Académique Documents
Professionnel Documents
Culture Documents
net/publication/261024367
CITATIONS READS
5 571
1 author:
Alexandre Janot
The French Aerospace Lab ONERA
106 PUBLICATIONS 825 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
Feasible Speeds for Two Optimal Periodic Walking Gaits of a Planar Biped Robot View project
All content following this page was uploaded by Alexandre Janot on 24 March 2014.
ÉCOLE DOCTORALE
SCIENCES ET TECHNOLOGIES
DE L’INFORMATION ET DES MATERIAUX
Année : 2007
Alexandre JANOT
le 17 décembre 2007
à l’Ecole Centrale de Nantes
TITRE
Contribution à la modélisation et à l’identification des interfaces haptiques
Jury
Président : Dombre Etienne Directeur de recherches CNRS
-i-
Table des matières :
Remerciements ............................................................................................................................ i
Introduction générale.................................................................................................................. 1
- ii -
2.5 Caractérisation.......................................................................................................... 74
2.6 Discussion ................................................................................................................ 77
2.6.1 Amélioration de la conception mécanique ....................................................... 77
2.6.2 Etude de loi de commande ............................................................................... 77
2.6.3 Conclusion........................................................................................................ 89
2.7 Conclusion................................................................................................................ 89
- iii -
Conclusion générale ............................................................................................................... 191
Bilan ................................................................................................................................... 191
Perspectives ........................................................................................................................ 192
Bibliographie:......................................................................................................................... 197
- iv -
Liste des figures
Figure 0-1 : Opérateur en interaction avec un monde virtuel ................................................................................ 1
Figure 1-1 : Opérateur interagissant avec un monde virtuel en manipulant une interface haptique ..................... 9
Figure 1-2 : Gant mécanique conçu au CEA .......................................................................................................... 9
Figure 1-3 : Opérateur interagissant avec un monde virtuel en manipulant plusieurs organes........................... 10
Figure 1-4 : Schéma classique de téléopération montrant un couplage bilatéral ................................................ 10
Figure 1-5 : Robot à structure ouverte simple ...................................................................................................... 14
Figure 1-6 : Paramètres géométriques d’une structure ouverte simple................................................................ 15
Figure 1-7 : Notations associées à une structure arborescente............................................................................ 16
Figure 1-8 : Paramètres géométriques pour un corps à plus de deux articulations............................................. 17
Figure 1-9 : Repères placés sur une articulation coupée ..................................................................................... 19
Figure 1-10 : Modèles de frottement dépendant de la vitesse angulaire .............................................................. 24
Figure 1-11 : Représentation d’un corps j............................................................................................................ 25
Figure 1-12 : Méthode d’identification par modèle inverse et moindres carrés linéaires.................................... 31
Figure 1-13 : Filtrage des données en vue de l’identification des paramètres..................................................... 35
Figure 2-1: Banc un axe à modéliser et à identifier ............................................................................................. 39
Figure 2-2 : Schéma et notation d’un câble enroulé autour d’une poulie [Farges 1988].................................... 40
Figure 2-3 : Forces appliquées à un élément de câble [Farges 1988] ................................................................. 41
Figure 2-4 : Définition des repères pour le calcul des forces s’exerçant sur un élément rdγ............................... 41
Figure 2-5 : Transmission par câble typique. On considère le câble inélastique................................................. 44
Figure 2-6 : Repères DHM utilisés pour modéliser le banc un axe...................................................................... 44
Figure 2-7 : Schéma d’une transmission par câble en tenant compte de la flexibilité du câble........................... 47
Figure 2-8 : Repères DHM pour modéliser le bras un axe avec la flexibilité du câble........................................ 50
Figure 2-9 : Photo de la carte variateur contenant l’onduleur de tension et le DSP [Khatounian 2006]............ 52
Figure 2-10 : Schéma de commande de l’interface............................................................................................... 53
Figure 2-11 : Trajectoire en vitesse typique utilisée pour l’excitation du couple de frottement........................... 55
Figure 2-12 : Trajectoire bang-bang en accélération .......................................................................................... 56
Figure 2-13 : Comparaison directe entre le couple mesuré et estimé sur les trajectoires en paliers de vitesses . 59
Figure 2-14 : Comparaison directe entre le couple mesuré et estimé sur les trajectoires trapézoïdales en vitesse
.............................................................................................................................................................................. 59
Figure 2-15 : Validation du couple de frottement................................................................................................. 61
Figure 2-16 : Mesure du couple d’adhérence....................................................................................................... 62
Figure 2-17 : Evolution du coefficient de frottement visqueux et des couples de frottement sec et d’adhérence en
fonction de la précontrainte .................................................................................................................................. 62
Figure 2-18 : Schéma bloc du simulateur ............................................................................................................. 63
Figure 2-19 : Comparaison des positions simulées et mesurées........................................................................... 64
Figure 2-20 : Comparaison des vitesses simulées et mesurées............................................................................. 64
Figure 2-21 : Comparaison des couples simulés et mesurés ................................................................................ 65
Figure 2-22 : Cycle d’hystérésis observé lors des essais à sortie bloquée ........................................................... 66
Figure 2-23 : Validation directe effectuée du modèle à sortie bloquée ................................................................ 67
Figure 2-24 : Validation directe entre le couple mesuré et estimé lors des tests vibratoires ............................... 71
Figure 2-25 : Simulation du modèle avec une flexibilité articulaire..................................................................... 72
Figure 2-26 : Validation directe pour une fréquence de 20Hz ............................................................................. 73
Figure 2-27 : Validation directe pour une fréquence de 150Hz ........................................................................... 73
Figure 2-28 : Repères cartésiens pour le calcul de la matrice jacobienne........................................................... 75
Figure 2-29 : Schéma illustrant le mode transparent et le mode butée ................................................................ 78
Figure 2-30: Principe de la commande des interfaces haptiques ......................................................................... 79
Figure 2-31 : Modèle masse, ressort et amortisseur caractérisant le système interface + opérateur .................. 82
Figure 2-32 : Validation directe pour caractériser les paramètres de l’opérateur .............................................. 83
Figure 2-33 : Modèle dynamique de l’interface et commande lors d’une phase de contact................................. 84
Figure 2-34 : Modèle du système opérateur + interface en tenant compte de la raideur du câble ...................... 86
Figure 2-35 : Digramme de Nichols de 100Gflex. .................................................................................................. 88
Figure 3-1 : Interface médicale à identifier.......................................................................................................... 93
Figure 3-2 : Branche supérieure de l’interface médicale ..................................................................................... 94
Figure 3-3 : Repères DHM pour la structure de base .......................................................................................... 95
Figure 3-4 : Repères du double parallélogramme du segment de maintient ........................................................ 95
Figure 3-5 : Schéma de la commande implémentée pour le contrôle de l’interface........................................... 101
-v-
Figure 3-6 : Couple de frottement mesuré .......................................................................................................... 104
Figure 3-7 : Validation directe du couple de gravité mesuré (-) et estimé (.) de l’avant bras............................ 107
Figure 3-8 : Validation directe du couple de gravité mesuré (-) et estimé (.) de l’embase................................. 107
Figure 3-9 : Validation directe du couple de gravité mesuré (-) et estimé (.) du bras........................................ 108
Figure 3-10 : Validation directe entre le couple mesuré (-) et le couple estimé (.) exercé sur l’épaule............. 108
Figure 3-11 : Validation directe entre le couple mesuré (-) et le couple estimé (.) exercé sur le bras ............... 109
Figure 3-12 : Validation directe entre le couple mesuré (-) et le couple estimé (.) exercé sur l’avant bras....... 109
Figure 3-13 : Validation croisée concernant le couple de gravité de l’avant bras............................................. 110
Figure 3-14 : Validation croisée concernant le couple de gravité de l’avant bras............................................. 110
Figure 3-15 : Validation directe pour le paramètre d’inertie de 1er corps ......................................................... 111
Figure 3-16 : Validation directe pour le paramètre ZZ3R du 3e corps ................................................................ 111
Figure 3-17 : Validation directe entre le couple mesuré (bleu) et le couple reconstruit (vert) lors des essais à
sortie bloquée pour l’axe 1 ................................................................................................................................. 114
Figure 3-18 : Validation directe entre le couple mesuré (bleu) et le couple reconstruit (vert) lors des essais à
sortie bloquée pour l’axe 2 ................................................................................................................................. 114
Figure 3-19 : Validation directe entre le couple mesuré (bleu) et le couple reconstruit (vert) lors des essais à
sortie bloquée pour l’axe 5 ................................................................................................................................. 115
Figure 3-20 : Validation effectuée pour les essais à sortie libre concernant l’axe 1.......................................... 118
Figure 3-21 : Validation effectuée pour les essais à sortie libre concernant l’axe 2.......................................... 119
Figure 3-22 : Validation effectuée pour les essais à sortie libre concernant l’axe 5.......................................... 119
Figure 3-23 : Evolution de la masse apparente en fonction de q2...................................................................... 124
Figure 3-24 : Evolution de la masse apparente en fonction de q3...................................................................... 125
Figure 3-25 : Evolution de la raideur apparente en fonction de q2 ................................................................... 125
Figure 3-26 : Evolution de la raideur apparente en fonction de q3 ................................................................... 126
Figure 3-27 : Evolution du frottement sec apparent en fonction de q2............................................................... 127
Figure 3-28: Evolution du frottement sec apparent en fonction de q3................................................................ 127
Figure 3-29: Evolution du frottement visqueux apparent en fonction de q2....................................................... 128
Figure 3-30: Evolution du frottement visqueux apparent en fonction de q3....................................................... 128
Figure 3-31 : Evolution du frottement sec en fonction de la position ................................................................. 130
Figure 4-1 : Principe de la méthode du modèle.................................................................................................. 148
Figure 4-2 : Schéma illustrant la nouvelle méthode d’identification.................................................................. 154
Figure 4-3 : Commande d’un axe expliquant l’approximation de la relation (4.18).......................................... 160
Figure 4-4 : Diagramme de la fonction de transfert G_mdi ............................................................................... 163
Figure 4-5 : Diagrammes de la fonction de transfert G_mdi pour différentes valeurs initiales de J ................. 165
Figure 4-6 : Comparaison directe entre le couple mesuré et YS. ........................................................................ 168
Figure 4-7: Comparaison de qs simulé avec χ0 et avec χ3 ................................................................................. 169
Figure 4-8 : Comparaison de dqs = qɺ S simulé avec χ0 et avec χ3...................................................................... 169
Figure 4-9: Comparaison de ddqs = q ɺɺS simulé avec χ0 et avec χ3................................................................... 170
Figure 4-10 : Comparaison de Γs simulé avec χ0 et avec χ3.............................................................................. 170
Figure 4-11 : Comparaison de qs simulé avec χ0 et avec χ3 quand ZZ1R = 1 .................................................... 171
Figure 4-12 : Comparaison de dqs = qɺ S simulé avec χ0 et avec χ3 quand ZZ1R = 1 ......................................... 171
Figure 4-13 : Comparaison de ddqs = q ɺɺS simulé avec χ0 et avec χ3 quand ZZ1R = 1 ....................................... 172
Figure 4-14 : Comparaison de Γs simulé avec χ0 et avec χ3 avec ZZ1R = 1....................................................... 172
Figure 4-15 : Schéma du bras un axe ................................................................................................................. 173
Figure 4-16 : Structure mécanique du robot SCARA.......................................................................................... 175
Figure 4-17 : Repères DHM du robot SCARA.................................................................................................... 176
Figure 4-18 : Schéma de la commande PD du robot SCARA ............................................................................. 178
Figure 4-19 : Régulation du jieme axe du SCARA ................................................................................................ 179
Figure 4-20 : Validation directe, méthode du MDI (1er axe) .............................................................................. 180
Figure 4-21 : Validation directe, méthode du MDI (2e axe) ............................................................................... 181
Figure 4-22 : Schéma pour la simulation du robot SCARA ................................................................................ 182
Figure 4-23 : Validation directe entre les couples mesurés Y et simulés Ys filtrés à 5Hz pour le 1er axe .......... 183
Figure 4-24 : Validation directe entre les couples mesurés Y et simulés Ys filtrés à 5Hz pour le 2e axe ........... 184
Figure 4-25 : Schéma de simulation de la commande dynamique du robot SCARA .......................................... 187
Figure 4-26 : Schéma de simulation de la commande dynamique...................................................................... 187
- vi -
Liste des tableaux
Tableau 2-1 : Paramètres DHM du bras un axe................................................................................................... 45
Tableau 2-2 : Paramètres DHM du bras un axe en incluant la flexibilité du câble ............................................. 51
Tableau 2-3 : Valeurs a priori des paramètres du banc un axe............................................................................ 57
Tableau 2-4 : Valeurs identifiées des paramètres du banc un axe........................................................................ 58
Tableau 2-5 : Valeurs identifiées des paramètres de la transmission................................................................... 67
Tableau 2-6 : Paramètres identifiés, essais à sortie libre..................................................................................... 70
Tableau 2-7 : Paramètres inertiels identifiés........................................................................................................ 70
Tableau 2-8 : Valeurs retenues pour les simulations des essais à sortie libre...................................................... 72
Tableau 2-9 : Valeurs des paramètres apparents ressentis par l’opérateur......................................................... 76
Tableau 2-10 : Valeurs identifiées lors d’une phase de contact ........................................................................... 82
Tableau 2-11 : Valeurs identifiées avec le même opérateur et d’autres essais..................................................... 83
Tableau 3-1 : Paramètres DHM des branches 3 DDL.......................................................................................... 96
Tableau 3-2 : Jeu des paramètres de base identifiables pour les branches 3 DDL .............................................. 99
Tableau 3-3 : Valeurs identifiées des paramètres de frottement......................................................................... 103
Tableau 3-4 : Valeurs identifiées pour les paramètres inertiels de la branche supérieure ................................ 106
Tableau 3-5 : Valeurs identifiées pour les paramètres inertiels de la branche inférieure.................................. 106
Tableau 3-6 : Valeurs des paramètres identifiés lors des essais à sortie bloquée .............................................. 113
Tableau 3-7 : Valeurs évaluées pour la bande passante de la transmission de chaque axe............................... 115
Tableau 3-8 : Valeurs identifiées lors des essais vibratoires.............................................................................. 117
Tableau 3-9 : Valeurs identifiées des paramètres physiques lors des essais à sortie libre................................. 118
Tableau 3-10 : Comparaison entre les variations théoriques et les variations observées.................................. 130
Tableau 3-11 : Identification par la méthode CESTAC et variations observées................................................. 139
Tableau 3-12 : Valeurs identifiées et variations observées pour différentes erreurs sur la mesure en position. 140
Tableau 3-13 : Résultats obtenus et variations observées à l’aide de la méthode CESTAC appliquée à la branche
3 DDL supérieure................................................................................................................................................ 141
Tableau 3-14 : Estimation et variations observées pour différentes résolutions codeur .................................... 142
Tableau 4-1 : DIDIM avec mauvaise initialisation............................................................................................. 167
Tableau 4-2 : DIDIM avec une mauvaise initialisation et adaptation de Kv...................................................... 174
Tableau 4-3 : Sous échantillonnage à 20Hz sans filtrage des couples ............................................................... 174
Tableau 4-4 : Paramètres DHM du robot SCARA.............................................................................................. 176
Tableau 4-5 : Valeurs identifiées par MDI ......................................................................................................... 180
Tableau 4-6 : Valeurs estimées par la méthode DIDIM. .................................................................................... 183
Tableau 4-7 : Influence des conditions initiales et du sous échantillonnage ...................................................... 185
Tableau 4-8 : Valeurs estimées des paramètres inertiels du robot SCARA par la méthode du modèle quand cette
dernière est mal initialisée et quand la commande dynamique est utilisée......................................................... 188
Tableau 1 : Expression des éléments de la matrice j-1λj. ..................................................................................... 215
- vii -
- viii -
Introduction générale
Introduction générale
Une interface haptique est un système qui permet à un opérateur humain d’interagir soit
avec un monde simulé dit virtuel, soit avec un monde réel par l’intermédiaire d’un système
esclave. Elle vise à la mise en correspondance entre les forces et les déplacements exercés par
l’opérateur et ceux appliqués au monde virtuel ou réel. L’objectif de ces interfaces est
l’immersion sensorielle d’un opérateur humain dans un monde réel ou simulé.
De tels systèmes sont de plus en plus utilisés pour des applications telles que
l’intervention en milieux hostiles, mal connus ou difficilement accessibles par l’homme
(domaine nucléaire, domaine militaire, domaine de l’exploration…), les interactions hommes-
machines (rééducation de patients malades…) et les procédures d’entraînements
professionnels (gestes chirurgicaux, simulateurs de vols, de conduites, montage de véhicules
…) [Colgate et al. 1993] et [Millman, Stanley et Colgate1993].
Monde virtuel
Opérateur
Interface haptique
-1-
Introduction générale
distorsion entre le torseur des efforts ressenti par l’opérateur et le torseur d’interaction avec le
monde virtuel calculé par simulation. Cette distorsion, provenant du torseur dynamique de
l’interface, peut être calculée par le modèle dynamique de l’interface haptique.
Il est donc important de modéliser et d’identifier le modèle dynamique afin d’en
connaître les paramètres essentiels (masse, frottement ou compliance) et de caractériser la
qualité de l’interface. Ceci permet d’en améliorer la conception mécanique ainsi que les lois
de commande afin de diminuer la distorsion en compensant le torseur dynamique de
l’interface.
-2-
Introduction générale
-3-
Introduction générale
carrés non linéaires dont la solution calculée par l’algorithme de Gauss Newton se simplifie
très significativement en exprimant le couple simulé par le MDI.
-4-
Introduction générale
Enfin, une méthode utilisant les concepts de la méthode CESTAC permet d’évaluer l’effet du
bruit de quantification sur l’identification. Cette méthode est expérimentalement validée sur le
bras un axe et les branches à 3 DDL de l’interface médicale.
-5-
Introduction générale
-6-
Chapitre 1 : Interfaces haptiques, formalisme de la robotique et techniques d’identification associées.
Résumé : Ce chapitre introduit les outils utilisés pour la modélisation et l’identification des
paramètres mécaniques des robots. Ces outils seront utilisés par la suite pour la modélisation
et l’identification des interfaces haptiques. La modélisation géométrique est basée sur la
convention DHM alors que les techniques d’identification sont basées sur le modèle
dynamique inverse et les moindres carrés linéaires.
-7-
Chapitre 1 : Interfaces haptiques, formalisme de la robotique et techniques d’identification associées.
1.1 Introduction
Une interface haptique est un système maître qui permet à son utilisateur d’interagir
avec un monde simulé dit virtuel ou avec un monde réel par l’intermédiaire d’un système
esclave. Elle vise à la mise en correspondance entre les forces et déplacements exercés par
l’opérateur et ceux appliqués au monde virtuel ou réel. Les interfaces haptiques visent
l’immersion sensorielle d’un opérateur humain dans un monde réel ou simulé.
De tels systèmes sont de plus en plus utilisés pour des applications telles que
l’intervention en milieux hostiles, mal connus ou difficilement accessibles par l’homme
(domaine nucléaire, domaine militaire, domaine de l’exploration, …), les interactions
hommes-machines (rééducation de patients malades, …) et les procédures d’entraînements
professionnels (gestes chirurgicaux, simulateurs de vols, de conduites, …) [Colgate et al.
1993] et [Millman, Stanley et Colgate1993].
Généralement, les interfaces sont constituées d’une structure mécanique articulée
actionnée identique à celle des robots, équipée d’une poignée. Ainsi, l’opérateur interagit avec
le monde virtuel en manipulant la poignée de l’interface. Un exemple est montré Figure 1-1.
-8-
Chapitre 1 : Interfaces haptiques, formalisme de la robotique et techniques d’identification associées.
Figure 1-1 : Opérateur interagissant avec un monde virtuel en manipulant une interface haptique
-9-
Chapitre 1 : Interfaces haptiques, formalisme de la robotique et techniques d’identification associées.
Figure 1-3 : Opérateur interagissant avec un monde virtuel en manipulant plusieurs organes
F Fm Fe
Structure Monde
Opérateur Moteurs
mécanique virtuel
V Vm Ve
Interface haptique
Cependant, une interface réelle est caractérisée par ses paramètres inertiels, de
frottements et de compliance qui nuisent à l’immersion sensorielle de l’opérateur. Une
interface réelle introduit une distorsion entre l’effort ressenti par l’opérateur et l’effort
d’interaction sur le monde virtuel calculés par simulation. Cette distorsion provient du torseur
dynamique de l’interface calculé par son modèle dynamique. Comme le monde virtuel est
calculé par ordinateur, il y aussi une distorsion introduite par les retards dus aux temps de
calcul. Dans le cadre de cette thèse, nous nous intéressons uniquement à la distorsion
introduite par la structure mécanique de l’interface.
Pour évaluer l’interface, il convient de modéliser et d’identifier les paramètres
caractérisant la distorsion. Ceci permet d’améliorer leur conception mécanique ainsi que les
- 10 -
Chapitre 1 : Interfaces haptiques, formalisme de la robotique et techniques d’identification associées.
- 11 -
Chapitre 1 : Interfaces haptiques, formalisme de la robotique et techniques d’identification associées.
pris en compte et donc, on se sait pas si les paramètres sont bien excités. Enfin, dans
[Thamasebi et al. 2005], les auteurs identifient les paramètres inertiels d’un PHANTOM 3 ddl
par la méthode du modèle inverse et des moindres carrés en se basant sur le modèle calculé
dans [Cavosglu 2002]. Or, ce modèle est basé sur des simplifications géométriques d’une part,
et le conditionnement du régresseur n’est pas pris en compte d’autre part. De plus, le modèle
de frottement est validé de manière peu rigoureuse.
Toutes ces remarques montrent qu’il est intéressant de concevoir une méthode générique
de modélisation et d’identification dédiée aux interfaces haptiques. Ces interfaces pouvant
être considérées comme des robots, il est possible d’appliquer les techniques de modélisation
basées sur la convention de Denavit et Hartenberg modifiée (DHM) [Khalil et Kleinfinger
1986]. Cette convention a largement été appliquée sur des robots industriels et sur différents
prototypes [Khalil et Kleinfinger 1987], [Gautier 1997], [Khalil et Ibrahim 2004] et [Khalil et
Guegan 2004] par exemple. Récemment, elle a été utilisée pour modéliser des voitures, des
pneus et des compacteurs [Venture et al 2006], [Ripert 2006] et [Lemaire et al. 2006]. Ceci
montre que cette modélisation est universelle pour décrire une structure mécanique multicorps
articulée. Il est également possible d’utiliser la technique d’identification basée sur le modèle
dynamique inverse et les moindres carrés linéaires [Gautier, Khalil et Retrepo 1995], [Gautier
1997], [Gautier et Poignet 2001], [Pham, Gautier et Poignet 2002] et [Khalil, Gautier et
Lemoine 2007].
Cependant, les interfaces haptiques présentent certaines particularités par rapport aux
robots manipulateurs :
Premièrement, elles sont légères et beaucoup d’entre elles font usage de transmissions
à câble. Il en résulte une compliance qu’il faut caractériser.
Deuxièmement, les interfaces sont très utilisées en basses vitesses et autour de la
vitesse nulle et à accélération faible. Cela implique que le modèle de frottement doit être
le plus précis possible.
- 12 -
Chapitre 1 : Interfaces haptiques, formalisme de la robotique et techniques d’identification associées.
Cette procédure est d’abord appliquée sur une interface un ddl à transmission par câble
développée au CEA pour mieux comprendre le fonctionnement de ce type de transmissions.
Ensuite, elle est appliquée sur une interface à plusieurs ddl afin de généraliser cette procédure.
En robotique, une description géométrique très utilisée est celle basée sur la convention
de Denavit-Hartenberg modifiée (DHM) introduite par Khalil et Kleinfinger [Khalil et
Kleinfinger 1986]. Cette description utilise un nombre minimum de paramètres géométriques
et conduit à un modèle dynamique linéaire par rapport aux paramètres inertiels. Nous
donnerons les descriptions géométriques des robots à structures ouvertes, arborescentes et
fermées. On suppose que les corps sont rigides et qu’ils sont reliés par des articulations
prismatiques (translations pures) ou rotoïdes (rotations pures). Le modèle rigide des robots se
généralise au modèle avec flexibilités localisées (paragraphe 1.4.5).
- 13 -
Chapitre 1 : Interfaces haptiques, formalisme de la robotique et techniques d’identification associées.
zj+1
zj zn
zj-1
Cj+1
z3 Cn
Cj
z2
C2
z1
C1
C0
q j = σ jθ j + σ j r j
avec :
• σj = 0 si l’articulation est rotoïde
• σj = 1 si l’articulation est prismatique
• σj = 1− σ j
- 14 -
Chapitre 1 : Interfaces haptiques, formalisme de la robotique et techniques d’identification associées.
xj
zj
zj-1
θj
Oj
rj αj
dj
Oj-1 xj-1
j-1
La matrice du changement de repère Tj, appelée aussi matrice de transformation
homogène) représente à la fois l’orientation et la position du repère Rj dans le repère Rj-1. Elle
s’exprime par :
j−1
Tj = Rot (x, α j )Trans (x, d j )Rot (z, θ j )Trans (z, rj ) (1.1)
Cθ j − Sθ j 0 dj
j−1 Cα Sθ Cα jCθ j − Sα j − rjSα j j−1 A j j−1
Pj
Tj = j j = (1.2)
Sα Sθ Sα jCθ j Cα j rjCα j 01×3 1
j j
0 1
0 0
avec :
• j−1
Aj = ( j−1
sj j−1
nj j−1
aj )
• j-1
Pj (3x1) est le vecteur des coordonnées du point Oj exprimé dans le repère Rj-1,
• j-1
Aj (3x3) est la matrice orthogonale de rotation définissant l’orientation de Rj
j-1
dans le repère Rj-1. Les éléments de Aj définissent les cosinus directeurs
d’orientation.
• j-1
sj , j-1
nj et j-1
aj sont les vecteurs unitaires qui constituent la base orthonormée
suivant les axes xj, yj et zj de Rj exprimés dans Rj-1,
• On pose C. = cos(.) et S. = sin(.).
- 15 -
Chapitre 1 : Interfaces haptiques, formalisme de la robotique et techniques d’identification associées.
simples. Une structure arborescente est constituée par n articulations, n+1 corps rigides notés
C0, C1, …, Cn et éventuellement de plusieurs organes terminaux. Par convention, les corps et
les articulations sont numérotés de la manière suivante (Figure 1-7) :
zj
zi-1
zi
Cj
z3
Ci-1 Ci
z2
Ck
C2
zk Cn
z1
C1
zn
C0
Jusqu’à présent, ces notations étaient parfaitement compatibles avec la description d’une
chaîne simple. Si le corps Ci, i = a(j) n’a pas d’arborescence, xi est la perpendiculaire
commune à zi et zj. Dans le cas où le corps Ci porte plus d’un corps (Figure 1-8), par exemple
Cj et Ck, il faut alors choisir xi sur l’une des perpendiculaires communes à zi et zj ou à zi et zk.
Dans [Khalil et Dombre 2002], les auteurs suggèrent de choisir la chaîne qui mène à l’organe
terminal ou celle qui est la plus longue en nombre de corps.
Deux cas doivent être alors envisagés pour définir la matrice de transformation
homogène iTj avec i = a(j) :
• Si xi est la perpendiculaire commune à zi et zj, alors le passage de Ri à Rj s’écrit
comme dans le cas des chaînes simples, à l’aide des quatre paramètres (αj, dj, qj,
rj),
- 16 -
Chapitre 1 : Interfaces haptiques, formalisme de la robotique et techniques d’identification associées.
On note que i’ est l’indice d’un repère Ri’, lié au corps i, mais ayant son axe xi’ construit
sur l’autre perpendiculaire commune à zi et zj. La matrice de transformation iTj est obtenue
par :
j−1
Tj = Rot (z, γ j )Trans (z, b j )Rot (x, α j )Trans (x, d j )Rot (z, θ j )Trans (z, rj ) (1.3)
La variable articulaire qj est définie comme pour celle d’une chaîne ouverte simple.
zi
zk
zj αk
xj αj
θj
rj bj
dj Ck
γj
xi’
Cj
xi
Ci
B=L–n (1.4)
- 17 -
Chapitre 1 : Interfaces haptiques, formalisme de la robotique et techniques d’identification associées.
Pour déterminer les paramètres géométriques d’une telle structure, on peut procéder de
la manière suivante :
• On construit d’abord une structure arborescente équivalente comportant n
articulations en n corps mobiles en coupant virtuellement chacune des boucles sur
l’une de ses articulations. On coupe généralement l’articulation non motorisée telle
que le nombre de corps qui la sépare de la racine ait le même ordre de grandeur,
que l’on parcourt la boucle d’un coté ou de l’autre. Cette stratégie permet de
simplifier les équations du modèle [Kleinfinger 1986]. On place ensuite les repères
sur les corps et on détermine les paramètres géométriques de la structure
arborescente équivalente en appliquant les règles du paragraphe précédent,
• On numérote les articulations coupées à partir de n+1 jusqu’à L. Pour chaque
articulation coupée k, on définit un repère Rk fixe par rapport à l’un des corps
supportant cette articulation, Cj par exemple. On suppose que l’axe zk est supporté
par l’axe de l’articulation k, l’axe xk est porté par la perpendiculaire commune à zk
et zj (Figure 1-9). A partir des quatre ou six paramètres usuels indicés k, on peut
définir la transformation entre les repères Ri et Rk avec i = a(k) désignant l’autre
corps connecté à l’articulation k,
• Le repère k étant fixe par rapport au corps Cj, on peut définir des paramètres
géométriques constants exprimant la transformation entre Rj et Rk. Pour éviter
toute confusion, cette transformation est notée jTk+B, j = a(k) et les paramètres de
la transformations seront indicés k+B (pour k = n+1, .., B). Ceci revient à dire que
le repère Rk+B est confondu avec Rk et que rk+B = 0 et que θk+B = 0.
