These Aj 171207

See discussions, stats, and author profiles for this publication at: https://www.researchgate.
net/publication/261024367
Contribution à la modélisation et à l’identiﬁcation des interfaces haptiques
Thesis · December 2007
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:
Introduction of PMSMs in haptic interfaces - Haption SA View project
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.
The user has requested enhancement of the downloaded file.

UNIVERSITE DE NANTES
ÉCOLE DOCTORALE
SCIENCES ET TECHNOLOGIES
DE L’INFORMATION ET DES MATERIAUX
Année : 2007
Thèse de Doctorat de l’Université de Nantes
Spécialité : AUTOMATIQUE ET INFORMATIQUE APPLIQUEE
Présentée et soutenue publiquement par
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
Rapporteurs : Poinot Thierry Professeur des universités

Redarce Tanneguy Professeur des universités
Examinateurs : Friconneau Jean Pierre Ingénieur de recherche

Vandanjon Pierre Olivier Ingénieur de recherche
Gautier Maxime Professeur des universités
Directeur de Thèse : Maxime GAUTIER

Laboratoire : Institut de Recherche en Communication et Cybernétique de Nantes (IRCCyN)
Co-encadrant : Catherine Bidard, Ingénieur de Recherche
Laboratoire : Commissariat à l’Energie Atomique Fontenay aux Roses
Composante de rattachement du directeur de thèse : Université de Nantes
N° ED 0366-340
Remerciements
Je remercie sincèrement Maxime GAUTIER, professeur à l’université de Nantes, de

m’avoir proposé cette thèse. Merci aussi pour sa confiance, ses encouragements, ses conseils,
ainsi que pour ses (très) nombreuses relectures.
Je remercie également Catherine BIDARD, ingénieur de recherches au CEA, d’avoir
accepté de m’encadrer au CEA.
Mes sincères remerciements à M. Thierry POINOT, professeur à l’université de Poitiers,
et à M. Tanneguy REDARCE, professeur à l’université de Lyon, d’avoir accepté d’être
rapporteurs de ce travail.
Je remercie M. Etienne DOMBRE, directeur de recherches au LIRMM, d’avoir accepté
d’être président du jury de thèse.
Grands mercis à Pierre-Olivier VANDANJON d’avoir participé aux travaux et au jury
de thèse.
Je remercie tous les membres du jury de la thèse pour le temps passé à lire le présent
mémoire et à évaluer le travail accompli durant ces trois dernières années.
Je tiens à remercier messieurs Jean-Pierre FRICONNEAU et Yann PERROT de m’avoir
accueilli au sein du service de Robotique Interactive (SRI) et du laboratoire de Robotique et
Mésorobotique. Les conditions de travail furent très bonnes.
Je remercie Mme. Christine CHEVALLEREAU de m’avoir accueilli au sein de l’équipe
robotique de l’IRCCyN.
Merci à M. Florian GOSSELIN pour ses remarques pertinentes et constructives ainsi
que pour sa participation active à l’écriture des communications scientifiques.
Merci à Mme. Anne CAILLIAU pour sa bonne humeur en toutes circonstances et pour
sa grande patience.
Grands mercis aux collègues du CEA et de l’IRCCyN qui m’ont soutenu, qui ont
participé aux travaux, qui ont participé à la rédaction des communications scientifiques et/ou
qui ont participé aux pauses café.
Enfin, je remercie infiniment ma famille pour son soutien permanent durant toutes ces
années d’études. Sans elle, rien n’aurait été possible.
-i-
Table des matières :
Remerciements ............................................................................................................................ i
Table des matières :.................................................................................................................... ii
Liste des figures ......................................................................................................................... v
Liste des tableaux ..................................................................................................................... vii
Introduction générale.................................................................................................................. 1
1 Chapitre 1 : Interfaces haptiques, formalisme de la robotique et techniques

d’identification associées. .......................................................................................................... 7
1.1 Introduction ................................................................................................................ 8
1.2 Les interfaces haptiques ............................................................................................. 8
1.3 Modélisation des robots à corps rigides ................................................................... 13
1.3.1 Robots à structures ouvertes simples ............................................................... 13
1.3.2 Robots à structures ouvertes arborescentes ...................................................... 15
1.3.3 Robots à structures fermées.............................................................................. 17
1.3.4 Conclusion........................................................................................................ 20
1.4 Modèle dynamique d’un robot ................................................................................. 20
1.4.1 Modèle dynamique inverse .............................................................................. 21
1.4.2 Modèle dynamique direct................................................................................. 22
1.4.3 Modélisation du couple de frottement.............................................................. 23
1.4.4 Energie et paramètres inertiels d’un robot ....................................................... 25
1.4.5 Modélisation en prenant compte des flexibilités localisées ............................. 29
1.4.6 Conclusion........................................................................................................ 30
1.5 Techniques d’identification...................................................................................... 30
1.5.1 MDI et moindres carrés linéaires ..................................................................... 30
1.5.2 Moindres carrés linéaires pondérés .................................................................. 33
1.5.3 Filtrage des données ......................................................................................... 34
1.5.4 Conclusion........................................................................................................ 36
1.6 Conclusion................................................................................................................ 36
2 Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à

transmission par câble. ............................................................................................................. 38
2.1 Introduction .............................................................................................................. 39
2.2 Présentation du bras un axe...................................................................................... 39
2.3 Modélisation du bras ................................................................................................ 40
2.3.1 Loi du frottement exponentiel : entraînement par adhérence........................... 40
2.3.2 Modélisation du bras rigide.............................................................................. 43
2.3.3 Modélisation du bras un axe en tenant compte de la flexibilité du câble......... 47
2.4 Identification du bras un axe .................................................................................... 52
2.4.1 Schéma de la commande de l’interface............................................................ 52
2.4.2 Choix des trajectoires excitantes ...................................................................... 54
2.4.3 Identification du bras un axe sous l’hypothèse rigide ...................................... 57
2.4.4 Caractérisation de la flexibilité de l’interface .................................................. 65
2.4.5 Conclusion........................................................................................................ 74
- 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
3 Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une

interface à usage médical. ........................................................................................................ 91
3.1 Introduction .............................................................................................................. 92
3.2 Présentation de l’interface ........................................................................................ 92
3.3 Modélisation des branches à 3 DDL ........................................................................ 94
3.3.1 Calcul du modèle dynamique sous l’hypothèse rigide..................................... 94
3.3.2 Modélisation des branches à 3 DDL en prenant en compte de la flexibilité des
câbles 100
3.4 Identification paramétrique des branches à 3 DDL................................................ 101
3.4.1 Schéma de la commande implémentée pour le contrôle de l’interface.......... 101
3.4.2 Choix des trajectoires excitantes .................................................................... 102
3.4.3 Identification des paramètres de frottement ................................................... 102
3.4.4 Identification des paramètres de gravité et d’inertie ...................................... 104
3.4.5 Caractérisation de la compliance des branches 3 ddl ..................................... 112
3.4.6 Conclusion...................................................................................................... 120
3.5 Caractérisation des branches à 3 DDL ................................................................... 120
3.5.1 Equation générale ........................................................................................... 120
3.5.2 Application sur les branches à 3 DDL ........................................................... 122
3.5.3 Conclusion...................................................................................................... 128
3.6 Discussion .............................................................................................................. 129
3.6.1 Validité des résultats obtenus ......................................................................... 129
3.6.2 Pertinence de la démarche.............................................................................. 130
3.6.3 Conclusion...................................................................................................... 132
3.7 Analyse de l’effet du bruit de quantification à l’aide d’une procédure basée sur les
concepts de la méthode CESTAC ...................................................................................... 133
3.7.1 Méthode CESTAC : Principe et théorie ......................................................... 133
3.7.2 Adaptation de la méthode CESTAC pour évaluer l’effet du bruit de
quantification sur l’estimation des paramètres inertiels ................................................. 135
3.7.3 Application sur le bras un axe : résultats expérimentaux............................... 139
3.7.4 Application sur l’interface médicale .............................................................. 141
3.7.5 Conclusion sur la procédure de vérification................................................... 143
3.8 Conclusion.............................................................................................................. 144
4 Chapitre 4 : Une nouvelle méthode d’identification des paramètres dynamiques sans la

mesure de position : DIDIM................................................................................................... 146
4.1 Introduction ............................................................................................................ 147
4.2 Principe de la méthode du modèle : identification par erreur de sortie.................. 147
4.3 Une nouvelle technique d’identification : DIDIM (Direct and Inverse Dynamic
Identification Model).......................................................................................................... 153
4.4 Résultats expérimentaux ........................................................................................ 166
4.4.1 Application sur le bras un axe ........................................................................ 166
4.4.2 Application sur le robot SCARA ................................................................... 175
4.5 Conclusion.............................................................................................................. 188
- iii -
Conclusion générale ............................................................................................................... 191
Bilan ................................................................................................................................... 191
Perspectives ........................................................................................................................ 192
Bibliographie de l’auteur:....................................................................................................... 195
Bibliographie:......................................................................................................................... 197
Annexes ..............................................................................................................................- 211 -

Annexe 1 : Formules littérales des regroupements et regroupements numériques ........- 211 -
Méthode littérale ........................................................................................................- 211 -
Méthode numérique........................................................................................................ 216
Annexe 2 : Calcul automatique des contraintes cinématiques imposées par des
transmissions à câble planes............................................................................................... 218
Equation de base............................................................................................................. 218
Etude d’un robot à deux degrès de liberté...................................................................... 219
Application ..................................................................................................................... 221
Généralisation................................................................................................................. 224
Annexe 3 : Calcul des regroupements pour la modélisation des branches 3 DDL de
l’interface médicale ............................................................................................................ 226
Annexe 4 : Expressions des fonctions énergétiques pour l’identification des branches 3
DDL de l’interface médicale .............................................................................................. 232
Annexe 5 : Expression du modèle dynamique direct du robot SCARA ............................ 238
- 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 3-20 : Validation effectuée pour les essais à sortie libre concernant l’axe 1.......................................... 118
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
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].
Généralement, les interfaces sont constituées de structures mécaniques articulées

actionnées, telles que celles des robots, équipées d’une poignée. L’opérateur agit en
interaction avec le monde virtuel en manipulant cette poignée comme illustré Figure 0-1.
Monde virtuel
Opérateur
Interface haptique
Figure 0-1 : Opérateur en interaction avec un monde virtuel
Afin que l’opérateur se sente totalement immergé dans l’environnement virtuel,

l’interface qu’il manipule doit présenter une inertie, une compliance (souplesse) et des
frottements aussi faibles que possible. L’interface idéale serait celle sans inertie, sans
frottements et sans compliance. Dans ce cas, l’interface est qualifiée de transparente.
Cependant, une interface réelle est caractérisée par son inertie, ses frottements et sa
compliance qui faussent l’immersion sensorielle de l’opérateur. L’interface introduit une
-1-
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.
Actuellement, les interfaces haptiques sont souvent modélisées dans l’espace

opérationnel par un système du deuxième ordre (masse, ressort et amortisseur) ou par la
combinaison de systèmes du deuxième ordre. Cette modélisation est justifiée par le fait que
les interfaces peuvent présenter un comportement linéaire et/ou qu’elles sont très
fréquemment utilisées en basses vitesses et dans une position au voisinage du centre de
l’espace de travail [Adams, Moreyra et Hannaford 1998], [Frisoli et Bergamasco 2003]. De
plus, comme les modèles sont simples, la commande est simplifiée [Diolaitti et al. 2006].
Les techniques d’identification de ces systèmes sont celles utilisées dans le domaine de
l’automatique linéaire : analyse spectrale/fréquentielle, tests impulsionnels [Frisoli et
Bergamasco 2003], [Kuchenbecker et Niemeyer 2006] et [Moreyra et Hannaford 1998]. Ces
techniques sont assez simples à mettre en œuvre et permettent de connaître les paramètres
caractérisant la distorsion assez rapidement.
Cependant, les techniques de modélisation et d’identification sont dédiées
spécifiquement aux interfaces étudiées et ne sont pas générales. De plus, le modèle de
distorsion est local et n’est pas valable dans tout l’espace de travail. Ainsi, les actions de
l’utilisateur sont confinées dans un espace très réduit. Enfin, il s’agit d’approches
déterministes qui ne permettent pas le calcul des intervalles de confiance des résultats
obtenus.
Ces remarques montrent qu’il n’existe pas de méthode générique de modélisation et

d’identification dédiée aux interfaces haptiques. Le but de la thèse est donc de concevoir et
de valider expérimentalement une méthode de modélisation et d’identification qui soit
applicable à tout type d’interface.
La thèse s’inscrit dans une collaboration entre la Direction de la Recherche
Technologique du Commissariat à l’Energie Atomique de Fontenay aux Roses (DRT-CEA-
-2-
FAR) et l’équipe robotique de l’Institut de Recherche en Communication et Cybernétique de

