à d’autres

techniques existantes
Les excitations neuronales sont d’une importance cruciale en neuroscience car elles sont
responsables de la transmission de l’information dans le système nerveux. Comprendre com-
ment ces signaux sont générés et transmis est essentiel pour comprendre le fonctionnement
du cerveau et pour développer des traitements pour les maladies neurologiques. Les signaux
neuronaux peuvent être utilisés pour contrôler des prothèses, permettant aux personnes am-
putées de contrôler leurs membres artificiels avec leur cerveau. Ils peuvent également être
utilisés pour créer des interfaces entre le cerveau humain et les machines, permettant aux
personnes handicapées de contrôler des ordinateurs ou d’autres appareils électroniques avec
leur esprit. En robotique, les signaux neuronaux peuvent être utilisés pour contrôler les mou-
vements de robots, leur permettant d’interagir avec leur environnement de manière plus natu-
relle et efficace. L’utilisation du microcontrôleur permet de fournir un dispositif électronique

embarqué plus stable et précis.
Il était question dans ce chapitre, de présenter les matériels et méthodes théoriques, numériques,
analogiques et expérimentales utilisés dans l’étude de l’excitation d’un bras pendulaire. La
procédure mathématique, la méthode de simulation numérique et analogique ainsi que le
matériel utilisé pour la phase expérimentale ont été présentés. Le prochain chapitre portera
sur l’exposition et la discussion des résultats obtenus.

C HAPITRE 3
R ÉSULTATS ET D ISCUSSIONS
Au cours des chapitres précédents, les bases théoriques indispensables pour l’étude d’un
bras pendulaire excité par un signal neuronal généré par microcontrôleur ont étés présentées.
Dans ce chapitre nous présentons les résultats numériques, analogiques et expérimentaux qui
découlent des méthodes d’analyse présentées au chapitre précédent, et nous mènerons des
discussions relatives à ces résultats.
3.1 Présentation des résultats obtenus
Afin de mieux comprendre le fonctionnement global de notre étude, nous avons établi un
synoptique qui présente les relations entre les différents éléments du système.
F IGURE 23: Schéma synoptique du dispositif électromécanique.
38
Résultats et Discussions 39
Tout d’abord, un ordinateur est utilisé pour écrire un code Arduino qui va par la suite
être téléversé dans le microcontrôleur ATMEGA-2560. Le microcontrôleur libère alors en
sortir un signal électrique (signal neuronal) qui sera convertir en signal analogique à l’aide
du convertisseur MPC4725. Le signal à la sortie du convertisseur est donc visualisé à partir
d’un oscilloscope numérique.
Ce même signal est donc amplifié pour exciter un bras mécanique. Le passage du courant
d’excitation dans le bobinage du bras mécanique va donc créer grâce aux forces de Laplace,
une déviation du bras par rapport à sa position d’équilibre.
Un accéléromètre placé à l’extrémité du bras mécanique va donc nous permettre de repro-

duire sur un oscilloscope une courbe qui décrit les mouvements du bras.
3.2 Discussion des résultats obtenus
3.2.1 Interprétation des résultats et positionnement par rapport à la

littérature existante : dynamique du Hindmarsh-Rose.
3.2.1.1 Présentation du système de Hindmarsh-Rose
L’équation générale régissant la dynamique du système du Hindmarsh-Rose est donné

par :



 ẋ = y − x3 + 3x2 − z + I

ẏ = 1 − 5x2 − y (42)


 ż = r(s(x − x ) − z)

1
La première équation décrit l’évolution du potentiel de membrane x , la seconde est celle

des flux rapides d’ions à travers la membrane y et la troisième est celle des flux lents d’ions à
travers la membrane z . Le paramètre I est le courant d’excitation, le paramètre r représente
la différence d’échelle de temps entre la dynamique rapide et la dynamique lente.