- 18 -
Chapitre 1 : Interfaces haptiques, formalisme de la robotique et techniques d’identification associées.
zk zk+B
zi zj
xk+B
xi xk
Ci Cj
C0
Ainsi, la description d’un système comportant des boucles fermées se ramène à celle
d’un système arborescent obtenu en coupant chaque boucle sur une de ses articulations et en
ajoutant deux repères par articulation coupée, ce qui donne un total de (n + 2B) repères.
q a
q = q p
q c
avec :
• qa : vecteur contenant les N variables articulaires correspondant aux articulations
motorisées,
• qp : vecteur contenant les p = n – N variables articulaires correspondant aux
articulations passives de la structure arborescente équivalente,
• qc : vecteur contenant les B variables articulaires correspondant aux articulations
coupées.
- 19 -
Chapitre 1 : Interfaces haptiques, formalisme de la robotique et techniques d’identification associées.
k+B
Tj … iTk = I4 (1.5)
On remarque que cette équation comporte douze relations non linéaires. Cependant, le
nombre des relations indépendantes est de six au maximum pour une boucle spatiale, et de
trois maximum pour une boucle plane. Généralement, on écrit ces relations sous la forme
suivante :
φ1 (q )
φ (q )
φ(q ) = 2 =0
( L − N )×1 (1.6)
⋮
φ L− N (q )
Si on ne peut pas dégager ces formes explicites, il faut alors utiliser des méthodes
numériques fondées sur le modèle différentiel inverse.
1.3.4 Conclusion
Dans cette section, nous avons présenté les descriptions géométriques des robots à
structures ouvertes simples, arborescentes et fermées. Ces descriptions sont nécessaires pour
le calcul du modèle dynamique que nous allons maintenant introduire.
Après avoir présenté les descriptions géométriques des robots à structures simples,
arborescentes et fermées, nous allons présenter les modèles dynamiques directs et inverses
- 20 -
Chapitre 1 : Interfaces haptiques, formalisme de la robotique et techniques d’identification associées.
d’un robot ainsi que ses paramètres inertiels. Cette partie est importante pour le choix d’une
stratégie d’identification.
Γ = f i (q, qɺ , q
ɺɺ, f e ) (1.7)
avec :
• Γ : vecteur des efforts moteurs en unité SI coté articulaire,
• q : vecteur des positions articulaires,
• qɺ : vecteur des vitesses articulaires,
• ɺɺ : vecteur des accélérations articulaires,
q
• fe : torseur des efforts extérieurs d’interaction du robot avec l’environnement,
• fe = JTFe où Fe est le torseur des efforts d’interaction avec l’environnement et J la
ɺ = Jqɺ ,
jacobienne exprimant le modèle cinématique direct X
• fi : fonction non linéaire exprimant le modèle inverse.
Toutes les grandeurs sont exprimées en unités SI côté articulaire. Le modèle dynamique
inverse (qui sera noté dans la suite modèle dynamique) peut se calculer à l’aide du Lagrangien
sous forme explicite :
d ∂L ∂L
ΓL = − = Γ − Γf + fe (1.8)
dt ∂qɺ ∂q
avec :
• ΓL : ensemble des efforts ne dérivant pas d’un potentiel,
• Γf : efforts de frottement,
• L = E – U,
• L : Lagrangien du système,
• E : énergie cinétique totale du robot,
• U : énergie potentielle totale du robot.
- 21 -
Chapitre 1 : Interfaces haptiques, formalisme de la robotique et techniques d’identification associées.
Γ + J T Fe = A (q )q
ɺɺ + C(q, qɺ )qɺ + Q(q ) + Γ f = A (q )q
ɺɺ + H (q, qɺ ) (1.9)
avec :
• A(q) : matrice d’inertie (nxn) symétrique définie positive,
• C(q, qɺ ) : matrice (nxn) regroupant les termes de Coriolis et centrifuge,
• Q(q) : vecteur (nx1) de gravité,
• Γf : effort de frottement,
• H (q, qɺ ) : vecteur (nx1) regroupant les termes de gravité, Coriolis, centrifuge et de
frottements,
• H (q, qɺ ) = C(q, qɺ )qɺ + Q(q).
avec :
• fd : fonction non linéaire exprimant le modèle direct.
On peut donc écrire (1.10) sous une forme d’état. On pose alors :
qɺ qɺ qɺ 0
xɺ = = −1 = + u
qɺɺ A (q)(Γ + fe − H(q, qɺ )) − A (q)H(q, qɺ ) A −1 (q)
−1
Où :
q
• x = est le vecteur d’état,
qɺ
• u = Γ + fe est le vecteur commande.
- 22 -
Chapitre 1 : Interfaces haptiques, formalisme de la robotique et techniques d’identification associées.
On remarque que le robot est un système non linéaire en l’état et affine en la commande.
Γ f = f v qɺ + f c sign(qɺ ) (1.11)
Ce modèle est généralement suffisant pour des vitesses non nulles (Figure 1-10.b)).
Cependant, il ne prend pas en compte le phénomène de stiction (adhérence) qui apparaît à
vitesse nulle. Ce frottement bloque le mouvement tant que la norme de la force appliquée au
système est inférieure à celle de la force de stiction :
u si u < f s
Γf = (1.12)
f s sign(u) si u ≥ f s
Ce modèle est illustré par la Figure 1-10.c). On peut donc modéliser le couple de
frottement en combinant les équations (1.11) et (1.12). Enfin, Stribeck a proposé une variation
continue de l’effort d’adhérence vers le modèle de frottement visqueux et Coulomb. Son
modèle est décrit par l’équation (1.13) :
ɺ δ
Γ f = f c sign(qɺ ) + (f s − f c )exp − q + f v qɺ (1.13)
qɺ s
- 23 -
Chapitre 1 : Interfaces haptiques, formalisme de la robotique et techniques d’identification associées.
Armstrong-Hélouvry propose des analyses dimensionnelles pour les vitesses très faibles
pour prendre en compte le phénomène d’adhérence-glissement (Stick-Slip) [Armstrong-
Helouvry 1990, 1992], ainsi que l’effet mémoire du frottement [Armstrong-Helouvry 1994].
De plus, l’auteur propose des lois de commande pouvant compenser ces phénomènes
[Armstrong-Helouvry et Amin 1994]. Des commandes pour compenser les phénomènes non-
linéaires en basses vitesses ont également été proposées par [Dupont 1994] et [Olson et
Astrom 1996, 2001]. Enfin, dans [Dupont et Dunlap 93] les auteurs proposent des modèles de
frottement suivant le type de lubrification ainsi qu’une loi de commande appropriée.
Les modèles statiques peuvent être identifiés à l’aide de la méthode des paliers de
vitesses [Spetch et Isermann 1988]. Pour une vitesse constante autour d’une position, les
efforts des quantités d’accélération et de gravité sont faibles et le couple moteur est proche du
couple de frottement. Cette méthode a été utilisée avec succès pour identifier le couple de
frottement associé à un bras hydraulique [Bidard et al 2005] et a été largement utilisée au
CEA pour identifier les frottements de systèmes esclaves [Bidard 2004] et [Arhur 2004].
Cependant, pour le phénomène d’adhérence (stiction), une bonne méthode consiste à
utiliser des masses [Nahvi et al 1994]. Cette méthode consiste à produire un couple extérieur
sur le corps mobile à l’aide d’une masse m et d’un bras de levier l. Le couple d’adhérence est
égal à fs = gml. Ce test est répété plusieurs fois pour obtenir une valeur moyenne et un écart
type du couple.
- 24 -
Chapitre 1 : Interfaces haptiques, formalisme de la robotique et techniques d’identification associées.
Les modèles dynamiques peuvent se résumer sous la forme d’une équation d’état
classique, i.e. sous la forme suivante [Dhal 1976], [Canudas de Vit et al 1995], [Ge, Lee et
Ren 2001]:
zɺ = f (z, v ) (1.14)
Ces modèles peuvent être vus comme des généralisations des modèles statiques et permettent
une globalisation des phénomènes physiques mis en jeu [Canudas de Vit et al 1995].
Cependant, l’identification précise de tels modèles est complexe. Par exemple, le modèle de
Dahl a été utilisé dans [Mahvash et Okamura 2006] pour la compensation du frottement dans
le cadre de la téléopération alors que le modèle pouvait être approché par un modèle statique.
En effet, d’après les essais expérimentaux, le couple de frottement pouvait être modélisé par
un frottement de Coulomb.
x j-1
O j-1
z j-1
y j-1
z0 Lj
yj
x0 Cj
Gj
O0
y0 Sj
xj
Oj
zj
Ej =
2
(
1 T
ω j I G j ω j + m j VGTj VG j ) (1.15)
- 25 -
Chapitre 1 : Interfaces haptiques, formalisme de la robotique et techniques d’identification associées.
où :
• ω j est le vecteur (3x1) vitesse de rotation du corps j,
d’origine Gj,
• mj est la masse du corps,
• VG j est le vecteur (3x1) vitesse du centre de gravité Gj.
où :
• Jj est le tenseur d’inertie de Cj par rapport à Rj,
• Ŝ j est la matrice antisymétrique du préproduit vectoriel.
Ej = (
ω j J jω j + m j VjT Vj + 2MS Tj (Vj × ω j )
1 T
2
) (1.16)
Cette dernière expression est linéaire par rapport aux paramètres Jj, mj et MSj, produit
de la masse mj par Sj. Pour l’énergie potentielle, nous pouvons écrire que :
(
U j = − 0 g T m j Pj + 0 A j j ΜS j
0
) (1.17)
où :
• g est l’accélération de la pesanteur,
• 0
Pj est le vecteur position de Oj par rapport au repère R0,
• 0
A j est la matrice (3x3) de rotation du corps j exprimée dans le repère R0.
Cette relation est aussi linéaire par rapport aux paramètres MSj et mj.
- 26 -
Chapitre 1 : Interfaces haptiques, formalisme de la robotique et techniques d’identification associées.
[
χ Ij = XX j XYj XZ j YYj YZ j ZZ j mj MX j MYj MZ j ] T
L’énergie totale d’un corps j est donnée par la relation linéaire suivante en fonction des
paramètres inertiels [Gautier et Khalil 1990] et [Gautier 1990] :
Hj = Ej + Uj = hjχIj (1.18)
T
∂H j ∂H j ∂H j ∂H j
hj = = ⋯
∂χ Ij ∂XX j ∂XYj ∂MZ j
[
h j = h XX j h XYj h XZ j h YYj h YZ j h ZZ j h mj h MX j h MYj h MZ j ] T
- 27 -
Chapitre 1 : Interfaces haptiques, formalisme de la robotique et techniques d’identification associées.
Par suite, le robot comporte 10n paramètres inertiels au total (n étant le nombre de corps
du robot). En effet, l’énergie totale d’un robot s’écrit de la manière suivante :
n 10n
∂H i 10n
H = E + U = ∑Ej + Uj = ∑ K Ii = ∑ h i χ Ii (1.19)
j =1 i =1 ∂χ Ii i =1
avec :
• n, le nombre de corps du robot,
• H, l’énergie totale du robot,
• χIi, un paramètre inertiel et hi sa fonction d’énergie correspondante.
1
E actionneme nt = I aj qɺ 2j (1.20.a)
2
Γ fj = f vj qɺ j + f sjsign(qɺ j ) (1.20.b)
Par la suite, le vecteur des paramètres χSj sera égal à : χSj = [χIj fvj fsj Iaj]T.
L’équation de Lagrange (1.9) prend la forme du modèle dynamique inverse linéaire par
rapport aux paramètres inertiels :
Γ + J T Fe = D S (q, qɺ , q
ɺɺ )χ S (1.21)
avec :
• DS : matrice (nxNp) fonction de q, qɺ , q
ɺɺ et des paramètres géométriques,
- 28 -
Chapitre 1 : Interfaces haptiques, formalisme de la robotique et techniques d’identification associées.
- 29 -
Chapitre 1 : Interfaces haptiques, formalisme de la robotique et techniques d’identification associées.
1.4.6 Conclusion
Les modèles dynamiques direct et inverse ont été présentés dans cette section. Les
paramètres inertiels ainsi que le calcul des paramètres de base ont été également introduits.
Cette étape est importante pour l’identification car les paramètres de base sont les seuls
paramètres identifiables. Nous allons maintenant présenter les techniques d’identification.
Le modèle dynamique est linéaire par rapport aux paramètres ce qui conduit à utiliser
des techniques d’identification basées sur les moindres carrés linéaires ordinaires ou
pondérés.
- 30 -
Chapitre 1 : Interfaces haptiques, formalisme de la robotique et techniques d’identification associées.
Γ(t) q(t)
Filtrage
Robot
Passe Bande
+
-
ρ(t)
modèle dynamique inverse
Γ̂(t) (
Γˆ = D qˆ , qɺˆ , q
ɺˆɺ χ) qˆ , qˆɺ , q
ɺˆɺ
Moindres Carrés χ
Linéaires
Figure 1-12 : Méthode d’identification par modèle inverse et moindres carrés linéaires
L’estimation χ̂ du vecteur des paramètres inconnus χ est obtenu par minimisation d’un
critère J(ρ) tel que :
χˆ = Argmin(J (ρ )) (1.23)
χ
Dans le cadre des moindres carrés classiques J(ρ) est défini par :
J (ρ ) = ρ = ρ T ρ
2
(1.24)
Y = Wχ + ρ (1.25)
avec :
Y1
• Y = ⋮ appelée matrice de mesure,
Yn
Γ j (1)
• Y = ⋮ ,
j
Γ (Ne )
j
- 31 -
Chapitre 1 : Interfaces haptiques, formalisme de la robotique et techniques d’identification associées.
D1
• W = ⋮ appelée matrice d’observation,
Dn
D j,: (1)
• D =
j
⋮ ,
D (Ne )
j,:
• Dj,:(k) désigne l’échantillon k de la ligne j de D.
Sous la condition que χ est le vecteur des paramètres de base et que les échantillons de
(1.25) sont obtenus sur des trajectoires excitantes, W est de rang maximum [Gautier 1997]. La
solution χ̂ des moindres carrés de (1.25) est unique et s’exprime littéralement par
((
χˆ = W T W )−1
)
WT Y = W+ Y (1.26)
( )
Cρ = E ρρ T = σ ρ2 I r (1.27)
Ir étant la matrice unité de dimension (rxr). L’écart type σ ρ peut être calculé par
Y − Wχˆ
2
σ =
2
(1.28)
ρ
(r − b )
La matrice de covariance de l’erreur d’estimation a alors pour expression :
(
C χˆ = σ ρ2 W T W ) −1
(1.29)
- 32 -
Chapitre 1 : Interfaces haptiques, formalisme de la robotique et techniques d’identification associées.
σ χ̂ j
σ χˆ j % = 100 (1.30)
χˆ j
Yj = Djχ + ρj.
- 33 -
Chapitre 1 : Interfaces haptiques, formalisme de la robotique et techniques d’identification associées.
S1 0 ⋯ 0 1
S j = Ir
σ̂
0 ⋱ ⋱ ⋮ ρ j
S= avec : (1.31)
σ̂ = Y − D χˆ
j j
⋮ ⋱ ⋱ 0
0 ⋯ 0 S ρj
n
rj − b
Yp = SY
Yp = Wp χ + ρ p avec Wp = SW (1.32)
ρp = Sρ
(
χˆ = Argmin ρ TS TSρ ) (1.33)
χ
Les échantillons aberrants du couple et de la position sont éliminés avec un filtre médian
glissant sur 3 échantillons (fonction « medfilt1 » de MATLAB).
La position est ensuite filtrée à l’aide d’un filtre de Butterworth aller et retour sans
distorsion d’amplitude dans la bande passante et sans distorsion de phase sur toutes les
fréquences. Cela se fait avec les fonctions « butter » et « filtfilt » de MATLAB. Le choix de la
fréquence de coupure ωc dépend de la dynamique du système que l’on désire identifier. De
plus, cette fréquence de coupure doit être assez grande pour tenir compte de l’élargissement
du spectre des fonctions non linéaires de q et qɺ constituant les colonnes de D.
- 34 -
Chapitre 1 : Interfaces haptiques, formalisme de la robotique et techniques d’identification associées.
q k +1 − q k −1
qɺ k = (1.34)
2 Te
Enfin, un filtrage passe bas du vecteur Y et sur les colonnes de la matrice W est effectué
avec la fonction « decimate » de MATLAB. Cette opération est appelée filtrage parallèle. Ce
filtrage permet d’éliminer les perturbations hautes fréquences sur le couple Γ présent dans Y
provenant de toutes les perturbations non modélisées et rejetées par la boucle fermée. Le
choix de ωc dépend de la dynamique du système à identifier, généralement ωc ≥ 10ωdyn. Ce
filtrage élimine l’information contenue dans [ωc, ωech/2]. Il s’accompagne donc d’une
décimation temporelle qui élimine un échantillon sur nd. L’ensemble du filtrage des données
est résumé par la Figure 1-13 [Gautier 1997] et [Gautier et Poignet 2001].
qr q qɺ
Loi de Passe
Système
Commande Γ(t) Bande
fe
fe
Passe Bas
Passe Bande
q̂ q̂ɺ ɺq̂ɺ
Y W
Filtrage parallèle
Decimation
Yfd Wfd
- 35 -
Chapitre 1 : Interfaces haptiques, formalisme de la robotique et techniques d’identification associées.
1.5.4 Conclusion
Dans cette section, nous avons présenté les modèles dynamiques direct et inverse. Le
modèle dynamique inverse est intéressant car il est linéaire par rapport aux paramètres
dynamiques. Ainsi, l’utilisation des moindres carrés linéaires est possible.
1.6 Conclusion
- 36 -
Chapitre 1 : Interfaces haptiques, formalisme de la robotique et techniques d’identification associées.
- 37 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
- 38 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
2.1 Introduction
Ce chapitre traite de la modélisation et de l’identification d’une interface haptique à
transmission par câble possédant un degré de liberté.
Ce chapitre est divisé en quatre parties. La première partie traite de la modélisation de
l’interface. Un premier modèle de robot rigide est présenté, puis un second modèle prenant en
compte la flexibilité de la transmission mécanique par câble est introduit. La deuxième partie
concerne l’identification expérimentale des paramètres inertiels de l’interface. La troisième
partie traite de la caractérisation de l’interface en terme de performances. Enfin, une dernière
partie, présente des applications du modèle identifié à la conception et à la commande de
l’interface.
- 39 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
Brin moteur T
Rn
O
Γm γ
r
Brin conduit
Figure 2-2 : Schéma et notation d’un câble enroulé autour d’une poulie [Farges 1988]
• Γm = (T – t)r,
• Rn = (T + t)cos(γ/2),
Pour le cas Γm = 0, il vient :
• T = t = T0,
• Rn = 2T0cos(γ/2),
Il en résulte que :
• Rn = 2T0cos(γ/2) = (T + t)cos(γ/2).
- 40 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
Soit :
• T + t = 2T0.
Avec :
• T0 est la précontrainte appliquée au câble,
• T est la tension dans le brin moteur appelé brin tendu,
• t est la tension dans le brin conduit appelé brin mou,
• Γm est le couple appliqué à la poulie,
• γ est l’angle d’enroulement.
Oy
dRn
dRt
F Ox
dγ F+dF
Figure 2-4 : Définition des repères pour le calcul des forces s’exerçant sur un élément rdγ
Ecrivons l’équilibre statique d’un élément de câble de longueur rdγ enroulé sur la poulie
de rayon r (Figure 2-3 et Figure 2-4) :
• F et F+dF sont les efforts tangentiels,
• dRn est l’effort normal,
• dRt = µdRn est la composante tangentielle du frottement de Coulomb est donnée.
- 41 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
Où
• µ est le coefficient de frottement,
• dγ est un angle élémentaire.
Le principe fondamental de la statique s’écrit :
• Sur l’axe Oy :
o dR n − 2Fsin dγ − dFsin dγ = 0
2 2
• Sur l’axe Ox :
En supposant que l’angle dγ est très petit, ie cos(dγ ) ≈ 1 et sin (dγ ) ≈ dγ et que F>>dF, on
obtient :
• Sur l’axe Oy :
o dR n = Fdγ
• Sur l’axe Ox :
o dR t = dF
Soit :
Fdγ = dR n dF
⇒ = µdγ ⇒ ln(F) = µα (2.1.a)
dF = µdR n F
Soit :
T
• ln = µγ
t
Finalement :
T = te µγ (2.1.b)
- 42 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
Les deux brins doivent être toujours sous tension pour que la formule soit applicable ce
qui permet de calculer la précontrainte appliquée au câble.
Calculons la force maximale transmissible par adhérence avec un câble tendu par une
force de précontrainte T0 [Farges 1988]. Nous avons le système d’équations suivant :
T + t = 2T0
T = te
µγ
Ce qui implique :
exp(µγ )
T = 2 exp(µγ ) + 1 T0 exp(µγ ) − 1
⇒ T − t = Fu = 2 T0 (2.2)
t = 2 1 exp(µγ ) + 1
T0
exp(µγ ) + 1
Il en résulte que Fu ≤ 2T0. L’effort maximal transmissible par adhérence est 2T0.
Dans le cas de l’interface, le couple moteur est limité à sa valeur nominale de 0,1Nm.
Sachant que le rayon de la poulie motrice est de 5mm, la charge maximale est de 20N, ce qui
correspond à une précontrainte minimale de 10N.
La force de précontrainte étant réglée à 20N, assure largement la transmission du couple
moteur.
Les conditions d’entraînement par adhérence étant établies, la modélisation du bras un
axe sous l’hypothèse des corps et transmissions rigides est présentée.
Où :
• rm est le rayon de la poulie motrice,
• rc le rayon de la poulie réceptrice,
• θm la position coté moteur,
• θc la position articulaire,
- 43 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
θc
Poulie motrice
θm
rm rc
Poulie réceptrice
En annexe 2, les modélisations de transmissions par câble utilisées sur des interfaces
haptiques à plusieurs degrés de liberté sont présentées. En outre, on peut montrer que, sous
certaines conditions, ces transmissions sont équivalentes à des boucles de type
parallélogramme.
Le bras un axe est modélisé avec les conventions DH modifiées [Khalil Dombre 2002].
Les repères utilisés sont présentés Figure 2-6.
y0
y1
x1
Y1 q1
G1
O1 x0
X1
- 44 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
• Les origines des deux repères sont confondues, ainsi, la distance L = O0O1 est
nulle,
• L’angle entre x0 et x1 est noté q1. Il caractérise le ddl de rotation autour de z1,
• S1 = [X 1 Z1 ] est le vecteur des coordonnées du centre de gravité du corps
T
Y1
1,
• m1 est la masse du corps 1,
• MS1 = m1S1 est le vecteur du premier moment d’inertie du système avec
MS 1 = [MX 1 MZ1 ] .
T
MY1
Les paramètres DHM du bras un axe sont résumés dans le tableau suivant :
XX1, XY1, XZ1, YY1, YZ1, ZZ1, MX1, MY1, MZ1, m1, fv1, fs1 et Ia1.
Toutes les valeurs des paramètres sont exprimées en unités SI articulaires. Les paramètres
minimaux sont les paramètres suivants :
Sur cet exemple simple, le calcul des paramètres de base est détaillé. Les énergies
cinétique et potentielle du système composé du corps 1 et du moteur s’écrivent [Khalil
Dombre 2002]:
E c1 =
1
(ZZ1 + I a1 )qɺ 12 = 1 ZZ1R qɺ 12
2 2
cos(q 1 ) − sin(q 1 ) X 1
E p1 = m1 [0 − g ] = −gMX 1sin q 1 − gMY1cos q 1
Y
( ) ( )
sin(q 1 ) cos(q 1 1
)
Où :
• ZZ1 est le moment d’inertie de la charge autour de z1,
• Ia1 est le moment d’inertie du rotor du moteur autour de son axe de rotation,
- 45 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
d ∂L ∂L d ∂E c1 ∂E p1
Γ1 = − = +
dt ∂qɺ 1 ∂q1 dt ∂qɺ 1 ∂q1
Le terme Γ f1 désigne le couple de frottement modélisé simplement pour les vitesses non
nulles par :
Un paramètre d’offset est introduit dans le modèle dynamique du robot pour tenir
compte des éventuels décalages de zéro dans l’électronique de commande du moteur :
Avec :
• D(q, qɺ , ɺqɺ) = [ɺqɺ1 − gcos(q 1 ) gsin(q 1 ) qɺ 1 sign(qɺ 1 ) 1] ,
• χ = [ZZ1R offset 1 ] .
T
MX 1 MY1 f v1 f s1
- 46 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
Charge
Γm θc
T
T
rc
rm θm
Raideur: kc
t t
Poulie motrice
Poulie réceptrice
Amortissement: bc
Câble
Figure 2-7 : Schéma d’une transmission par câble en tenant compte de la flexibilité du câble
Appliquons les équations de Newton Euler sur la poulie motrice et les brins du câble de
masse négligeable. Il vient :
Avec :
• T = T0 + kc(rmθm- rcθc) + bc(rm θɺ m - rc θɺ c ),
• Jm l’inertie de l’actionneur,
• Γm le couple moteur,
• fvm et fsm coefficient de frottement visqueux et couple de frottement sec du moteur
respectivement,
• rm le rayon de la poulie motrice,
• rc le rayon de la poulie réceptrice,
- 47 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
On obtient finalement :
Avec :
• Jc l’inertie de la charge,
• fvc et fsc coefficient de frottement visqueux et couple de frottement sec de la charge
respectivement,
• MX et MY les termes du premier moment d’inertie de la charge notés MX1 et
MY1.
On obtient finalement :
En introduisant :
• qm la variable exprimant la position du moteur en unité articulaire qm = θm/N,
• Γma la variable exprimant le couple moteur en unité articulaire Γma= NΓm,
- 48 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
Soit :
Avec :
• Ia = N²Jm,
• K = 2rc²kc,
• B = 2rc²bc,
• fvma = N²fvm,
• fsma = Nfsm.
Ainsi, d’après (2.6.2), la flexibilité due au câble est une flexibilité qui peut être localisée
sur l’articulation, impliquant un degré de liberté supplémentaire. Il y a donc deux corps : le
premier étant l’actionneur et la poulie motrice et le deuxième étant la poulie réceptrice et la
tige, constituant la charge. La convention DHM est utilisée pour modéliser le bras un axe sous
l’hypothèse flexible (Figure 2-8).
- 49 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
x2
g
y0 y0
qc
x1 x0
x1
q2 q1 = qm
qm
x0
K et B
z0, z1, z2
fvm
Ia ZZ2 = Jc
Figure 2-8 : Repères DHM pour modéliser le bras un axe avec la flexibilité du câble
Les relations entre les déplacements absolus et les déplacements relatifs qui sont utilisés
dans la convention DHM sont les suivantes :
• q1 = qm,
• q2 = qc – qm,
• qɺ 1 = qɺ m ,
• qɺ 2 = qɺ c - qɺ m .
Avec :
• q rel = [q 1 q2 ] ,
T
• q abs = [q m qc ] ,
T
1 0
• J ac = .
−1 1
Les paramètres DHM du bras un axe sont résumés dans le tableau ci-dessous :
- 50 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
Les cinq paramètres de frottement fvma, fsma, B, fvc et fsc se réduisent à trois paramètres
identifiables fv1, fs1 et B exprimant le couple de frottement global sur le DDL q1 du
mouvement rigide et l’amortissement du câble sur le DDL q2 du mouvement flexible [Pham
2002].
Le modèle dynamique est linéaire par rapport aux paramètres dynamiques. Nous avons :
Γ = Dflex (q, qɺ , q
ɺɺ )χ flex
Avec :
Γ
• Γ = 1 ,
0
• χ flex = [I a1 MY2 ] ,
T
f v1 f s1 K B ZZ 2 MX 2
ɺqɺ qɺ 1 sign(qɺ 1 ) - q 2 - qɺ 2 0 0 0
• D flex = 1
0 0 0 q2 qɺ 2 ɺqɺ1 + ɺqɺ 2 − g cos(q1 + q 2 ) g sin(q 1 + q 2 )
- 51 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
Figure 2-9 : Photo de la carte variateur contenant l’onduleur de tension et le DSP [Khatounian 2006]
- 52 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
qɺ r εv ir G ond i Γ q
+ Kv + PI + N.Kt Interface
- - ls + r
qɺ
s
τs + 1
Filtre dérivateur
• qɺ r vitesse de référence.