Nantes (IRCCyN).
Le CEA possède une grande expérience concernant la téléopération et la commande par
retour d’effort [Vertut et Coiffet 1985], [Andriot 1992], [Geffard 2000], la conception de bras
maître [Gosselin 2000], [Riwan 2002] et [Garrec, Friconneau et Louveau 2004] ainsi que la
réalité virtuelle. Récemment, une jeune entreprise issue du CEA (HAPTION) commercialise
des interfaces haptiques pour divers usages : médecine téléopérée, maintenance,
entraînements professionnels…
L’équipe robotique de l’IRCCyN développe expérimentalemnt depuis 20 ans, une
méthode de modélisation se basant sur la convention de Denavit et Hartenberg modifiée
(DHM) et une méthode d’identification utilisant le modèle dynamique inverse et les moindres
carrés linéaires. Ces méthodes sont applicables à tout type de robots [Khalil et Kleinfinger
1986], [Gautier, Restrepo et Khalil 1995], [Gautier 1997], [Pham 2002], [Guegan 2003] et
[Khalil, Gautier et Lemoine 2007].
Récemment, cette approche de modélisation et d’identification des paramètres a été
appliquée avec succès sur les voitures [Venture et al. 2006], les compacteurs [Lemaire et al.
2006], les pneumatiques [Ripert 2006] et sur les bras esclaves du CEA [Bidard 2004] et
[Arhur 2004]. Cela montre que ces méthodes sont générales et qu’elles peuvent être adaptées
à tous types de systèmes multicorps articulés pouvant être décrits à l’aide du formalisme de la
robotique.
Ainsi, il semble intéressant d’adapter ces techniques pour modéliser et identifier les
interfaces haptiques qui ont une structure identique à celle des robots.
Cependant, la méthode d’identification basée sur le modèle dynamique inverse (MDI)

nécessite la mesure des couples articulaires et des positions articulaires. Elle nécessite
également l’estimation des vitesses et accélérations articulaires par un filtrage et une
dérivation des positions, ce qui nécessite une fréquence d’acquisition des données assez
élevée, de l’ordre du KHz.
Une nouvelle méthode d’identification permet de s’affranchir de la mesure de la
position. Elle 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
moyenne entre le couple mesuré et le couple simulé. Il s’agit d’un problème de moindres
-3-
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.
Le présent mémoire est composé de quatre chapitres :
Le premier chapitre introduit la modélisation géométrique, le modèle dynamique inverse et

direct des robots ainsi que les techniques d’identification utilisées en robotique. La
modélisation géométrique est basée sur la convention DHM introduite en 1986 par Khalil et
Kleinfinger [Khalil et Kleinfinger 1986]. Cette convention est applicable à tout type de
structure mécanique. Les méthodes d’identification sont basées sur le modèle inverse et les
moindres carrés linéaires ordinaires ou pondérés [Gautier 1990] et [Gautier 1997].
Le deuxième chapitre traite de la modélisation et de l’identification expérimentale du bras un

axe à transmission par câble développé au CEA. Ce bras est représentatif des transmissions
par câble utilisées pour l’actionnement des interfaces haptiques. Les résultats expérimentaux
obtenus sur ce bras peuvent être utilisés pour l’identification et la caractérisation des
interfaces à structures plus complexes. La modélisation, utilisant la convention DHM, se
focalise sur les conditions de transmission, sur le modèle rigide puis sur le modèle flexible de
l’interface. L’identification expérimentale présente deux parties : la première traite de
l’identification du modèle rigide du bras et la deuxième traite de l’identification du modèle
flexible. Enfin, des applications du modèle identifié sont présentées dans le domaine de la
conception mécanique et de la commande de l’interface.
Le troisième chapitre présente la modélisation et l’identification expérimentale des branches à

3 degrés de liberté (DDL) d’une interface haptique à usage médical. Chaque branche se
compose d’une structure parallélogramme, d’une structure double parallélogramme et de
réducteurs de type poulie et câble. La complexité de la structure mécanique permet de valider
la démarche proposée. La modélisation se base toujours sur la convention DHM en prenant
compte des équations de contrainte dues aux boucles de type parallélogrammes ainsi que sur
le calcul des paramètres de base. L’identification expérimentale concerne le modèle rigide,
puis le modèle avec flexibilités. La caractérisation de l’interface dans l’espace cartésien fait
apparaître des liens entre les concepts d’identification et d’ergonomie.
-4-
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.
Le quatrième chapitre introduit une nouvelle méthode d’identification ne nécessitant que la

mesure du couple. 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. Les fonctions de sensibilité sont les expressions algébriques du
MDI linéaire par rapport aux paramètres, calculées automatiquement par le logiciel
SYMORO+. Cette méthode est expérimentalement validée sur le bras un axe ainsi que sur le
prototype SCARA de l’IRCCyN.
-5-
-6-
Chapitre 1 : Interfaces haptiques, formalisme de la robotique et techniques d’identification associées.
1 Chapitre 1 : Interfaces haptiques, formalisme de la

robotique et techniques d’identification associées.
Sommaire :
1 Chapitre 1 : Interfaces haptiques, formalisme de la robotique et techniques

d’identification associées. .......................................................................................................... 7
1.1 Introduction ................................................................................................................ 8
1.2 Les interfaces haptiques ............................................................................................. 8
1.3 Modélisation des robots à corps rigides ................................................................... 13
1.3.1 Robots à structures ouvertes simples ............................................................... 13
1.3.2 Robots à structures ouvertes arborescentes ...................................................... 15
1.3.3 Robots à structures fermées.............................................................................. 17
1.3.4 Conclusion........................................................................................................ 20
1.4 Modèle dynamique d’un robot ................................................................................. 20
1.4.1 Modèle dynamique inverse .............................................................................. 21
1.4.2 Modèle dynamique direct................................................................................. 22
1.4.3 Modélisation du couple de frottement.............................................................. 23
1.4.4 Energie et paramètres inertiels d’un robot ....................................................... 25
1.4.5 Modélisation en prenant compte des flexibilités localisées ............................. 29
1.4.6 Conclusion........................................................................................................ 30
1.5 Techniques d’identification...................................................................................... 30
1.5.1 MDI et moindres carrés linéaires ..................................................................... 30
1.5.2 Moindres carrés linéaires pondérés .................................................................. 33
1.5.3 Filtrage des données ......................................................................................... 34
1.5.4 Conclusion........................................................................................................ 36
1.6 Conclusion................................................................................................................ 36
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-
1.1 Introduction
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. Ce chapitre est divisé en quatre parties. La
première partie présente des généralités concernant les interfaces haptiques. La deuxième
partie expose le formalisme pour la modélisation des robots à structures ouvertes,
arborescentes et fermées. La troisième partie traite des modèles dynamiques direct et inverse
d’un robot ainsi que ses paramètres inertiels. Pour finir, la quatrième partie présente les
techniques d’identification utilisées en robotique. Elles sont principalement basées sur le
modèle dynamique inverse et les moindres carrés linéaires.
1.2 Les interfaces haptiques
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-
Figure 1-1 : Opérateur interagissant avec un monde virtuel en manipulant une interface haptique
Les interfaces peuvent également se présenter sous la forme de structures

biomécaniques telles que des mains, bras, jambes. Dans ce cas, elles sont directement fixées
sur l’opérateur humain. La Figure 1-2 nous montre un exemple d’interface constituée d’un
gant mécanique. Ce type d’interface peut être utilisé pour la rééducation fonctionnelle par
exemple.
Figure 1-2 : Gant mécanique conçu au CEA
Enfin, il est également possible de viser une immersion sensorielle en combinant

différents types d’organes ; un exemple est illustré Figure 1-3. Dans ce cas, l’opérateur
interagit avec un monde virtuel en manipulant une interface haptique, en portant un casque de
réalité virtuelle (il voit ce qui est projeté sur l’écran) et des interfaces de capture de
mouvements.
-9-
Figure 1-3 : Opérateur interagissant avec un monde virtuel en manipulant plusieurs organes
L’opérateur ne doit pas ressentir la présence de l’interface pour se sentir totalement

immergé dans l’espace virtuel. Il vient que l’interface idéale serait celle qui ne possèderait ni
masse, ni frottement et ni compliance (raideur infinie). Dans un schéma de téléopération
classique comme celui illustré Figure 1-4, l’interface idéale se comporterait comme un gain
statique pur.
F Fm Fe
Structure Monde
Opérateur Moteurs
mécanique virtuel
V Vm Ve
Interface haptique
Figure 1-4 : Schéma classique de téléopération montrant un couplage bilatéral
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 -
lois de commande de ces interfaces. Le but de la commande est de compenser la distorsion.

Généralement, les lois de commande implémentées dans le contrôleur sont des compensateurs
basés sur les connaissances a priori du système. L’identification paramétrique nous permet
aussi de caractériser l’interface dans l’espace opérationnel et d’en évaluer les performances.
Actuellement, les interfaces haptiques sont souvent modélisées, dans l’espace

opérationnel, par un système du deuxième ordre (masse, ressort et amortisseur) ou par une
combinaison de systèmes du deuxième ordre. Cette modélisation est justifiée par le fait que
les interfaces peuvent présenter un comportement linéaire comme l’Excalibur développé par
l’équipe d’Hannaford [Adams, Moreyra et Hannaford 1998] et [Adams, Moreyra et
Hannaford 1999] et/ou qu’elles sont très fréquemment utilisées en basses vitesses et dans une
position au voisinage du centre de l’espace de travail [Frisoli et Bergamasco 2003], [Hayward
et Cruz-Hernandez 1998] et [Salcudean et Stocco 2000]. De plus, comme les modèles sont
« simples » les lois de commande en sont aussi simplifiées [Diolaitti et al. 2005] et [Diolaitti
et al. 2006].
Les techniques d’identification de ces systèmes sont celles utilisées dans le domaine de
l’automatique linéaire : analyse spectrale [Frisoli et Bergamasco 2003], analyse fréquentielle
[Kuchenbecker et Niemeyer 2005], [Kuchenbecker et Niemeyer 2006] et [Fiene,
Kuchenbecker et Niemeyer 2006], tests impulsionnels [Moreyra et Hannaford 1998]. Ces
techniques sont assez simples à mettre en œuvre et permettent de connaître les paramètres de
la distorsion assez rapidement.
Cependant, les techniques de modélisation et d’identification sont dédiées
spécifiquement aux interfaces étudiées. Elles ne sont donc pas générales. La distorsion n’est
connue que localement, ce qui limite l’utilisation de l’interface dans un espace de travail très
réduit. Enfin, aucune approche statistique n’est utilisée pour estimer l’intervalle de confiance
des résultats obtenus.
Certaines équipes de recherche ont utilisé des techniques d’identification plus
génériques basées sur les moindres carrés. Par exemple, dans [Lee, Lawrence et Pao 2002],
les auteurs ont modélisé une interface parallèle à câble et identifié les paramètres à l’aide des
moindres carrés récursifs. Si les auteurs ont donné l’erreur commise, ils n’ont pas fourni de
résultats numériques. Dans [Richard et Cutkosky 1999] et [Richard et Cutkosky 2002] les
auteurs ont identifié l’inertie et les paramètres de frottement d’une interface à un degré de
liberté. Les trajectoires utilisées sont des positions sinusoïdales de faibles amplitudes proches
de celles imposées par un opérateur. Néanmoins, le conditionnement du régresseur n’est pas
- 11 -
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.
Il est possible de concevoir le protocole de modélisation et d’identification comme suit :