3.2.1.2 Résultats numériques.
La dynamique du modèle de Hindmarsh-Rose est décrite par le diagramme de bifurcation

présenté à la fig. (24a). Ce diagramme est obtenu en prenant le courant d’excitation comme
paramètre de bifurcation. Il présente deux comportements dynamiques principaux :
- La multiplicité de période : ceci est obtenue pour les valeurs du paramètre prises dans les
intervalles : I ∈ [−2, 0.22] ∪ [0.69, 1.31] ∪ [1.49, 2.02] [2.21, 2.72] ∪ [3.11, 3.35] ∪ [3.95, 4]
- La zone de chaos : ceci est obtenue pour les valeurs du paramètre prises dans les intervalles
I ∈ [0.22, 0.69] ∪ [1.31, 1.49] ∪ [2.02, 2.21] [2.72, 3.11] ∪ [3.35, 3.95] ∪ [4, 7.5]
Cette dynamique est confirmée par le tracée de l’exposant de Lyapunov (fig. 24b) ; pour les
mêmes variations du paramètre I .
F IGURE 24: Diagramme de bifurcation (a) et Exposant de Lyapunov (b) en fonction du paramètre
I.
Le modèle de Hindmarsh-Rose décrit la dynamique d’un neurone biologique en termes

d’un système d’équation différentielles non linéaires. Ces équations décrivent l’évolution
de trois variables : la variable x qui représente le potentiel de membrane du neurone, la
variable y qui représente l’activité des canaux ioniques, la variable z qui représente le taux
de récupération synaptique. Le potentiel de membrane représente la différence de potentiel

électrique entre l’intérieur et l’extérieur du neurone, tandis que le taux de récupération et le

taux d’excitabilité représentent les mécanismes cellulaires qui régulent ce potentiel.
La dynamique du Hindmarsh-Rose est donc caractérisée par une grande variété de com-
portements oscillatoires, allant des oscillations régulières aux oscillations chaotiques. Ces
comportements sont influencés par divers facteurs tels que les paramètres du modèle, les
conditions initiales et les sources d’excitation.
Sur la figure 25, les traces temporelles de l’évolution du potentiel de membrane et de

l’activité des canaux ioniques dans le neurone sont faites pour différente valeurs du pa-
ramètre I.
valeurs de I
(a)
(b)
(c)
(d)
(e)
(f)
(g)
(h)

(i)
F IGURE 25: Présentation des traces temporelles obtenus numériquement.
Les résultats numériques obtenus sur la figure 25, présentent les traces temporelles de
l’évolution du potentiel de la membrane et de l’activité des canaux ioniques. On remarque
pour une excitation nulle, un signal sinusoı̈dal ( fig. a) qui caractérise le fait que le neurone
est dans son état de repos encore appelé état de quiescence. Lorsque le courant d’excitation
atteint un certain seuil, on observe un pic d’excitation suivi d’un mouvement lent (fig. b) ;
cela se caractérise par un enflement de la membrane du neurone. L’augmentation progres-
sive du courant d’excitation entraine une multiplication des pics (fig. c, d) et conduit à un
enflement plus fréquent de la membrane du neurone.
En outre, en prenant des valeurs du courant d’excitation un peu plus grandes, on observe
des bouffées d’oscillations (fig. e, f, g). Ce qui conduit à un enflement intense de la membrane
alternée par un mouvement lent (bursting). Ainsi, pour de très grandes valeurs du courant
d’excitation (fig. h, i), on observe une disparition progressive des mouvements lents. Ce
phénomène entraine alors le neurone dans un état d’hyperexcitabilité.
3.2.1.3 Résultats analogiques
Pour des raisons de dimensionnement, une étude analogique a été menée. L’obtention des
résultats analogiques s’est fait à l’aide du logiciel de simulation Proteus. Sur la figure 26,
le circuit analogique est représenté. Ce circuit regroupe une carte Arduino, un convertisseur
numérique analogique, un circuit d’amplification de courant et un Oscilloscope numérique.

F IGURE 26: Circuit analogique réalisé dans Proteus.
La simulation numérique de ce circuit nous permet d’obtenir les traces temporelles représentés
sur la figure 27.
valeurs de I
(a)
(b)
(c)

(d)
(e)
(f)
(g)
(h)
(i)
F IGURE 27: Présentation des traces temporelles obtenus sur Proteus.