La commande compte deux boucles imbriquées : une boucle interne de courant et une
boucle de vitesse. Il n’y a pas de boucle de position car, au moment des essais
d’identification, elle était en phase de développement. Le correcteur PI de la boucle de
courant assure un gain statique de 1 avec une bande passante de 600Hz. La bande passante de
la boucle de vitesse est de 20Hz. Enfin, la fréquence de coupure du filtre dérivateur est égale à
150Hz. Cette fréquence de coupure est réglable par l’utilisateur.
- 53 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
- 54 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
2
rads-1
-2
-4
-6
-8
-10
0 5 10 15 20 25
t(s)
Figure 2-11 : Trajectoire en vitesse typique utilisée pour l’excitation du couple de frottement
Dans le cas de cette interface, la gamme de vitesse s’étend de 0,5 rad/s à 15 rad/s. Afin
d’affiner le modèle dans les basses vitesses nous avons fait d’autres séries de paliers dont la
gamme en vitesse s’étendait de 0,5 rad/s à 1 rad/s. Enfin, la durée de chaque palier est de 1s
environ.
- 55 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
accélération
vitesse
- 56 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
MY1 = 0 Kgm.
Pour l’inertie du système, on considère que la poulie est un cylindre plein de rayon 5cm
et ayant une masse de 200g. Son moment d’inertie est donc :
Ip = 0,2*(5.10-2)2/2=2,5.10-4 Kgm².
La valeur constructeur de l’inertie de l’actionneur est Ia1 = 8.10-6 Kgm². En ramenant le tout
au niveau articulaire, il vient :
Finalement, les valeurs nominales des paramètres à estimer sont les suivantes :
- 57 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
Enfin, la fréquence de coupure du filtre passe bande estimateur des dérivées est choisie à
20Hz. La fréquence de coupure du filtre parallèle est également réglée à 20Hz. Les résultats
expérimentaux sont résumés dans le Tableau 2-4.
Le paramètre d’offset a été supprimé car il a un fort écart type relatif et peu d’influence
sur la norme du résidu et les valeurs des autres paramètres.
Des validations directes consistent à comparer le couple mesuré et celui calculé avec le
modèle et les valeurs identifiées exprimées dans le Tableau 2-4. La Figure 2-13 montre une
validation directe sur les trajectoires en créneaux de vitesses et la Figure 2-14 montre une
validation directe sur les essais avec des vitesses trapézoïdales. Dans tous les cas, l’erreur
relative est faible.
- 58 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
Comparaison directe
Mesure
0.5
Estimation
Résidu
0.4
0.3
0.2
0.1
Nm
-0.1
-0.2
-0.3
-0.4
-0.5
2150 2200 2250 2300 2350
Echantillons
Figure 2-13 : Comparaison directe entre le couple mesuré et estimé sur les trajectoires en paliers de
vitesses
Validation directe
0.3 Mesure
Estimation
Résidu
0.2
0.1
Nm
-0.1
-0.2
-0.3
1540 1560 1580 1600 1620 1640 1660 1680 1700 1720 1740
Echantillons
Figure 2-14 : Comparaison directe entre le couple mesuré et estimé sur les trajectoires trapézoïdales en
vitesse
- 59 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
Les résultats sont proches des valeurs calculées a priori. L’analyse des écarts types
relatifs montre que l’inertie et le frottement sec sont les paramètres prépondérants du système.
L’interface présente peu d’amortissement visqueux. Ce résultat confirme celui exposé dans
[Thamasebi et al 2005].
Le premier moment a une contribution plus faible car la barre est légère (tige fine) pour
minimiser l’effet de la gravité. Cependant, ce paramètre n’est pas négligeable.
En revanche, il est surprenant que MX1 et MY1 aient le même ordre de grandeur alors
que la symétrie volumique de la barre implique une valeur faible de MY1. Le terme MY1
provient principalement de la poulie conduite car la barre est fine. La valeur de ce terme est
de 10-3 Kgm environ. Cela implique que le centre de gravité de la poulie conduite soit situé à
5mm de l’axe Y. Ce qui est plausible.
La technique d’identification dynamique basée sur le MDI donne de bons résultats. Elle
permet de classer les paramètres en paramètres essentiels et en paramètres négligeables.
Le couple résiduel est comparé avec le couple calculé avec le modèle de frottement
identifié (Figure 2-15) : Γ fsv1 = f v1qɺ 1 + f s1sign (qɺ 1 ) .
- 60 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
Mesure
0.1 Estimation
0.05
Couple Nm
-0.05
-0.1
-0.15
-0.2
-20 -15 -10 -5 0 5 10 15 20
Vitesse rad/s
- 61 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
y0
M
Γf 0
F =
m g
a
FG
q x0
-3
x 10 Evolution du coefficient de frottement visqueux
2
1.9
Nm.s/rad
1.8
1.7
1.6
10 12 14 16 18 20 22 24 26 28
0.07
0.06
Nm
0.05
0.04
0.03
0.02
5 10 15 20 25 30 35 40
T0 (N)
Figure 2-17 : Evolution du coefficient de frottement visqueux et des couples de frottement sec et
d’adhérence en fonction de la précontrainte
Le couple d’adhérence est proche du couple de Coulomb. Il est donc possible d’utiliser
le modèle de Coulomb pour des vitesses proches de zéro. Le couple de Coulomb varie
linéairement avec la précontrainte pour des valeurs supérieures à 15N. Ce qui confirme le
modèle de Coulomb et permet d’exprimer fs1 en fonction de T0. Pour une précontrainte
variant de 15N à 40N, nous avons :
fs1 = 2.10-3T0.
- 62 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
qɺ r ΓS Bras 1 ɺqɺ1 1 qɺ 1 1 q1
+
Kv
-
Axe s s
Modèle dynamique
direct
- 63 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
0.5
0
rad
-0.5
-1
-1.5
-2
0 0.5 1 1.5 2 2.5
t(s)
10
5
rads-1
-5
-10
-15
-20
0 0.5 1 1.5 2 2.5
t(s)
- 64 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
0.2
0
Nm
-0.2
-0.4
-0.6
-0.8
0 0.5 1 1.5 2 2.5
t(s)
Les signaux simulés sont proches des signaux mesurés, ce qui valide le modèle et les
paramètres identifiés. Les erreurs maximales commises sur les vitesses sont de l’ordre de 5%.
- 65 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
0.06
0.04
0.02
Couple moteur (Nm)
-0.02
-0.04
-0.06
-0.08
-0.04 -0.03 -0.02 -0.01 0 0.01 0.02 0.03 0.04
Position moteur (rad)
Figure 2-22 : Cycle d’hystérésis observé lors des essais à sortie bloquée
Comme la charge est immobilisée, nous avons qc=q1+q2=0, soit q2=-q1 et le torseur
dynamique du coté de la charge est nul. Par suite, d’après l’équation (2-7), le modèle
dynamique se réduit à :
Γ1 = I a1ɺqɺ1 + B R qɺ 1 + f s1sign(qɺ 1 ) + Kq 1
Avec BR = fv1 + B.
Ainsi, ce type de trajectoire provoque un regroupement entre le coefficient de frottement
visqueux caractérisant l’amortissement de la transmission flexible et le coefficient du
frottement du mouvement coté moteur.
- 66 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
Le paramètre fs1 n’est pas identifiable et les paramètres Ia1, K et BR sont bien identifiés.
Des validations directes sont effectuées (Figure 2-23). Le couple estimé est proche du couple
mesuré. Pour ce type de tests, nous identifions la raideur de transmission, un amortissement
global caractérisant l’énergie dissipée par frottement et l’inertie de l’actionneur.
0.08
0.06
0.04
Couple moteur (Nm)
0.02
-0.02
-0.04
-0.06
-0.08
-0.1
-0.04 -0.03 -0.02 -0.01 0 0.01 0.02 0.03 0.04
Position moteur (rad)
Il est possible d’évaluer la valeur du premier mode flexible (voir justification paragraphe
2.4.4.2) :
• ω n = K ZZ e
Avec :
I a1 ZZ 2
• ZZ e =
I a1 + ZZ 2
- 67 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
Dans le cas de cette interface, on a ZZ1R = ZZ2 + Ia1 = 1,45.10-3 Kgm² (Tableau 2-4), et Ia1 =
7.10-4 kgm². Il en résulte que ZZ2 ≈ Ia1, ce qui implique ZZe ≈ Ia1/2 et que ωn = 800rad/s, soit
fn = 120Hz. Le premier mode flexible se situe donc aux alentours de 120Hz.
Il vient :
Soit :
ɺqɺ 2 = −ɺqɺ1 + ZZ -12 (gMX 2 cos(q 1 + q 2 ) − gMY2 sin (q 1 + q 2 ) + Γ1 − I a1ɺqɺ1 − f v1qɺ 1 − f s1sign(qɺ 1 ))
Pour exprimer q2 et ses dérivées en fonction de q1, il faut que les termes dus à la gravité
soient négligeables. Ceci est possible avec des essais de faible amplitude autour de la position
verticale de la tige, soit q1 + q2 = π/2. Enfin, en éliminant les échantillons à faible vitesse, la
dérivée de sign( qɺ 1 ) est nulle. On obtient donc :
-1 ɺ
2 = −q 1 + ZZ 2 ( Γ 1 − I a1 q 1 - f v1 q 1 )
q (3) ɺɺ (3) (3)
ɺɺ (2.9)
En substituant (2.10), (2.9) et (2.8) dans (2.7), on obtient un modèle faisant intervenir la
dérivée de la commande, soit :
- 68 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
Avec :
• b2 = ZZ2/K,
• b1 = B/K,
• a4 = Ia1ZZ2/K,
• a3 = (fv1ZZ2 + BZZ2 + BIa1)/K,
• a2 = (Bfv1/K + Ia1 + ZZ2),
• a1 = fv1.
En ne prenant que la partie linéaire de (2.11), la fonction de transfert entre q1(s) et Γ1(s) est
donnée par la relation suivante :
q 1 (s) b 2 s 2 + b1s + 1
=
Γ1 (s) a 4 s 4 + a 3 s 3 + a 2 s 2 + a 1s
Le 1er mode naturel se calcule à amortissement nul, c'est-à-dire à frottements nuls (a3 = a1 = b1
= 0). On obtient :
q 1 (s) b 2s 2 + 1 1 b 2s 2 + 1
= =
Γ1 (s) a 4 s 4 + a 2 s 2 s 2 a 4 s 2 + a 2
Avec :
a2 I + ZZ 2
• ωn = = a1 K
a4 I a1 ZZ 2
Soit :
K
• ωn =
ZZ e
Où :
- 69 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
I a1 ZZ 2
• ZZ e = .
I a1 + ZZ 2
χ = [b1 b2 a4 a3 a2 a1 fsm]T.
Les trajectoires utilisées pour identifier la flexibilité de l’interface sont des trains
d’impulsions en couple à différentes fréquences. C’est un essai en boucle ouverte. Les tests à
sortie bloquée ont permis d’évaluer le premier mode flexible à 120Hz. Ainsi, la fréquence des
trains d’impulsions en couple varie de 20Hz à 200Hz.
Le courant moteur et sa position angulaire sont mesurés à la fréquence de la boucle de
courant (17 KHz). Ces quantités sont exprimées en unités articulaires. Les fréquences de
coupure des filtres passe bande et parallèle sont réglées à 200Hz. Les résultats sont résumés
dans le Tableau 2-6.
Les autres paramètres ne sont pas identifiables (fort écart type relatif). Les valeurs des
paramètres inertiels sont calculées et résumées dans le Tableau 2-7 :
- 70 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
La valeur du paramètre caractérisant la flexibilité identifiée par les essais à sortie libre
est proche de celle identifiée par les essais à sortie bloquée. Si on additionne Ia1 et ZZ2, on
obtient pratiquement la valeur de l’inertie identifiée avec le modèle du bras rigide. Enfin, le
terme de Coulomb est assez proche de celui identifié avec le modèle du bras rigide. Cela
montre que les résultats sont cohérents. Cet essai complète l’identification des paramètres
inertiels faite sous l’hypothèse rigide. La Figure 2-24 montre une validation directe entre le
couple estimé et mesuré, avec une erreur de prédiction faible.
0.6 Mesure
Estimation
Résidu
0.4
0.2
Nm
-0.2
-0.4
-0.6
Figure 2-24 : Validation directe entre le couple mesuré et estimé lors des tests vibratoires
Il est intéressant de noter que si nous réglons la fréquence de coupure du filtre parallèle
à 20Hz, alors seuls les termes Ia1 + ZZ2 = ZZ1R (inertie totale) et fs1 sont identifiables. On
identifie le modèle rigide basse fréquence avec les mêmes valeurs que celles données dans le
Tableau 2-4.
Enfin, le calcul du premier mode donne fn = 127Hz. Cette valeur est proche de celle
identifiée par les essais à sortie bloquée.
- 71 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
Tableau 2-8 : Valeurs retenues pour les simulations des essais à sortie libre
Valeurs
ZZ2 8.10-4 Kgm2
MX2 2,4.10-3 Kgm
MY2 1,0.10-3 Kgm
K 230 Nm/rad
Ia1 7.10-4 Kgm
fv1 1,0.10-3 Nm/rad/s
fs1 0,05 Nm
La Figure 2-25 montre le schéma bloc du simulateur. La mesure du couple moteur est
l’entrée du simulateur.
Γ1 Bras 1 ɺqɺ1 1 qɺ 1 1 q1
Axe s s
Modèle dynamique
direct
- 72 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
0.12
0.1
Mesure
0.08
Etat simulé
Position (rads)
Erreur commise
0.06
0.04
0.02
-0.02
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35
t(s)
0.04
0.035
Mesure
Etat simulé
0.03 Erreur commise
0.025
Position (rads)
0.02
0.015
0.01
0.005
-0.005
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35
t(s)
Dans tous les cas, une faible dérive est constatée (5% environ). Ceci est dû à la présence
du double intégrateur instable dans le système en boucle ouverte.
Rappelons que dans le cas de cette étude, l’essai en boucle fermée de vitesse avec des
consignes en trapèzes est impossible car le système de commande déclenche la sécurité sur
une erreur de traînage trop importante pour les fréquences élevées.
- 73 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
2.4.5 Conclusion
Les résultats expérimentaux obtenus sur le bras un axe, valident la démarche
d’identification du modèle dynamique de l’interface. En outre, l’excitation séquentielle est
intuitive et permet d’exciter séparément chaque paramètre du modèle.
Le modèle identifié peut servir à caractériser l’interface dans l’espace opérationnel et à
quantifier la distorsion du rendu haptique due à la dynamique de l’interface.
Il est également possible d’améliorer la conception de l’interface : compensation
mécanique de la gravité, diminution de l’inertie, … Il est également possible de simuler
l’interface avec différente loi de commande afin de les améliorer ou de comprendre certains
phénomènes physiques.
2.5 Caractérisation
La caractérisation de l’interface dans l’espace opérationnel est maintenant possible en
utilisant les valeurs identifiées des paramètres dynamiques.
x Cq
X = = ℓ 1 (2.12)
y Sq 1
Ainsi :
∂X ∂X - Sq 1
0
J1 = = = ℓ (2.13)
∂q ∂q 1 Cq 1
1
J1 = 1A00J1 (2.14)
Soit :
Cq 1 Sq 1 − Sq 1 0
1
J 1 = ℓ = (2.15.a)
− Sq 1 Cq 1 Cq1 ℓ
- 74 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
J=l (2.15.b)
Où :
• l est la longueur de la tige.
y0
y1
Fop x1
y1
dX x1
l dq1
q1 x0
O
ɺɺ / ℓ − gMX cos(q ) + f X
ℓFop = JX ɺ / ℓ + f sign(X
ɺ / ℓ)
1 1 v1 s1
ɺɺ + B X
Fop = M op X ɺ + F sign(X
ɺ)+F (2.16)
op cop dist
Avec :
• Mop = ZZ1R/l2,
• Bop = fv1/l2,
• Fcop = fs1/l.
- 75 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
Où :
• l = 0,25m,
• Fdist est la force de gravité donnée par :
o Fdist = gMX1/lcos(q).
En prenant les valeurs du Tableau 2-4, on obtient les valeurs de la masse apparente, des
frottements apparents et raideur apparente ressentis par l’opérateur (Tableau 2-9).
La valeur minimale de Fdist est 0 alors que sa valeur maximale est de 0,09 N. Cela implique
simplement que l’opérateur devra fournir un effort maximal de 0,09 N pour compenser cet
effet. On peut admettre que cet effet est négligeable car cela correspond au poids d’une masse
de 9g. La masse opérationnelle est de 23,2g, ce qui est acceptable. L’interface est légère et
affecte peu le rendu haptique. L’interface possède un faible coefficient de frottement visqueux
apparent. La raideur apparente, qui est principalement due au câble, atteint 4kN/m. Cette
raideur est très importante et on peut considérer qu’elle affecte peu le rendu haptique. Enfin,
l’effort à fournir pour compenser l’effet du frottement sec est équivalent à un poids d’une
masse de 24g, ce qui est acceptable. Comme la valeur du terme de frottement sec varie en
fonction de la précontrainte appliquée au câble, l’effort maximal est proche de 0,5N (50g). Ce
qui est acceptable.
Globalement, l’interface possède de bonnes performances : faible inertie apparente,
faible frottement apparent et grande raideur apparente. Elle peut être utilisée pour des tâches
simples telles que la simulation de contacts physiques. Comme l’interface est représentative
des transmissions par câble utilisées sur les interfaces haptiques. Toute l’étude effectuée
pourra être reprise pour identifier des interfaces plus complexes.
- 76 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
2.6 Discussion
- 77 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
frottements) et le deuxième est appelé mode butée (l’interface est bloquée par les actionneurs
dans une positon donnée). Ce concept idéal est illustré Figure 2-29.
Mouvement libre:
θa Compensation dynamique
Les butées virtuelles θa,min et θa,max sont déterminées par le concepteur de la loi de
commande suivant les besoins de simulation du monde virtuel. Il vient que le système de
collision peut se résumer comme suit (cas idéal) :
Où :
• Γdyn est le torseur dynamique de l’interface.
Cependant, dans la réalité, le couple moteur est limité par sa valeur maximale et le
couple nul est considéré comme le couple nécessaire pour compenser la distorsion introduite
par le modèle dynamique de l’interface (Figure 2-30).
L’environnement virtuel simulé correspond à un mur virtuel modélisé par un ressort de
raideur Km complété éventuellement par un terme d’amortissement visqueux Bm.
- 78 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
Couple moteur
(θ a, max ( )
< θ a ), Γ1 = K m (θ a − θ a,max ) + B m θɺ a
Si Γ1 > Γn alors Γ1 = Γn
Γn
Γ1 = Γdyn
Bm
Avec ẐZ1R , M̂X1 , M̂Y1 , f̂ v1 , f̂ s1 les valeurs identifiées des paramètres dynamiques. Sous
l’impression de manipuler une inertie apparente réglable suivant les besoins du rendu
haptique désiré. La compensation des termes de gravité est précise car le modèle est bon, et
les paramètres sont bien identifiés et la mesure de la position est bonne. Mais, la
compensation du couple de frottement est plus délicate. En effet, les modèles de frottement
- 79 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
Cette énumération n’est pas exhaustive, mais elle donne un aperçu de la difficulté à
surmonter.
En pratique, l’opérateur peut faire varier le comportement de sa main. Par exemple,
d’une inertie pratiquement négligeable, il peut l’augmenter de manière significative rien qu’en
changeant de posture. Finalement, les différents modèles n’apportent pas ou peu
d’informations pertinentes pour la synthèse de lois de commande se limitant à des conditions
de la limite de stabilité de l’interface. Ainsi, généralement, l’interaction entre l’opérateur et
l’interface est modélisée par un modèle du deuxième ordre [Lawrence 1993], [Kosuke,
Fujisawa et Fukuda 1992] et [Tsuji et al. 94] et [Speich, Kite et Goldfarb 2000] :
- 80 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
FH
= J Hs2 + BHs + K H (2.21)
qH
Où :
• FH est la force d’interaction de l’opérateur avec l’interface,
• qH la position,
• JH la masse de l’opérateur,
• BH l’amortissement,
• KH la raideur de l’opérateur.
Cependant, dans [Speich, Shao et Goldfarb 2005], les auteurs modélisent cette
interaction à l’aide de 5 paramètres.
Bien que le but de la thèse ne soit pas d’identifier les paramètres physiques d’un modèle
caractérisant le comportement de l’opérateur, on a essayé d’évaluer son influence pour une
tâche très simple.
- 81 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
Γ1
KH
BH
ZZ1R + JH
fs1
fv1
q1
Figure 2-31 : Modèle masse, ressort et amortisseur caractérisant le système interface + opérateur
Le signal d’entrée est une séquence binaire pseudo aléatoire (SBPA) dont la plage de
fréquences varie de 1Hz à 1kHz. La période d’échantillonnage est de 60µs. L’entrée est le
couple du moteur, la sortie, sa position. Le modèle est celui donné par (2.24). La précontrainte
appliquée au câble est de 30N. La fréquence de coupure du passe bande est de 120Hz comme
celle du filtre parallèle. Cette valeur a été choisie par rapport au mode flexible de 120 Hz de la
transmission. Les valeurs identifiées sont résumées dans le Tableau 2-10 :
JH est estimé par différence entre (ZZ1R+JH) et ZZ1R identifié avec le modèle rigide. Les
paramètres du frottement sec et de la gravité sont omis car ils ne sont pas identifiables sur ce
type de trajectoires. La valeur de la masse apparente est le double de celle identifiée sans
opérateur. Concernant la viscosité apparente, elle est 100 fois supérieure à celle identifiée sans
opérateur. Exprimé coté opérationnel l’amortissement équivalent est égal à 3Ns/m, valeur
- 82 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
proche de celle identifiée dans [Speich et al 2005]. Des validations directes ont été effectuées
(Figure 2-32), le suivi est correct.
Cependant, les valeurs identifiées regroupées dans le Tableau 2-11 montrent la
dispersion des paramètres du modèle de contact suivant les essais. La variation du
comportement de l’opérateur se répercute immédiatement sur le modèle d’interaction. C’est
pour cette raison que l’identification du comportement de l’opérateur nécessite des moyens de
mesures assez lourds, un contrôle très rigoureux des tâches à effectuer, ainsi qu’un large
échantillon d’opérateurs potentiels pouvant utiliser l’interface. Les valeurs données dans le
Tableau 2-10 ne prétendent pas caractériser tous les opérateurs humains et ne peuvent être
utilisées que pour la commande de cette interface.
0.8
0.6
0.4
0.2
0
Nm
-0.2
-0.4
Mesure
-0.6 Estimation
Résidu
-0.8
- 83 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
Échantillonneur
Γ1
qr
+ Km
1 - e -Tes G(s)
q1
-
s
Bloqueur d’ordre zéro
Figure 2-33 : Modèle dynamique de l’interface et commande lors d’une phase de contact
q1 (s) 1
G(s) = = (2.24)
Γ1 (s) (ZZ1R + J H )s + (f v1 + B H )s + K H
2
La fonction de transfert du bloqueur d’ordre zéro (BOZ) peut être approchée par la fonction
de transfert suivante pour les fréquences inférieure à fech/2 où fech est la fréquence
d’échantillonnage [Pham 2002] :
1 − e − Tes
≈ e −Te /2s (2.25)
s
Te s T
− es Te
1 1 − e −Tes 1 e 2 −e 2 −2s
G_BOZ = = e (2.26)
Te s Te s
- 84 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
Te
sin ω Te T
2 − 2 jω Te − 2e jω
G_BOZ = e = sinc ω e (2.27)
Te 2
ω
2
Finalement, on obtient :
T
• |G_BOZ| = sinc e ω ,
2
Te
• Arg(G_BOZ) = − ω.
2
La bande passante à -3dB est obtenue quand on a |G_BOZ| = 1 2 , soit pour fc ≈ 0,5 fe.
Cela implique que l’affaiblissement dû à |G_BOZ| est négligeable dans toute la bande des
fréquences inférieures à la fréquence de Nyquist fe/2.
Ainsi, il vient que la fonction de transfert en boucle fermée de la commande
échantillonnée peut être approchée par l’équation suivante :
K m e − Te /2s
H(s) = (2.28)
(ZZ1R + J H )s 2 + (f v1 + B H )s + K H + K m e − Te /2s
• e − Te /2s ≈ 1 − Te /2s
K m (1 - Te /2s)
H(s) = (2.29)
(ZZ1R + J H )s + (f v1 + B H - K m Te /2)s + K H + K m
2
Ce qui est exactement le gain limite calculé par le critère de passivité défini dans
[Colgate et Schenkel 1994]. Dans le cas de cette étude, on a :
• fv1 = 1,6.10-3Nms/rad,
• BH = 0,2,
- 85 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
• Te = 1ms.
Le calcul peut être mené sans approximation de e − Te /2s . Soit ωπ la pulsation telle que :
Soit :
Γ1
fsm
K KH
Ia1 ZZ2 + JH
B BH
fvm
q2
q1
qH = qc
Figure 2-34 : Modèle du système opérateur + interface en tenant compte de la raideur du câble
- 86 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
L’équation d’Euler s’écrit (le terme de frottement visqueux du moteur est négligeable
devant les termes BH et B) :
En excluant le terme de frottement sec et en notant JHI = JH + ZZ2 afin d’alléger les écritures,
la fonction de transfert entre la force du moteur Γ1 et la position moteur q1 est la relation
suivante :
q 1 (s) b 2 s 2 + b 1s + b 0
G(s) = = (2.33)
Γ1 (s) a 4 s 4 + a 3s 3 + a 2 s 2 + a 1s + a 0
Avec :
• q1(s) transformée de Laplace de la position du moteur,
• Γ1(s) la transformée de Laplace de Γ1,
• b2 = JHI,
• b1 = B+BH,
• b0 = K+KH,
• a4 = JHIIa1,
• a3 = BJHI+Ia1(B+BH),
• a2 = (KJHI+BBH+Ia1(K+KH)),
• a1 = KBH+BKHI,
• a0 = KKH.
On pose ensuite :
Enfin, le digramme de Nichols de 100G(s)e − Te /2s est illustré par la Figure 2-35.
- 87 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
Diagramme de Nichols
20
1 dB -1 dB
10 3 dB
-3 dB
6 dB
0 -6 dB
-12 dB
Magnitude dB
-10
-180°
-12dB -20 dB
-20
-30
-40 -40 dB
-50
-350 -300 -250 -200 -150 -100 -50 0
Phase (deg)
Il vient que, par lecture du diagramme, que l’amplitude de la fonction de transfert est de -
52dB environ lorsque la phase est à -180° soit :
• 20log10(100G(jωπ)) = -12dB.
Cette valeur est cohérente par rapport à celle validée expérimentalement dans [Khatounian
2006].
- 88 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
2.6.3 Conclusion
Une meilleure connaissance du système permet l’amélioration de la conception
mécanique ainsi que la conception de loi de commande.
Cependant, comme un opérateur interagit avec l’interface, il faut prendre en compte son
influence dans la commande assurant le rendu haptique. Il a été montré que cette tâche est
assez difficile et mériterait des études plus approfondies.
Nous avons également introduit la compensation du torseur dynamique et de frottement
dans la loi de commande pour assurer un meilleur rendu haptique. Il n’y a pas de réelle
différence entre la commande d’un robot industriel en contact avec un environnement et celle
d’une interface haptique en contact avec un opérateur. Dans les deux cas, il faut tenir compte
du torseur d’interaction avec l’extérieur du système.
2.7 Conclusion
Les résultats expérimentaux ont validé la démarche d’identification avec modèle
dynamique inverse et MC linéaires pour les interfaces haptiques. La démarche se base sur une
modélisation utilisant la convention DHM et sur une identification paramétrique basée sur les
moindres carrés linéaires. Deux types de modèle ont été identifiés : un modèle rigide et un
modèle flexible.
Pour identifier avec succès les paramètres inertiels de l’interface, une excitation
séquentielle est utilisée. Cependant l’identification reste globale car les essais sont concaténés.
Cela montre la continuité de la démarche entre l’identification du modèle rigide et celle
du modèle flexible. En effet, la planification faite pour identifier le modèle flexible s’est basée
sur les résultats expérimentaux obtenus sur le modèle rigide.
Des applications utilisant le modèle identifié ont été également introduites. Ces
applications portent essentiellement sur la conception mécanique et sur l’étude de loi de
commande.
Forts des résultats obtenus sur le bras un axe, la démarche de modélisation et
d’identification est maintenant appliquée sur une interface à plusieurs degrés de liberté à
structure complexe. Ceci est l’objet du prochain chapitre.
- 89 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
- 90 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
- 91 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
3.1 Introduction
Les méthodes de modélisation et d’identification utilisées en robotique ont été adaptées
au domaine de l’haptique et validées expérimentalement sur le bras un axe à transmission par
câble. Cette application a permis de mieux appréhender les transmissions par câbles et de
démontrer l’intérêt d’une telle démarche : connaissance des paramètres essentiels, distorsion
connue dans tout l’espace de travail, …
Dans ce chapitre, cette démarche est appliquée sur une interface complexe possédant
plusieurs degrés de liberté (DDL). L’interface haptique étudiée dans ce chapitre est une
interface à usage médicale possédant deux branches à 3 DDL. Chaque branche est constituée
d’une boucle fermée de type parallélogramme et double parallélogramme plane qu’il faut
modéliser et identifier.