• Définition d’un modèle rigide et flexible en appliquant la convention DHM,
• Planification de trajectoires débouchant sur une excitation séquentielle des
paramètres inertiels,
- 12 -
• Identification globale des paramètres inertiels en concaténant les essais

expérimentaux,
• Caractérisation de la compliance de l’interface par des essais à sortie bloquée puis
par des essais à sortie libre,
• Caractérisation de l’interface dans l’espace opérationnel.
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.
1.3 Modélisation des robots à corps rigides
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).
1.3.1 Robots à structures ouvertes simples

D’un point de vue mécanique, un robot à chaîne ouverte simple est un système composé
de n+1 corps rigides notés C0, C1, …, Cn reliés entre eux par n articulations. C0 est la base du
robot et Cn son organe terminal (Figure 1-5).
Pour connaître les différents états du robot (positions, vitesses et accélérations) en
chaque point, on utilise un repère absolu le plus souvent lié à la Terre. On définit R0 le repère
lié à la base C0, et Rj un repère attaché à chaque corps mobile Cj. Chaque repère Rj est
caractérisé par son origine Oj et ses vecteurs de base orthonormés xj, yj, zj. On peut choisir
indifféremment les repères, mais la convention DHM permet une description homogène des
robots à chaîne ouverte simple avec un nombre minimum de paramètres. De plus, ce choix
peut être généralisé à des structures plus complexes. Enfin, cette méthode est adaptée aux
calculs symboliques des modèles des robots [Khalil et Creusot 1997].
- 13 -
zj+1
zj zn
zj-1
Cj+1
z3 Cn
Cj
z2
C2
z1
C1
C0
Figure 1-5 : Robot à structure ouverte simple
Le repère Rj (0 ≤ j ≤ n ) lié au corps Cj, successeur du corps Cj-1 et antécédent du corps

Cj+1 est défini de la façon suivante (Figure 1-6) :
• L’axe zj est porté par l’axe de l’articulation j,
• L’axe xj est porté par la perpendiculaire commune à zj et zj+1, et orienté
arbitrairement,
• Le changement de repère de Rj-1 à Rj utilise les 4 paramètres minimaux :
o αj angle entre les axes zj-1 et zj mesuré autour de l’axe xj-1,
o dj distance entre zj-1 et zj mesurée le long de l’axe xj-1,
o θj angle entre les axes xj-1 et xj mesuré autour de l’axe zj,
o rj distance entre xj-1 et xj mesurée le long de l’axe zj.
La variable articulaire qj associée à la jième articulation est définie par l’équation

algébrique suivante :
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 -
xj
zj
zj-1
θj
Oj
rj αj
dj
Oj-1 xj-1
Figure 1-6 : Paramètres géométriques d’une structure ouverte simple
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(.).
1.3.2 Robots à structures ouvertes arborescentes

Dans le cas où un corps possède plusieurs successeurs, on obtient une structure
arborescente dont la description est une extension de la description des chaînes ouvertes
- 15 -
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
Figure 1-7 : Notations associées à une structure arborescente
• La base est fixe et constitue le corps C0,

• Les numéros des corps et des articulations sont croissants sur chaque branche, en
partant de la base vers un organe terminal,
• Le corps Cj est articulé par l’articulation j. Le corps Ca(j) est le corps antécédent du
corps Cj lorsque l’on parcourt la chaîne depuis la base. La topologie du système est
complètement définie par la donnée des a(j) pour j = 1,… ,n.
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 -
• Si xi est la perpendiculaire commune à zi et à un autre axe zk (Figure 1-8), deux

paramètres supplémentaires doivent être introduits :
o γj, angle entre xi et la perpendiculaire commune aux axes zi et zj, notée xi’,
autour de zi,
o bj, distance entre xi et xi’ le long de zi.
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
Figure 1-8 : Paramètres géométriques pour un corps à plus de deux articulations
1.3.3 Robots à structures fermées

Le système est constitué de n+1 corps, la base étant toujours le corps C0, éventuellement
de plusieurs organes terminaux t dispose de L articulations (L > n). Le nombre de boucles
fermées est donné par la relation :
B=L–n (1.4)
Parmi les L articulations, N seulement sont pourvues d’actionneurs. On suppose que la

structure est compatible avec les contraintes de fermeture des boucles, que le nombre N de
degrés de liberté du robot est égal au nombre d’articulations motorisées et que la connaissance
- 17 -
des N variables articulaires correspondantes permet de déterminer la configuration du robot,

c’est à dire la situation de tous les corps de ce dernier.
On introduit la variable binaire µj telle que :

• µj = 1 si l’articulation j est motorisée (active)
• µj = 0 si l’articulation j est non motorisée (passive)
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 -
zk zk+B
zi zj
xk+B
xi xk
Ci Cj
C0
Figure 1-9 : Repères placés sur une articulation coupée
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.
On note q le vecteur contenant les L variables articulaires de la structure fermée :
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 -
Seules les N variables qa sont indépendantes. Il existe donc C = L – n relations

indépendantes entre les variables q. Ces équations de contrainte sont obtenues, pour chaque
boucle, à partir de la relation suivante, qui traduit la fermeture de la boucle :
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 )
Pour caractériser complètement la configuration de la structure fermée, il faut exprimer

les variables articulaires passives en fonction des variables actives. Le cas le plus simple est
celui où la relation (1-6) peut se mettre sous la forme explicite suivante :
qp = gp(qa)
qc = gc(qa,qp)
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.
1.4 Modèle dynamique d’un robot
Après avoir présenté les descriptions géométriques des robots à structures simples,
arborescentes et fermées, nous allons présenter les modèles dynamiques directs et inverses
- 20 -
d’un robot ainsi que ses paramètres inertiels. Cette partie est importante pour le choix d’une
stratégie d’identification.
1.4.1 Modèle dynamique inverse

Le modèle dynamique inverse calcule les efforts moteurs en fonction des positions,
vitesses et accélérations articulaires. Le modèle dynamique inverse est représenté par une
relation de la forme suivante :
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 -
L’équation (1.8) prend la forme explicite suivante (1.9):
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).
Comme nous le verrons dans la prochaine section, le modèle dynamique s’écrit de

manière linéaire par rapport aux paramètres inertiels du robot.
1.4.2 Modèle dynamique direct

Le modèle dynamique direct exprime les accélérations articulaires en fonction des
positions, vitesses et couples articulaires. Il est donc représenté par la relation suivante :
ɺɺ = A −1 (q)(Γ + fe − H(q, qɺ )) = f d (q, qɺ , Γ, fe )

q (1.10)
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 -
On remarque que le robot est un système non linéaire en l’état et affine en la commande.
1.4.3 Modélisation du couple de frottement

Les nombreux articles qui traitent de la modélisation du modèle de frottement montrent
principalement deux groupes de modèles : les modèles statiques qui ne dépendent que de la
vitesse articulaire et les modèles dynamiques qui introduisent 1 DDL supplémentaire par
liaison.
Le modèle le plus souvent utilisé en robotique est celui décrit par l’équation (1.11). Il
prend en compte l’effet du frottement sec (frottement de Coulomb) et l’effet du frottement
visqueux [Khalil et Dombre 2002], [Gautier, Khalil et Restrepo 1995, Gautier 1997], [Pham
2002] et [Guegan 03].
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  
  
Où qɺ s est la vitesse de Stribeck et δ une puissance à déterminer (généralement égale à 1 ou 2).

Ces modèles peuvent être retrouvés dans [Ge, Lee et Ren 2001]. L’allure de ce frottement est
illustrée par la Figure 1-10.d).
- 23 -
Figure 1-10 : Modèles de frottement dépendant de la vitesse angulaire
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 -
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.
1.4.4 Energie et paramètres inertiels d’un robot

Avant de définir les paramètres inertiels d’un robot, on détaille certaines notations. On
représente un corps j noté Cj comme indiqué (Figure 1-11) :
• Lj est le vecteur (3x1) égal à Oj-1Oj,
• Sj est égal au vecteur OjGj où Gj est le centre de masse de Cj.
x j-1
O j-1
z j-1
y j-1
z0 Lj
yj
x0 Cj
Gj
O0
y0 Sj
xj
Oj
zj
Figure 1-11 : Représentation d’un corps j
L’énergie cinétique d’un corps j est donnée par l’expression suivante :
Ej =
2
(
1 T
ω j I G j ω j + m j VGTj VG j ) (1.15)
- 25 -
où :
• ω j est le vecteur (3x1) vitesse de rotation du corps j,
• I G j est le tenseur d’inertie du corps j par rapport à un repère parallèle à Rj et
d’origine Gj,
• mj est la masse du corps,
• VG j est le vecteur (3x1) vitesse du centre de gravité Gj.
En appliquant le théorème de Huygens, on obtient :

J j = I G j − m jSˆ jSˆ j
où :
• Jj est le tenseur d’inertie de Cj par rapport à Rj,
• Ŝ j est la matrice antisymétrique du préproduit vectoriel.
En appliquant la loi de composition des vitesses, on obtient :

VG j = Vj + ω j × S j
On arrive à l’expression suivante :
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 -
Ainsi, les paramètres inertiels standard d’un robot sont :

• XXj, XYj, XZj, YYj, YZj et ZZj, les six composantes du tenseur d’inertie du corps
Cj par rapport au repère Rj noté jJj,
• mj la masse du corps j,
• MXj, MYj et MZj, les trois composantes du premier moment d’inertie du corps Cj
autour de l’origine du repère Rj noté jMSj.
Le vecteur des paramètres inertiels d’un corps j est le vecteur (10x1) suivant :
[
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)
hj est le vecteur (10x1) défini par l’équation suivante :
T
∂H j ∂H j ∂H j ∂H j 
hj = = ⋯ 
∂χ Ij  ∂XX j ∂XYj ∂MZ j 
On peut réécrire l’équation comme suit :
[
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
Les fonctions d’énergie se déduisent du calcul des énergies :

1
• hXXj = ω1,jω1,j,
2
• hXYj = ω1,jω2,j,
• hXZj = ω1,jω3,j,
1
• hYYj = ω2,jω2,j,
2
• hYZj = ω2,jω3,j,
1
• hZZj = ω3,jω3,j,
2
1j Tj
• hmj = Vj Vj – 0gT 0Pj,
2
- 27 -
• hMXj = ω3,jV2,j – ω2,jV3,j – 0gT 0sj,

• hMYj = ω1,jV3,j – ω3,jV1,j – 0gT 0nj,
• hMZj = ω2,jV1,j – ω1,jV2,j – 0gT 0aj.
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.
Le Lagrangien L = E – U s’exprime ainsi linéairement par rapport aux paramètres χI.