Les séries temporelles obtenues par la simulation Proteus confirment que le circuit analo-
gique proposé reproduit la même dynamique observée à l’aide des simulations numériques.
3.2.1.4 Résultats expérimentaux
La phase expérimentale est faite par une réalisation sur une plaque à essai du montage
simulé sous Proteus. Et la visualisation se fait à l’aide de l’oscilloscope numérique. Le
dispositif expérimental est présenté à la figure 28.
F IGURE 28: Implémentation expérimental du modèle de Hindmarsh-Rose.
De ce dispositif, il en ressort les résultats présentés sur la figure 29. la figure 29 présente
les traces temporelles de l’évolution du potentiel de la membrane et de l’activité des canaux
ioniques obtenue de façon expérimentale.
valeurs de I
(a)
(b)

(c)
(d)
(e)
(f)
(g)
(h)
(i)
F IGURE 29: Présentation des traces temporelles obtenus expérimentalement.
On remarque sur cette figure que les résultats de simulation obtenus expérimentalement
reproduisent la dynamique trouvé numériquement et analogiquement.

3.2.2 Excitation du bras pendulaire
3.2.2.1 Résultats numériques du système électromécanique
En prenant en compte le système d’excitation et l’équation régissant la dynamique du bras

pendulaire, on obtient le système de couplage qui constitue le système électromécanique.
Couplé ce bras mécanique à notre signal neuronal revient à remplacer le courant d’excitation
par la variable du signal neuronal qui porte l’information électrique. Ainsi on obtient la
relation de couplage suivante :

dx


 dt = y − x3 + 3x2 − z + I

dy
dt = 1 − 5x2 − y (43)


dz
= r(s(x − x1 ) − z)


dt
3β 3nBσ 2
θ̈ + w2 sin θ + θ̇ − x=0 (44)
4m 2m
La résolution numérique de l’équation 44 nous permet d’obtenir pour une évolution de

l’activité des canaux ioniques, une évolution du mouvement du bras mécanique (fig 30).
valeurs de I
(a)
(b)
(c)

(d)
(e)
(f)
(g)
(i)
F IGURE 30: Evolution des mouvements du bras mécanique.

3.2.2.2 Résultats expérimentaux du système électromécanique
Pour valider les résultats obtenus par simulation numérique, il est nécessaire de réaliser des
études expérimentales. Cette étude expérimentale est nécessaire car elle permet de confirmer
les phénomènes observés lors de l’analyse numérique et donne la possibilité d’utiliser le
dispositif proposé dans un domaine d’ingénierie spécifique.
La figure 31 donne une illustration du dispositif réalisé expérimentalement. Elle comprend

un circuit d’excitation, un bras pendulaire, une alimentation et un oscilloscope.
F IGURE 31: Montage expérimentale du système électromécanique couplé.
La figure 32 présente une comparaison entre le signal d’excitation du bras pendulaire et

du signal que reproduit le bras. Chaque image contient deux signaux de couleurs différentes.
Le signal de couleur bleu représente celui de Hindmars-Rose tandis que le signal de couleur
jaune est celui qui ressort du bras pendulaire.

valeurs de I Résusltats obtenus sur l 0 oscilloscope
(a)
(b)
(c)
(d)
(e)
(f)
(g)