Le chapitre est constitué de 5 parties : la première présente la modélisation des branches
à 3 DDL ; la deuxième traite de leur identification paramétrique ; la troisième introduit leur
caractérisation ; la quatrième partie présente une discussion ; enfin, une cinquième et dernière
partie introduit une étude de l’effet du bruit de quantification sur l’identification basée sur les
concepts de la méthode CESTAC.
Dans ces conditions, cette interface consiste en une structure hybride redondante
composée de deux branches à 3 DDL reliées via une plateforme supportant une poignée
motorisée (Figure 3-1). Elle possède alors 7 axes motorisés pour 6 DDL. De plus, des corps
- 92 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
supplémentaires ayant une orientation constante par rapport à l’embase sont introduits afin
d’éviter les singularités dans l’espace de travail en les repoussant à des orientations de 90° par
rapport à la configuration de référence. Cette architecture est assez simple à concevoir et
possède un large espace de travail comparable à celui des structures séries. Enfin,
pratiquement tous les moteurs qui sont les composantes les plus lourdes de l’interface sont
proches de la base. La masse apparente du robot s’en trouve diminuée, augmentant la
transparence du robot.
Chaque branche est composée d’une embase, d’un bras et d’un avant bras actionné par
un parallélogramme (Figure 3-2). Le segment de maintient de la poignée garde une
orientation constante par rapport à l’embase grâce à une structure double parallélogramme. Ce
type d’architecture est équivalent à une structure à double transmission par câble et permet de
découpler les rotations et les translations pour chacune des deux branches.
- 93 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
- 94 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
d6
z4
x6 C6 q6
x5
q10
d4
C3
x2 z0, z1
q3 C2 q2
q5 C1
d3
C4 x0, x1 C5
x3,x7, q4 C0
x10,u13
x4
Le double parallélogramme ainsi que les repères utilisés pour la modélisation sont
illustrés par la Figure 3-4. Les corps 7 et 9 représentent les bielles de maintien. Le corps 8 est
la pièce d’attache reliant les deux parallélogrammes.
z9
z3, z8 z2, z5 z7
z11, z14
u7
x7 C8 C7 q7
q11
x11,u14
z4
x8
q8
z12 ,z15 x2 z0, z1
q3 C2 q2 C1
q9
C3 x9
x0, x1
C0
x3
q4 C4
q12 x4 ,x12, u15
- 95 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
• [
q ar = [q a ]
T
[q ] ] , le vecteur des variables articulaires de la SAE,
p
T T
articulaires passifs.
Finalement, on note Γ ar = [ [Γ am ]T [Γ ap ] ].
T T
Les paramètres DHM de la branche 3 DDL sont résumés dans le Tableau 3-1.
- 96 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
q3 = q5 − q 2 (3.1)
q6 = q2 − q5 (3.2)
q 10 = q 5 − q 2 (3.3)
q7 = q2 (3.4)
q 8 = π/2 − q 2 (3.5)
q11 = −q 2 (3.6)
q 4 = π/2 − q 5 (3.7)
q 9 = − π/2 + q 5 (3.8)
q 12 = q 4 = π/2 − q 5 (3.9)
T
∂q p
T
Γ m =
∂q a
∂q a [
Γ ar = I 3 ]
G T Γ ar
∂q a
1 0 0 0 0 0 0 0 0
Γ m = 0 1 0 − 1 1 0 1 − 1 0 Γ ar (3.10.a)
0 0 1 1 − 1 − 1 0 0 1
Avec :
• I3 étant la matrice d’identité de dimension 3x3,
- 97 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
Le modèle de la SAE, i.e. l’expression de Γar, est calculée grâce au logiciel SYMORO+
[Khalil et Creusot 1997]. Ainsi, le modèle dynamique inverse peut être écrit à l’aide de la
relation suivante :
Γ m = A(q a )q
ɺɺ a + H(q a , qɺ a ) + offset (3.10.b)
Où :
• A(qa) est la matrice d’inertie de dimension (3x3),
• H(q a , qɺ a ) le vecteur de dimension (3x1) regroupant les couples de gravité, de
centrifuge, de Coriolis et de frottement,
• offset est le vecteur des offsets de couple de dimension (3x1).
Le modélisation de la branche inférieure est la même que celui décrit tout au long de ce
paragraphe.
Γ m = D S (q a , qɺ a , q
ɺɺ a )χ S (3.11)
Avec :
• DS (q a , qɺ a , q
ɺɺa ) la matrice d’observation,
• q a , qɺ a , q
ɺɺ a respectivement le vecteur des positions, vitesses, accélérations
articulaires actives
• χS le vecteur des paramètres inertiels standard.
Les paramètres de base sont les seuls paramètres identifiables et suffisent à décrire
complètement la dynamique du système.
Pour une telle structure composée d’une boucle parallélogramme et d’une boucle
double parallélogramme, il est possible de déterminer ces paramètres de manière analytique
- 98 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
par le calcul des énergies cinétiques et potentielles du système et de manière numérique par
une factorisation QR de W(q a , qɺ a , q
ɺɺ a ) . Le calcul analytique est présenté en annexe 3 et
complète celui effectué dans [Janot et al. 2007a]. Le Tableau 3-2 donne le jeu complet de ces
paramètres. Il y a 30 paramètres identifiables sur les 116 paramètres standard initiaux.
Tableau 3-2 : Jeu des paramètres de base identifiables pour les branches 3 DDL
j XXj XYj XZj YYj YZj ZZj MXj MYj MZj mj Fvj Fcj
1 0 0 0 0 0 ZZ1R MX1R MY1R 0 0 Fv1 Fs1
2 XX2R XY2R XZ2R 0 YZ2R ZZ2R MX2R MY2 0 0 Fv2R Fs2R
3 XX3R XY3R XZ3R 0 YZ3R ZZ3R MX3R MY3 0 0 Fv3R Fs3R
4 0 0 0 0 0 0 0 MY4 0 0 0 0
5 0 0 0 0 0 0 MX5R MY5 0 0 Fv5R Fs5R
6 0 0 0 0 0 0 0 MY6 0 0 0 0
7 0 0 0 0 0 0 0 MY7 0 0 0 0
8 0 0 0 0 0 0 0 MY8R 0 0 0 0
9 0 0 0 0 0 0 0 0 0 0 0 0
Les formules de regroupements sont (voir l’annexe pour le détail des calculs) :
Corps 1 :
ZZ1R=ZZ1+YY2+YY3-XX4+YY5+YY6+YY7-…
…XX8+YY9+m4d42+m7d72+m9d92+(m3+m4+m8+m9)d32
MX1R = MX1-m7d7+(d7/d3)MX7
MY1R = MY1+MZ2+MZ3+MZ4+MZ5+MZ6+MZ7+MZ8+MZ9
Corps 2 :
XX2R=XX2-YY2-(m3+m4+m8+m9)d32+XX6-YY6+XX7-YY7
XY2R= XY2+XY6+XY7
XZ2R=XZ2-(MZ3+MZ4+MZ5+MZ6+MZ7+MZ8+MZ9)d3+XZ6+XZ7
YZ2R=YZ 2+YZ 6+YZ7
ZZ2R=ZZ2+(m3+m4+m8+m9)d32+ZZ6+ZZ7
MX2R = MX2+(m3+m4+m8+m9)d3+MX6+MX7
Fv2R = Fv2+Fv7+Fv8+Fv11
Fc2R = Fc2+Fc7+Fc8+Fc11
Corps 3 :
XX3R=XX3-YY3-d42m4+XX5-YY5-d62m6+XX9-YY9
XY3R= XY3+XY5+XY9
XZ3R=XZ3-d4MZ4+XZ5-d6MZ6+XZ9
YZ3R=YZ 3+YZ 5+YZ9
ZZ3R=ZZ3+m4d42+ZZ5+m6d62+ZZ9
MX3R = MX3+m4d4+(d6/d3)MX6+MX9
MY3R = MY3 + MY9
Fv3R = Fv3+Fv6+Fv10
Fc3R = Fc3+Fc6+Fc10
Corps 5 :
MX5R = MX5+m6d6-(d6/d3)MX6
- 99 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
Fv5R = Fv5+Fv4+Fv9+Fv12
Fc5R = Fc5+Fc4+Fc9+Fc12
Corps 8 :
MY8R = MY8-(d7/d3)MX7.
3.3.1.3 Conclusion
Dans cette partie, la modélisation des branches à 3 DDL sous l’hypothèse des
transmissions et corps rigides a été présentée. Ce modèle est valable dans une gamme de
fréquence. Maintenant, les branches à 3 DDL sont modélisées en prenant en compte la raideur
des câbles.
Où :
• Ia est la matrice diagonale (3x3) des inerties des actionneurs exprimées en unités
articulaires,
- 100 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
• fvm et fsm sont respectivement les vecteurs des paramètres de frottements visqueux
et secs du moteur.
Comme il a été déjà expliqué dans le deuxième chapitre, les frottements secs et visqueux
de la charge se projettent avec le terme de frottement visqueux et sec du moteur et le terme B
qui caractérise les pertes par dissipations de la transmission.
qr qɺ r u Interface
+
- Km +
- Kv médicale
q q
Modèle dynamique direct
qɺ f
s Filtre
1 + τs dérivateur
Boucle de vitesse
La commande est composée de deux boucles : une boucle de position et une boucle de
vitesse. La consigne en vitesse est le signal d’entrée de la carte variateur utilisée pour le
contrôle du moteur (chapitre 2). La boucle de courant n’est pas représentée car elle est
équivalente à un gain unité, i.e. imesuré ≈ iconsigne (cf. chapitre 2). La bande passante de la boucle
de courant est 600Hz, celle de la boucle de vitesse 20Hz et celle de la position 2Hz. Un filtre
dérivateur est utilisé pour calculer la vitesse à partir de la mesure de la position. La fréquence
- 101 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
de coupure de ce filtre est de 150Hz et elle n’est pas modifiable par l’utilisateur. En revanche,
les gains Km (gain en position) et Kv (gain en vitesse) sont fixés par l’utilisateur.
La période d’échantillonnage pour la boucle de position est de 1ms. Cette période n’est
pas modifiable par l’utilisateur.
On peut commander l’interface en position en choisissant qr, ou en vitesse en choisissant
qɺ r . Si on commande l’interface en vitesse, alors la boucle de position est désactivée. En
revanche, il n’est pas possible de commander directement l’interface en courant.
Enfin, les mesures disponibles sont la position de chaque moteur et la mesure de chaque
courant moteur. Il a été vérifié que nous avons Γ mj = NK T I j , où :
- 102 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
Pour exciter les paramètres de frottement, des paliers de vitesse sont appliqués. Pour
minimiser l’effet de la gravité sur les corps 2 et 5, ils sont actionnés pendant que le premier
corps est asservi sur la position q10 = 0. Les corps 2 et 5 évoluent alors dans un plan
orthogonal à g le vecteur de gravité. Pour le premier corps, on effectue des paliers de vitesse
autour de q10 = 0. L’effet de la gravité est alors assimilable à un offset de couple. En effet, on
a cos(q10) = 1 et sin(q10) = 0.
Pour éliminer les effets des inerties lors du régime transitoire, un seuillage est effectué
sur la valeur absolue de l’accélération articulaire. Ici, le seuil est choisi à 0,01 rads-2. Enfin, le
couple récupéré est tracé en fonction de la vitesse articulaire. Nous obtenons des courbes
similaires à celle illustrée par la Figure 3-6. Le modèle est symétrique et peut être approché
par le modèle décrit par la relation suivante :
Γ fj = f vj qɺ j + f sjsign(qɺ j ) .
Il est maintenant possible d’obtenir des valeurs a priori des paramètres de frottement. A
partir du couple récupéré et du modèle dynamique donné par (3.10), les paramètres sont
identifiés à l’aide des moindres carrés. La fréquence de coupure du filtre passe bande et du
filtre parallèle est réglée à 10Hz. Le Tableau 3-3 présente les résultats obtenus.
- 103 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
0.15
0.1
0.05
Nm
-0.05
-0.1
-0.15
-0.2
-0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8
velocity rads-1
Dans un premier temps, l’embase et l’avant bras sont actionnés en même temps alors
que le bras est asservi sur une position constante. Dans un deuxième temps, l’embase et le
bras sont actionnés en même temps alors que l’avant bras est asservi sur une position
constante. Pour exciter séquentiellement les paramètres, on utilise les trajectoires définies
dans le paragraphe 3.4.2.
Cette planification est simple à mettre en oeuvre et ces trajectoires excitent tous les
paramètres dynamiques. Cette planification est basée sur une étude des fonctions d’énergie
des paramètres dynamiques à identifier. Par exemple, les fonctions d’énergie des paramètres
de gravité dépendent toutes de la position articulaire de l’embase. Ainsi, si l’on veut identifier
- 104 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
au mieux ces paramètres, il est indispensable d’actionner l’embase. De même, les fonctions
d’énergie des paramètres d’inertie dépendent toutes de la vitesse de l’embase. Là encore, pour
identifier au mieux ces paramètres, il faut actionner l’embase. Ces fonctions d’énergie,
calculées de manière optimale par SYMORO+, sont présentées en annexe 4.
Le débattement angulaire maximal pour l’embase est de 60° environ, alors que le
débattement angulaire pour le bras et l’avant bras est de 90° environ. La fréquence
d’excitation des signaux de référence varie de 0,25Hz à 1,0Hz.
Les essais sont ensuite concaténés afin d’obtenir des résultats globaux. On rappelle que
la période d’échantillonnage est de 1ms (fréquence d’échantillonnage de 1KHz). La fréquence
de coupure du filtre passe bande et du filtre parallèle est de 10Hz. Le conditionnement de W
est de 200. Sachant que la matrice W est de dimension (16000x34), ce conditionnement est
bon. Les résultats résumés Tableau 3-4 pour la branche supérieure et Tableau 3-5 pour la
branche inférieure. Les valeurs identifiées sont comparées aux valeurs calculées par un
logiciel de CAO.
Les paramètres MX1R, offset1, les éléments non diagonaux des tenseurs d’inertie, les
paramètres MY2, MY3, MY4, MY5, MY6, MY7 et MY8 sont manquants car leurs contributions
sont pratiquement nulles (forts écarts types relatifs). De plus, quand ces derniers sont
supprimés, les valeurs identifiées des autres paramètres ainsi que la norme du résidu ne
varient pas (variations inférieures à 1%).
Des validations directes ont été effectuées (Figure 3-7 à Figure 3-12). Dans tout les cas,
le suivi est correct. De plus, les valeurs identifiées sont conformes aux valeurs calculées par
un logiciel de CAO. Les termes inertiels sont donc correctement identifiés.
- 105 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
Tableau 3-4 : Valeurs identifiées pour les paramètres inertiels de la branche supérieure
Paramètres Valeurs CAO Valeurs Ecarts types
identifiées relatifs %
ZZ1R 0.050 Kgm2 0.050 Kgm2 0.51
MY1R 0.0250 Kgm 0.0260 Kgm 1.0
fV1 0.02 Nm/(rad/s) 0.005 Nm/(rad/s) 20.0
fS1 0.12 Nm 0.12 Nm 0.5
XX2R -0.023 Kgm2 -0.023 Kgm2 1.1
ZZ2R 0.03 Kgm2 0.029 Kgm2 1.0
MX2R -0.020 Kgm -0.020 Kgm 2.0
fV2R 0.02 Nm/(rad/s) 0.008 Nm/(rad/s) 10.0
fS2R 0.11 Nm 0.11 Nm 0.9
offset2 0.0300 Nm 0.0200 Nm 1.0
XX3R -0.012 Kgm2 -0.012 Kgm2 1.1
ZZ3R 0.014 Kgm2 0.014 Kgm2 0.4
MX3R 0.04 Kgm 0.038 Kgm 0.41
MX5R 0.07 Kgm 0.068 Kgm 0.46
fV5R 0.02 Nm/(rad/s) 0.006 Nm/(rad/s) 9.0
fS5R 0.11 Nm 0.11 Nm 0.5
offset5 0.030 Nm 0.030 Nm 1.10
Tableau 3-5 : Valeurs identifiées pour les paramètres inertiels de la branche inférieure
Paramètres Valeurs CAO Valeurs Ecarts types
identifiées relatifs %
ZZ1R 0.046 Kgm2 0.046 Kgm2 0.65
MY1R -0.030 Kgm -0.030 Kgm 0.42
fV1 0.02 Nm/(rad/s) 0.009 Nm/(rad/s) 9.0
fS1 0.14 Nm 0.13 Nm 0.30
XX2R -0.021 Kgm2 -0.021 Kgm2 1.2
ZZ2R 0.028 Kgm2 0.027 Kgm2 0.47
MX2R -0.025 Kgm -0.024 Kgm 0.95
fV2R 0.02 Nm/(rad/s) 0.010 Nm/(rad/s) 9.0
fS2R 0.11 Nm 0.11 Nm 0.65
offset2 0.0300 Nm 0.0200 Nm 3.0
XX3R -0.010 Kgm2 -0.010 Kgm2 2.1
ZZ3R 0.012 Kgm2 0.012 Kgm2 0.46
MX3R 0.035 Kgm 0.034 Kgm 1.0
MX5R 0.07 Kgm 0.067 Kgm 0.5
fV5R 0.02 Nm/(rad/s) 0.006 Nm/(rad/s) 8.0
fS5R 0.11 Nm 0.11 Nm 0.5
offset5 0.0300 Nm 0.0300 Nm 3.0
- 106 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
0.2
0.1
Nm
-0.1
-0.2
-0.3
1000 1100 1200 1300 1400 1500 1600 1700 1800 1900
Echantillons
Figure 3-7 : Validation directe du couple de gravité mesuré (-) et estimé (.) de l’avant bras
0.2
0
Nm
-0.2
-0.4
-0.6
-0.8
600 800 1000 1200 1400 1600 1800 2000
Echantillons
Figure 3-8 : Validation directe du couple de gravité mesuré (-) et estimé (.) de l’embase
- 107 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
0.4
Mesure
Estimation
Résidu
0.3
0.2
0.1
Nm
-0.1
-0.2
-0.3
1000 1100 1200 1300 1400 1500 1600 1700 1800 1900 2000
Echantillons
Figure 3-9 : Validation directe du couple de gravité mesuré (-) et estimé (.) du bras
0.6 Mesure
Estimation
Résidu
0.4
0.2
-0.2
Nm
-0.4
-0.6
-0.8
-1
-1.2
3050 3100 3150 3200 3250 3300 3350 3400 3450 3500
Echantillons
Figure 3-10 : Validation directe entre le couple mesuré (-) et le couple estimé (.) exercé sur l’épaule
- 108 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
Mesure
0.8
Estimation
Résidu
0.6
0.4
0.2
Nm
-0.2
-0.4
-0.6
3050 3100 3150 3200 3250 3300 3350 3400 3450 3500
Echantillons
Figure 3-11 : Validation directe entre le couple mesuré (-) et le couple estimé (.) exercé sur le bras
Mesure
Estimation
0.4 Résidu
0.3
0.2
Nm
0.1
-0.1
-0.2
3500 3550 3600 3650 3700 3750 3800 3850 3900
Echantillons
Figure 3-12 : Validation directe entre le couple mesuré (-) et le couple estimé (.) exercé sur l’avant bras
Pour valider les résultats obtenus lors de ce test d’identification, des validations croisées
ont été effectuées.
- 109 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
Pour valider les valeurs des paramètres de gravité de l’avant bras (resp. du bras), on
bloque l’embase et le bras (resp. l’avant bras) et on actionne l’avant bras (resp. du bras), puis,
nous comparons le couple mesuré avec le couple reconstruit à l’aide des paramètres identifiés
(Figure 3-13 et Figure 3-14).
0.1
0.05
0
Nm
-0.05
-0.1
-0.15
-0.2
- 110 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
Pour valider les valeurs des paramètres ZZ1R et ZZ3R, nous actionnons l’embase (resp.
l’avant bras) à l’aide d’une trajectoire sinusoïdale à fréquence fixe, puis nous comparons le
couple mesuré avec le couple reconstruit à l’aide des paramètres identifiés (Figure 3-15 et
Figure 3-16)
Validation croisée
Mesure
Estimation
Résidu
0.5
0
Nm
-0.5
-1
Validation croisée
Mesure
1 Estimation
Résidu
0.8
0.6
0.4
0.2
Nm
-0.2
-0.4
-0.6
-0.8
-1
- 111 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
Dans cette partie, les paramètres inertiels des branches à 3DDL de l’interface médicale
ont été identifiés. Trois types d’essais ont été concaténés (frottement, gravité et inertie) afin
d’identifier aux mieux ces paramètres. L’excitation des paramètres était donc séquentielle
mais l’identification était globale. Les différentes validations effectuées ont montré que les
résultats sont cohérents.
Cette étude est maintenant complétée par la caractérisation de la compliance de
l’interface.
Avec :
- 112 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
Tableau 3-6 : Valeurs des paramètres identifiés lors des essais à sortie bloquée
Paramètre Valeur Ecart type relatif %
Ia1 6.10-3 Kgm² 1,2 %
Ia2 4.10-3 Kgm² 1,5%
Ia5 4.10-3 Kgm² 2,0%
K1 800 Nm/rad 0.4
K2 450 Nm/rad 0.5
K5 460 Nm/rad 0.5
B1R 3,0 Nms/rad 2.0
B2R 0,9 Nms/rad 2.5
B5R 0,9 Nms/rad 3.0
offset1 0.003 Nm/rad 20.0
offset2 0.002 Nm/rad 21.0
offset5 -0.005 Nm/rad 20.0
Les paramètres fsmj sont manquants car ils ne sont pas identifiables. Des validations
directes ont été effectuées (Figure 3-17, Figure 3-18 et Figure 3-19). Dans tous les cas,
l’erreur est faible.
Pour chaque cycle hystérétique, nous remarquons de faibles décalages en position. Ceci
est peut être dû au fait que la sortie n’est pas parfaitement bloquée.
- 113 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
0.5
couplem Nm
0
-0.5
-1
-1.5
-8 -6 -4 -2 0 2 4 6 8
qm (rad) -4
x 10
Figure 3-17 : Validation directe entre le couple mesuré (bleu) et le couple reconstruit (vert) lors des essais
à sortie bloquée pour l’axe 1
0.8
0.6
0.4
0.2
couplem Nm
-0.2
-0.4
-0.6
-0.8
-1
-1.5 -1 -0.5 0 0.5 1 1.5
qm (rad) -3
x 10
Figure 3-18 : Validation directe entre le couple mesuré (bleu) et le couple reconstruit (vert) lors des essais
à sortie bloquée pour l’axe 2
- 114 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
0.8
0.6
0.4
couplem Nm
0.2
-0.2
-0.4
-0.6
-0.8
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
qm (rad) -3
x 10
Figure 3-19 : Validation directe entre le couple mesuré (bleu) et le couple reconstruit (vert) lors des essais
à sortie bloquée pour l’axe 5
Connaissant les paramètres Kj, les paramètres ZZjR et les paramètres Iaj, la bande
passante de chaque transmission à câble est évaluée. On écrit que :
1 Kj
• f nj ≈ .
2π ZZ ej
Avec :
I aj A(j, j)
• ZZ ej = .
I aj + A(j, j)
Tableau 3-7 : Valeurs évaluées pour la bande passante de la transmission de chaque axe
Kj A(j,j) Iaj fnj
800 Nm/rad 0,044Kgm² 6.10-3 Kgm² 60Hz
460 Nm/rad 0,025Kgm² 4.10-3 Kgm² 55Hz
450 Nm/rad 0,010Kgm² 4.10-3 Kgm² 63Hz
- 115 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
Ce qui donne :
-1 ɺ
aj = A jj ( Γ mj − I aj q mj - f vmj q mj )
q (3) (3)
ɺɺ
En substituant ces trois équations dans le modèle dynamique de chaque système mono-
axe, on obtient un modèle faisant intervenir la dérivée de la commande décrit par la relation
suivante :
Avec :
- 116 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
• b2j = Ajj/Kj,
• b1j = Bj/Kj,
• a4j = IajAjj/Kj,
• a3j = (fvmjAjj + BjAjj + BjIaj)/Kj,
• a2j = (Bjfvmj/Kj + Iaj + Ajj),
• a1j = fvmj,
• Ajj = A(j,j).
- 117 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
Les autres paramètres sont manquants car ils ne sont pas identifiables. Ils contribuent
peu à la dynamique du système. Par suite, ils sont fixés à zéro. En notant que :
• Î aj = a 4j /b 2j ,
• Â jj = a 2j − Î aj ,
• K̂ j = Â jj /b 2j .
Tableau 3-9 : Valeurs identifiées des paramètres physiques lors des essais à sortie libre
Paramètres Valeur identifiée
K1 280 Nm/rad
Ia1 2,0 10-2 Kgm²
A11 2,3 10-2 Kgm²
fsm1 0,095 Nm
K2 260 Nm/rad
Ia2 1,3 10-2 Kgm²
A22 1,5 10-2 Kgm²
fsm2 0,085 Nm
K5 260 Nm/rad
Ia5 0,7 10-2 Kgm²
A55 0,6 10-2 Kgm²
fsm5 0,085 Nm
Des validations directes ont été effectuées. Dans tous les cas, le couple estimé est assez
proche de celui mesuré avec une erreur de prédiction assez faible.
Comparaison directe
Mesure
Estimation
2 Résidu
0
Nm
-1
-2
-3
Figure 3-20 : Validation effectuée pour les essais à sortie libre concernant l’axe 1.
- 118 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
Comparaison directe
2.5
Mesure
Estimation
2 Résidu
1.5
0.5
Nm
-0.5
-1
-1.5
-2
Figure 3-21 : Validation effectuée pour les essais à sortie libre concernant l’axe 2.
Comparaison directe
Mesure
Estimation
1 Résidu
0.5
Nm
-0.5
-1
Figure 3-22 : Validation effectuée pour les essais à sortie libre concernant l’axe 5.
Les valeurs identifiées regroupées dans le Tableau 3-9 sont différentes de celles
exposées dans le Tableau 3-7.
Ceci peut provenir de l’influence de la souplesse de la structure. Pour la modélisation, la
flexibilité est localisée sur l’articulation. La souplesse de la structure se projette donc au
niveau de l’articulation. Ainsi, les valeurs Kj regroupées dans le Tableau 3-9 englobent
- 119 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
l’influence de la flexibilité due à la présence du câble et celle due à la structure. C’est une
raideur globale.
Pour dissocier ces deux flexibilités, il faut ajouter dans le modèle dynamique une raideur
supplémentaire caractérisant la souplesse de la structure. Cependant, pour l’identifier, il faut
ajouter un ou plusieurs capteurs externes, ce que ne permet pas le contrôleur de l’interface
médicale. Contourner cette difficulté en utilisant la dérivée de la commande est très difficile
car il faudrait dériver 6 fois la position et 4 fois la commande alors que la résolution des
codeurs est de 4000 impulsions par tour. C’est une des limites de cette méthode
d’identification.
Néanmoins, les essais à sortie libre ont pu mettre en évidence l’effet de la souplesse de
la structure.
3.4.6 Conclusion
Dans cette partie la démarche de modélisation et d’identification a été appliquée pour
identifier les branches à 3 DDL de l’interface médicale. Concernant l’identification du modèle
rigide, les résultats obtenus sont corrects. En effet, dans tous les cas, pour les validations
directes, les couples estimés sont proches de ceux mesurés et, pour les validations croisées, les
couples reconstruits sont proches de ceux mesurés. Ainsi, les résultats résumés dans le
Tableau 3-4 et dans le Tableau 3-5 sont directement exploitables pour caractériser l’interface.
Cependant, lors de la caractérisation de la compliance des branches à 3 DDL, les
résultats obtenus par les essais à sortie libre ne corroborent pas ceux obtenus par les essais à
sortie bloquée. Ceci peut provenir de l’influence de la souplesse de la structure. Identifier la
valeur du paramètre caractérisant son influence nécessite une instrumentation plus
sophistiquée. Malheureusement, le contrôleur de l’interface médicale ne permettait pas l’ajout
de capteurs externes.
Γ op = J T Fop = A(q)q
ɺɺ + C(q, qɺ )qɺ + Q(q) + Fv qɺ + FS sign(qɺ ) (3.13)
Où :
- 120 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
ɺ = J(q)qɺ
X (3.14.a)
Ce qui implique :
qɺ = J + (q)X
ɺ (3.14.b)
ɺɺ = J(q)q
X ɺɺ + Jɺ (q)qɺ (3.15.a)
Ce qui donne :
ɺɺ = J + (q)(X
q ɺɺ − Jɺ (q)qɺ ) (3.15.b)
Où :
• J+(q) est la pseudo-inverse de la jacobienne J(q).