Pour les articulations motorisées, on approche l’énergie cinétique de la chaîne d’actionnement
par :
1
E actionneme nt = I aj qɺ 2j (1.20.a)
2
Le couple de frottement étant approché par :
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,
• Np : nombre total de paramètres dynamiques standard,

• χS : vecteur des paramètres dynamiques standard.
- 28 -
Les paramètres dynamiques de base (ou paramètres minimaux) se déduisent des

paramètres standard en éliminant ceux qui n’interviennent pas dans le couple et en regroupant
d’autres paramètres. Les paramètres de base sont importants car ils sont les seuls paramètres
identifiables. Ils représentent l’ensemble minimal des paramètres nécessaires pour calculer le
modèle dynamique inverse.
Il existe deux manières de calculer les paramètres de base : une méthode littérale basée
sur le calcul de l’énergie et une méthode numérique basée sur la factorisation QR ou SVD.
Ces méthodes sont rappelées en annexe.
1.4.5 Modélisation en prenant compte des flexibilités localisées
1.4.5.1 Description géométrique

L’adaptation de la description DHM à celle des systèmes de corps rigides et de
flexibilités localisées est réalisée de la façon suivante [Khalil et Gautier 2000] et [Pham
2002].
A une raideur de traction compression correspond une liaison prismatique, à une raideur
de torsion correspond une liaison rotoïde. Pour ne DDL élastiques reliant deux corps rigides
réels, on définit ne-1 corps virtuels sans masse, sans inertie. On applique ensuite la description
DHM à ce système augmenté. Un repère Rj est relié à chaque corps virtuel. Chaque DDL est
relatif : il correspond au mouvement unidirectionnel du corps j par rapport au corps précédent
j-1, exprimé en unité articulaire.
Cette méthode de description permet de prendre en compte de manière simple des
déplacements dus aux déformations élastiques de la chaîne de transmission et de la structure
du robot.
Le modèle géométrique direct peut être obtenu de manière automatique avec le logiciel
SYMORO+ [Khalil et Creusot 1997].
1.4.5.2 Modèle dynamique inverse

Le calcul de la matrice A(q) et de la matrice regroupant les couples centrifuges,
Coriolis, de gravité et de frottement H(q, qɺ ) peut être mené en utilisant les équations de
Lagrange de la même façon que dans le cas des systèmes rigides [Pham 2002] à condition de
définir l’effort articulaire associé au DDL élastique qej par :
Γej = -Kjqej - Bj qɺ ej (1.22)
- 29 -
Kj est la raideur associée à la variable articulaire élastique qej et Bj le frottement visqueux

associé à la variable articulaire élastique qej.
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.
1.5 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.
1.5.1 MDI et moindres carrés linéaires

Comme le modèle dynamique inverse est linéaire par rapport aux paramètres, la
démarche généralement adoptée en robotique consiste à utiliser ce modèle inverse associé aux
moindres carrés linéaires. Cette démarche a été largement utilisée pour les robots industriels
[Gautier 1997] et [Khalil, Gautier et Lemoine 2007]. La Figure 1-12 illustre le principe de la
méthode [Gautier et Poignet 2001].
- 30 -
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)
ρ est un vecteur colonne de résidu de dimension (rx1), r étant le nombre d’équations du

système linéaire surdéterminé obtenu par échantillonnage de la relation Γ = Dχ + ρ soit :
Y = Wχ + ρ (1.25)
avec :
 Y1 
 
• Y =  ⋮  appelée matrice de mesure,
Yn 
 
 Γ j (1) 
 
• Y =  ⋮ ,
j
 Γ (Ne )
 j 
- 31 -
 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)
Le calcul numérique de χ̂ utilise la factorisation QR ou SVD de W. Une estimation de l’écart

type sur les valeurs identifiées est calculée en considérant que W est déterministe et que ρ est
un vecteur aléatoire centré, de composantes indépendantes, d’écart type σ ρ et de matrice de
covariance Cρ telle que :
( )
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
l’estimateur non biaisé suivant :
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)
On en déduit l’écart type : σ χˆ j = C χˆ j ( j, j)
Ce calcul fournit un indicateur de l’incertitude de l’estimation à utiliser avec prudence

car, dans notre cas, les hypothèses statistiques ne sont pas garanties, W n’étant pas
déterministe. En effet, les coefficients de W sont perturbés par des mesures et des erreurs de
modèle.
- 32 -
L’écart type relatif est estimé par :
σ χ̂ j
σ χˆ j % = 100 (1.30)
χˆ j
L’inversion du système linéaire (1.25) nécessite l’utilisation de trajectoires qui excitent

au mieux les paramètres de base. Une trajectoire suffisamment excitante se traduit par un bon
conditionnement de W. Ainsi, le calcul de trajectoires excitantes peut s’effectuer à l’aide
d’une méthode d’optimisation non linéaire dont le critère à minimiser est cond(W) ou une
fonction de cond(W) avec :
σ max
• cond( W ) =
σ min
• σ max et σ min sont respectivement les valeurs singulières maximale et minimale de

la matrice W [Presse et Gautier 1993].
Il est également possible de construire des trajectoires pour exciter spécifiquement

certains paramètres. Par exemple, pour exciter les paramètres de frottement, on peut utiliser
des paliers de vitesse, pour identifier les termes de gravité, on peut utiliser des allers retours à
faible vitesse [Spetch et Isermann 1988] et pour les inerties on peut choisir des trajectoires
sinusoïdales. L’utilisation de trajectoires spécifiques permet de simplifier la recherche des
trajectoires excitantes ainsi que l’interprétation des résultats.
1.5.2 Moindres carrés linéaires pondérés

Cependant, l’hypothèse que ρ est un bruit additif indépendant à moyenne nulle de
matrice de covariance donnée par (1.27) suppose que l’on accorde la même confiance à
chaque ligne du régresseur W. En pratique, cette hypothèse n’est pas judicieuse, d’où
l’introduction des moindres carrés pondérés. L’idée consiste à calculer un nouveau système
global en attribuant à chaque équation de (1.25) un facteur de confiance inversement
proportionnel à la norme moyenne minimale de l’erreur calculée pour chaque sous
système σ̂ ρ j [Gautier 1997] et [Lawson 74]. Chaque sous système est défini par :
Yj = Djχ + ρj.
On définit la transformation linéaire :
- 33 -
 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
La nouvelle formulation de (1-32) débouche sur l’écriture du modèle équivalent:
Yp = SY

Yp = Wp χ + ρ p avec Wp = SW (1.32)

ρp = Sρ
La solution au sens des moindres carrés pondérés χ̂ b minimise la norme 2 du vecteur

des erreurs ρp pondérées :
(
χˆ = Argmin ρ TS TSρ ) (1.33)
χ
1.5.3 Filtrage des données

Le filtrage des données est important pour le succès de l’identification des paramètres
dynamiques. En effet, on sait que l’estimateur est sensible vis-à-vis des paramètres de filtrage
réalisé. Le filtrage se divise en quatre grandes étapes. On rappelle que nous mesurons la
position et l’image du couple qui est souvent la consigne de la boucle de courant qui alimente
le moteur.
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 -
Les calculs de la vitesse et de l’accélération se font à l’aide d’une différence centrée

sans phénomène de distorsion de phase. La différence centrée est donnée par l’équation
suivante, Te étant la période d’échantillonnage :
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
Figure 1-13 : Filtrage des données en vue de l’identification des paramètres
- 35 -
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
Les descriptions géométriques des différentes structures fréquemment utilisées en

robotique ont été présentées. Ces descriptions sont utilisées pour la modélisation des
interfaces haptiques. Le modèle dynamique ainsi que les techniques d’identification basées
sur les moindres carrés ont été également présentées.
- 36 -
- 37 -
Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à transmission par câble.
2 Chapitre 2 : Modélisation et identification d’une interface

à un degré de liberté à transmission par câble.
Sommaire :
2 Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à

transmission par câble. ............................................................................................................. 38
2.1 Introduction .............................................................................................................. 39
2.2 Présentation du bras un axe...................................................................................... 39
2.3 Modélisation du bras ................................................................................................ 40
2.3.1 Loi du frottement exponentiel : entraînement par adhérence........................... 40
2.3.2 Modélisation du bras rigide.............................................................................. 43
2.3.3 Modélisation du bras un axe en tenant compte de la flexibilité du câble......... 47
2.4 Identification du bras un axe .................................................................................... 52
2.4.1 Schéma de la commande de l’interface............................................................ 52
2.4.2 Choix des trajectoires excitantes ...................................................................... 54
2.4.3 Identification du bras un axe sous l’hypothèse rigide ...................................... 57
2.4.4 Caractérisation de la flexibilité de l’interface .................................................. 65
2.4.5 Conclusion........................................................................................................ 74
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
Résumé : Ce chapitre présente la modélisation d’un banc à un degré de liberté à transmission

à câble ainsi que les résultats expérimentaux d’identification obtenus. Le protocole
d’identification se compose de trois parties principales : validation du modèle de frottement,
caractérisation de la compliance et identification des paramètres inertiels. De plus, la
cractérisation du banc dans l’espace opérationnel est présentée.
- 38 -
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.
2.2 Présentation du bras un axe

Le banc un axe à transmission par câble développé au CEA est illustré Figure 2-1.
L’interface est motorisée par une machine synchrone autopilotée muni d’un codeur. La
machine entraîne une petite poulie motrice appelée cabestan sur laquelle est enroulé un câble
actionnant une grande poulie réceptrice. Une tige est fixée sur cette dernière. Le câble en acier
est lubrifié afin de diminuer le frottement. Il est enroulé sur 1 tour autour de la grande poulie
et il est enroulé sur 4 tours autour de la petite poulie.
Figure 2-1: Banc un axe à modéliser et à identifier
Enfin, un capteur d’effort permet de mesurer la précontrainte appliquée au câble et d’en

étudier l’effet sur les paramètres du frottement.
- 39 -
2.3 Modélisation du bras

Cette partie présente la modélisation du bras un axe. Dans un premier temps, les conditions de
transmission sont explicitées. Elles permettent d’évaluer les couples maximaux admissibles et
la précontrainte minimale. Ensuite, les modèles rigides et flexibles du bras un axe sont
introduits. Nous montrons que la prise en compte de la flexibilité du câble peut se faire par
l’introduction d’une flexibilité localisée.
2.3.1 Loi du frottement exponentiel : entraînement par adhérence
L’équation de moment de l’équilibre statique de la poulie sous l’action d’un couple Γm

et des efforts transmissibles s’écrit (Figure 2-2) :
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 -
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.
Figure 2-3 : Forces appliquées à un élément de câble [Farges 1988]
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 -
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 :
o dR t − Fcos dγ  + Fcos dγ  − dFcos dγ  = 0

 2  2  2
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
L’équilibre statique du segment de câble enroulé sur la poulie s’écrit :

• [ln(F)]Tt = [µα ]0γ
Soit :
T
• ln  = µγ
t
Finalement :
T = te µγ (2.1.b)
- 42 -
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.
2.3.2 Modélisation du bras rigide

Considérons le type de transmission par câble illustré Figure 2-5. Les relations entre les
déplacements angulaires et les déplacements linéaires s’écrivent :
rmθm = rcθc ⇔ θm = (rc/rm)θc ⇔ θm = Nθc (2.3)
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 -
• N = (rc/rm) le rapport de réduction.
La transmission, considérée comme un réducteur, n’introduit pas de degrés de liberté

supplémentaire.
θc
Poulie motrice
θm
rm rc
Poulie réceptrice
Figure 2-5 : Transmission par câble typique. On considère le câble inélastique.
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
Figure 2-6 : Repères DHM utilisés pour modéliser le banc un axe
• R0 est le repère de la base et R1 est le repère attaché au corps mobile 1,
- 44 -
• 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 :
Tableau 2-1 : Paramètres DHM du bras un axe

j a(j) µj σj αj dj θj rj
1 0 1 0 0 0 q1 0
Les 13 paramètres standards du bras un axe sont les paramètres suivants :
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 :
ZZ1R, MX1, MY1, fv1 et fs1, avec ZZ1R = ZZ1 + Ia1.
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 -
• ZZ1R = ZZ1 + Ia1.

Il y a un regroupement entre les paramètres ZZ1 et Ia1. Les paramètres XX1, XY1, XZ1, YY1,
YZ1, MZ1, et m1 sont éliminés car ils n’interviennent pas dans le calcul du couple dynamique,
leurs fonctions d’énergie étant nulles.
L’équation de Lagrange s’écrit :
d  ∂L  ∂L d  ∂E c1  ∂E p1
Γ1 =  − =  +
dt  ∂qɺ 1  ∂q1 dt  ∂qɺ 1  ∂q1
Γ1 = Jɺqɺ1 − gMX 1cos(q 1 ) + gMY1sin(q 1 ) + Γ fsv1
Le terme Γ f1 désigne le couple de frottement modélisé simplement pour les vitesses non
nulles par :
Γ f1 = f v1qɺ 1 + f s1sign (qɺ 1 )
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 :
Γ1 = D(q, qɺ , ɺqɺ)χ (2.4)
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
Le modèle dynamique est linéaire par rapport aux paramètres dynamiques.