(h)
(i)
F IGURE 32: Concordance qualitative des deux signaux.
D’après les graphiques présentant les résultats de l’expérience, on constate que la concor-
dance qualitative est atteinte. En particulier sur la figure 32a, où le neurone est dans son
état de quiescence, une bonne coı̈ncidence est observée pour les oscillations du pendule.
On constate que l’augmentation du paramètre I entraine une augmentation progressive des
pics d’oscillations et produit pour certaines valeurs des bouffées d’oscillations (fig.32b, c, d,
e, f, g). Comme il est difficile de comparer deux signaux neuronaux dans leurs états d’hy-
perexcitabilité, en raison de leur comportement aléatoire, nous nous intéressons aux formes
qualitatives obtenues (fig. 32h, i).
3.2.3 Validité des résultats obtenus
Dans ce travail, nous avons fait l’étude d’un bras pendulaire excité par un signal neuronal
généré par microcontrôleur. Nous avons effectué des simulations numériques et analogiques.
Elles ont été complétées par des simulations sur microcontrôleur et la réalisation de circuit
électronique du modèle qui montre des résultats en accord qualitatif avec les prédictions
numériques et analogiques. La simulation sur microcontrôleur permet d’analyser rapidement
la dynamique des systèmes étant donné sa facilité de mise en œuvre et la simplicité de
l’algorithme. Les résultats obtenus ici confirment la validité de la technologie intégrée du
microcontrôleur pour convertir les équations non linéaires de tout système dynamique en
signaux électriques. Ceci est important car cela ne donne pas seulement un autre outil de

simulation pour les équations différentielles non linéaires, mais fournit un moyen d’obtenir
un nouveau circuit électronique avec une dynamique spéciale.
Dans cette étude, le microcontrôleur Arduino a été utilisé pour résoudre le système de
Hindmars-Rose afin d’exciter un bras pendulaire. Cette méthode, qui consiste à fournir un
dispositif électronique embarqué imitant le comportement d’un neurone biologique est plus
stable que les méthodes d’excitation par impulsions mécaniques, par champ électromagnétiques,
et par certains circuits électroniques tels que les circuits RLC. L’utilisation d’un modèle de
neurone biologique ouvre un vaste champ d’application en neuroscience dans la conception
des dispositifs de neuroprothèses et de contrôle moteur.

Conclusion et perspectives
1-Rappel des objectifs initiaux et quintessence à la problématique
Ce mémoire a porté sur l’étude d’un bras pendulaire excité par un signal neuronal généré
par microcontrôleur. Nous avons organisé notre travail sur trois principaux points : la modéli-
sation mathématique d’un neurone biologique, la modélisation mathématique d’un bras pen-
dulaire et en fin le couplage entre le signal neuronal et le bras mécanique. Chacune de ces
étapes est d’une grande importance pour l’étude d’un bras pendulaire excité par un signal
neuronal généré par microcontrôleur. L’étape de la modélisation du neurone biologique a
consisté à faire une revue des travaux effectués dans ce cadre. C’est le cas du modèle pro-
posé par Hodgkin et Huxley, puis des améliorations effectuées par Fitzhugh et Nagumo
afin d’arriver à un modèle plus réaliste proposé par Hindmarh et Rose. La modélisation
mathématique du bras pendulaire s’est faite en partant d’un pendule soumis à une excitation.
Ainsi, le coulage électromécanique à consister à prendre un signal neuronal comme signal
d’excitation du bras. Les études menées tout au cours de ce mémoire nous ont permis de
mieux comprendre le mécanisme de transmission de l’information à partir du cerveau et de
comprendre comment cela peut être utilisé pour exciter un bras mécanique.
2-Perspectives de recherche
En conclusion, l’étude d’un bras pendulaire excité par un signal neuronal généré par mi-
crocontrôleur est une approche prometteuse pour comprendre les mécanismes de contrôle
moteur du cerveau. Les résultats de cette étude ont montré que le signal neuronal peut être
utilisé pour contrôler le mouvement du bras pendulaire. Cela ouvre la voie à de nombreuses
perspectives de recherche, notamment l’utilisation de cette approche pour développer des
prothèses robotiques contrôlées par le cerveau ou pour étudier les troubles neurologiques
53
Conclusion et perspectives 54
qui affectent le contrôle moteur. En somme, cette étude représente une avancée importante
dans la compréhension du fonctionnement du cerveau et offre des possibilités passionnantes
pour la recherche future dans ce domaine.