On obtient donc :
ɺɺ + F X
Fop = M op X ɺ + F sign(qɺ ) + F (3.16.a)
vop cop d
Avec :
• Mop = J+T A(q) J+, la matrice de masse apparente,
• Fvop = J+T Fv J+, la matrice de frottement visqueux apparent,
• Fcop = J + T Fc , la matrice de frottement sec apparent,
- 121 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
(
Fd = J + T (q) C(q, qɺ )qɺ + Q(q) − A(q)Jɺ (q)qɺ ) (3.17)
Dans le cas où la matrice jacobienne est une matrice (nxn) inversible, on remplace
directement J+ par J-1. Ainsi, l’équation (3.17) décrit complètement ce qu’il se passe dans
l’espace opérationnel. Notons enfin pour les cas où la matrice jacobienne est carrée que les
regroupements calculés dans l’espace articulaire se retrouvent dans l’espace cartésien. En
effet, nous avons (nous rappelons que Γ op = D(q, qɺ , q
ɺɺ)χ b ):
J T Fop = W(q, qɺ , q
ɺɺ)χ b ⇒ Fop = J -T W(q, qɺ , q
ɺɺ)χ b (3.18)
Fop = D op (q, qɺ , q
ɺɺ)χ b (3.19)
800 0 0
K = 0 460 0 (3.20)
0 0 450
Avec SYMORO+, le calcul de la jacobienne se fait avec les variables q1, q2 et q3 (on note le
vecteur qs=[q1 q2 q3]T et Js la jacobienne calculée avec SYMORO+). Or q3 est une variable
∂q
passive. On introduit donc une jacobienne de passage notée Jp qui est égale à J p = s .
∂q a
On obtient donc :
∂X ∂X ∂q s
J= = = JsJp (3.21)
∂q a ∂q s ∂q a
On décide de projeter la jacobienne dans le repère de la base. En d’autres termes, les forces
ainsi que les vitesses de translation et de rotation sont exprimées dans le repère R0. Ce choix
- 122 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
est arbitraire car on peut projeter la jacobienne dans n’importe quelle base. En effet, pour un
robot à 6 DDL nous avons :
jA 03 i
j
J n = i j Jn (3.22)
03 Ai
Les performances de l’interface sont évaluées comme suit : dans un premier temps, la
masse apparente est calculée en fonction de q2 (q3 fixé) puis en fonction de q3 (q2 fixe) ;
ensuite la raideur apparente est calculée en fonction de q2 (q3 fixé) puis en fonction de q3 (q2
fixe) ; pour finir, les frottements sont caractérisés.
- 123 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
Cependant, les essais à sortie libre ont mis en évidence l’effet de la souplesse de la
structure. Si l’on choisit :
280 0 0
K = 0 260 0
0 0 260
Alors, la raideur maximale chute à 5000N/m et la raideur minimale baisse à 1500N/m ce qui
est faible [Riwan 2002]. En effet, un ressort dont la raideur est de 1500 N/m implique qu’il
faut exercer une force de 1,5N pour élonguer le ressort de 1mm. Cette force est équivalente à
soulever une masse de 150g.
MXX
0.711
0.711
Kg
0.711
0.711
-90 -80 -70 -60 -50 -40 -30 -20 -10 0
MYY
0.55
0.5
Kg
0.45
0.4
0.35
-90 -80 -70 -60 -50 -40 -30 -20 -10 0
MZZ
0.121
Kg
0.121
- 124 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
MXX
1.4
1.2
Kg
1
0.8
45 50 55 60 65 70 75
MYY
0.8
0.6
Kg
0.4
0.2
45 50 55 60 65 70 75
MZZ
0.145
0.14
Kg
0.135
0.13
0.125
40 45 50 55 60 65 70 75
q3 (degrees)
KXX
5000
4500
N/m
4000
3500
-70 -65 -60 -55 -50 -45 -40 -35 -30 -25 -20
KYY
3824.1856
N/m
3824.1856
3824.1856
-65 -60 -55 -50 -45 -40 -35 -30 -25 -20
KZZ
3800
3600
N/m
3400
3200
3000
-70 -65 -60 -55 -50 -45 -40 -35 -30 -25 -20
q2 (degrees)
- 125 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
4
x 10 KXX
2.5
N/m
1.5
0.5
45 50 55 60 65 70 75
KYY
N/m 7000
6000
5000
4000
45 50 55 60 65 70 75
KZZ
3200
3000
2800
N/m
2600
2400
2200
40 45 50 55 60 65 70 75
q3 (degrees)
Enfin, les Figure 3-27, Figure 3-28, Figure 3-29 et Figure 3-30 montrent les évolutions
des valeurs maximales des frottements secs et visqueux apparents en fonction de q2 et q3
respectivement. Lorsque q2 varie, le terme de frottement sec apparent varie entre 0,35N et
0,45N. Ceci implique que l’opérateur devra fournir un effort constant équivalent à soulever
une masse de 35g ou 45g, ce qui est très acceptable. Quand q3 varie, les variation des valeurs
maximales du terme de Coulomb sont plus importantes bien que la valeur maximale reste
acceptable : 1,0N. Enfin, la valeur maximale du terme de frottement visqueux est de 0,70
Ns/m. Ceci provient simplement du fait que l’interface n’est pas intrinsèquement visqueuse.
- 126 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
FCXX
0.48
0.48
N
0.48
0.48
-90 -80 -70 -60 -50 -40 -30 -20 -10 0
FCYY
0.48
0.48
N
0.48
0.48
-90 -80 -70 -60 -50 -40 -30 -20 -10 0
FCZZ
0.5
0.45
0.4
N
0.35
0.3
-90 -80 -70 -60 -50 -40 -30 -20 -10 0
q2 (degrees)
FCXX
0.9
0.8
N
0.7
0.6
45 50 55 60 65 70 75 80
FCYY
0.7
0.6
0.5
N
0.4
0.3
40 45 50 55 60 65 70 75 80 85
FCZZ
0.5
0.45
N
0.4
0.35
40 45 50 55 60 65 70 75 80 85
q3 (degrees)
- 127 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
FVXX
0.16
0.16
N/(m/s)
0.16
0.16
-90 -80 -70 -60 -50 -40 -30 -20 -10 0
FVYY
0.16
0.16
N/(m/s)
0.16
0.16
-90 -80 -70 -60 -50 -40 -30 -20 -10 0
FVZZ
0.15
N/(m/s)
0.1
0.05
-90 -80 -70 -60 -50 -40 -30 -20 -10 0
q2 (degrees)
FVXX
0.7
0.6
N/(m/s)
0.5
0.4
0.3
45 50 55 60 65 70 75
FVYY
0.25
N/(m/s)
0.2
0.15
0.1
45 50 55 60 65 70 75 80
FVZZ
0.14
0.12
N/(m/s)
0.1
40 45 50 55 60 65 70 75 80
q3 (degrees)
3.5.3 Conclusion
Dans cette partie, la caractérisation des branches à 3 DDL de l’interface médicale a été
présentée. Cette démarche est intéressante pour plusieurs raisons :
• Il est possible de vérifier si les performances expérimentales sont proches des
performances théoriques,
- 128 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
Une discussion est introduite pour mettre en valeur les qualités de la démarche proposée
ainsi que ces limites potentielles.
3.6 Discussion
3.6.1 Validité des résultats obtenus
La principale différence entre les deux branches à 3 DDL est la masse de leurs supports
de la poignée (corps 4). Cette différence est égale à 25g. En effet, d’après les données CAO,
la masse du support de la poignée de la branche supérieure est égale à 100g et celle de la
branche inférieure est de 70g. La branche supérieure peut être considérée comme la branche
inférieure avec une charge externe de 30g. Ainsi, si le protocole d’identification est bien
appliqué et fiable, on peut détecter cette différence car elle n’est pas négligeable par rapport
aux valeurs des paramètres inertiels. Pour le montrer, on calcule l’effet d’une variation de la
masse du quatrième corps sur les paramètres inertiels. On obtient :
• ∆ZZ1R = ∆m4(d42+d32) = 0,0034
• ∆XX2R = ∆m4(d32) = 0,0017
• ∆ZZ2R = ∆m4(d32) = 0,0017
• ∆MX2R = ∆m4(d3) = 0,0060
• ∆XX3R = ∆m4(d32) = 0,0017
• ∆ZZ3R = ∆m4(d32) = 0,0017
• ∆MX3R = ∆m4(d3) = 0,0060
Ceci implique que les fluctuations relatives définies par ∆Xj/|Xj| varient entre 8% et 12%
pour les inerties alors qu’elles varient entre 17% et 25% pour les paramètres de gravité. Par
suite, elles ne sont pas négligeables et doivent être observées. En reprenant les valeurs
résumées dans les Tableau 3-4 et Tableau 3-5, on obtient les variations données par le
Tableau 3-10.
- 129 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
Tableau 3-10 : Comparaison entre les variations théoriques et les variations observées
Variations Valeurs Valeurs
théoriques expérimentales
∆ZZ1R 0.0034 0.0040
∆XX2R 0.0017 0.0020
∆ZZ2R 0.0017 0.0020
∆MX2R 0.0060 0.0040
∆XX3R 0.0017 0.0020
∆ZZ3R 0.0017 0.0020
∆MX3R 0.0060 0.0050
0.4
0.3
0.2
0.1
Joint torque Nm
-0.1
-0.2
-0.3
-0.4
-0.5
-1.4 -1.2 -1 -0.8 -0.6 -0.4 -0.2 0
q2 rad
- 130 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
La première idée était de compenser ce frottement par une loi de commande appropriée.
Cette idée était motivée par le fait que, pour certaines interfaces, il peut être impossible de
démonter et/ou changer certaines pièces. Cependant, il a été montré que la conception de
compensation du frottement est assez difficile, même quand ce dernier possède un modèle
simple [Mahvash et Okamura 2006]. Dans notre cas, cette manière semble inadaptée. En effet,
le frottement sec dépend de la position et il est assez difficile d’établir si ce phénomène est
répétable ou non. Ainsi, le modèle a implémenté dans le contrôleur serait complexe et il n’est
pas garanti que l’opérateur serait satisfait de cette compensation. Nous avons donc décidé de
résoudre ce problème mécaniquement.
Cependant, avant de faire ceci, nous avons conçu et appliqué une évaluation
préliminaire de l’interface afin d’analyser les réactions de l’opérateur quand il se trouve
confronté à un défaut mécanique de l’interface. Dix sujets participèrent à l’évaluation : ils
n’avaient jamais manipulé l’interface et ils ne connaissaient pas le but de cette évaluation
préliminaire. En ce sens, ils n’ont pas été influencés par leurs expériences et connaissances
passées. Les tâches a exécuter sont simples : elles consistent à manipuler l’interface à faibles
et grandes vitesses dans tout l’espace de travail accessible. On obtient alors les trois résultats
principaux :
• Lorsque les utilisateurs utilisent l’interface à faibles vitesses, ils sont perturbés par
le frottement,
• Lorsque les utilisateurs utilisent l’interface à grandes vitesses, sept sont faiblement
perturbés par le frottement, alors que trois le sont toujours,
• Tous les participants entendirent un bruit venant du premier cabestan.
Le bruit venant du premier cabestan peut être dû à la fatigue du câble. Globalement, ces
résultats sont en accord avec ceux de l’identification paramétriques. En effet, tous le
participants sont gênés par ce frottement lorsqu’ils manipulent l’interface lentement alors que
la plupart d’entre eux se disent peu gênés par le frottement lorsqu’ils manipulent l’interface
rapidement.
- 131 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
trois participants sont toujours perturbés par ce frottement indésirable lorsqu’ils manipulent
rapidement l’interface. Nous constatons donc que l’évaluation des qualités techniques et de
réversibilité dépend aussi des perceptions et des capacités psychophysiques de l’utilisateur.
Cette remarque justifie la conception et l’application d’une évaluation globale de l’interface.
Jusqu’à présent, la plupart des travaux se sont concentrés sur les problèmes de
perception et les problèmes psychophysiques tels que les résolutions spatiales et temporelles.
Cet axe a été privilégié dans le cas des interfaces tactiles par exemple [Srinivasan 1995] et
[Sherrick et Cholewiak 1986]. Si de telles études ont donné certaines connaissances
fondamentales concernant les sensations humaines, les résultats ne sont pas toujours
facilement et directement exploitables pour la conception puisque les tâches expérimentales
sont généralement assez simples et de courte durée.
Il est alors nécessaire d’adopter un point de vue plus réaliste et naturel sur les
interactions homme machine. Ce point de vue peut être basé sur les principes de conception
centrée sur l’utilisateur [Mayhew 1999]. Une telle approche pourrait promouvoir le
développement de tâches et des interfaces haptiques orientées utilisateur, qui pourraient, en
fait, encourager les utilisateurs à accepter et utiliser la technologie haptique [Annastassova et
al 2007]. Comme pour les connaissances scientifiques, une approche centrée sur l’utilisateur
dédiée aux interfaces haptiques permettrait l’établissement d’une heuristique et de lignes
directrices pour le développement et l’utilisation d’appareils haptiques.
3.6.3 Conclusion
Au travers de cette discussion, il apparaît que la démarche de modélisation et
d’identification conçue et appliquée donne des résultats fiables. Ainsi, elle nous permet
d’évaluer de manière sûre la qualité de l’interface étudiée. De plus, nous avons également
montré qu’il était possible d’effectuer un lien entre les résultats obtenus par identification
expérimentale et les résultats obtenus par une évaluation préliminaire basée sur un défaut de
l’interface. Cela montre que les résultats peuvent être utilisés pour l’évaluation de l’interface.
Cependant, il apparaît aussi que l’évaluation de l’interface est essentielle. En effet, la
qualité et le caractère réversible de l’interface dépendent aussi des capacités physiques et
mentales de l’utilisateur. C’est en ce sens que la démarche présentée et appliquée tout au long
de ces trois chapitres présente une faille : on peut savoir avec une bonne précision ce que
devrait « ressentir réellement » l’opérateur, mais on ne peut pas prédire ce qu’il va
« réellement percevoir ». Une extension des travaux serait donc de comparer les résultats
- 132 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
expérimentaux obtenus par l’identification de l’interface avec ceux obtenus par l’évaluation
de cette dernière.
Dans l’arithmétique virgule flottante sur ordinateur, coder un réel c’est coder le triplet
{ε, e, m}. Depuis 1985, la norme IEEE 754 est la norme internationale reconnue pour
l’arithmétique virgule flottante. Cette norme prévoit les codages simple précision et double
précision. De plus, elle utilise la base 2. Le codage de ε tient sur un bit et vaut 0 si x>0 et 1 si
x<0. En simple précision, le codage de l’exposant est sur 8 bits, la mantisse sur 23 bits.
On appelle ensemble des flottants, noté F, l’ensemble des réels codables sur ordinateur.
Cet ensemble dépend de la précision utilisée mais c’est un ensemble fini, donc borné et
discret. Ainsi, l’ensemble F qui est borné entraîne les phénomènes de sous capacité et de
surcapacité. Le fait qu’il soit discret et que les opérateurs arithmétiques ne soient pas des lois
internes dans F entraîne le phénomène d’erreur d’arrondi.
Ainsi, tout réel qui n’est pas un nombre flottant est approché par un élément de F. Le
nombre réel x est minoré et majoré par deux flottants consécutifs notés respectivement X- et
X+. Déterminer la règle qui, en fonction de x, fournit X- ou X+ c’est choisir le mode d’arrondi
de la machine. On obtient donc la définition suivante :
Définition : Chaque nombre réel x, qui n’est pas un nombre en virgule flottante, est
borné par deux nombres en virgule flottante consécutifs : X- (arrondi inférieur) et X+ (arrondi
- 133 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
supérieur). Le mode d’arrondi aléatoire définit le nombre à virgule flottante X comme étant
un des deux nombres X+ ou X- avec une probabilité de 50%.
Avec ce mode d’arrondis, le même programme est exécuté plusieurs fois et donne des
résultats différents du fait des différentes erreurs effectuées. Dans [Chesnaux 90], il a été
prouvé que chaque résultat calculé pouvait être modélisé comme un premier moment en 2-p :
n
R ≈ r + ∑ g i (d)2 − p α i (3.23)
i =1
Où :
• R est le résultat trouvé par l’ordinateur,
• r est le résultat exact,
• gi(d) sont les coefficients dépendants exclusivement des données et du code
informatique,
• p est le nombre de bits dans la mantisse,
• αi sont des distributions indépendantes et uniformes sur l’espace [-1, 1].
Il s’agit donc d’estimer la moyenne d’une variable aléatoire gaussienne à partir d’un
échantillon. C’est le but du test de Student. Le test de Student fournit un intervalle de
confiance pour l’espérance d’une gaussienne à partir d’un échantillon de cette gaussienne
sous une probabilité donnée.
Ainsi, en identifiant R, i.e. en négligeant tous les seconds ordres, des cas d’études
peuvent être utilisés afin de déterminer la précision de R. Ainsi, de N échantillons Ri, i = 1, 2,
…, N, le nombre de chiffres communs entre R et r peut être estimé grâce à l’équation
suivante :
NR
C R = log10 (3.24)
στ β
- 134 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
Où :
1 N
• R= ∑Ri ,
N i =1
• σ2 =
1 N
∑ (R i − R )2 ,
N − 1 i =1
• τβ est la valeur de Student pour N-1 degrés de liberté et une probabilité de 1-β.
En pratique, on choisit :
• N = 2 ou N = 3,
• β = 0.05.
- 135 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
Le fait que la mesure de la position soit bruitée implique que la matrice d’observation W
est bruitée. En effet, cette matrice est construite à partir de la mesure de la position et de ses
dérivées temporelles. De plus, comme l’identification est réalisée en boucle fermée, le bruit
de la commande est corrélé au bruit codeur. Nous avons donc W corrélée à ρ.
Une idée intéressante est d’adapter la méthode CESTAC afin d’évaluer la sensibilité des
résultats vis-à-vis du bruit de quantification. Ceci peut se faire en considérant la définition
suivante :
Définition : Chaque échantillon de la mesure de position q, est borné par deux nombres :
q (point inférieur) et q+ (point supérieur). Le mode d’erreur aléatoire définit qCESTAC comme
-
Ainsi, une nouvelle mesure avec ce mode d’arrondi est définie par l’équation suivante :
Avec :
• ∆ = 2π/ Nit (par exemple, si nous avons une résolution de 4000 impulsions par
tour, alors ∆ = 2π/4000),
• q est la position mesurée.
Avec :
• qm vecteur regroupant les échantillons de la position mesurée,
• « rand(size(qm)) » fonction de MATLAB créant un vecteur aléatoire choisi d’une
distribution uniforme sur l’intervalle [0, 1] de même taille que le vecteur qm.
L’instruction « (rand(size(qm)) > 0.5 » renvoie 1 si cette condition est vérifiée et 0 si elle
ne l’est pas. Enfin, cette quantité est multipliée par 2 puis on lui retranche 1 pour que la
distribution uniforme soit centrée.
- 136 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
Cette mesure est ensuite filtrée sans distorsion de phase grâce à un filtrage aller et
retour. Le filtre utilisé est un filtre de Butterworth d’ordre 4 de fréquence de coupure ωc. Les
coefficients du filtre sont calculés avec la fonction « butter » de MATLAB. Ensuite, cette
mesure filtrée est dérivée sans distorsion de phase grâce à la différence centrée pour obtenir la
vitesse et l’accélération notée respectivement qɺ CESTAC et ɺqɺ CESTAC . Nous construisons alors une
nouvelle matrice d’observation :
Chaque colonne de cette nouvelle matrice d’observation est filtrée par le filtre
« decimate » de MATLAB. La fréquence de coupure de ce filtre est choisie égale à celle du
filtre de Butterworth. Enfin, l’estimation des paramètres de base s’effectue toujours au sens
des moindres carrés :
+
χˆ CESTAC = WCESTAC Y (3.27)
1 N
χˆ CESTAC = ∑ χ CESTAC/k
N k =1
(3.28)
1 N
σ2 = ∑ (χ CESTAC/k − χˆ CESTAC )2 (3.29)
N − 1 k =1
σ χ̂ j
%σ χ̂ j = 100 j CESTAC (3.30)
CESTAC χ̂
CESTAC
- 137 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
j
χ̂ CESTAC
%e = 100 1 −
j
j
(3.31)
χ̂ LS
Où :
• j
χ̂ CESTAC est le jième paramètre essentiel estimé grâce à la méthode CESTAC,
• j
χ̂ LS est le jième paramètre essentiel estimé grâce à la méthode des moindres carrés.
%e( ρ ) = 100 1 −
ρ CESTAC
(3.32)
ρ LS
Où :
• ||.|| est l’opérateur de la norme 2,
• |.| est l’opérateur de la valeur absolue,
• ||ρCESTAC|| est la norme du vecteur de résidu obtenu par la méthode CESTAC,
• ||ρLS|| est la norme du vecteur de résidu obtenu par la méthode des moindres carrés.
Y = (W + ∂W )χ + ∂Y (3.33)
Où :
• ∂W est l’incertitude sur W liée aux erreurs de mesures sur la position,
• ∂Y regroupent les erreurs de modèles, de mesures du couple…
- 138 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
ρ = ∂Wχ + ∂Y (3.34)
ρ. Il vient que l’estimateur des moindres carrés est pratiquement non biaisé.
Si en appliquant cette méthode des variations importantes sont observées, typiquement
supérieures à 10%, cela implique que l’estimateur est sensible vis-à-vis du bruit de
quantification et il peut présenter un biais. Généralement, il y a deux sources principales pour
cette sensibilité : une mauvaise qualité de la mesure de la position ou un filtrage non adapté.
Dans ce cas, les erreurs de mesure n’affectent pas l’estimation des paramètres.
- 139 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
Une autre idée est d’évaluer la valeur limite de la résolution codeur à partir de laquelle
l’effet du bruit de quantification n’est plus négligeable. Une manière de faire consiste à
augmenter progressivement ∆, puis de comparer la solution fournie par la dérivée de la
méthode CESTAC à celle donnée par les moindres carrés pour ∆ = 2*pi/20000.
Cette manière de procéder est justifiée par l’équation (3.34). Si on applique la procédure
d’analyse en augmentant ∆ tout en gardant les essais expérimentaux effectués avec une
résolution de 20000 points par tour, alors on analyse l’évolution de ∂Wχ . En effet, ∂Y est
constant puisque nous gardons toujours les mêmes tests. La sensibilité de ρ vis-à-vis de
On effectue des tests pour différentes résolutions. Les filtres sont toujours réglés à 20
Hz. Les résultats sont résumés dans le Tableau 3-12.
Tableau 3-12 : Valeurs identifiées et variations observées pour différentes erreurs sur la mesure en
position
∆ = 2*pi/20000 ∆ = 2*pi/4000
Paramètres Valeur identifiée Variations Valeur identifiée Variations
CESTAC CESTAC
J 1,45.10-3 Kgm2 %eJ < 1% 1,45.10-3 Kgm2 %eJ < 1%
-3
Mx 2,40.10 Kgm %eMX < 1% -3
2,40.10 Kgm %eMX < 1%
fv 1,60.10-3 Nms/rad %efv < 1% 1,60.10-3 Nms/rad %efv < 1%
fc 6,67.10-2 Nm %efc < 1% -2
6,67.10 Nm %efc < 1%
My 0,80.10-3 Kgm %eMY < 1% 0,80.10-3 Kgm %eMY < 1%
%e(|ρ|) < 1% %e(|ρ|) < 1%
∆ = 2*pi/1000 ∆ = 2*pi/500
Paramètres Valeur identifiée Variations Valeur identifiée Variations
CESTAC CESTAC
J 1,45.10-3 Kgm2 %eJ < 1% 1,43.10-3 Kgm2 %eJ = 1%
Mx 2,40.10-3 Kgm %eMX < 1% 2,53.10-3 Kgm %eMX = 5%
fv 1,60.10 Nms/rad %efv < 1%
-3 -3
1,60.10 Nms/rad %efv < 1%
fc 6,67.10-2 Nm %efc < 1% 6,67.10-2 Nm %efc < 1%
-3
My 0,80.10 Kgm %eMY < 1% -3
0,70.10 Kgm %eMY = 22%
%e(|ρ|) = 5% %e(|ρ|) = 15%
∆ = 2*pi/250 ∆ = 2*pi/50
Paramètres Valeur identifiée Variations Valeur identifiée Variations
CESTAC CESTAC
J 1,38.10-3 Kgm2 %eJ = 5% 0,60.10-3 Kgm2 %eJ = 58%
-3 MX -3
Mx 2,90.10 Kgm %e = 21% 8,34.10 Kgm %eMX = 248%
fv 1,58.10-3 Nms/rad %efv = 1% 1,40.10-3 Nms/rad %efv = 19%
fc 6,67.10-2 Nm %efc < 1% 6,50.10-2 Nm %efc = 3%
My 0,14.10-3 Kgm %eMY = 85% -0,80.10-3 Kgm %eMY = 988%
%e(|ρ|) = 56% %e(|ρ|) = 300%
- 140 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
Les résultats varient peu tant que la précision codeur est supérieure à 1000 points par
tour. Cela implique que la marge de manœuvre est importante puisque cette valeur est vingt
fois moins bonne que la résolution utilisée lors du protocole d’identification. Ainsi, vu la
marge de manœuvre, ceci implique que les mesures de la position sont bonnes et que le bruit
de quantification n’a pas d’influence sur l’identification des paramètres.
Tableau 3-13 : Résultats obtenus et variations observées à l’aide de la méthode CESTAC appliquée à la
branche 3 DDL supérieure.
Filtrage à 10 Hz et ∆ = 2*pi/4000
Valeurs %σX Valeurs identifiées
Paramètres Variations
identifiées LS CESTAC
ZZ1R 0.050 Kgm2 0.65 0.050 Kgm2 %e(ZZ1R)<1%
MY1R 0.0260 Kgm 0.42 0.0260 Kgm %e(MY1R)<1%
fS1 0.12 Nm 0.30 0.12 Nm %e(fC1)<1%
XX2R -0.023 Kgm2 1.2 -0.023 Kgm2 %e(XX2R)<1%
ZZ2R 0.029 Kgm2 0.47 0.029 Kgm2 %e(ZZ2R)<1%
MX2R -0.020 Kgm 0.95 -0.020 Kgm %e(MX2R)<1%
fS2R 0.11 Nm 0.65 0.11 Nm %e(fC2R)<1%
offset2 0.0200 Nm 3.0 0.0200 Nm %e(offset2)<1%
XX3R -0.012 Kgm2 2.1 -0.012 Kgm2 %e(XX3R)<1%
ZZ3R 0.014 Kgm2 0.46 0.014 Kgm 2
%e(ZZ3R)<1%
MX3R 0.039 Kgm 1.0 0.039 Kgm %e(MX3R)<1%
MX5R 0.068 Kgm 0.5 0.068 Kgm %e(MX5R)<1%
fS5R 0.11 Nm 0.5 0.11 Nm %e(fC5R)<1%
offset5 0.030 Nm 3.0 0.030 Nm %e(offset5)<1%
%e(|ρ|) < 1%
Il vient que le bruit de quantification n’a pratiquement pas d’influence car les résultats
sont très proches et les variations observées sont très faibles. Cela implique que le filtrage est
adapté et que la résolution codeur est suffisamment précise pour l’identification.
- 141 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
- 142 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
Il vient qu’il faudrait une résolution codeur très mauvaise pour que l’estimateur présente
un biais. Ce qui est incompatible avec les performances recherchées. Nous disposons donc
d’une bonne marge de manœuvre et il vient que le bruit de quantification n’a pas d’influence
sur l’identification des paramètres inertiels.
L’hypothèse des bonnes mesures est raisonnable. En effet, la majorité des lois de
commande utilise une boucle de position et de vitesse. Ainsi, si ∆ est la résolution du codeur,
l’erreur commise sur la vitesse est en ∆/T où T est la période d’échantillonnage. T est choisie
en fonction de la dynamique souhaitée. Plus la dynamique souhaitée est grande, plus T est
petit, donc plus ∆/T risque d’être grand. Le choix du codeur est donc lié à la loi de
commande. On ne peut choisir un codeur à faible résolution si l’on vise des dynamiques assez
élevées.
Le fait de dégrader volontairement les mesures permet d’évaluer une marge de
manœuvre. Pour les deux systèmes étudiés, elle est très importante. Cependant, pour d’autres
cas, l’application de la procédure de vérification utilisant les concepts de la méthode
CESTAC peut s’avérer essentielle. Par exemple, dans [Lemaire et al 2003 et 2006], les
auteurs identifient les paramètres dynamiques d’un compacteur alors que les roues présentent
une résolution de 32 dents par tour.
Concernant le problème du filtrage des données, dans [Pham, Gautier et Poignet 2001]
est présentée une manière de régler la fréquence de coupure du filtre passe bande pour
minimiser la distorsion en amplitude. Cette méthode a été appliquée pour identifier les
paramètres inertiels d’une machine outil ainsi que les flexibilités localisées. Comme nous
pouvons toujours connaitre la gamme de fréquence où notre modèle est valable, il est toujours
possible de régler les paramètres de filtrage à l’aide de la méthode exposée dans l’article
précité.
- 143 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
3.8 Conclusion
Les résultats exposés dans ce chapitre ont montré qu’il est possible de modéliser et
d’identifier les interfaces haptiques avec une approche roboticienne adaptée au domaine de
l’haptique : excitation des paramètres de frottement, de gravité et d’inertie, puis identification
globale des paramètres. Ensuite, la compliance de l’interface est caractérisée par des essais à
sortie bloquée puis par des tests à sortie libre. Cette démarche fut appliquée sur deux
systèmes : un bras un axe et des branches à 3 DDL à structure complexe. Dans les deux cas,
les résultats obtenus sont fiables et peuvent être utilisés pour améliorer la conception de
l’interface ou améliorer les lois de commande.