Le modèle rigide est valable en basses fréquences inférieures au dixième de la fréquence
du premier mode. Pour les fréquences supérieurs, la prise en compte des flexibilités est
nécessaire.
- 46 -
2.3.3 Modélisation du bras un axe en tenant compte de la flexibilité du

câble
Le câble est caractérisé par une raideur et un amortissement propre comme illustré
Figure 2-7. Prendre en compte la flexibilité du câble revient à considérer une flexibilité
localisée sur la transmission.
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 :
Jm ɺθɺm = Γm – rmFu – fvm θɺ m – fsmsign( θɺ m )
Avec :
• T = T0 + kc(rmθm- rcθc) + bc(rm θɺ m - rc θɺ c ),
• t = T0 - kc(rmθm- rcθc) - bc(rm θɺ m - rc θɺ c ),
• Fu = T – t = 2kc(rmθm- rcθc) + 2bc(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 -
• N = rc/rm le rapport de réduction,

• θm, θɺ m et ɺθɺm la position, la vitesse et l’accélération du moteur,
• θc, θɺ c la position et la vitesse de la charge respectivement.
On obtient finalement :
Γm = Jm ɺθɺm + 2rmkc(rmθm- rcθc) + 2rm bc(rm θɺ m - rc θɺ c ) + fvm θɺ m + fsmsign( θɺ m ) (2.5.1)
Γm = Jm ɺθɺm + 2rmrckc(θm/N -θc) + 2rmrcbc( θɺ m /N - rc θɺ c ) + fvm θɺ m + fsmsign( θɺ m ) (2.5.2)
Ensuite, appliquons les équations d’Euler sur la poulie réceptrice :
Jc ɺθɺc = rcFu – fvc θɺ c – fscsign( θɺ c ) + gMXcos(θc) - gMYsin(θc) (2.5.3)
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 :
0 = Jc ɺθɺc - 2rckc(rmθm- rcθc) - 2rcbc(rm θɺ m - rc θɺ c ) + fvc θɺ c + fscsign( θɺ c )
- gMXcos(θc) +gMYsin(θc) (2.5.4)
0 = Jc ɺθɺc - 2rc²kc(θm/N - rcθc) - 2rc²bc( θɺ m /N - θɺ c ) + fvc θɺ c + fscsign( θɺ c )
- gMXcos(θc) +gMYsin(θc) (2.5.5)
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 -
• qc la position de la charge en unité articulaire qc = θc.

On obtient :
Γma = NΓm = N²Jm ɺqɺ c + 2rc²kc(qm- qc) + 2rc²bc( qɺ m - qɺ c ) + N²fvm qɺ m + Nfsmsign( qɺ m )

(2.6.1)
Soit :
Γma = Ia ɺqɺm + K(qm- qc) + B( qɺ m - qɺ c ) + fvma qɺ m + fsmasign( qɺ m ) (2.6.2)
0 = Jc ɺqɺc - K(qm- qc) - B( qɺ m - qɺ c ) + fvc qɺ c + fscsign( qɺ c )- gMXcos(qc) + gMYsin(qc)
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 -
x2
g
y0 y0
qc
x1 x0
x1
q2 q1 = qm
qm
x0
K et B
z0, z1, z2
fvm
Ia ZZ2 = Jc
Corps 1: Actionneur + Corps 2: Tige + poulie réceptrice

poulie motrice câble
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 .
Cette transformation est linéaire et s’écrit sous la forme :

• qrel = Jacqabs.
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 -
Tableau 2-2 : Paramètres DHM du bras un axe en incluant la flexibilité du câble

1 0 1 0 0 0 q1 0
2 1 0 0 0 0 q2 0
Les paramètres standard sont :

• Ia1, fv1, fs1 pour le premier corps,
• XX2, XY2, XZ2, YY2, YZ2, ZZ2, MX2, MY2, MZ2 pour le deuxième corps, (MX2 =
MX, MY2 = MY et ZZ2 = Jc)
• B et K pour la flexibilité localisée sur l’articulation.
Les paramètres minimaux sont :

• Ia1, fv1, fs1, K, B, ZZ2, MX2 et MY2.
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].
Dans ce cas, le modèle dynamique s’écrit :
Γ1 = I a1ɺqɺ1 + f v1qɺ 1 + f s1sign(qɺ 1 ) − Kq 2 − Bqɺ 2

 (2.7)
0 = ZZ 2 (ɺqɺ1 + ɺqɺ 2 ) − gMX 2 cos(q 1 + q 2 ) + gMY2 sin (q 1 + q 2 ) + Kq 2 + Bqɺ 2
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 -
2.4 Identification du bras un axe

Cette partie traite de l’identification globale du bras un axe. Le succès de l’identification
repose sur la conception de trajectoires excitantes et le filtrage des données. Dans un premier
temps, nous présentons le schéma de la commande utilisée pour contrôler le bras un axe.
Ensuite, les trajectoires utilisées pour exciter les paramètres inertiels sont explicitées. Enfin,
les résultats expérimentaux sont présentés.
2.4.1 Schéma de la commande de l’interface

L’interface présentée Figure 2-1 est pilotée par une carte de commande développée au
CEA basée sur un DSP de type TMS320LF2407a. La carte est illustrée par la Figure 2-9. Le
moteur est une machine synchrone autopilotée appelée abusivement machine à courant
continu sans balais (brushless). Sa modélisation et son identification sont détaillées dans
[Khatounian 2006].
Figure 2-9 : Photo de la carte variateur contenant l’onduleur de tension et le DSP [Khatounian 2006]
Le schéma de la commande dans le plan (d, q) implémentée dans la carte variateur

utilisée pour contrôler l’interface haptique est illustré sur l’axe q par la Figure 2-10.
- 52 -
Boucle de courant interne

qɺ
KT/N
qɺ r εv ir G ond i Γ q
+ Kv + PI + N.Kt Interface
- - ls + r
qɺ
s
τs + 1
Filtre dérivateur
Figure 2-10 : Schéma de commande de l’interface
Les notations sont les suivantes :

• Gond : gain de l’amplificateur de puissance (onduleur),
• l et r : respectivement inductance et résistance de l’induit sur l’axe q,
• PI : correcteur de type proportionnel-intégral de fonction de transfert Ki(1+1/Tis),
• ir : courant de référence sur l’axe q,
• i : composante en quadrature du courant d’induit,
• KT : constante de couple du moteur,
• Γ : couple moteur,
• Kv : gain proportionnel utilisé pour la commande en vitesse,
• q position mesurée du moteur,
• qɺ vitesse du moteur calculée par dérivation de la position,
• 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 -
La période d’échantillonnage pour la boucle de vitesse est de 240µs (fréquence de 4,2

kHz) alors que la période d’échantillonnage de la boucle de courant est de 60µs (fréquence de
17 kHz).
Pour ce type de carte variateur, il est possible de commander l’interface en vitesse ou en
courant. Ce choix est effectué par l’utilisateur et permet de valider la conception des
correcteurs, d’exciter l’interface avec des trajectoires en vitesses ou en courant, …
Les trajectoires de consignes (vitesse ou courant) sont définies par l’utilisateur.
Cependant, à cause des temps de calcul du DSP, les trajectoires doivent être des polynômes
d’ordre 3 au maximum. Typiquement, les trajectoires utilisées sont des créneaux, des
trapèzes, des triangles en vitesse et en courant. Le choix des trajectoires s’effectue pour
exciter au mieux ces paramètres inertiels.
2.4.2 Choix des trajectoires excitantes
2.4.2.1 Excitation des paramètres de frottement

Les modèles de frottement peuvent être identifiés en utilisant 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. Un exemple d’application est présenté dans le paragraphe 2.4.3.3.
Ainsi, les trajectoires utilisées pour exciter les paramètres du modèle de frottement sont
des créneaux de vitesses croissantes comme illustré Figure 2-11.
- 54 -
Paliers de vitesse pour exciter les paramètres de frottement

10
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.
2.4.2.2 Excitation des paramètres d’inertie et de gravité

Pour exciter l’inertie du système, des trajectoires polynomiales d’ordre 5 en position ont
été utilisées avec succès dans [Gautier 1997] et [Khalil, Gautier et Lemoine 2007].
Cependant, comme nous n’avons pas de boucle en position, nous ne pouvons pas utiliser ce
type de trajectoire. Ces trajectoires sont équivalentes à des polynômes d’ordre 4 en vitesse.
Mais, à cause des temps de calcul du DSP, une trajectoire polynomiale d’ordre 4 n’est pas
implémentable.
Dans [Pham 2002], des trajectoires de type bang-bang en accélération (ou trapézoïdale
de vitesse) ont été utilisées avec succès. Ce type de trajectoires, pouvant être implémenté dans
le contrôleur, est utilisé afin d’exciter l’inertie du système. Ce type de trajectoires est illustré
par la Figure 2-12.
De plus, afin d’exciter au mieux les paramètres de gravité, nous utilisons un débattement
angulaire maximum.
Dans notre cas, les paliers d’accélération varient de 50rads-² à 200rads-² alors que le
débattement angulaire varie de 60° à 120°.
- 55 -
accélération
vitesse
Figure 2-12 : Trajectoire bang-bang en accélération
2.4.2.3 Excitation de la flexibilité du système

Des méthodes d’identification de raideurs localisées ont été proposées dans [Pham
2002] utilisant la mesure de la position (ou de l’accélération) de la charge et du moteur. Dans
le cas des mesures coté moteur seul, il faut utiliser un modèle faisant intervenir la dérivée de
la commande. Dans tous les cas, la trajectoire en position utilisée pour balayer le domaine
fréquentiel du système à étudier est constituée de sinus vobulés en fréquence. Comme ce type
de trajectoire n’est pas disponible dans le contrôleur, une trajectoire balayant le domaine
fréquentiel du bras un axe consistant en des trains d’impulsions en couple avec différentes
fréquences a été choisie. Ceci revient à faire varier la fréquence du fondamental de la série de
Fourier de la position, de la vitesse et de l’accélération. C’est un essai en boucle ouverte
Il est également possible d’utiliser des paliers de vitesse en boucle fermée, avec
différentes fréquences. Cependant, dans notre cas, un système de sécurité se déclenche
lorsque l’erreur de poursuite en vitesse dépasse un seuil qui est atteint pour les fréquences
voisines du premier mode, bien supérieures à la bande passante de la boucle de vitesse.
Le choix la bande de fréquence à balayer est déterminé par une estimation de la
fréquence du premier mode grâce à des essais à sortie bloquée. Dans un essai en boucle
ouverte, la position et le couple moteur sont mesurés. On identifie la dynamique de
l’actionneur ainsi que la flexibilité de la transmission.
- 56 -
2.4.3 Identification du bras un axe sous l’hypothèse rigide

Cette partie traite de l’identification des paramètres inertiels du bras un axe sous l’hypothèse
rigide.
2.4.3.1 Calcul des valeurs a priori du bras un axe

Nous allons déterminer les valeurs a priori des paramètres dynamiques à l’aide des
données constructeur.
Pour la position du centre de masse du système, on considère que la poulie et la barre
sont des corps homogènes. La masse de la barre est de 20g et celle de la poulie est de 200g.
La masse totale du système est donc de 220g. Le centre d’inertie de la poulie est très proche
de l’origine, on a donc x GP = 0 m. La longueur de la barre est 25 cm, on a donc x GB = 0,125 m.
Par suite, nous obtenons :
MX1 = 0,220*(0*0,2+0,02*0,125)/0,220 = 0,0025 Kgm.
Pour des raison de symétrie, on admet que :
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.
Pour la barre, on écrit que :
IB = 0,02(2,5.10-3)2/4 + 0,02(0,024)2/14 + 0,02(0,012)2 = 4.10-4 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 :
ZZ1R = Ip+IB+100Ia1 = 1,45.10-3 Kgm².
Finalement, les valeurs nominales des paramètres à estimer sont les suivantes :
Tableau 2-3 : Valeurs a priori des paramètres du banc un axe

ZZ1R = 1,45.10-3 Kgm2 fv1 = 2,0.10-3 Nm/(rad/s)
MX1 = 2,5.10-3 Kgm fs1 = 6,5. 10-2 Nm
MY1 supposé nul Offset1 non connu
- 57 -
2.4.3.2 Résultats expérimentaux

Pour identifier les paramètres inertiels, des essais en créneaux de vitesses et en trapèze
de vitesse ont été concaténés. Cela réalise une identification globale avec une excitation
séquentielle des paramètres.
Il est rappelé que la période d’échantillonnage est de 240µs. Les signaux mesurés sont la
position du moteur exprimée en unité articulaire et le courant moteur. Nous avons vérifié que
Γ1 = NKTI, avec :
• N est le rapport de réduction,
• KT la constante de couple égale à 38,2.10-3 Nm/A,
• I le courant moteur.
La valeur de la précontrainte appliquée au câble est de 32N environ.
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.
Tableau 2-4 : Valeurs identifiées des paramètres du banc un axe

Valeur 2*écart type écart type relatif
ZZ1R 1,45.10-3 Kgm2 0,0102.10-3 0.4 %
MX1 2,40.10-3Kgm 0,2125.10-3 4.8 %
MY1 1,00.10-3Kgm 0,1529.10-3 6.3 %
fv1 1,60.10-3Nm/rad/s 0,1240.10-3 2.5 %
fs1 0,066 Nm 0,9636.10-3 0.8 %
Cond(W)=100 Cond(Φ)=25 Norme du résidu : 1.34
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 -
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 -
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.
2.4.3.3 Validation du modèle de frottement et étude de l’influence de la

précontrainte appliquée au câble
La validation du modèle de frottement se fait en retranchant au couple mesuré les
quantités d’accélération et de gravité calculées avec les valeurs identifiées, soit :
~
Γ fsv1 = Γ1 − ZZ1R ɺqɺ1 + gMX 1cos(q1 ) − gMY1sin(q1 )
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 -
Couple de frottement mesuré et estimé

0.15
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
Figure 2-15 : Validation du couple de frottement
Les écarts sont faibles, ce qui valide le modèle choisi.
Dans la suite, on étudie l’influence de la précontrainte sur les paramètres de frottement.