Réferences bibliographiques
Bonifacio, S. R., Patricio, O. O. and Alexander, P. G. (2018), ‘Robust stabilizing control
for the electromechanical triple-link inverted pendulum system’, IFAC-PapersOnLine
51(13), 314–319,https ://doi.org/10.1016/j.ifacol.2018.07.297.
Corson, N. (2009), Dynamique d’un modèle neuronal, synchronisation et complexité, PhD

thesis, Université du Havre,https ://doi.theses.hal.science/tel-00453912v2.
Haken, H. (2008), ‘The single neuron’, Brain Dynamics : An Introduction to Models and
Simualtions pp. 273–282,https ://doi.org/10.1146/annurev.neuro.21.1.227.
Kadjie, A. N., Tchakounté, H., Kemajou, I. and Woafo, P. (2022), ‘Microcontroller-based si-
mulation of a nonlinear resistive-capacitive-inductance shunted josephson junction model
and applications in electromechanical engineering’, International Journal of Nonlinear
Sciences and Numerical Simulation 23(2), 241–255,https ://doi.org/10.1515/ijnsns–2018–
0138.
Lesueur-Grand, C. (2017), Le Robot mobile compagnon : De l’apprentissage in-

teractif vers un modèle d’IHM intuitive., PhD thesis, Université de Cergy Pon-
toise,https ://doi.theses.hal.science/tel-01778110.
Leven, R., Pompe, B., Wilke, C. and Koch, B. (1985), ‘Experiments on periodic and chao-
tic motions of a parametrically forced pendulum’, Physica D : Nonlinear Phenomena
16(3), 371–384,https ://doi.org/10.1016/0167–2789(85)90015–6.
Nana, B., Yamgoué, S., Tchitnga, R. and Woafo, P. (2017), ‘Dynamics of a pendulum dri-
ven by a dc motor and magnetically controlled’, Chaos, Solitons & Fractals 104, 18–27,
https ://doi 10.1016/j.chaos.2017.07.027.
55
RÉFERENCES BIBLIOGRAPHIQUES 56
Ngouonkadi, E. M., Fotsin, H., Fotso, P. L., Tamba, V. K. and Cerdeira, H. A. (2016), ‘Bi-
furcations and multistability in the extended hindmarsh–rose neuronal oscillator’, Chaos,
Solitons & Fractals 85, 151–163,https ://doi.org/10.1016/j.chaos.2016.02.001.
Omran, S. (2013), Génération de trajectoires de marche de robots humanoı̈des établies

sur les modèles pendulaires bio-inspirés de l’humain, PhD thesis, Université de
Nantes,https ://doi.org/10.1146/robot.21.1.227.
Siewe, R. T., Domguia, U. S. and Woafo, P. (2019), ‘Generation of pulse-like and bursting-
like oscillations from nonlinear systems using embedded technologies and applications to
excite mechanical arms’, Communications in Nonlinear Science and Numerical Simula-
tion 69, 343–359,https ://doi.org/10.1016/j.cnsns.2018.10.008.
Simo Domguia, U., Abobda, L. and Woafo, P. (2016), ‘Dynamical behavior of a capacitive
microelectromechanical system powered by a hindmarsh–rose electronic oscillator’, Jour-
nal of Computational and Nonlinear Dynamics 11(5,https ://doi.org/10.1115/1.4032276).
Simo, H., Domguia, U. S., Dutt, J. K. and Woafo, P. (2019), ‘Analysis of vi-
bration of pendulum arm under bursting oscillation excitation’, Pramana 92, 1–
11,https ://doi.org/10.1007/s12043–018–1661–7.
Teh, S.-H., Chan, K.-H., Woo, K.-C. and Demrdash, H. (2015), ‘Rotating a pendulum with
an electromechanical excitation’, International Journal of Non-Linear Mechanics 70, 73–
83,https ://doi.org/10.1016/j.ijnonlinmec.2014.08.008.
Wojna, M., Wijata, A., Wasilewski, G. and Awrejcewicz, J. (2018), ‘Numerical and experi-
mental study of a double physical pendulum with magnetic interaction’, Journal of Sound
and Vibration 430, 214–230,https ://doi.org/10.1016/j.jsv.2018.05.032.