Les résultats obtenus sont fiables. En effet, nous avons pratiquement identifié la
différence de masse entre les deux branches qui est de 25g. Cela tend à montrer que la
méthode d’identification est fine.
Une évaluation préliminaire a été conçue afin de corréler les résultats obtenus par
l’identification paramétrique et ceux obtenus par l’évaluation. Certes, l’évaluation était
centrée sur un défaut majeur de l’interface, mais elle a montré qu’il est possible de mettre en
relation deux approches a priori assez différentes : approche robotique et approche
ergonomique.
Une analyse de l’effet du bruit de quantification utilisant les concepts de la méthode
CESTAC a été conçue et expérimentalement validée sur le bras un axe et les branches 3 DDL
de l’interface médicale.
Dans le prochain chapitre, une méthode d’identification ne nécessitant qu’une seule
mesure, celle du couple moteur.
- 144 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
- 145 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
Sommaire :
- 146 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
4.1 Introduction
Les résultats expérimentaux présentés dans les deux chapitres précédents ont prouvé
qu’il est possible de modéliser les interfaces haptiques en utilisant la convention DHM et qu’il
est possible d’identifier leurs paramètres dynamiques par la méthode utilisant le modèle
inverse et les moindres carrés linéaires.
Cependant, cette méthode d’identification nécessite la mesure du couple articulaire et de
la position articulaire, ainsi que l’estimation de la vitesse et accélération articulaire par un
filtre dérivateur passe bande de la position. De plus, pour le calcul des vitesses et des
accélérations articulaires, la fréquence d’acquisition des données, de l’ordre de 1 KHz pour
les robots industriels, doit être compatible avec la bande passante des filtres dérivateurs
[Pham 2002].
Une nouvelle méthode d’identification est proposée pour éviter ces problèmes. Elle est
basée sur une simulation en boucle fermée utilisant le modèle dynamique direct avec la même
loi de commande et les mêmes trajectoires de références que celles utilisées sur le robot réel.
Les paramètres estimés minimisent la norme 2 de l’erreur entre le couple mesuré et le couple
simulé. Il s’agit d’un problème de moindres carrés non linéaires. Le calcul de la solution est
très significativement simplifié en exprimant le couple simulé avec le modèle inverse, ce qui
conduit à des expressions analytiques simples des fonctions de sensibilité.
Cette nouvelle méthode est appliquée sur le bras un axe et le robot SCARA prototype de
l’IRCCyN.
- 147 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
On suppose que la forme des équations est connue (l’équation d’état du système, i.e. le
modèle dynamique direct du robot par exemple). Des paramètres interviennent dans ces
équations (paramètres d’inertie, de gravité…), notés χj que l’on cherche à déterminer. Pour
cela, le comportement du système physique est comparé à celui du modèle suivant la
procédure décrite ci-dessous :
• Une même entrée, u(t) est appliquée sur le système physique et sur le modèle initialisé
avec les valeurs numériques χj0 des paramètres,
• Soit ys(t) la sortie simulée du modèle et y(t) la sortie du système physique,
• Les sorties ys(t) et y(t) sont comparées sur un intervalle de temps d’observation Tobs,
en calculant la différence ε(t) = ys(t) - y(t),
• Si le modèle représente parfaitement le système physique on a alors ε(t) = 0. Sinon, on
cherche les paramètres qui minimisent un critère sous la forme d’une fonctionnelle de
ε.
Cette procédure d’identification peut être résumée par le schéma Figure 4-1. Pour l’exposé de
la méthode, le système est mono variable.
y(t)
Système
u(t)
ε(t) Optimisation :
-
+ J(ε)
Modèle y S (t)
χ̂ Tobs
Un critère, très fréquemment utilisé, est la norme de l’erreur quadratique de ε(t) calculée
sur la durée d’observation Tobs. Généralement, on récupère Ne échantillons de y(t) et ys(t). On
définit alors le critère quadratique suivant :
- 148 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
1 Ne 1 Ne
E E = ∑ ε 2 (i) = ∑ (y S (i) − y(i) )
1 T
J(χ ) =
2
(4.1)
2 2 i =1 2 i =1
Où :
• Ne est le nombre d’échantillons mesurés sur l’intervalle de temps Tobs,
• ε(i) = ys(i) – y(i) est l’échantillon (i) de l’erreur de prédiction du modèle,
• y(i) est l’échantillon (i) de la sortie du système,
• Y = [y(1) … y(i) … y(Ne)]T, le vecteur de dimension (Nex1) des mesures,
• ys(i) est l’échantillon (i) de la sortie du modèle,
• YS = [ys(1) … ys(i) … ys(Ne)]T, le vecteur de dimension (Nex1) de la sortie
simulée,
• E = YS – Y = [ε(1) … ε(i) … ε(Ne)]T est le vecteur d’erreurs de dimension (Nex1).
D’une manière générale, il n’existe pas de relation simple entre la variation des
paramètres et celle du critère, sauf dans le cas où la sortie dépend linéairement des
paramètres.
L’estimation des paramètres est calculée par des méthodes de programmation non
linéaire telles que la méthode du gradient, de Gauss Newton et de Levenverg Marquardt qui
se basent sur un développement de J(χ) au premier ou au deuxième ordre autour du point
courant [Minoux 1983]. Soit le développement de J(χ) à l’ordre 2 :
2
(
J (χ + dχ ) = J (χ ) + (∇J (χ )) dχ + dχ T ∇ 2 J (χ ) dχ + ο dχ
1
) 2
(4.2)
[
dχ = dχ 1 ⋯ dχ j ⋯ dχ b ]T
(4.3)
T
∂J (χ ) ∂J (χ ) ∂J (χ ) ∂J (χ )
∇J ( χ ) = = ⋯ ⋯ (4.4)
∂χ ∂χ 1 ∂χ j ∂χ b
- 149 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
∂ 2 J(χ ) ∂ 2 J (χ )
⋯
∂χ 1
2
∂χ 1∂χ b
⋱
∂ 2 J(χ )
∇ 2 J(χ ) = ⋮ ⋮ (4.5)
∂χ j2
⋱
∂ 2 J(χ ) ∂ 2 J (χ )
⋯
∂χ b ∂χ 1 ∂χ 2b
∂ 2 J (χ ) ∂ 2 J (χ )
Avec = cette matrice est symétrique.
∂χ j ∂χ i ∂χ i ∂χ j
Avec un critère de moindres carrés (4.1), les dérivées de J(χ) prennent des formes
simples. Pour le vecteur gradient, on obtient :
Ne
∂ε(i ) Ne
∂E T
∇J ( χ ) = ∑ ε(i ) = ∑ ∇ε(i )ε(i ) = E (4.6)
i =1 ∂χ i =1 ∂χ
La sortie du système physique ne dépendant pas des paramètres du modèle, il vient que :
Ne
∂y S (i ) Ne
∂Y T
∇J ( χ ) = ∑ ε(i ) = ∑ δ ys (i )/χ ε(i ) = S E (4.7.a)
i =1 ∂χ i =1 ∂χ
Avec :
• δ ys(i)/χ est le vecteur (bx1) de l’échantillon (i) des fonctions de sensibilité de la sortie
o δ ys(i)/χ = ∇y S (i) .
∂YST
= [∇y S (1) ⋯ ∇y S (i ) ⋯ ∇y S (Ne )] = δ YS/χ (4.7.b)
∂χ
δYs/χ est une matrice (bxNe) des vecteurs gradients de ys(i) par rapport à χ.
On obtient :
- 150 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
∇J (χ ) = δYs/χ E (4.7.c)
∂ε (i ) ∂ε (i ) ∂ 2 ε (i )
T
Ne Ne
∇ J (χ ) = ∑
2
+ ∑ ε (i ) (4.8)
i =1 ∂χ ∂χ i =1 ∂χ
2
En négligeant les dérivées au deuxième ordre, le Hessien est approché par la formule
suivante:
∂ε (i ) ∂ε (i ) ∂E T ∂E
T
Ne
∂Y T ∂YS
∇ J (χ ) ≈ ∑
2
= = S (4.9)
i =1 ∂χ ∂χ ∂χ ∂χ ∂χ ∂χ
C’est la méthode de Gauss Newton. Elle consiste à négliger dans l’expression du Hessien le
terme qui dépend des fonctions de sensibilité du deuxième ordre. Approcher le Hessien par la
relation (4.9) est d’autant plus justifié que [Walter et Pronzato 1994] :
• Les erreurs ε(i) sont petites,
• Ces erreurs sont peu corrélées avec les fonctions de sensibilité du deuxième ordre,
• Les dérivées secondes des erreurs par rapport aux paramètres sont petites.
Enfin, d’après la relation (4.7) cette matrice dépend également des fonctions de sensibilité :
∂YST ∂YS
∇ 2 J(χ ) ≈ = δ Ys/χ δ TYs/χ (4.10)
∂χ ∂χ
Le calcul des fonctions de sensibilité est important car elles interviennent dans le calcul
du vecteur gradient et du Hessien de la fonction coût.
Prenons l’exemple d’un système linéaire continu décrit par l’équation différentielle
suivante :
a 2 ɺyɺ S + a 1 yɺ S + y S = u (4.11)
- 151 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
∂ dy S d ∂yS dδ yS/χ
• = =
∂χ j dt dt ∂χ j dt
Il vient :
• a 2ɺδɺ ys / a2 + ɺyɺ s + a 1δɺ ys / a2 + δ ys / a2 = 0 (4.12.a)
Soit :
• a 2ɺδɺ ys / a2 + a 1δɺ ys / a2 + δ ys / a2 = -ɺyɺ S (4.13.a)
a 2 ɺyɺ s + a 1 yɺ s + a 0 y s + a 3 y 3s = u (4.15)
En dérivant (4.15) respectivement par a2, a1, a0 et a3, on obtient le système d’équations
différentielles suivant :
( )
a 2ɺδɺ ys/a2 + a 1δɺ ys/a2 + a 0 + 3a 3 y s2 δ ys/a2 = -ɺyɺ s (4.16.a)
( )
a 2ɺδɺ ys/a1 + a 1δɺ ys/a1 + a 0 + 3a 3 y s2 δ ys/a1 = -yɺ s (4.16.b)
( )
a 2ɺδɺ ys/a0 + a 1δɺ ys/a0 + a 0 + 3a 3 y s2 δ ys/a0 = -y s (4.16.c)
( )
a 2ɺδɺ ys/a3 + a 1δɺ ys/a3 + a 0 + 3a 3 y s2 δ ys/a3 = -y 3s (4.16.d)
- 152 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
Dans ce cas, l’équation (4.16.a) n’est pas la dérivée de (4.16.b) et δ ys/a2 ≠ δɺ ys/a1 ,
δ ys/a1 ≠ δɺ ys/a0 . Cela complique la simulation de ys et des fonctions de sensibilité par rapport au
cas linéaire.
La nouvelle méthode d’identification est basée sur une simulation en boucle fermée
utilisant le modèle dynamique direct. Les paramètres optimaux minimisent la norme 2 de
l’erreur entre les efforts d’actionnement mesurés et simulés en utilisant la même loi de
commande ainsi que les mêmes trajectoires de référence utilisées sur le robot réel. Le
problème des moindres carrés non linéaires est simplifié en utilisant le modèle inverse pour
exprimer le couple d’une part et en utilisant un algorithme d’optimisation basé sur la méthode
de Gauss Newton d’autre part.
- 153 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
+ χ
Gauss Newton
ΓS
MC linéaires : χˆ k +1 = min WS (χˆ k )χˆ k - Y
2
Tobs
χ̂
Loi de Modèle dynamique direct :
commande A(q S , χˆ k )q
ɺɺ S = (Γ S − H(q S , qɺ S , χˆ k ))
q S , qɺ S , ɺqɺS
1 n Ne 2
J (χ ) = ε j (i ) = E T E = E WS (q S , qɺ S , q
ɺɺ S )χ − Y
1 1 1 1
∑∑ = YS − Y =
2 2 2
(4.17)
2 j=1 i =1 2 2 2 2
Avec :
• Y est le vecteur (rx1) des efforts d’actionnement, avec r=Nexn :
o Ne étant le nombre d’échantillons mesurés de Γ et ΓS,
o Y = [Y1T … YjT … YnT]T,
o Yj = [Γj(1) … Γj(Ne)]T,
o Γj(i) est la valeur du couple j de l’échantillon i.
• YS est le vecteur (rx1) des efforts d’actionnement simulés,
o YS = [YS1T … YSjT … YSnT]T,
o YSj = [ΓSj(1) … ΓSj(Ne)]T,
o ΓSj(i) est la valeur du couple j simulé à l’échantillon i.
• E = YS - Y est le vecteur (rx1) des erreurs :
o E = [E1T … EjT … EnT]T,
o Ej = [εj(1) … εj(Ne)]T.
• χ est le vecteur des paramètres dynamiques à identifier de dimension bx1,
- 154 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
• WS (q S , qɺ S , q
ɺɺ S ) est la matrice d’observation construite avec les positions, vitesses
Γ = D(q, qɺ , q
ɺɺ )χ
YS = WSχ
Avec :
YS1 D1
• YS = ⋮ et WS = ⋮
YSn D n
Où :
D j,: (1)
• Dj = ⋮
D j,: (Ne )
• D j,: (i ) = D j,: (q S (i ), qɺ S (i ), q
ɺɺ S (i ))
Dj,:(i) est la ligne j de D calculée avec l’échantillon (i) des positions, vitesses et accélérations
simulées telle que :
ΓS(j) = Dj,:(i)χ
YS est obtenu à partir d’une simulation en boucle fermée, c'est-à-dire que qs ≈ qr, qɺ S ≈ qɺ r
∂YS ∂ (WS (q S , qɺ S , q
ɺɺ S )χ )
• = ≈ WS (q S , qɺ S , q
ɺɺ S )
∂χ ∂χ
Ainsi, χ̂ optimal est obtenu par une procédure itérative. A chaque étape k+1, χk+1 est la
solution des moindres carrés linéaires du système :
- 155 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
• Y = WS (q S , qɺ S , q
ɺɺ S )χ + E
(qS , qɺ S , qɺɺS ) sont calculées par la simulation du modèle dynamique direct (MDD) du robot
pour χ = χk.
Soit :
• ( )
χ k +1 = WST (χ k )WS (χ k ) WST (χ k )Y
−1
Ce résultat immédiat et intuitif est analysé dans la suite en détaillant la solution des
moindres carrés non linéaires par la méthode de Gauss Newton.
q s (
ˆ −1 (q , χ ) Γ − H
ɺɺ s = A ˆ (q , qɺ , χ )
s s ) (4.18)
On rappelle que :
• Â est la matrice d’inertie calculée avec χ,
• Ĥ est le vecteur regroupant les couples de gravité, centrifuge, de Coriolis et des
frottements calculé avec χ.
T 1
2
( )
J (χ + dχ ) = J (χ ) + (∇J (χ )) dχ + dχ T ∇ 2 J (χ ) dχ + ο dχ
2
Donc :
- 156 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
∂YST
∇J (χ ) = E = δ Ys/χ E (4.19)
∂χ
Avec :
∂YST
• = δ Ys/χ ,
∂χ
•
∂YST ∂ YS1
=
( ) T
⋯
∂ YSn ( ) T
,
∂χ ∂χ ∂χ
•
( ) = [∇Y (1)
∂ YSj
T
j
⋯ ∇YSj (Ne ) , ]
∂χ
S
• YSj (i ) = ΓSj(i),
∂Γ Sj (i ) ∂Γ Sj (i )
T
• ∇Y (i ) = ∇ΓSj (i ) =
j
⋯ = δ Γ j/χ (i)
∂χ 1 ∂χ b
S
δ Γ j/χ (i) est le vecteur des fonctions de sensibilité de ΓSj(i) par rapport à χ. Donc :
∂ΓSj (i)
δ Γ j /χ m (i) = (4.20)
∂χ m
Avec :
b
• Γ Sj = ∑ D j, m χ m
m =1
Il vient :
∂Γ Sj ∂D j,l (q S (χ ), qɺ S (χ ), q
ɺɺ S (χ ))
• = D j, m + χm
∂χ m ∂χ m
D j, m (q S (χ ), qɺ S (χ ), q
ɺɺ S (χ )) est l’expression analytique du coefficient (i,l) de la matrice D du
modèle dynamique inverse. Cette expression est calculée analytiquement par un logiciel de
calcul symbolique tel que SYMORO+ [Khalil et Creusot 1997].
- 157 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
La simulation est réalisée en boucle fermée de telle manière à assurer une erreur de poursuite
peu sensible aux variations de χ :
• qs ≈ qr, qɺ S ≈ qɺ r et ɺqɺ S ≈ ɺqɺ r .
∂Γ Sj
≈ D j, m (4.21)
∂χ m
Soit :
• [
δ Γ j/χ ≈ D j,1 ⋯ D j, b ]T
= D Tj,: ,
•
∂ YSj( ) ≈ [D (1)
T
T
] ( )
⋯ D Tj,: (Ne ) = D j ,
T
∂χ
j,:
•
∂YST
∂χ
≈ D1 [( )
T
⋯ (D ) ] = W
Ne T T
S .
∇J (χ ) ≈ WS E
T
(4.22)
- 158 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
∇ 2 J (χ ) ≈ δ Ys/χ δ TYs/χ ≈ WS WS
T
(4.23)
Soit J(χk) la valeur de J pour un jeu de paramètres χ = χk. Pour une variation dχ telle que
χ = χ k + dχ , le critère varie de
• dJ = J (χ k + dχ ) − J (χ k ) .
∂dJ (dχ )
∂dχ
( )
= 0 ≈ ∇ 2 J (χ k ) dχ + ∇J (χ k ) (4.24)
Soit :
( )
dχ = − ∇ 2 J (χ k ) ∇J (χ k )
−1
(4.25)
( )
χ k +1 = χ k − ∇ 2 J (χ k ) ∇J(χ k )
−1
(4.26)
(
χ k +1 ≈ χ k + WST WS )−1
WST (Y − WS χ k )
(
χ k +1 ≈ χ k − WST WS ) −1
(
WST WS χ k + WST WS )
−1
WST Y
(
χ k +1 ≈ WST WS )−1
WST Y (4.27)
De ces calculs, il vient que le choix de minimiser l’écart quadratique entre le couple
estimé et le couple mesuré est judicieux car les efforts d’actionnement sont linéaires vis-à-vis
des paramètres dynamiques à identifier. De ce fait, le calcul des fonctions de sensibilité en est
largement simplifié. En effet, ces dernières sont les coefficients Di,j de la matrice D du modèle
dynamique inverse du robot (Γ = Dχ) calculables par le logiciel SYMORO+. Cependant,
- 159 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
l’approximation faite dans la relation (4.20) est équivalente à admettre que les fonctions de
sensibilité de l’état sont négligeables par rapports aux fonctions de sensibilité des couples
calculées avec le MDI. Ceci est particulièrement vrai quand le système est commandé en
boucle fermée et quand les valeurs initiales des paramètres à identifier sont proches des
valeurs optimales.
Démontrons cette propriété sur l’exemple d’une commande PD d’un axe, avec une
charge inertielle J, sans frottement.
qr ΓS 1 qɺ S 1 qS
+
- KP +
- KV
Js s
ΓS = ɺqɺ S J = Dχ (4.28.a)
χ=J (4.28.c)
- 160 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
Cela implique :
∂ΓS
= ɺqɺ S + Jɺδɺqs/J (4.29.b)
∂J
En effet :
∂ΓS ∂D1,1
• = D1,1 + J ,
∂J ∂J
∂ΓS ∂ɺqɺ
• = ɺqɺ S + J S = ɺqɺ S + Jɺδɺqs/J ,
∂J ∂J
∂q S
• δ qs/J = .
∂J
δqs/J est la fonction de sensibilité de qs par rapport à J. Par transformation de Laplace, on
obtient :
∂ΓS
= s 2 q S (s ) + Js 2 δ qs/J (s ) (4.29.c)
∂J
q S (s) KPKV
H(s) = = 2 (4.29.d)
q r (s) Js + K V s + K P K V
Il vient :
∂q s ∂H(s)
δ qs/J (s) = = q r (s) (4.29.e)
∂J ∂J
Soit :
∂H(s) q s (s)
δqs/J (s) = (4.29.f)
∂J H(s)
Avec :
- 161 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
∂H(s) K V K Ps 2
=− (4.29.g)
∂J (
Js 2 + K V s + K V K P )2
Finalement :
s2
δqs/J (s) = − q s (s) (4.29.h)
Js 2 + K Vs + K V K P
∂ΓS Js 2
= s 2 q S (s )1 − 2 (4.29.i)
∂J Js + K V s + K V K P
Soit :
∂ΓS K s + KVKP
= s 2 q S (s ) 2 V (4.29.j)
∂J Js + K V s + K V K P
(∂ΓS ∂J ) K s + KVKP
G_mdi = = 2 V (4.30.a)
D1,1 Js + K V s + K V K P
∂ΓS
La fonction de transfert G_mdi représente la distorsion de approchée par D1,1.
∂J
∂Γ Sj
Cet exemple illustre le cas général de la distorsion de approché par Dj,m.
∂χ m
G0 1
H(s) = 2
= 2
(4.30.b)
s 2ξ s 1
2
+ s +1 J + s +1
ωn ωn KPKV KP
Avec :
• G0 : le gain statique,
• ωn : la pulsation naturelle,
• ξ : l’amortissement.
- 162 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
Par exemple, si l’on désire une pulsation naturelle ωn = 100rad/s avec une inertie J =
1.10-3 Kgm², on a KV = 0,2 Nms/rad et KP = 50 Nm/rad. Finalement, le diagramme de Bode
de la fonction de transfert G_mdi (4.28.a) est illustré par la Figure 4-4.
Bode Diagram
10
0
Magnitude (dB)
-10
-20
-30
-40
0
Phase (deg)
-45
-90
0 1 2 3 4
10 10 10 10 10
Frequency (rad/sec)
Pour cet exemple, il vient que pour les basses fréquences, fréquences inférieures à ωn/10, la
distorsion est négligeable (G_mdi ≈ 1) :
∂ΓS
≈ ɺqɺ S = D1,1 .
∂J
Cela montre que si la valeur initiale de J est proche de la valeur utilisée pour le calcul de
la commande (choix de la bande passante), alors l’approximation consistant à négliger les
fonctions de sensibilité de qs devant celles de ΓS est justifiée.
- 163 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
Maintenant, traçons les diagrammes de Bode pour une valeur initiale de J dix fois plus
petite (J2 = 1.10-4 Kgm²) et dix fois plus grande (J3 = 1.10-2 Kgm²) que celle utilisée pour le
calcul de Kp et Kv (Figure 4-5). A titre de comparaison, le diagramme de Bode de G_mdi avec
J = 1.10-3 Kgm² est également tracé. Les gains KP et KV sont inchangés car ils sont imposés
par la commande du système réel.
Pour la valeur de J faible l’approximation faite dans (4.20) est assurée pour des
fréquences plus élevées. En effet, dans ce cas on a :
• ω nJ 2 = 10ω n
Cependant, la faible valeur de J doit être compatible avec la singularité numérique de 1/J qui
apparaît dans le modèle dynamique direct.
Si la valeur initiale de J est grande, alors on a :
• ω nJ 3 = ω n / 10
J augmente.
- 164 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
Bode Diagram
20
10 J2 = J/10
Magnitude (dB)
-10
-20
-30
-40
J3 = 10J
-50
-60
0
J2 = J/10
-45
Phase (deg)
J3 = 10J
-90
-135
0 1 2 3 4
10 10 10 10 10
Frequency (rad/sec)
Figure 4-5 : Diagrammes de la fonction de transfert G_mdi pour différentes valeurs initiales de J
Cette nouvelle approche est particulièrement intéressante pour les raisons suivantes :
• Elle ne nécessite que la mesure (ou l’estimation) du couple articulaire,
• Les expressions des fonctions de sensibilités sont simples ; ce sont les expressions
algébriques des coefficients D i, j (q, qɺ , q
ɺɺ ) de la matrice D du modèle dynamique
- 165 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
o Y = WS(χk) + E, soit :
o (
χ k +1 = WST WS )−1
WST Y .
Γ1 = D(q1 , qɺ 1 , ɺqɺ1 )χ
Avec :
• D(q1 , qɺ 1 , ɺqɺ1 ) = [ɺqɺ1 − gcos(q1 ) gsin(q1 ) qɺ 1 sign(qɺ 1 ) 1] ,
• χ = [ZZ1R offset 1 ] .
T
MX 1 MY1 f v1 f s1
D(1)
ɺɺ1S ) = ⋮
WS (q1S , qɺ 1S , q
D(Ne )
Avec :
• D(i ) = D(q1 (i ), qɺ 1 (i ), ɺqɺ1 (i ))
- 166 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
Les trajectoires de référence sont celles utilisées lors de l’identification présentée dans le
chapitre 2.
Les valeurs estimées en 3 itérations par DIDIM sont égales aux valeurs identifiées avec
le MDI, bien que l’algorithme soit mal initialisé. Le couple est filtré à l’aide du filtre parallèle
dont la fréquence de coupure est de 20Hz. Une validation directe est illustrée par la Figure
4-6.
- 167 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
Validation directe
0.3 Mesure
Estimation
Résidu
0.2
0.1
Nm
-0.1
-0.2
-0.3
1540 1560 1580 1600 1620 1640 1660 1680 1700 1720 1740
Echantillons
- 168 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
Comparaison qs
0.5
-0.5
qs rad
-1
-1.5
-2
Simulation avec X0
Simulation avec Xk
-2.5
Comparaison dqs
15
10
0
dqs rads-1
-5
-10
-15
Simulation avec X0
-20 Simulation avec Xk
-25
0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 2.2
t(s)
- 169 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
Comparaison ddqs
Simulation avec X0
Simulation avec Xk
200
100
0
ddqs rads-2
-100
-200
-300
-400
0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 2.2
t(s)
Simulation avec Xk
Simulation avec X0
0.4
0.3
0.2
Nm
0.1
-0.1
-0.2
-0.3
0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 2.2
t(s)
Cependant, si on choisit comme valeurs initiales 10-5 Kgm2 ou 1 Kgm² pour ZZ1R,
l’algorithme ne converge pas car ces valeurs sont trop éloignées de la valeur optimale. Mais, il
faut distinguer les deux cas.
Si ZZ1R initial est trop grand par rapport à la valeur optimale, alors l’algorithme ne
converge pas car la bande passante de la boucle fermée de vitesse est trop petite et qɺ S ≠ qɺ r .
- 170 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
Ce résultat renforce le cas exposé dans la partie précédente. Les comparaisons montrées
Figure 4-11 à Figure 4-14 illustrent ce propos. La valeur initiale maximale admissible pour
ZZ1R est 0,1 Kgm².
Si ZZ1R initial est trop faible par rapport à la valeur optimale, alors l’algorithme ne
converge pas car il y a une instabilité numérique due au calcul de 1/ZZ1R.
Comparaison qs
Simulation avec X3
Simulation avec ZZ1R = 1
1.5
0.5
qs rad
-0.5
-1
-1.5
Comparaison dqs
Simulation avec X3
20 Simulation avec ZZ1R = 1
15
10
dqs rads-1
-5
-10
-15
0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 2.2
t(s)
- 171 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
Comparaison ddqs
150
100
50
ddqs rads-2
-50
-100
-150
Simulation avec X3
-200 Simulation avec ZZ1R = 1
Simulation avec X3
Simulation avec ZZ1R = 1
3
1
Nm
-1
-2
-3
- 172 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
Cp
qɺ r 1 qɺ 1 q
+- Kv +
ZZ1R s s
qɺ
H(s ) =
Kv 1
= =
qɺ r ZZ1R s + K v τ BFV s + 1
Où :
• τBFV = ZZ1R/Kv est la constante de temps de la boucle fermée de vitesse.
Il faut assurer une bande passante ωBFV constante quelque soit ZZ1R/k :
K v/k
ωBFV = = 138rads −1 (4.31.a)
ZZ1R/k
La bande passante étant conservée à chaque étape k, nous avons qs ≈ qr, qɺ S ≈ qɺ r et ɺqɺ S ≈ ɺqɺ r .
- 173 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
Cette fois ci, en adaptant le gain Kv, l’algorithme converge vers les valeurs optimales en
4 itérations. On obtient les mêmes résultats en initialisant ZZ1R à 10-5Kgm². Nous avons
essayé différentes valeurs initiales pour ZZ1R, la seule limite pour l’initialisation est d’éviter la
singularité dans le calcul de 1/ZZ1R.
Les valeurs identifiées sont très proches des valeurs du Tableau 4-3 obtenu avec les
mesures filtrées à 20Hz. Ce résultat montre qu’il est possible de sous échantillonner le couple
- 174 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
moteur mesuré pour identifier les paramètres inertiels sans affecter la qualité de
l’identification, c'est-à-dire qu’il n’y a pas de repliement dû au sous échantillonnage.