En effet, la résultante Fn des efforts normaux aux déplacements qui s’exercent sur les paliers
des poulies augmentent avec la précontrainte. L’effort de frottement qui suit une loi de
Coulomb, i.e. Ft = µFn, doit augmenter avec la précontrainte. Les paramètres de frottement fv1
et fs1 sont identifiés avec les essais en paliers de vitesse et la technique des moindres carrés.
La Figure 2-17 montre l’évolution de ces paramètres en fonction de la précontrainte appliquée
au câble.
On étudie également le couple d’adhérence en mesurant le couple côté bras nécessaire
pour décoller le système au repos. Une masse m est fixée sur la tige de longueur l. L’angle q0
pour lequel le système se met en mouvement, permet d’estimer le couple de décollement
mglcos(q0).
- 61 -
y0
M
Γf  0 
F =  
m g
 a 
FG
q x0
Figure 2-16 : Mesure du couple d’adhérence
-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
Evolution des couples de Coulomb (ronds) et d'adhérence (diamant)

0.08
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 -
Le coefficient de Coulomb, égal à 2.10-3 est la projection de T0 sur la composante

normale de l’effort sur les paliers des poulies.
Le coefficient de frottement visqueux est pratiquement constant. Cependant, pour une
précontrainte supérieure à 30N, il n’est pas identifiable car sa contribution est faible devant
celle du couple de Coulomb.
2.4.3.4 Validation par simulation du modèle direct

Comme validation finale, nous avons simulé le système avec le modèle dynamique
direct et des paramètres identifiés (Tableau 2-4) puis avec la même boucle de vitesse que celle
utilisée sur l’interface.
La Figure 2-18 montre le schéma bloc du simulateur. La mesure de la consigne de

vitesse est l’entrée simulateur.
qɺ r ΓS Bras 1 ɺqɺ1 1 qɺ 1 1 q1
+
Kv
-
Axe s s
Modèle dynamique
direct
Figure 2-18 : Schéma bloc du simulateur
Le modèle dynamique direct de l’interface est donné par la relation suivante :
ɺqɺ1 = ZZ −R11 (Γ1 + gMX 1cos(q 1 ) − gMY1sin(q 1 ) − f v1qɺ 1 − f s1sign(qɺ 1 ) )
- 63 -
Comparaison entre la position mesurée et simulée

1.5
Simulation
Mesure
Erreur
1
0.5
0
rad
-0.5
-1
-1.5
-2
0 0.5 1 1.5 2 2.5
t(s)
Figure 2-19 : Comparaison des positions simulées et mesurées
Comparaison entre la vitesse mesurée et simulée

20
Simulation
Mesure
Erreur
15
10
5
rads-1
-5
-10
-15
-20
0 0.5 1 1.5 2 2.5
t(s)
Figure 2-20 : Comparaison des vitesses simulées et mesurées
- 64 -
Comparaison entre la commande mesurée et simulée

0.6
Simulation
Mesure
Erreur
0.4
0.2
0
Nm
-0.2
-0.4
-0.6
-0.8
0 0.5 1 1.5 2 2.5
t(s)
Figure 2-21 : Comparaison des couples simulés et mesurés
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%.
2.4.4 Caractérisation de la flexibilité de l’interface

Les interfaces haptiques sont légères et les transmissions par câbles sont utilisées pour
minimiser la masse en mouvement. Il en résulte une certaine flexibilité qu’il convient de
caractériser.
2.4.4.1 Essais à sortie bloquée

Les essais à sortie bloquée consistent à immobiliser la poulie en sortie (coté charge, qc =
0) et à mesurer la position q1 en fonction du couple appliqué. Ces types d’essais permettent
d’évaluer la raideur de transmission, les frottements, les jeux, … En outre, ils permettent
d’évaluer le premier mode flexible de la transmission.
La charge est bloquée avec la tige. Les essais sont effectués en boucle ouverte. Les
consignes de couple sont des signaux triangulaires. Le graphe du couple moteur en fonction
de la position q1 montre un cycle d’hystérésis illustré Figure 2-22.
- 65 -
Cycle hystérétique observé

0.08
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 + f v1qɺ 1 + f s1sign(qɺ 1 ) + Kq 1 + Bqɺ 1
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.
Le courant moteur ainsi que sa position angulaire sont mesurés à la fréquence de la

boucle de courant (17 KHz). Ces quantités sont exprimées en unités articulaires. La fréquence
de coupure du filtre dérivateur passe bande et du filtre parallèle est réglée à 200Hz. Les
résultats sont résumés dans le Tableau 2-5 :
- 66 -
Tableau 2-5 : Valeurs identifiées des paramètres de la transmission

Paramètres Valeur identifiée Ecart type relatif
K 220 Nm/rad 0,7 %
BR 0,25 Nms/rad 4,0 %
-4
Ia1 7,0 10 Kgm² 5,0 %
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.
Comparaison directe entre le couple mesuré et estimé

0.1
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)
Figure 2-23 : Validation directe effectuée du modèle à sortie bloquée
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 -
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.
2.4.4.2 Essai à sortie libre

Comme nous ne disposons pas de la mesure q2 de la position du coté de la charge, il faut
éliminer q2 et ses dérivées du système d’équation (2.7) rappelé ci dessous :
Γ1 = I a1ɺqɺ1 + f v1qɺ 1 + f s1sign(qɺ 1 ) − Kq 2 − Bqɺ 2


0 = ZZ 2 (ɺqɺ1 + ɺqɺ 2 ) − gMX 2 cos(q 1 + q 2 ) + gMY2 sin (q 1 + q 2 ) + Kq 2 + Bqɺ 2
Il vient :
− Kq 2 − Bqɺ 2 = Γ1 − I a1ɺqɺ1 − f v1qɺ 1 − f s1sign(qɺ 1 )
ɺqɺ 2 = −ɺqɺ1 + ZZ -12 (gMX 2 cos(q 1 + q 2 ) − gMY2 sin (q 1 + q 2 ) − Kq 2 − Bqɺ 2 )
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 :
ɺqɺ 2 = −ɺqɺ1 + ZZ -12 (Γ1 − I a1ɺqɺ1 - f v1qɺ 1 ) (2.8)
-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)
ɺɺ = I q (4) + f q (3) − Kɺqɺ − Bq (3)

Γ (2.10)
1 a 1 v1 1 2 2
En substituant (2.10), (2.9) et (2.8) dans (2.7), on obtient un modèle faisant intervenir la
dérivée de la commande, soit :
ɺɺ − b Γɺ + a q (4) + a q (3) + a q (2) + a qɺ + f sign(qɺ )

Γ1 = − b 2 Γ (2.11)
1 1 1 4 1 3 1 2 1 1 1 s1 1
- 68 -
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
Les pôles imaginaires doubles sont :

• s1 = s 2 jωn,
Avec :
a2  I + ZZ 2 
• ωn = =  a1 K
a4  I a1 ZZ 2 
Soit :
K
• ωn =
ZZ e
Où :
- 69 -
I a1 ZZ 2
• ZZ e = .
I a1 + ZZ 2
La matrice du régresseur est donc :
ɺɺ - Γɺ q1(4) q1(3) q1(2) qɺ sign(qɺ ) ]

Dflex_dc = [- Γ 1 1 1 1
Le vecteur des paramètres à identifier est :
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.
Tableau 2-6 : Paramètres identifiés, essais à sortie libre

b2 3,8 10-8 Kgm²/Nm 0,7 %
-10 4
a4 3,3 10 Kg²m /Nm 0,6 %
-3
a2 1,5 10 Kgm² 0,1 %
a1 1,0 10-3 Nms/rad 5,1 %
fs1 0,055 Nm 0,5 %
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 :
Tableau 2-7 : Paramètres inertiels identifiés

Paramètres Valeur identifiée
Ia1 = a4/b2 8 10-4 Kgm²
ZZ2 = a2 - a4/b2 7 10-4 Kgm2
K = ZZ2/b2 = Ia1ZZ2/a4 230 Nm/rad
fv1 = a1 1,0 10-3 Nms/rad
fs1 0,055 Nm
- 70 -
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.
Comparaison directe entre le couple mesuré et reconstruit
0.6 Mesure
Estimation
Résidu
0.4
0.2
Nm
-0.2
-0.4
-0.6
400 410 420 430 440 450 460 470 480

Echantillons
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 -
2.4.4.3 Validation par simulation

Comme validation finale, nous avons simulé le système avec le modèle dynamique
direct et avec le même couple en entrée que celui mesuré sur l’interface, puis nous avons
comparé la position simulée avec celle mesurée. Nous choisissons les valeurs du (Tableau
2-8) qui regroupent les valeurs Tableau 2-7 et Tableau 2-4 :
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
Figure 2-25 : Simulation du modèle avec une flexibilité articulaire
Le modèle dynamique direct de l’interface est donné par la relation suivante :

ɺqɺ1 = I -1a1 (Γ1 − f v1qɺ 1 − f s1sign(qɺ 1 ) + Kq 2 + Bqɺ 2 )

(ɺqɺ1 + ɺqɺ 2 ) = ZZ -21 (gMX 2 cos(q 1 + q 2 ) − gMY2 sin (q 1 + q 2 ) − Kq 2 − Bqɺ 2 )
- 72 -

0.14
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)
Figure 2-26 : Validation directe pour une fréquence de 20Hz

0.045
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)
Figure 2-27 : Validation directe pour une fréquence de 150Hz
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 -
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.
Dans le cas du bras un axe, dans le repère R0, on a :
 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 
Or, on sait que [Khalil et Dombre 2002] :
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 
Ainsi, dans le repère R1, on peut écrire que :
- 74 -
J=l (2.15.b)
Où :
• l est la longueur de la tige.
La relation (2.15.b) montre que nous avons simplement :

• dX = ldq1 (Figure 2-28)
y0
y1
Fop x1
y1
dX x1
l dq1
q1 x0
O
Figure 2-28 : Repères cartésiens pour le calcul de la matrice jacobienne
En négligeant l’effet du paramètre MY1, il vient que l’expression du modèle dynamique

écrit dans l’espace opérationnel est donnée par l’équation (2.16) :
Γ1 + Γ op = Jɺqɺ1 − gMX 1cos(q 1 ) + gMY1sin(q 1 ) + f v1qɺ 1 + f s1sign(qɺ 1 )
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 -
Où :
• l = 0,25m,
• Fdist est la force de gravité donnée par :
o Fdist = gMX1/lcos(q).
La matrice de raideur opérationnelle est donnée par la relation suivante :

• Kop = K/l2.
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).
Tableau 2-9 : Valeurs des paramètres apparents ressentis par l’opérateur

Paramètre apparent Valeur
Mop 23,2 g
Bop 0,032 N/(m/s)
Fcop 0,24 N
Kop 4000 N/m
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 -
2.6 Discussion
2.6.1 Amélioration de la conception mécanique