NOUDJEU Template UDs

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

NOUDJEU Template UDs

Transféré par

Droits d'auteur :

Formats disponibles

REPUBLIQUE DU CAMEROUN REPUBLIC OF CAMEROON

DSCHANG SCHOOL OF SCIENCE AND TECHNOLOGY

Etude d’un bras pendulaire excité par un signal neuronal

Option : Électronique Électrotechnique et Automatique (EEA)

NOUDJEU SILATCHOM Joël Gaı̈tan

Sous la direction de:

NWAGOUM TUWA Péguy Roussel

Année académique 2022/2023

Je soussigné, M. NOUDJEU SILATCHOM Joël Gaı̈tan, étudiant en Master 2, option Electronique-

NOUDJEU SILATCHOM Joël Gaı̈tan

Dr. NWAGOUM TUWA Péguy

Pr. KUETCHE KAMGANG Victor

Les membres du jury :

Le Rapporteur : Le Président : Le Membre :

Dr. NWAGOUM TUWA Pr. KAMMOGNE SOUP Dr. SAHA TCHINDA

Date ...................................... Date ................................ Date ................................

Pr. KUETCHE KAMGANG Victor

• Pr. KUETCHE KAMGANG Victor, Chef du Département de Physique à l’Université de

Fiche de certification de l’originalité du travail . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . i

Liste des Figures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ix

Titre en anglais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xii

0.1 Contexte de l’étude . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1

0.2 Question de recherche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

0.3 Hypothèses de recherche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

0.4 Objectifs de recherche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

1.1 Familiarité avec le sujet et contexte scientifique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

1.1.1 Le neurone biologique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

1.1.2 Caractéristiques des signaux neuronaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

1.2 Développement du cadre théorique et méthodologique pour notre recherche . . . . . . . 10

1.2.1 Modélisation du neurone . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

1.2.1.1 Nature électrique et chimique . . . . . . . . . . . . . . . . . . . 10

1.2.1.2 Modèle mathématique . . . . . . . . . . . . . . . . . . . . . . 12

1.2.2 Modélisation du bras pendulaire soumis à une excitation quelconque . . . . . . . 14

1.3 Positionnement de l’étude par rapport aux travaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

1.3.1 Excitation par impulsions mécaniques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

1.3.2 Excitation par champs électromagnétiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

1.3.3 Excitation par signal électrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

1.4 Contributions attendues aux connaissances et à la littérature dans le domaine . . . . . . 19

1.4.2 Le contrôle moteur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

Chapitre 2 : Matériels et méthodes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

2.1 Caractéristiques générales du système d’étude . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

2.1.1 Le microcontrôleur Arduino . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

2.1.2 Le convertisseur MCP4725 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

2.1.3 Le capteur MPU6050 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

2.1.4 Le bras pendulaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

2.1.5 L’oscilloscope numérique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

2.2 Développement du cadre méthodologique d’analyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

2.2.1 Formalismes mathématiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

2.2.1.1 Le théorème de Laplace . . . . . . . . . . . . . . . . . . . . . . 28

2.2.1.2 Théorème de Lorentz . . . . . . . . . . . . . . . . . . . . . . . 29

2.2.1.3 Relation fondamentale de la dynamique . . . . . . . . . . . . . 29

2.2.1.4 Lois des nœuds . . . . . . . . . . . . . . . . . . . . . . . . . . 29

2.2.1.5 Lois des mailles . . . . . . . . . . . . . . . . . . . . . . . . . . 29

2.2.2 Méthodes numériques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

2.2.3 Principes de base des techniques de simulation analogique . . . . . . . . . . . . . . . . . 31

2.2.3.1 L’amplificateur opérationnel . . . . . . . . . . . . . . . . . . . 31

2.2.3.2 Transistor bipolaire . . . . . . . . . . . . . . . . . . . . . . . . 32

2.3 Justification du choix de la méthode par rapport à d’autres techniques existantes . . . 36

Chapitre 3 : Résultats et Discussions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38

3.1 Présentation des résultats obtenus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38

3.2 Discussion des résultats obtenus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

3.2.1 Interprétation des résultats et positionnement par rapport à la littérature exis-

3.2.1.1 Présentation du système de Hindmarsh-Rose . . . . . . . . . . . 39