Ce point est important car, dans le cas des robots industriels, la fréquence d’acquisition
des signaux est souvent plus faible que celle de la fréquence d’échantillonnage de la
commande. Par suite, si la fréquence d’acquisition est trop basse, l’estimation des dérivées de
la position par filtrage passe bande peut poser des problèmes pour la méthode avec le MDI.
Avec DIDIM, le pas d’intégration du simulateur est réglé pour obtenir des signaux simulés
corrects qui peuvent être observés à une fréquence plus faible compatible avec la dynamique à
identifier.
Dans le cas du bras un axe, cette fréquence de 15Hz environ correspond à la bande
passante de la boucle fermée.
Les résultats obtenus sur le bras un axe valident la nouvelle méthode d’identification
proposée DIDIM. Cette méthode est à présent appliquée sur le robot SCARA.
- 175 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
x2
y2
y0
q2
y1
x1
L O2
q1
O 0 , O1 x0
Avec :
• ZZ1R = ZZ1 + m2L².
Le modèle dynamique inverse du robot SCARA est donné par l’équation suivante :
Γ = D(q, qɺ , q
ɺɺ )χ
Avec :
- 176 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
ɺqɺ + ɺqɺ 2
D (:,4) = D ZZ 2 = 1 ,
ɺqɺ1 + ɺqɺ 2
0 0
D (:,7) = D fv 2 = et D (:,8) = D Fs 2 = .
qɺ 2 sign(qɺ 2 )
Le modèle dynamique direct du robot SCARA est décrit par la relation suivante :
ɺɺ = A −1 (q )(Γ − H (q, qɺ ))
q
Avec:
• ɺɺ = [ɺqɺ1
q ɺqɺ 2 ]T , le vecteur des accélérations articulaires,
A 11 A 12
• A(q) = , la matrice d’inertie où :
A 12 ZZ 2
o C2 = cos(q2) et S2 = sin(q2).
- 177 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
Le schéma de la commande est illustré Figure 4-18. C’est une commande de type
proportionnelle dérivée. La fréquence d’échantillonnage est de 200Hz. Les couples
articulaires sont obtenus à partir du courant de référence vir de la boucle de courant qui
possède une large bande passante (1KHz). On a :
qr Γ ɺqɺ 1 qɺ 1 q
+
-
Kp +
-
ZZe SCARA
s s
Modèle dynamique
direct
Kv
Pour régler les gains Kp et Kv, on se base sur le schéma suivant (Figure 4-19).
- 178 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
qjr Γj 1 ɺqɺ j 1 qɺ j 1
+
- Kpj +
- ZZjRe
qj ZZ jR s s s q
j
Kvj
Nous avons :
q j (s ) K Pj α j
H j (s ) = =
q rj (s ) s 2 + K Vj α js + K Pj α j
Avec :
• αj = ZZjRe / ZZjR,
• j = {1,2}.
H j (s ) =
1 1
2
= 2
s 2η s K Vj
2
+ s +1 + s +1
ω nj ω nj K Pj K Pj
Pour le premier axe on a choisi ωn1 = 3rads-1 et ωn2 = 13rads-1. Ce sont les bandes passantes
des boucles fermées de position.
Les valeurs identifiées ainsi que les valeurs a priori sont résumées dans le (Tableau
4-5) :
- 179 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
Les paramètres fv1 et fv2 ont de forts écarts-types relatifs, ils ne sont pas identifiables.
Dans la suite, ils sont éliminés du modèle. Les valeurs identifiées par les moindres carrés sont
très proches des valeurs a priori.
Des validations directes sur les Figure 4-21 et Figure 4-21 montrent que le couple estimé
est très proche de celui mesuré pour les deux axes.
Comparaison directe
15
10
-5
Nm
-10
-15
-20 Mesure
Estimation
Résidu
-25
-30
220 230 240 250 260 270 280 290
Echantillons
- 180 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
Validation directe
Mesure
1.5 Estimation
Résidu
0.5
Nm
-0.5
-1
-1.5
600 620 640 660 680 700 720 740 760 780 800
Echantillons
Par la suite, la méthode DIDIM est appliquée sur le robot SCARA. L’expression de WS
est donnée par les relations suivantes (r étant le nombre d’échantillons).
D1
• WS = 2
D
Avec :
D j,: (1)
• D = ⋮ ,
j
D (Ne )
j,:
ɺɺ1S (i)
q
qɺ 1S (i)
sign (qɺ 1S (i) )
ɺ
qɺ (i ) + ɺ
qɺ (i )
• D1,T: (i ) = 1S 2S
(2q1S (i) + q 2S (i)) cosq 2S (i) − q 2S (i) (2q1S (i) + q 2S (i) )sinq 2S (i)
ɺɺ ɺɺ ɺ ɺ ɺ
− (2q ɺɺ 2S (1)) sinq 2S (1) − qɺ 2S (1) (2qɺ 1S (1) + qɺ 2S (1)) cosq 2S (1)
ɺɺ1S (1) + q
0
0
- 181 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
0
0
0
ɺ
qɺ (i ) + ɺ
qɺ (i )
• DT2,: (i ) = 1S 2S
2
ɺɺ ɺ
q1S (i) cosq 2S (i) + q1S (i) sinq 2S (i)
qɺ 1S
2
(i) cosq 2S (i) − q ɺɺ1S (i) sinq 2S (i)
qɺ 2S (i)
sign (qɺ 2S (i) )
qr ΓS ɺqɺS 1 qɺ S 1 qS
+
-
Kp +
-
ZZe SCARA
s s
Modèle dynamique
direct
Kv
Les entrées du système sont les consignes en position utilisées sur le robot. Le modèle
dynamique direct est celui décrit précédemment dont le code optimisé par SYMORO+ est
donnée en annexe 4.
- 182 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
Comparaison directe
Mesure
Estimation
15 Résidu
10
5
Nm
-5
-10
-15
20 40 60 80 100 120
Echantillons
Figure 4-23 : Validation directe entre les couples mesurés Y et simulés Ys filtrés à 5Hz pour le 1er axe
- 183 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
Validation directe
Mesure
1.5 Estimation
Résidu
0.5
Nm
-0.5
-1
-1.5
600 620 640 660 680 700 720 740 760 780 800
Echantillons
Figure 4-24 : Validation directe entre les couples mesurés Y et simulés Ys filtrés à 5Hz pour le 2e axe
Cependant, si on choisit 3,4.10-3 Kgm² et 6.10-5 Kgm² où 300 Kgm² et 6Kgm² comme
valeurs initiales pour ZZ1R et ZZ2 respectivement, l’algorithme ne converge pas.
Pour rendre l’algorithme insensible au choix des conditions initiales, il faut adapter les
gains Kp et Kv en fonction des estimations des ZZj à l’étape k. Dans le cas du robot SCARA,
c’est faisable directement en remplaçant ZZe par ZZek où :
ZZ 0
• ZZek = 1Rk .
0 ZZ2k
La méthode DIDIM est appliquée en remplaçant ZZe par ZZek et en choisissant 300
Kgm² et 6Kgm² comme valeurs initiales pour ZZ1R et ZZ2 respectivement, l’algorithme
converge en 5 itérations.
Finalement, la méthode DIDIM n’est pas sensible aux conditions initiales à condition de
calculer les gains de la commande en fonction des valeurs estimées des inerties à chaque étape
k. Ainsi, la bande passante de la boucle fermée du système simulé est toujours la même
assurant qs ≈ qr, qɺ S ≈ qɺ r et ɺqɺ S ≈ ɺqɺ r indépendamment de χ.
- 184 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
Γ=A
ˆ (q)w(t) + H
ˆ (q, qɺ ) (4.33)
ɺɺr + K v (qɺ r − qɺ ) + K p (q r − q )
w(t) = q (4.34)
- 185 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
Où :
• e = qr – q.
ɺɺr + K v (qɺ r − qɺ ) + K p (q r − q ) + K I ∫ (q r − q )
w(t) = q (4.36)
Dans le cas de cette étude, le vecteur de commande est défini par (4.36) et la valeur des
gains sont les suivantes :
500 0
• K p = ,
0 2000
10 0
• K v = ,
0 20
125 0
• K I = .
0 1000
- 186 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
Les trajectoires de référence sur le robot sont enregistrées pour servir de référence au
simulateur. Le bloc MDI est un programme qui calcule le modèle dynamique inverse dont
l’expression analytique optimisée pour la commande en nombre d’opérations est calculée par
SYMORO+.
- 187 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
Les résultats obtenus en appliquant ce type de commande sont les mêmes que ceux
obtenus en appliquant une commande proportionnelle dérivée.
Tableau 4-8 : Valeurs estimées des paramètres inertiels du robot SCARA par la méthode du modèle
quand cette dernière est mal initialisée et quand la commande dynamique est utilisée.
Paramètres χ0 Ecart type
χ3
relatif
ZZ1R 1 Kgm² 3,46 Kgm² 0,2 %
fs1 0 Nm 0,81 Nm 1,0 %
ZZ2 1 Kgm² 0,062 Kgm² 0,1 %
MX2 0 Kgm 0,249 Kgm 0,1 %
MY2 0 Kgm 0,016 Kgm 3,0 %
fs2 0 Nm 0,13 Nm 0,3 %
Ces valeurs sont pratiquement égales à celles du Tableau 4-6. La méthode est robuste
vis-à-vis de la commande.
4.5 Conclusion
Dans ce chapitre, nous avons proposé et validé une nouvelle méthode d’identification
des paramètres dynamiques de robot : la méthode DIDIM. Cette méthode combine
l’utilisation des modèles dynamiques direct et inverse (MDD et MDI) du robot et valide en un
seul processus d’identification le modèle de simulation (MDD) et le modèle de commande
(MDI).
La méthode DIDIM s’apparente à la méthode du modèle car elle est basée sur la
simulation du MDD du robot et la minimisation de l’erreur quadratique de comportement
entre le robot réel et le robot simulé. Mais la mise en œuvre est originale sur deux points :
1. La simulation s’effectue en boucle fermée avec la même commande en poursuite des
mêmes trajectoires de références que celles utilisées pour la commande du robot réel.
Cette procédure permet d’assurer l’indépendance des variables simulées de position et
de ses dérivées par rapport aux paramètres, ainsi que la stabilité de la simulation du
robot. La simulation en boucle ouverte du robot diverge en raison du comportement
instable des doubles intégrateurs sur chaque articulation.
2. L’erreur de comportement est calculée sur les couples articulaires (la commande) et
non pas sur qS et qɺ S (l’état). En exprimant le couple simulé avec le MDI, le problème
de MC non linéaire de minimisation de l’erreur quadratique se réduit à une procédure
- 188 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
La méthode est insensible vis-à-vis des conditions initiales à condition d’adapter les
gains en fonction des estimations des inerties à chaque étape k pour respecter la bande
passante du système bouclé tout en assurant la régularité de la matrice d’inertie du robot. Les
valeurs initiales des paramètres de gravité et de frottement sont choisies nuls.
Enfin, cette méthode n’utilise que la mesure des couples articulaires et ne nécessite pas
de mesure de positions, ni d’estimation de ses dérivées.
En revanche, elle nécessite la connaissance précise de la commande utilisée sur le robot
réel. Cette contrainte peut être un frein à son utilisation sur les robots industriels pour lesquels
les constructeurs sont avares d’informations techniques précises.
En ce sens, elle complète et valide la méthode du MDI qui donne les mêmes résultats
sous réserve de disposer des mesures de couples et de positions articulaires avec la bonne
précision et la bonne fréquence d’observation.
- 189 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
- 190 -
Conclusion générale
Conclusion générale
Bilan
Dans ce mémoire, une démarche de modélisation et d’identification des interfaces
haptiques a été présentée. Les interfaces haptiques sont des systèmes multicorps articulés qui
ont les mêmes structures que celle des robots.
La démarche a donc consisté à adapter les techniques développées en robotique au cas
des interfaces haptiques.
Cette démarche est assez simple à mettre en œuvre car la technique de modélisation
utilise la convention DHM et l’identification se base sur le modèle dynamique inverse et les
moindres carrés linéaires.
- 191 -
Conclusion générale
trajectoires sont suffisamment excitantes et si le filtrage des données est correct, le bruit de
quantification a peu d’influence sur l’identification des paramètres inertiels.
Cependant, le calcul des vitesses et accélérations articulaires par filtrage passe bande
nécessite une mesure précise de la position avec une fréquence d’acquisition de l’ordre du
KHz. Pour éviter cette contrainte, nous avons proposé une nouvelle technique d’identification
se basant sur les concepts de la méthode du modèle et utilisant le modèle dynamique inverse.
Cette méthode appelée méthode DIDIM (Direct and Inverse Dynamic Identification Model) a
été validée sur le bras un axe et sur le robot SCARA de l’IRCCyN.
Généralement, la méthode du modèle est assez consommatrice de temps de calcul à
cause de la simulation conjointe du modèle et des fonctions de sensibilité nécessaires au
calcul du gradient et du Hessien de la fonction coût à minimiser.
La nouvelle méthode est basée sur une simulation du robot en boucle fermée utilisant le
modèle dynamique direct avec la même loi de commande et les mêmes trajectoires de
référence que celle appliquées sur le robot réel. Les paramètres identifiés minimisent l’erreur
quadratique entre le couple mesuré et le couple simulé. Il s’agit d’un problème de moindres
carrés non linéaires dont la solution, calculée par l’algorithme de Gauss Newton, se simplifie
très significativement en exprimant le couple simulé par le MDI.
Cette méthode est particulièrement intéressante car seule la mesure du couple moteur est
nécessaire pour identifier les paramètres inertiels des robots et des interfaces haptiques.
Les résultats expérimentaux obtenus montrent que les objectifs principaux de la thèse
ont été atteints tout en ouvrant quelques perspectives.
Perspectives
La nouvelle méthode DIDIM a été validée sur un bras un axe et sur le robot SCARA
deux axes. La validation sur un robot industriel 6 axes est en cours de réalisation et devrait
confirmer l’intérêt de cette méthode.
Les méthodes du MDI et de DIDIM seront appliquées sur les interfaces à structure
parallèle à transmission par câble tel que les robots VIRTUOSE de la société HAPTION.
L’objectif sera d’identifier l’interface sans démontage de la structure parallèle.
- 192 -
Conclusion générale
- 193 -
Conclusion générale
- 194 -
Bibliographie
Bibliographie de l’auteur:
A. Janot, C. Bidard, F. Gosselin, M. Gautier, D. Keller et Y. Perrot, “Modeling and
Identification of a 3 DOF Haptic Interface”, IEEE International Conference on Robotics and
Automation ICRA\'07, Rome, Italie, Avril, 2007.
- 195 -
Bibliographie
A. Janot, « Identification d'une interface haptique : premiers résultats », rapport interne CEA
DTSI/SCRI/LPR/05RT.086, 2005
A. Janot, « Tests impulsionnels pour caractériser une interface haptique », rapport interne
CEA DTSI/SRI/LRM/06RT.046, 2006
- 196 -
Bibliographie
Bibliographie:
[Abbot et Okamura 2004] : J.J. Abbot and A.M. Okamura, “A sufficient condition for passive
virtual walls with quantization effects”, Proc. IMECE 2004, USA, pp. 1065-1073.
[Abbot et Okamura 2006] : J.J. Abbot and A.M. Okamura, “Effects of position quantization
and sampling rate on virtuel-wall passivity”, IEEE Transactions on Robotics, vol. 21(5),
October 2005, pp. 952-964.
[Andriot 1992] : C. Andriot, “Automatique des systèmes maître-esclave avec retour d’effort”,
Thèse de doctorat, Université de Paris 6, 1992.
[Armstrong-Helouvry 1993] : B. Armstrong, “Stick slip and control in low speed motion”,
IEEE Transactions on Automatic Control, Vol. 38(10), October 1993, pp. 1483-1496
[Bennis et Khalil 1991] : F. Bennis and W. Khalil, “Minimum inertial parameters of robots
with parallelogram closed loop”, IEEE Trans. On Systems, Man and Cybernetics, Vol. SMC
21, 1991, pp., 318-326
[Bidard et al. 2005] : C. Bidard, C. Libersa, D. Arhur, Y. Measson, J.-P. Friconneau, J.-D.
Palmer, “Dynamic identification of the hydraulic MAESTRO manipulator – Relevance for
monitoring”, In: Proc. of the 23rd Symposium of Fusion Technology - SOFT 23, vol.75-79,
November 2005, pp. 559–564
- 197 -
Bibliographie
[Chesnaux 1990] : J.M. Chesnaux, “Study on the computing accuracy by using probabilistic
approach”, C. Ulrich editor, Contribution to computer arithmetic and self validating
numerical methods, IMACS 1990, New Brunswick, New Jersey, pp. 19-30
[Dhal 1976] : P. R. Dhal, “Solid friction damping of mechanical vibrations”, AIAA Journal,
vol. 4(12) pp. 1675-1682
[Dupont 1994] : P.E. Dupont, “Avoiding stick-slip through PD control”, IEEE Transactions
on Automatic Control, Vol. 39(5), May 1994, pp. 1094-1097
[Dupont et Dunlap 1993] : P. E. Dupont and P. Dunlap, “Friction modeling and control in
boundary lubrication”, American Control Conference, June 1993, pp. 1910-1914
[Fiene, Kuchenbecker et Niemeyer 2006] : Fiene J., Kuchenbecker K.J. and Niemeyer G.,
“Event based haptic tapings with grip force compensation”, Symp. on Haptic Interfaces for
Virtual Environment and Teleoperator Systems 2006, Alexandria, Virginia, March 25-26, pp.
117-123
- 198 -
Bibliographie
[Gautier 1977] : M. Gautier, “Sur l’identification des systèmes non linéaires. Application à un
processus physiologique”, Thèse de doctorat, Université de Bordeaux 1, 1977
[Gautier 1991] : M. Gautier , “Numerical calculation of the base inertial parameters”, Journal
of Robotics Systems, Vol. 8, august 1991, pp. 485-506
[Gautier 1997]: M. Gautier, “Dynamic identification of robots with power model”, Proc.
IEEE Int. Conf. on Robotics and Automation, Albuquerque, 1997, pp. 1922-1927
[Gautier et Khalil 1990] : M. Gautier and W. Khalil, "Direct calculation of minimum set of
inertial parameters of serial robots", IEEE Transactions on Robotics and Automation, Vol.
6(3), June 1990
[Ge, Lee et Ren 2001] : S. S. Ge, T. H. Lee and S. X. Ren, “Adaptative friction compensation
of servo mechanisms”, Int. Journal of Systems Science, vol. 32(4), pp. 523-532
[Gomi, Koike et Kawato 1992] : H. Gomi, Y. Koike and M. Kawato, “Human hand stiffness
during discrete poit to point multi joint movement” ; IEEE Int. Conf. On Engineering in
Medicine and Byology Society, October 1992, pp. 1628-1629
- 199 -
Bibliographie
[Janot et al. 2007a] : Janot A., Bidard C., Gautier M., Gosselin F., and Perrot Y., “Modeling
and Identification of a Haptic Device having a Double Parallelogram Loop”, 12th IFToMM
World Congress in Mechanism and Machine Science, Besançon, France, June 2007
[Janot et al. 2007b] : Janot A., Bidard C., Gosselin F., Gautier M. and Perrot Y., “Modeling
and Identification of a 3 DOF Haptic Interface”, IEEE Int. Conf. on Robotics and Automation,
Roma 2007, pp. 4949-4955
[Janot et al. 2007c] : Janot A., Vandanjon P.O., Gautier M. and Khatounian F. “Analysis and
application of a robust identification method”, Proc. IEEE on International Symposium on
Computational Intelligence in Robotics and Automation (CIRA) , Jacksonville, June 2007,
pp.315-320
[Janot et al. 2007d] : Janot A., Anastassova M., Vandanjon P.O. and Gautier M.,
“Identification process dedicated to haptic devices”, Proc. IEEE on Int. Conf. on Intelligent
Robots and Systems, San Diego, October 2007
[Joseph, Lewis et Tou 1961] : P. Joseph, J. Lewis and J. Tou, “Plant identification in the
presence of disturbances and application to digital adaptative systems”, AIEE Transactions on
Apllications and Industry, vol. 80, March 1961, pp.18-24
[Khalil et Creusot 1997] : W. Khalil et D. Creusot, “SYMORO+: A system for the symbolic
modelling of robots”, In: Robotica, vol. 15, 1997, pp. 153-161
[Khalil et Kleinfinger 1986] : W. Khalil and J.F. Kleinfinger, “A new geometric notation for
open and closed loop robots”, IEEE Int. Conf. On Robotics and Automation, San Francisco
USA, April 1986, pp. 1147-1180
- 200 -
Bibliographie
[La Porte et Vignes 1974] : J. Vignes and M. La Porte, “Error Analysis in Computing”,
Information Processing’74, north-Holland, Amsterdam, 1974
[Lawson et Hanson 1974] : C. Lawson and R. Hanson, “Soling least squares problems”,
Englewood Cliffs, London, Prentice Hall series in automatic computation, 1974
[Lee 1991] : J.J. Lee, “Tendon driven manipulator: analysis, synthesis and control”, Thèse de
doctorat, Harvard university, 1991
[Lee et Lee 2003] : Y.H. Lee and J.J. Lee, “ Modeling of the dynamics of the tendon driven
robotic mechanisms with flexible tendons”, Mechanism and Theory Vol. 38, march 2003, pp.
1431-1447
[Lee, Lawrence et Pao 2002] : C.D. Lee, D.A. Lawrence and L.Y. Pao, “Dynamic modeling
and parameter identification of a parallel haptic interface”, Proc. 10th Symp. Haptic Interfaces
for Virtual Environments and Teleoperator Systems, IEEE Virtual Reality Conf., Orlando,
2002, pp. 172-179
[Lemaire et al. 2003] : Lemaire Ch.E., Vandanjon P.O. and Gautier M., “Dynamic
Identification of a Compactor using Splines Data Processing”, In: 13th IFAC Symposium on
System Identification, SYSID 2003, Rotterdam, Netherlands, pp. 973-978
[Lemaire et al. 2006] : Lemaire Ch.E., Vandanjon P.O., Gautier M. and Lemaire Ch.,
“Dynamic Identification of a Vibratory Asphalt Compactor for Contact Efforts Estimation”,
In: 14th IFAC Symposium on System Identification, SYSID 2006, Newcastle, Australia, March
2006, pp. 973-978
[Ljung 1999] : L. Ljung, “System identification : Theory of user”, Information and system
sciences series, Prentice Hall, 1999
- 201 -
Bibliographie
[Mahvash et Okamura 2006] : M. Mahvash and A.M. Okumura, “Friction compensation for a
force feedback telerobotic system”, Proc. IEEE on Int. Conf. on Robotics and Automation,
Orlando, May 2006, pp. 3268-3273
[Marcassus et al. 2007] : Marcassus N., Janot A., Vandanjon P.O. et Gautier M., “Minimal
resolution for an accurate parametric identification - Application to an industrial robot arm”,
Proc. IEEE on Int. Conf. on Intelligent Robots and Systems, San Diego, October 2007
[Millman, Stanley et Colgate 1993] : P.A. Millman, M. Stanley and JE. Colgate, “Design of a
high performance haptic interface to virtual environments”, Proc. IEEE Annual Virtual
Reality Symposium, 1993, pp. 216-222
[Minoux 1983]: M. Minoux, “Programmation mathématique, tome 1”, Dunod, Paris, 1983
[Mussa-Ivaldi, Hogan et Bizzi 1985] : F. Mussa, N. Hogan and E. Bizzi, “Neural, mechanical
and geometric factors subserving arm posture in humans”, Journal of Neuroscience, vol.
5(10), October 1985, pp. 2732-2743
[Olson et Astrom 1996] : H. Olsson and K. Astrom, “Observer friction compensation”, Conf.
On Decision and Control, December 1996, pp. 4345-4350
[Olson et Astrom 2001] : H. Olsson and K. Astrom, “Friction generated limit circles”, IEEE
Transactions on Control Systems Technology, Vol. 9(4), July 2001, pp. 629-636
[Pham, Gautier et Poignet 2001] : M.T. Pham, M. Gautier and P. Poignet “Identification of
joint stiffness with band pass filtering”, Proc. IEEE on Int. Conf. on Robotics and
Automation, Seoul, may 2001, pp. 2867-2872
[Pressé et Gautier 1993] : C. Pressé et M. Gautier, “New criteria of exciting trajectories for
robot identification”, IEEE Int. Conf. Robotics and Automation, 1993, pp. 907-912
- 202 -
Bibliographie
[Richard et Cutkosky 2002] : C. Richard and M.R. Cutkosky, “Friction modeling in haptic
application involving user performances”, IEEE Int. Conf. On Robotics and Automation,
Washinghton, April 2002, pp. 605-611
[Rieserol 1941] : O. Rieserol, “Confluence analysis by means of a lag moments ans other
methods of confluence analysis”, Econometrica, vol. 9(1), 1941, pp.1-23
[Sherrick et Cholewiak 1986] : C.E Sherrick, R.W Cholewiak (1986). Cutaneous Sensitivity.
In K.R. Boff, L. Kaufman, & J.P. Thomas (Eds.), Handbook of human perception and human
performance (Vol. 1, pp. 12-1-12-57). New York: John Wiley & Sons
[Speich, Kite et Goldfarb 2000] : J.E. Speich, K. Fite and M. Goldfarb, “A method for
simultaneously increasing transparency and stability robustness in bilateral telemanipulation”,
Proc. IEE on Int. Conf. on Robotics and Automation, 2000, Washington, pp. 2671-2676
[Speich, Shao et Goldfarb 2005] : J. E. Speich, L. Shao and M. Goldfarb, “Modeling the
human hand as it interacts with a telemanipulation system”, Mechatronics, Elsevier, vol.
15(9), pp. 1127-1142
[Srinivasan 1995] : M.A Srinivasan (1995). Haptic interfaces. In N.I. Durlach & A.S. Mavor
(Eds.), Virtual reality: scientific and technical challenges: (Report of the Committee of the
Virtual Reality Research and Development, National Research Council, National Academy
Press)
[Tsuji et al. 94] : T. Tsuji, K. Goto, M. Moritani, M. Kaneko and P. Morasso, “Spatial
characteristics of human hand impedance in multi-joint arm movements”, IEEE Int. Conf. On
Intelligent Robots and Systems, September 1994, pp. 423-430
- 203 -
Bibliographie
[Venture et al. 2006] : G. Venture, P.-J. Ripert, W. Khalil, M. Gautier, P. Bodson, “Modelling
and identification of passenger car dynamics using robotics formalism”, IEEE Transactions
on Intelligent Transportation Systems, vol. 7(3), Sept. 2006, pp 349-359
[Vertut et Coiffet 1985] : J. Vertut et P. Coiffet, “Téléopération”, Collection les robots vol. 3a
et 3b, Hermes, 1985
[Yin et Bowling 2004] : X. Yin and A. Bowling, “Study of effect of cable yielding in cable-
driven robotic system”, IEEE Int. Conf. on Robotics and Automation, New Orleans, April
2004, pp. 3234-3239
- 204 -
Annexes
Annexes
Méthode littérale
La méthode littérale se base sur les cas suivants que l’on peut déduire des équations de
l’énergie [Gautier et Khalil 1990] et [Khalil et Dombre 2002] :
• Un paramètre inertiel χi n’a pas d’effet sur le modèle dynamique si sa fonction
d’énergie est constante, i.e. hi = constant. Dans ce cas, le paramètre χi est éliminé,
• Un paramètre inertiel χi peut être regroupé avec d’autres paramètres χi1, …, χir si sa
fonction d’énergie est linéaire par rapport aux fonctions de ces paramètres :
r
hi = ti1hi1+ …+tirhir = ∑t
j=1
ij h ij
En utilisant les écritures de [Khalil et Kleinfinger 1987], on peut dégager des règles
assez simples pour calculer des regroupements relatifs aux structures arborescentes. Ces
règles sont obtenues en exploitant la relation de récurrence entre les fonctions d’énergie de
deux corps consécutifs Cj et Ci avec i = a(j), [Gautier 1990] et [Bennis et Khalil 1991] :
• Règle 1 : si l’articulation j est rotoïde, les paramètres mj, MZj et YYj se regroupent
avec les paramètres des corps Cj et Ci. Cette règle provient du fait que les
expressions de hmj, hMZj et hYYj peuvent être exprimées en fonction de hXXj et hi. La
relation générale est la suivante :
o XXjR = XXj – YYj,
o χiR = χi + YYj(iλj1 + iλj4) + MZjiλj9 + mjiλj10,
Où : iχi est le vecteur (10x1) des paramètres inertiels standards du corps i
exprimé dans Ri, iλjk est la kième colonne de la matrice de transformation
(10x10) iλj qui permet d’exprimer les paramètres inertiels du corps j dans le
repère i, soit, iχj=iλjjχj. L’expression de la matrice est donnée en annexe.
- 211 -
Annexes
• Règle 2 : si l’articulation j est rotoïde et si a(j) = 0, les paramètres XXj, XYj, XZj,
YYj, YZj, MYj et MZj, et mj n’ont pas d’effet dans le modèle dynamique. Ceci
vient simplement du fait que les composantes x et y de la vitesse de rotation du
corps j sont nulles et la vitesse de l’origine Oj est nulle.
Comme les boucles parallélogrammes sont très utilisées pour la conception des
interfaces haptiques, il convient de donner une règle générale relative à ce type de boucle pour
calculer des regroupements.