Bien que le banc un axe possède de bonnes performances, on peut toujours chercher à
compenser de manière mécanique certains phénomènes physiques tels que l’effet de la
gravité. Il semble assez difficile de diminuer la valeur de la masse apparente. En effet, il
faudrait utiliser des matériaux plus légers tel que le plexiglas qui a été utilisé sur le Haptic
Paddle. Il est également possible d’utiliser des matériaux composites. Cette diminution de la
masse apparente s’accompagne néanmoins de la diminution de la raideur apparente. Une autre
idée consiste à installer un contre poids. Cependant, l’inertie apparente augmente ce qui peut
dégrader les performances globales de l’interface.
Ainsi, pour compenser l’effet de la gravité, il est possible de mettre en place un contre
poids de 100g à 2,5 cm de l’axe de rotation de la poignée. Dans ce cas, on a bien MX1’ = 0
Kgm. La nouvelle valeur de l’inertie est donc : ZZ1R’ = ZZ1R+ 0,1*(0,025)2 = 1,5 Kgm2. Ceci
implique que la nouvelle valeur de la masse apparente est de 24g, soit une augmentation de
3%, qui reste acceptable.
Pour un système à plusieurs ddl, on est conduit à utiliser des contres poids de l’ordre du
kilogramme. Par exemple, imaginons que l’on place une masse de 1Kg à 5 cm de l’axe de
rotation pour compenser le moment de gravité d’un corps j. Son inertie augmente de 2,5.10-
3
Kgm2 et si le bras de levier vaut 0,25m (valeur typique concernant les interfaces haptiques),
cela implique que la variation de la masse apparente est égale à 40g. Ce qui est sensible pour
l’opérateur.
Enfin, le fait d’utiliser des corps très légers peut fortement dégrader les performances
vis-à-vis de la raideur. Par exemple, cette solution a été utilisée pour la conception des
virtuoses médicaux 1re génération qui se sont révélés inutilisables car trop souples.
2.6.2 Etude de loi de commande
2.6.2.1 Commande des interfaces haptiques : généralités

Les lois de commande dédiées aux interfaces haptiques concernent deux types de
fonctionnement : le premier est appelée mode transparent (l’opérateur actionne librement
l’interface rendue transparente par les actionneurs qui compensent le torseur dynamique et les
- 77 -
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.
Butée positive: θa,max
Mouvement libre:
θa Compensation dynamique
Butée négative: θa,min
Figure 2-29 : Schéma illustrant le mode transparent et le mode butée
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) :
θ a,min < θ a < θ a,max → Γ1 = Γdyn

(θ a < θ a,min ) ou (θ max < θ a ) → Γ1 = ∞
 (2.18)
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 -
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
θ a,min < θ a < θ a,max Km
Γ1 = Γdyn
Bm
Mode transparent Mode butée
Figure 2-30: Principe de la commande des interfaces haptiques
2.6.2.2 Compensation de la dynamique et des frottements

Dans cette section, nous présentons une loi de commande pour diminuer l’effet du
torseur dynamique. Considérons l’équation (2.19) du modèle dynamique du bras rigide :
Γ op = − Γ1 + ZZ1R ɺqɺ1 − gMX 1cos(q 1 ) + gMY1sin(q 1 ) + f v1qɺ 1 + f s1sign(qɺ 1 ) (2.19)
On désire une interface transparente, ce qui conduit à la commande suivante : Γ op = J ap ɺqɺ1 .
Γ1 = ( ẐZ1R - J ap )ɺqɺ1 − gM̂X 1cos(q 1 ) + gM̂Y1sin(q 1 ) + f̂ v1qɺ 1 + f̂ s1sign(qɺ 1 ) (2.20)
Avec ẐZ1R , M̂X1 , M̂Y1 , f̂ v1 , f̂ s1 les valeurs identifiées des paramètres dynamiques. Sous
l’hypothèse du modèle parfait, on obtient de façon idéale Γ op = J ap ɺqɺ1 . L’opérateur a
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 -
sont approchés et ne sont pas stationnaires (usure de la transmission, du graissage des

câbles…). Ces paramètres doivent être régulièrement actualisés.
L’identification permet de prendre en compte les actuelles valeurs des paramètres

intervenant dans le modèle dynamique. Ce type de compensation est généralement implanté
dans les contrôleurs HAPTION.
2.6.2.3 Commande assurant le rendu haptique

La commande simulant un contact physique est importante dans le domaine haptique.
C’est elle qui définit le type du contact : contacts plus ou moins raides, contacts rugueux,
râpeux, suivant les besoin de la simulation.
L’influence de l’opérateur doit être prise en compte par le torseur d’effort d’interaction
avec l’interface. On peut essayer de l’évaluer.
Les doigts, la main et le bras de l’homme constituent un système composé de chair, de
muscles, de tendons, d’os, de nerfs, extrêmement complexe qui nous permet de manipuler les
objets avec une grande dextérité. Ce système est très difficile à modéliser. On peut citer les
conclusions de différents travaux menés sur ce sujet :
• Le comportement neuromusculaire du bras peut être modélisé comme un ressort
[Musssa-Ivaldi, Hogan et Bizzi 1985],
• La raideur de la main dépend fortement de la posture du bras [Flash et Mussa-Ivaldi
1990],
• La valeur de cette raideur varie entre les sujets, les tâches à effectuer, les
perturbations… [Gomi, Koike et Kawato 1992].
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 -
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.
Ne disposant ni de capteur d’effort ni de mesure de position coté opérationnel, nous

allons évaluer l’influence de l’opérateur à partir des mesures de position et de couple du
moteur.
La tâche de l’opérateur consiste à bloquer la tige entre son pouce et son index réalisant
un essai à sortie bridée par un système ressort-amortisseur passif. Son bras est tendu afin de
limiter son effort sur l’interface.
Le modèle du système {interface + opérateur} est représenté par la Figure 2-31. Le
modèle dynamique est donné par l’équation suivante :
Γ1 = (ZZ1R + J H )ɺqɺ1 + (B H + f v1 )qɺ 1 + K H q 1 + f s1sign(qɺ 1 ) − gMX 1cos(q 1 ) + gMY1sin(q 1 ) (2.22)
- 81 -
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 :
Tableau 2-10 : Valeurs identifiées lors d’une phase de contact

Ecarts types
Paramètre Valeur identifiée
relatifs
-3 2
ZZ1R+JH 3,4.10 Kgm 0,5%
fv1+BH 2,2.10-1 Nms/rad 0,2%
KH 94 Nm/rad 0,2%
JH 2,0.10-3 Kgm2 X
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 -
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.
Tableau 2-11 : Valeurs identifiées avec le même opérateur et d’autres essais

Ecarts types
Paramètre Valeur identifiée
relatifs
ZZ1R+JH 4,5.10-3 Kgm2 0,2%
fv1+BH 4.10-1 Nms/rad 0,1%
KH 60 Nm/rad 0,3%
JH 3,0.10-3 Kgm2 X
Les résultats expérimentaux montrent qu’il est possible de modéliser le torseur

d’interaction opérateur/interface en mode passif par un système ressort-amortisseur.
Comparaison directe entre le couple mesuré et reconstruit
0.8
0.6
0.4
0.2
0
Nm
-0.2
-0.4
Mesure
-0.6 Estimation
Résidu
-0.8
110 120 130 140 150 160 170

Echantillons
Figure 2-32 : Validation directe pour caractériser les paramètres de l’opérateur
- 83 -
Maintenant, nous allons calculer le gain d’une commande proportionnelle en position

assurant le rendu haptique:
• Γ1 = Km(qr-q1)
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
Le modèle dynamique de l’interface avec opérateur passif s’écrit :
Γ1 = (ZZ1R + J H )ɺqɺ1 + (B H + f v1 )qɺ 1 + K H q 1 (2.23)
Il vient que la fonction de transfert est la suivante :
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
En effet, la fonction de transfert du BOZ est la suivante :
 Te s T
− es  Te
1  1 − e −Tes  1 e 2 −e 2  −2s
G_BOZ =   =  e (2.26)
Te  s  Te  s 
 
Soit la fonction de transfert isochrone :
- 84 -
  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
Avec Te*ωBP/2 << 1, il vient :
• e − Te /2s ≈ 1 − Te /2s
Par suite, nous obtenons :
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
Le critère de Routh, le système est stable si Km vérifie la relation suivante :
Km < 2(fv1 + BH)/Te (2.30)
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 -
• Te = 1ms.
On trouve Km = 400Nm/rad ce qui est proche de la valeur trouvée expérimentalement :

430Nm/rad [Khatounian 2006].
Le gain Km défini par (2.30) définit la raideur apparente maximale admissible du mur
virtuel.
Le calcul peut être mené sans approximation de e − Te /2s . Soit ωπ la pulsation telle que :
Arg(Km e(-Te/2jω)G(jω)) = -π,
Soit :
Arg(G(jω)) = -π + Te/2ω (2.31)
Ensuite on calcule la valeur du gain Km tel que :

• |Km e(-Te/2jωπ)G(jωπ)| = 1.
Par exemple, calculons le gain Km maximum quand la raideur de la transmission est

prise en compte, soit le système illustré par la Figure 2-34.
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 -
L’équation d’Euler s’écrit (le terme de frottement visqueux du moteur est négligeable
devant les termes BH et B) :
Γ1 = I a1ɺqɺ1 − K (q 2 ) − B(qɺ 2 ) + f s1sign(qɺ 1 )

 (2.32)
0 = J HI (ɺqɺ1 + ɺqɺ 2 ) + B H (qɺ 1 + qɺ 2 ) + K H (q 1 + q 2 ) + K (q 2 ) + B(qɺ 2 )
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 :
G flex (s) = G(s)e − Te /2s (2.34)
Enfin, le digramme de Nichols de 100G(s)e − Te /2s est illustré par la Figure 2-35.
- 87 -
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)
Figure 2-35 : Digramme de Nichols de 100Gflex.
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.
La raideur maximale est définie par :

• 20log10(Km.100G(jωπ)) = 0dB.
Cela implique que :

• Km = 1052/20 ≈ 400 Nm/rad.
Cette valeur est cohérente par rapport à celle validée expérimentalement dans [Khatounian
2006].
- 88 -
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 -
- 90 -
Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une interface à usage médical.
3 Chapitre 3 : Modélisation, identification, caractérisation

et évaluation préliminaire d’une interface à usage
médical.
Sommaire :
3 Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une

interface à usage médical. ........................................................................................................ 91
3.1 Introduction .............................................................................................................. 92
3.2 Présentation de l’interface ........................................................................................ 92
3.3 Modélisation des branches à 3 DDL ........................................................................ 94
3.3.1 Calcul du modèle dynamique sous l’hypothèse rigide..................................... 94
3.3.2 Modélisation des branches à 3 DDL en prenant en compte de la flexibilité des
câbles 100
3.4 Identification paramétrique des branches à 3 DDL................................................ 101
3.4.1 Schéma de la commande implémentée pour le contrôle de l’interface.......... 101
3.4.2 Choix des trajectoires excitantes .................................................................... 102
3.4.3 Identification des paramètres de frottement ................................................... 102
3.4.4 Identification des paramètres de gravité et d’inertie ...................................... 104
3.4.5 Caractérisation de la compliance des branches 3 ddl ..................................... 112
3.4.6 Conclusion...................................................................................................... 120
3.5 Caractérisation des branches à 3 DDL ................................................................... 120
3.5.1 Equation générale ........................................................................................... 120
3.5.2 Application sur les branches à 3 DDL ........................................................... 122
3.5.3 Conclusion...................................................................................................... 128
3.6 Discussion .............................................................................................................. 129
3.6.1 Validité des résultats obtenus ......................................................................... 129
3.6.2 Pertinence de la démarche.............................................................................. 130
3.6.3 Conclusion...................................................................................................... 132
3.7 Analyse de l’effet du bruit de quantification à l’aide d’une procédure basée sur les
concepts de la méthode CESTAC ...................................................................................... 133
3.7.1 Méthode CESTAC : Principe et théorie ......................................................... 133
quantification sur l’estimation des paramètres inertiels ................................................. 135
3.7.3 Application sur le bras un axe : résultats expérimentaux............................... 139
3.7.4 Application sur l’interface médicale .............................................................. 141
3.7.5 Conclusion sur la procédure de vérification................................................... 143
3.8 Conclusion.............................................................................................................. 144
Résumé : Ce chapitre présente la modélisation, l’identification expérimentale et la

caractérisation dans l’espace opérationnel des branches à 3 degrés de liberté d’une interface
haptique à usage médical. De plus, une évaluation préliminaire de l’interface est également
effectuée afin de faire des passerelles entre les concepts d’ergonomie et d’identification
paramétrique. Enfin, une procédure analysant l’effet du bruit de quantification est présentée.
- 91 -
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.
3.2 Présentation de l’interface