• Règle 3 : on obtient des combinaisons linéaires propres aux boucles
parallélogrammes entre les fonctions d’énergie [Bennis et Khalil 1991]. Erreur !
Source du renvoi introuvable. donne un exemple de boucle parallélogramme.
Puisque les deux corps en vis-à-vis ont mêmes vitesses angulaires, on peut écrire
les relations suivantes :
o ωk1 = ωk1,
o ωk3 = ωk4.
Grâce au calcul de l’énergie cinétique, on peut donc regrouper les éléments des
k3
matrices Jk3 et k4Jk4 avec les éléments des matrices k1
Jk1 et k2Jk2 respectivement
selon les formules :
k1
o Jk1R = k1J k1 + k1Ak3 k3Jk3k3A k1,
k2
o Jk2R = k2Jk2 + k2Ak4 k4Jk4k4Ak2.
On peut également regrouper l’un des paramètres des premiers moments (MX ou
MY) avec les autres paramètres inertiels de la boucle, voir [Bennis et Khalil 1991].
Dans le cas où les deux corps en vis-à-vis dans un parallélogramme ont les mêmes
vitesses linéaires, on écrire :
- 212 -
Annexes
o Vk2 = Vk3.
Avec cette condition, on peut regrouper les éléments du vecteur de premiers
moments k4MSk4 avec les éléments du vecteur k2MSk2 :
k2
o MSk2R = k2MSk2 + k2Ak4 k4MSk4.
zk3 Ck3
Articulation
coupée
Ck2 Ck4
zk2 zk4
zk1
Ck1
Dans cette section, nous n’avons donné que les règles de regroupement relatives aux
articulations rotoïdes et aux boucles parallélogrammes. Les détails concernant les
regroupements relatifs aux articulations prismatiques et ceux concernant les regroupements
d’ordre général peuvent être trouvés dans [Gautier et Khalil 1990] et [Gautier 1990].
Si l’articulation j est une rotoïde, les paramètres YYj, MZj et mj peuvent être regroupés
avec les autres paramètres des corps j et j-1. Les formules de regroupements sont les
suivantes :
XXRj = XXj – YYj,
XXRj-1 = XXj-1 + YYj + rj2mj + 2rjMZj,
XYRj-1 = XYj-1 + djSαjMZj + djrjSαjmj,
XZRj-1 = XZj-1 – djCαjMZj – djrjCαjmj,
YYRj-1 = YYj-1 + CCαjYYj + 2rj CCαjMZj + (dj2 + rj2CCαj)mj,
YZRj-1 = YZj-1 + CSαjYYj + 2rj CSαjMZj + rj2CSαjmj,
ZZRj-1 = ZZj + SSαjYYj + 2rj SSαjMZj + (dj2 + rj2SSαj)mj,
MXRj-1 = MXj-1 + djmj,
- 213 -
Annexes
Si l’articulation j est une prismatique, les paramètres du tenseur d’inertie Jj peuvent être
regroupés avec les éléments du tenseur d’inertie Jj-1. Les formules de regroupements sont les
suivantes :
XXRj-1 = XXj-1 + CCθXXJ – 2CSθjXYj + SSθjYYj,
XYRj-1 = XYj-1 + CSθjCαjXXj + (CCθj – SSθj)CαjXYj – CθjSαjXZj – CSθjCαjYYj +
SθjSαjYZj,
XZRj-1 = XZj-1 + CSθjSαjXXj + (CCθj – SSθj)SαjXYj + CθjCαjXZj – CSθjSαjYYj –
SθjCαjYZj,
YYRj-1 = YYj-1 + SSθjCCαjXXj + SSαjZZj + 2CSθjCCαjXYj – 2SθjCSαjXZj +
CCθjCCαjYYj – 2CθjCSαjYZj,
YZRj-1 = YZj-1 + SSθjCSαjXXj – CSαjZZj + 2CSθjCSαjXYj + Sθj(CCαj – SSαj)XZj +
CCθjCSαjYYj + Cθj(CCαj – SSαj)YZj,
ZZRj-1 = ZZj-1 + SSθjSSαjXXj + 2CSθjSSαjXYj + 2SθjCSαjXZj + CCθjSSαjYYj +
2CθjCSαjYZj + CCαjZZj.
- 214 -
Annexes
Les indices j des paramètres géométriques ont été omis. Les notations suivantes sont utilisées : CS(*) = cos(*)sin(*), CC* = cos²(*), SS* =
sin²(*).
215
Annexes
Méthode numérique
La méthode numérique utilise la décomposition QR d’une matrice WS obtenue par
échantillonnage du modèle Γ + JTFe = DSχ permettant de détecter les dépendances linéaires
entre ses colonnes et de sélectionner un ensemble de colonnes indépendantes et un jeu de
paramètre minimal [Gautier 1991]. La décomposition QR de la matrice WS permet d’écrire:
R
Q T WS = (A.1.1)
0 (r −c )xc
rang( WS ) = b (A.1.2)
Ce rang se détermine par le nombre d’éléments sur la diagonale Rii non nuls de la
matrice R. Numériquement, on définit un seuil de tolérance et on considère les différents Rii
nuls s’ils vérifient la relation R ii ≤ tol .
Les b éléments Rii de la diagonale de R tels que R ii > tol fournissent les indices des
χ
WS χ S = [W1 W2 ] 1 (A.1.3)
χ 2
χ = χ1 + βχ2 (A.1.4)
χ
WS χ S = [W1 W2 ] = W1 χ (A.1.5)
0
216
Annexes
R1 R2
[W1 W2 ] = [Q1 Q 2 ]
0(r −b )xb 0(r−b )x (c−b )
Où R1 est une matrice triangulaire supérieure régulière de dimension (bxb) et R2 est une
matrice de dimension bx(c-b). On obtient finalement Q1 = W1R1-1 et W2 = W1R1-1R2.
Ce résultat fournit les (c-b) relations linéaires entre les colonnes de W2 et W1. On
obtient ainsi la relation de regroupement des paramètres χ2 sur les paramètres χ1 à partir de
laquelle on établit le vecteur des paramètres inertiels de base χ :
χ = χ1 + R1-1R2χ2 (A.1.6)
La méthode numérique est particulièrement intéressante pour les robots à structures fermées
et en général pour le calcul du modèle minimal de tout modèle linéaire par rapport aux
paramètres.
217
Annexes
Equation de base
Dans cette partie, les équations de base qui serviront pour la modélisation des robots
possédant une transmission à câble dans le plan sont présentées. L’idée est de trouver la
relation de projection existante entre l’espace actionneur et l’espace articulaire. Cette relation
est en fait les relations de contraintes. La Figure A. 2 montre le système considéré.
Poulie 3
Poulie 2
Poulie 1 r3 θ3
r2 θ2
r1
θ1
Câble 1 Câble 2
Câble 1 Câble 2
r1θ1 = r2θ 2 θ r −1
⇒ 2 = 2−1 r1θ1
r2θ 2 = r3θ 3 θ 3 r3
218
Annexes
Corps k+1
Xk+1
θ j+1/ k+1
Poulie j
θ j/ k
θ j+1/ k qk+1
Xk
Poulie j+1
Corps k
θ j+1/k +1 + q k +1 = θ j+1/k
Cette relation est importante car cela implique que nous pouvons calculer θ j / k à partir
de la connaissance de θ j / k −1 et de qk que l’on obtient, en général, par intégration numérique.
Cette relation sera la deuxième équation de base.
219
Annexes
X2
Câble
2
X1
θ2
s
rp
Co
Moteurs 1 et 2
situés derrière
X0
r2
1
rps Poulie 2
Co
θ a
= θ m2
p12
θ1
X0
r12
Poulie 12
Figure A. 4 : Robot à deux degrés de liberté dont le deuxième est actionné par câble
Le robot est constitué de deux moteurs fixés à la base. Le 1er actionne « directement »
θ1 = q1 , donc nous avons θ m1 = θ1 = q1 où θ m1 est la position du moteur. Le 2e moteur
actionne le deuxième corps par un câble que l’on suppose non flexible et ne glissant pas par
rapport aux poulies. La poulie 12 est fixée sur le rotor du 2e moteur. Nous avons donc
θ ap12 = θ m2 , où l’indice a indique que l’angle est absolu (pris par rapport à la base). Enfin, la
poulie 2 est fixée sur le 2e corps. Ainsi, nous avons θ rp2 = θ 2 = q 2 , où l’indice r indique que
Essayons de calculer les angles relatifs du robot en fonctions des positions des moteurs. Nous
pouvons écrire que :
θ m1 = q1
θ rp12 = θ m2 − q1 (A.2.3)
Ce qui implique, en prenant les angles des poulies 12 et 2 par rapport au corps 1:
Ce qui donne :
r12 (θ m2 − q1 ) = r2q 2
Soit :
220
Annexes
r12 r
q2 = θ m2 − 12 q1 (A.2.5)
r2 r2
q ar = Mq a (A.2.6)
Où :
q θ
• q ar = 1 = 1 ,
q 2 θ 2
θ
• q a = m1 ,
θ m2
1 0
• M = − r12 r12 .
r r2
2
possible de regrouper les termes exprimant les rayons des poulies par la matrice S , telle que
1 0
S= et relier les termes des rayons des poulies fixées aux rotors par la matrice R
r12 r2
1 0
telle que, R = . On peut vérifier que M = S −1R . Par la suite, il est toujours possible
0 r12
d’écrire que :
q ar = S −1Rq a (A.2.7)
Il est important de noter que S doit être une matrice triangulaire inférieure et que le terme 1
exprime simplement la première articulation est « directement » actionnée.
Application
Appliquons l’équation (A.2.7) pour analyser le cas d’un robot à trois degrés de liberté
(voir Figure A. 5) dont les détails sont illustrés par la Figure A. 6.
221
Annexes
s3
θ3 X2
rp
Co
Câble3
Câble2
2
s X1
rp θ2
Co
Moteurs 1, 2 et 3
situés derrière
X0
r23
rp s1 Poulie 23
Co
θ pa13 = θ m 3
θ1
X0
r13
Poulie 13
Poulie 12 Poulie 2
Câble 1
Câble 2 Câble 3
Poulie 13 Poulie 23 Poulie 3
Les poulies 12 et 13 sont reliées aux moteurs 2 et 3 respectivement. Le corps est, quant à
lui, toujours actionné directement par le 1er moteur. Le 1er câble relie les poulies 12 et 2. Cette
dernière est fixe par rapport au 2e corps. Le 2e câble relie les poulies 13 et 23 dont leurs
rotations sont libres par rapport au 1er corps. Enfin, le 3e câble relie les poulies 23 et 3. La
poulie 23 tourne librement par rapport au 2e corps, alors que la poulie 3 est fixée au dernier
corps. On se propose de calculer θ 3 = q 3 et de comparer le résultat en appliquant directement
l’équation (A.2.7).
θ rp13/c1 = θ m3 − q1 . Ensuite, en appliquant l’équation (A.2.1) où les angles sont pris par rapport
222
Annexes
r13 r r −r r r r
q3 = θ m3 + 12 23 13 2 q1 − 12 23 θ m2 (A.2.13)
r3 r2 r3 r2 r3
On obtient donc :
q1 1 0 0 θ m1
r12 r12
q2 = − 0 θ m2
q r2 r2 θ
3 r r − r r r r r13 m3
12 23 13 2
− 12 23
r2 r3 r2 r3 r3
Si on applique (A.2.7), on obtient directement le même résultat. Ceci a été vérifié avec le
script MATLAB suivant :
syms r12 r2 r13 r23 r3 real
R = diag([1 r12 r13]) ;
S = [1 0 0;r12 r2 0;r13 r23 r3] ;
inv(S)*R
ans =
223
Annexes
[ 1, 0, 0 ]
[ -r12/r2, r12/r2, 0 ]
[ (r12*r23-r2*r13)/r2/r3, -r23/r2/r3*r12, 1/r3*r13]
r13
(θ m3 − q1 ) = θ 23/c1
r23
Cela montre qu’il est possible de regrouper toutes les formules concernant les variables
articulaires comme suit :
1 0 0
r12 r12
q1 − 0
m1
r2 r2 θ
q 2 r r − r r
q = 12 23 13 2 − 12 23
r r r13 θ m2
3 r2 r3 r2 r3 r3 θ
q m3
23 r r13
− 13 0
r23 r23
Avec :
q1 = θ m1
• q actives = θ m2 ,
θ
m3
q2
• q passives = q3 .
q
23
Généralisation
q = S −1 R θ m (A.2.14)
Avec :
224
Annexes
1 0 ⋯ 0
r r2 ⋱ ⋮
• S = 12 matrice regroupant tous les rayons de toutes les poulies de
⋮ ⋮ ⋱ 0
r1n r2n ⋯ rn
la transmission,
1 0 ⋯ 0
0 r ⋱ ⋮
• R= 12 matrice diagonale regroupant tous les rayons des poulies
⋮ ⋱ ⋱ 0
0 ⋯ 0 r1n
fixées sur les rotors des moteurs.
Pour être complet, nous rajoutons une matrice qui exprime les réductions. On peut
n1 0 0
l’appeler N , où N = 0 ⋱ 0 . On écrira dans ce cas là :
0 0 n n
Nous pouvons aussi calculer les angles absolus à l’aide de l’application suivante :
q abs = TL q (A.2.16)
1 0 ⋯ 0
1 1 ⋱ ⋮
Avec TL = .
⋮ ⋱ 0
1 ⋯ ⋯ 1
Néanmoins, cette application n’est valable que pour les robots plans.
On pourrait dégager une relation matricielle pour calculer les angles des poulies passives,
mais serait inutile car nous connaissons les relations reliant les variables actives aux variables
articulaires primaires (celles qui concernent les variables articulaires du robot).
225
Annexes
Le corps 1 est le premier corps ayant une articulation rotoïde. Les paramètres suivants
peuvent être éliminés car leurs fonctions énergies sont nulles : XX1, XY1, XZ1, YY1, YZ1,
MZ1, m1. Les corps 4 et 8 gardent une orientation constante par rapport au corps 1. Les
paramètres suivants peuvent être éliminés car leurs fonctions d’énergie sont également
nulles : XY4, XZ4, YZ4, ZZ4, XY8, XZ8, YZ8 et ZZ8.
Les paramètres MX4 et MX8 peuvent être éliminés car leurs fonctions énergies sont
nulles. En effet, nous avons hM4T = (VO4 x ω4 – g ). Comme on sait que le corps 4 garde une
orientation constante par rapport au corps 1, on peut calculer hMX4T dans R1. De plus, cela
T
[
impose ω4 = ω1 = [0 0 qɺ 1 ] . On a h MS4 /R1 = h MY4 h MZ4 ]
h MX 4 et on suppose que nous
avons VO4/R1 = [VO4y/R1 VO4z/R1 VO4x/R1]T. Tout calcul fait, on obtient hMX4 = 0. On tient le
même raisonnement pour le calcul de hMX8. On trouve aussi que hMX8 = 0.
Finalement, les paramètres éliminés sont : XX1, XY1, XZ1, YY1, YZ1, MZ1, m1, XY4,
XZ4, YZ4, ZZ4, XY8, XZ8, YZ8, ZZ8, MX4 et MX8.
226
Annexes
MX2R = MX2+(m3+m4+m8+m9)d3,
XX3R=XX3-YY3-d42m4,
XZ3R=XZ3-d4MZ4,
ZZ3R=ZZ3+m4d42,
MX3R = MX3+m4d4,
XX4R=XX4-YY4,
XX5R=XX5-YY5-d62m6,
XZ5R=XZ5-d6MZ6,
ZZ5R=ZZ5+m6d62,
MX5R = MX5+m6d6,
XX6R=XX6-YY6,
XX7R=XX7-YY7,
XX8R=XX8-YY8,
XX9R=XX9-YY9.
hM5T = (VO5xω5– g ), hM2T = (VO2xω2– g ) avec VO5=VO2,car O5=O2, ω3= ω5 et ω6= ω2 car les
corps 5 et 3 (resp. 2 et 6) sont parallèles.
227
Annexes
Ainsi, grâce à (A.3.3), on peut regrouper un hMj qui apparaît comme combinaison
linéaire des autres hMi. En appliquant le même raisonnement pour la structure double
parallélogramme, on obtient deux contraintes supplémentaires :
On remarque donc que si aucune supposition n’est faite sur le corps 1, alors le double
parallélogramme n’implique pas de regroupement supplémentaire. Dans notre cas, nous avons
des éliminations supplémentaires car le premier corps a une articulation rotoïde et la base est
fixe. On obtient donc en développant (A.3.3):
d6hMX3+d3hMX2 = d6hMX5+d3hMX6
Enfin, en tenant compte que MX4 et MX8 ne sont pas identifiables nous obtenons avec
(A.3.5):
hM3T = hM9T
Ce qui donne :
228
Annexes
MX3R = MX3+m4d4+(d6/d3)MX6+MX9
MY3R = MY3 + MY9.
Er=ω1TJ1ω1+ω2TJ2ω2+ω3TJ3ω3+ω4TJ4ω4+ω5TJ5ω5+ω6TJ6ω6+ω7TJ7ω7+ω8TJ8ω8+ω9TJ9ω9.
Er=ω1TJ1ω1+ω2TJ2ω2+ω5TJ3ω5+ω1TJ4ω1+ω5TJ5ω5+ω2TJ6ω2+ω2TJ7ω2+ω1TJ8ω1+ω5TJ9ω5.
Er=ω1T(J1+J4+J8)ω1+ω2T(J2+J6+J7)ω2+ω5T(J3+J5+J9)ω5.
229
Annexes
Ceci implique que pour des robots possédant des boucles parallélogrammes, nous ne
pouvons pas identifier les termes de gravité par des trajectoires quasi-statique a contrario des
robots série.
Γ fi = f vi qɺ + f ci sign(qɺ ) (A.3.7)
Le calcul des regroupements implique d’utiliser les dérivées temporelles des équations
de contraintes ainsi que l’équation du MDI. En ne retenant que les termes de frottement, on
obtient :
Γf2 = f v2 qɺ 2 + f c2sign(qɺ 2 ) -( f v3qɺ 3 + f c3sign(qɺ 3 ) )+ f v6 qɺ 6 + f c6sign(qɺ 6 ) + f v7 qɺ 7 + f c7 sign(qɺ 7 ) - …
( f v8 qɺ 8 + f c8sign(qɺ 8 ) )
( f v4 qɺ 4 + f c4sign(qɺ 4 ) )
230
Annexes
Avec :
• fv2R = fv2+fv7+fv8+fv11
• fc2R = fc2+fc7+fc8+fc11
• fv5R = fv5+fv4+fv9+fv12
• fc5R = fc5+fc4+fc9+fc12
• fv3R = fv3+fv6+fv10
• fc3R = fc3+fc6+fc10.
231
Annexes
Cette annexe présente les fonctions énergétiques des paramètres inertiels des branches 3 DDL
de l’interface médicale.
232
Annexes
233
Annexes
234
Annexes
235
Annexes
N3MY51=-(S5.*VP21); N1MX65=S6.*VSP36;
DG1MY5=N3MY51; N2MX65=-(d6*U316) - C6.*VSP36;
E1MZ51=C5.*U135 - S5.*U235; N3MX65=d6*(S6.*U116 + C6.*U216) + VP26;
E3MZ51=-(S5.*U135) - C5.*U235; DG5MX6=N3MX65;
N1MZ51=-(S5.*VP15) - C5.*VP25; E1MX61=C5.*E1MX65 - E2MX65.*S5;
N3MZ51=-(C5.*VP15) + S5.*VP25; E3MX61=-(C5.*E2MX65) - E1MX65.*S5;
DG1MZ5=N3MZ51; N1MX61=C5.*N1MX65 - N2MX65.*S5;
E1M51=C5.*VP15 - S5.*VP25; N3MX61=-(C5.*N2MX65) - N1MX65.*S5;
E3M51=-(S5.*VP15) - C5.*VP25; DG1MX6=N3MX61;
DG5IA5=QDP5; DG6MY6=-VP16;
DG5FV5=QP5; E1MY65=C6.*U126 - S6.*U226;
DG5FS5=sign(QP5); E2MY65=S6.*U126 + C6.*U226;
DG6XX6=-DV126; N1MY65=C6.*VSP36;
N1XX65=-(DV136.*S6) + C6.*WP16; N2MY65=-(d6*U326) + S6.*VSP36;
N2XX65=C6.*DV136 + S6.*WP16; N3MY65=d6*(S6.*U126 + C6.*U226) - VP16;
DG5XX6=-DV126; DG5MY6=N3MY65;
N1XX61=C5.*N1XX65 - N2XX65.*S5; E1MY61=C5.*E1MY65 - E2MY65.*S5;
N3XX61=-(C5.*N2XX65) - N1XX65.*S5; E3MY61=-(C5.*E2MY65) - E1MY65.*S5;
DG1XX6=N3XX61; N1MY61=C5.*N1MY65 - N2MY65.*S5;
NO3XY66=-DV116 + DV226; N3MY61=-(C5.*N2MY65) - N1MY65.*S5;
DG6XY6=NO3XY66; DG1MY6=N3MY61;
N1XY65=-(C6.*U316) - S6.*U326; E1MZ65=C6.*U136 - S6.*U236;
N2XY65=-(S6.*U316) + C6.*U326; E2MZ65=S6.*U136 + C6.*U236;
DG5XY6=NO3XY66; N1MZ65=-(S6.*VP16) - C6.*VP26;
N1XY61=C5.*N1XY65 - N2XY65.*S5; N2MZ65=-(d6*U336) + C6.*VP16 - S6.*VP26;
N3XY61=-(C5.*N2XY65) - N1XY65.*S5; N3MZ65=d6*(S6.*U136 + C6.*U236);
DG1XY6=N3XY61; DG5MZ6=N3MZ65;
NO2XZ66=DV116 - DV336; E1MZ61=C5.*E1MZ65 - E2MZ65.*S5;
DG6XZ6=-U236; E3MZ61=-(C5.*E2MZ65) - E1MZ65.*S5;
N1XZ65=-(NO2XZ66.*S6) + C6.*U216; N1MZ61=C5.*N1MZ65 - N2MZ65.*S5;
N2XZ65=C6.*NO2XZ66 + S6.*U216; N3MZ61=-(C5.*N2MZ65) - N1MZ65.*S5;
DG5XZ6=-U236; DG1MZ6=N3MZ61;
N1XZ61=C5.*N1XZ65 - N2XZ65.*S5; E1M65=C6.*VP16 - S6.*VP26;
N3XZ61=-(C5.*N2XZ65) - N1XZ65.*S5; E2M65=S6.*VP16 + C6.*VP26;
DG1XZ6=N3XZ61; N2M65=-(d6*VSP36);
DG6YY6=DV126; N3M65=d6*(S6.*VP16 + C6.*VP26);
N1YY65=-(C6.*DV236) - S6.*WP26; DG5M6=N3M65;
N2YY65=-(DV236.*S6) + C6.*WP26; E1M61=C5.*E1M65 - E2M65.*S5;
DG5YY6=DV126; E3M61=-(C5.*E2M65) - E1M65.*S5;
N1YY61=C5.*N1YY65 - N2YY65.*S5; N1M61=-(N2M65.*S5);
N3YY61=-(C5.*N2YY65) - N1YY65.*S5; N3M61=-(C5.*N2M65);
DG1YY6=N3YY61; DG1M6=N3M61;
NO1YZ66=-DV226 + DV336; DG6FV6=QP6;
DG6YZ6=U136; DG6FS6=sign(QP6);
N1YZ65=C6.*NO1YZ66 + S6.*U126; SEF = zeros(size(t1));
N2YZ65=NO1YZ66.*S6 - C6.*U126; UNI = ones(size(t1));
DG5YZ6=U136;
N1YZ61=C5.*N1YZ65 - N2YZ65.*S5;
N3YZ61=-(C5.*N2YZ65) - N1YZ65.*S5;
DG1YZ6=N3YZ61;
DG6ZZ6=WP36;
N1ZZ65=C6.*DV236 + DV136.*S6;
N2ZZ65=-(C6.*DV136) + DV236.*S6;
DG5ZZ6=WP36;
N1ZZ61=C5.*N1ZZ65 - N2ZZ65.*S5;
N3ZZ61=-(C5.*N2ZZ65) - N1ZZ65.*S5;
DG1ZZ6=N3ZZ61;
DG6MX6=VP26;
E1MX65=C6.*U116 - S6.*U216;
E2MX65=S6.*U116 + C6.*U216;
236
Annexes
W = [W1;W2-W3+W6;W5+W3-W6-W4];
237
Annexes
% Equations:
function QDP=scara2base_qdp(u)
GAM1=u(1);
GAM2=u(2);
t1=u(3);
t2=u(4);
QP1=u(5);
QP2=u(6);
S2=sin(t2);
C2=cos(t2);
W32=QP1 + QP2;
JPR132=L1.*S2;
JPR232=C2.*L1;
SW12=-(MX2.*W32.^2);
SW22=-(MY2.*W32.^2);
LW12=-(C2.*L1.*QP1.^2);
LW22=L1.*QP1.^2.*S2;
JD2=1./ZZ2;
JU32=JD2.*ZZ2;
JU42=-(JD2.*MY2);
JU52=JD2.*MX2;
GW2=GAM2 - FV2.*QP2 - FS2.*sign(QP2);
GK332=ZZ2 - JU32.*ZZ2;
GK342=-MY2 + JU32.*MY2;
GK352=MX2 - JU32.*MX2;
GK432=-MY2 - JU42.*ZZ2;
GK442=JU42.*MY2;
GK452=-(JU42.*MX2);
GK532=MX2 - JU52.*ZZ2;
GK542=JU52.*MY2;
GK552=-(JU52.*MX2);
NG32=GK342.*LW12 + GK352.*LW22;
NG42=GK442.*LW12 + GK452.*LW22;
NG52=GK542.*LW12 + GK552.*LW22;
VS32=GW2.*JU32 + NG32;
VS42=GW2.*JU42 + NG42;
VS52=GW2.*JU52 + NG52;
AP42=SW12 + VS42;
AP52=SW22 + VS52;
GX332=GK332 + GK432.*JPR132 + GK532.*JPR232;
GX342=GK342 + GK442.*JPR132 + GK542.*JPR232;
238
Annexes
QDP=[QDP1,QDP2];
239
Annexes
240
Résumé : Cette thèse est le résultat d’un travail de collaboration entre le CEA et l’IRCCyN. Elle
traite de la modélisation et de l’identification des paramètres dynamiques des interfaces haptiques à
transmission par câble. Une interface peut être considérée comme un robot maître à base fixe dont
l’organe terminal est manipulé par un opérateur qui agit sur un monde simulé (réalité virtuelle) ou
sur un monde réel (téléopération).
La connaissance du modèle dynamique est importante car il permet de calculer le torseur
dynamique de l’interface qui fausse son rendu haptique, c'est-à-dire sa capacité à transmettre à
l’opérateur le torseur des efforts d’interaction des objets manipulés avec l’environnement virtuel ou
réel (qualité de transparence).
Une première démarche a consisté à adapter les méthodes de modélisation et d’identification des
robots rigides et à flexibilités localisées aux interfaces haptiques. L’identification utilise le modèle
dynamique inverse et les moindres carrés linéaires avec les mesures des couples et positions
articulaires. La validation est réalisée sur une interface à 1 degré de liberté et à 3 DDL.
Pour éviter la mesure et la dérivation des positions, une deuxième approche originale qui n’utilise
que la mesure du couple est proposée. Elle est basée sur une simulation du robot en boucle fermée
utilisant le modèle dynamique direct. Les paramètres identifiés minimisent l’erreur quadratique
moyenne entre le couple mesuré et le couple simulé. Il s’agit d’un problème de moindres carrés non
linéaires dont la solution se simplifie très significativement en exprimant le couple simulé par le
MDI. Cette méthode a été validée expérimentalement sur le bras un axe du CEA et sur le SCARA
de l’IRCCyN.
Abstract : This thesis focuses on the modeling and the identification of haptic interfaces using cable
drive. An haptic interface is a force feedback device, which enables its user to interact with a virtual
world or a remote environment explored by a slave system. It aims at the matching between the
forces and displacements given by the user and those applied to virtual world. Usually, haptic
interfaces make use of a mechanical actuated structure whose distal link is equipped with a handle.
When manipulating this handle to interact with explored world, the user feels the apparent mass,
compliance and friction of the interface. This distortion introduced between the operator and the
virtual world must be modeled and identified to enhance the design of the interface and develop
appropriate control laws.
The first approach has been to adapt the modeling and identification methods of rigid and localized
flexibilities robots to haptic interfaces. The identification technique makes use of the inverse
dynamic model and the linear least squares with the measurements of joint torques and positions.
This approach is validated on a single degree of freedom and a three degree of freedom haptic
devices.
A new identification method needing only torque data is proposed. It is based on a closed loop
simulation using the direct dynamic model. The optimal parameters minimize the 2 norms of the
error between the actual torque and the simulated torque assuming the same control law and the
same tracking trajectory. This non linear least squares problem dramatically is simplified using the
inverse model to calculate the simulated torque. This method is validated on the single degree of
freedom haptic device and the SCARA robot.
N° : ED 0366-340
241