Le CEA LIST a récemment développé une interface à 6 degrés de liberté dédiée à la
téléchirurgie [Gosselin, Bidard et Brisset 2005]. Pour ce type d’application, le chirurgien doit
exercer son adresse à travers des gestes dextres et délicats. L’interface doit donc être très
transparente :
- Elle doit en particulier être à la fois raide et légère. Dans ce contexte, les robots à structure
série sont peu adaptés. En effet, ils requièrent l’actionnement des trois axes du poignet qui
sont éloignés de la base. Il faut pour cela soit embarquer 3 moteurs, ce qui accroît la masse
apparente, soit utiliser des transmissions complexes entre des moteurs déportés et les axes
à actionner, ce qui accroît la complexité et diminue la raideur apparente,
- Elle doit également posséder un espace de travail important, notamment en rotation, ce qui
n’est pas compatible avec une architecture parallèle.
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 -
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.
Figure 3-1 : Interface médicale à identifier
- 93 -
Figure 3-2 : Branche supérieure de l’interface médicale
3.3 Modélisation des branches à 3 DDL

Cette partie traite de la modélisation de la branche supérieure (la modélisation de la
branche inférieure étant exactement la même). La modélisation est basée sur la convention
DHM présentée au premier chapitre : des articulations passives sont virtuellement coupées
afin d’obtenir une structure arborescente équivalente (SAE). Ensuite, grâce à la résolution des
équations de contraintes, on en déduit le modèle dynamique des branches.
3.3.1 Calcul du modèle dynamique sous l’hypothèse rigide

Cette partie traite de la modélisation géométrique et dynamique des branches à 3 DDL sous
l’hypothèse des transmissions et corps rigides. La modélisation géométrique s’effectue avec le
paramétrage DHM.
3.3.1.1 Description géométrique des branches à 3 DDL

Les repères DHM sont illustrés par la Figure 3-3 et par la Figure 3-4. Pour plus de
lisibilité, on présente d’abord la structure de base (corps 1 à 6). Le corps 1 représente
l’embase pivotante, le corps 2 le bras, le corps 3 l’avant bras, le corps 4 le segment de
maintien de la poignée, le corps 5 et le corps 6 permettent l’actionnement du corps 3. La
première boucle parallélogramme est constituée des corps 2, 3, 5 et 6 (Figure 3-3).
- 94 -
z3 z10, z13 z2, z5 z6
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
Figure 3-3 : Repères DHM pour la structure de base
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
Figure 3-4 : Repères du double parallélogramme du segment de maintient
- 95 -
La SAE s’obtient en coupant virtuellement les articulations 10, 11 et 12. On obtient

comme SAE : [1-2-3-4], [1-5-6], [1-7] et [1-2-8-9]. Pour cette dernière on définit les notations
suivantes :
• q a = [q1 q 5 ] , le vecteur des variables articulaires actives,
T
q2
• q p = [q 3 q 9 ] , le vecteur des variables articulaires passives,

T
q6 q4 q7 q8
• q c = [q 10 q12 ] , le vecteur des variables articulaires coupées,

T
q 11
• [
q ar = [q a ]
T
[q ] ] , le vecteur des variables articulaires de la SAE,
p
T T
Γ ar = [Γ ar1 Γ ar9 ] , le vecteur des

T
Γ ar2 Γ ar5 Γ ar3 Γ ar6 Γ ar4 Γ ar7 Γ ar8
couples articulaires de la SAE, avec :
Γ am = [Γ ar1 Γ ar5 ] , le vecteur des couples articulaires motorisés en
T
o Γ ar2
unité articulaire,
Γ ap = [Γ ar3 Γ ar9 ] , le vecteur des couples
T
o Γ ar6 Γ ar4 Γ ar7 Γ ar8
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.
Tableau 3-1 : Paramètres DHM des branches 3 DDL

j a(j) µj σj Γj bj αj dj θj rj
1 0 1 0 0 0 0 0 q1 0
2 1 1 0 0 0 -90 0 q2 0
3 2 0 0 0 0 0 d3 q3 0
4 3 0 0 0 0 0 d4 q4 0
5 1 1 0 0 0 -90 0 q5 0
6 5 0 0 0 0 0 d6 q6 0
7 1 0 0 0 0 -90 d7 q7 0
8 2 0 0 0 0 0 d3 q8 0
9 8 0 0 0 0 0 d9 q9 0
10 6 0 0 0 0 0 d3 q10 0
11 7 0 0 0 0 0 d3 q11 0
12 9 0 0 0 0 0 d4 q12 0
13 3 0 2 0 0 0 -d6 0 0
14 8 0 2 -90 0 0 -d7 0 0
15 4 0 2 0 0 0 -d9 0 0
- 96 -
Le calcul des équations de contraintes revient à calculer les variables articulaires

passives en fonction des variables articulaires actives. Les boucles parallélogrammes
présentent certaines particularités qui permettent de dégager des relations de contraintes
simples [Bennis et Khalil 1991]. Les corps 5 et 3, ainsi que les corps 2 et 6 sont toujours
parallèles. Ce qui implique que :
q3 = q5 − q 2 (3.1)
q6 = q2 − q5 (3.2)
Sachant que le repère 10 est confondu avec le repère 13, il vient :
q 10 = q 5 − q 2 (3.3)
De même, comme les repères 11 et 14 sont confondus :
q7 = q2 (3.4)
q 8 = π/2 − q 2 (3.5)
Les repères 12 et 15 étant confondus, on obtient :
q11 = −q 2 (3.6)
Les corps 3 et 9 étant parallèles, on a :
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)
Le modèle dynamique s’écrit donc [Khalil et Dombre 2002] :
 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 -
• Γ m = [Γ m1 Γ m5 ] , le vecteur des couples moteurs exprimés en unités

T
Γ m2
articulaires.
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.
3.3.1.2 Paramètres de base

On rappelle que le modèle dynamique d’un robot est linéaire par rapport aux paramètres
dynamiques standard. Nous avons donc :
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 -
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 -
Fv5R = Fv5+Fv4+Fv9+Fv12
Fc5R = Fc5+Fc4+Fc9+Fc12
Corps 8 :
MY8R = MY8-(d7/d3)MX7.
La factorisation QR de la matrice d’observation W(q a , qɺ a , q

ɺɺ a ) confirme les relations de
regroupement calculées analytiquement. Cette vérification s’effectue en générant des

positions, vitesses et accélérations aléatoires à l’aide la fonction « randn » de MATLAB, puis
on effectue la factorisation QR de la matrice Wal = D(q a ,al , qɺ a ,al , q
ɺɺ a ,al ) où l’indice « al »
signifie que la trajectoire est aléatoire (cf. chapitre 1).
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.
3.3.2 Modélisation des branches à 3 DDL en prenant en compte de la

flexibilité des câbles
Lors du chapitre 2, il a été montré que prendre en compte la flexibilité du câble revient à
ajouter une raideur localisée sur l’articulation. L’introduction des flexibilités sur les
articulations dans le modèle dynamique double le nombre de degrés de liberté. En effet, la
position angulaire de l’axe de l’actionneur est différente de celle du bras. En introduisant la
matrice de raideur K et d’amortissement B, matrice définie positive de dimension (3x3), le
modèle dynamique inverse s’écrit de la manière suivante :
ɺɺ m + diag(qɺ m )f vm + diag(sign(qɺ m ))f sm − K (q a − q m ) − B(qɺ a − qɺ m ) + offset

Γ m = I a q
 (3.12)
0 = A(q a )q ɺɺ a + H (q a , qɺ a ) + K (q a − q m ) + B(qɺ a − qɺ m )
Où :
• Ia est la matrice diagonale (3x3) des inerties des actionneurs exprimées en unités
articulaires,
- 100 -
• 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.
3.4 Identification paramétrique des branches à 3 DDL

Cette partie présente l’identification expérimentale des branches à 3 DDL. La planification
d’expérience s’inspire de celle appliquée sur le bras un axe. Cette partie complète l’étude
présentée dans [Janot et al. 2007b].
3.4.1 Schéma de la commande implémentée pour le contrôle de

l’interface
Le schéma de la commande est illustré par le schéma ci-dessous :
qr qɺ r u Interface
+
- Km +
- Kv médicale
q q
Modèle dynamique direct
qɺ f
s Filtre
1 + τs dérivateur
Boucle de vitesse
Figure 3-5 : Schéma de la commande implémentée pour le contrôle de l’interface
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 -
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 :
• Γmj est le couple moteur de l’articulation motorisée j exprimé en unité articulaire,

• N le rapport de réduction,
• KT la constante de couple du moteur,
• Ij le courant moteur.
3.4.2 Choix des trajectoires excitantes

Les trajectoires disponibles dans le contrôleur sont des trajectoires sinusoïdales, en
triangle, en créneaux et en dents de scie avec des amplitudes et une fréquence d’excitation
variables. Le type de trajectoires, ainsi que les amplitudes, fréquence d’excitation et durée des
essais sont fixés par l’utilisateur. Cependant, à cause de la commande, si on actionne le
deuxième axe, le cinquième bouge également pour assurer la trajectoire q3 = constante.
Les paliers de vitesses autour d’une position constante excitent les paramètres de
frottement. Les paliers de vitesse sont équivalents à une position triangulaire avec une
amplitude et une fréquence d’excitation variables.
Les trajectoires à faible vitesse utilisant le maximum de débattement angulaire excitent
les paramètres de gravité et de frottement sec.
Pour exciter les paramètres d’inertie, des trajectoires sinusoïdales en position à
amplitudes et fréquences variables sont appliquées.
Enfin, pour exciter la flexibilité de la transmission, des positions sinusoïdales à petites
amplitudes vobulées en fréquence sont utilisées.
3.4.3 Identification des paramètres de frottement

Dans cette partie, on identifie les paramètres de frottement. Cette étape est motivée par
le fait que ces paramètres sont sensibles vis-à-vis de l’usure du câble. On identifie des valeurs
a priori.
- 102 -
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.
Tableau 3-3 : Valeurs identifiées des paramètres de frottement

Paramètre Valeur Ecart type relatif %
fv1 0.020 Nm/(rad/s) 15.0 %
fs1 0.130 Nm 0.9 %
offset1 -0.031 Nm 3%
fv2 0.021 Nm/(rad/s) 10.0 %
fs2 0.120 Nm 0.8 %
offset2 0.02 Nm 2%
fv5 0.018 Nm/(rad/s) 20.0 %
fs5 0.120 Nm 0.9 %
offset5 0.025 Nm 2%
Du fait des trajectoires utilisées et du traitement de données effectué, les paramètres de

gravité et d’inertie ne sont pas identifiables. Les paramètres fv3R et fc3R sont manquants car ils
sont proches de zéro et possèdent un fort écart type relatif. De plus, quand ils sont supprimés,
la valeur identifiée des autres paramètres ainsi que la norme du résidu ne varient pas. Pour la
suite, ces valeurs identifiées servent de références.
- 103 -
Couple de frottement en fonction de la vitesse articulaire

0.2
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
Figure 3-6 : Couple de frottement mesuré
3.4.4 Identification des paramètres de gravité et d’inertie

Du fait de la complexité de l’architecture mécanique, il est difficile de concevoir des
trajectoires excitantes en actionnant tous les axes en même temps. Les premiers résultats
obtenus par cette manière de faire, n’étaient pas probants : le conditionnement de la matrice
W était élevé (supérieur à 1000), la norme du résidu était assez élevée, … Cette difficulté a
été surmontée en concevant une excitation séquentielle : chaque ensemble de paramètres est
excité. Une concaténation de ces tests est ensuite effectuée pour faire une identification
globale.
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 -
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 -
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
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
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
fS5R 0.11 Nm 0.11 Nm 0.5
offset5 0.0300 Nm 0.0300 Nm 3.0
- 106 -
Comparaison directe Gamma5 / Gammaest5

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
Echantillons
Figure 3-7 : Validation directe du couple de gravité mesuré (-) et estimé (.) de l’avant bras

0.4
Mesure
Estimation
Résidu
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 -
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 -
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 -
Les validations croisées consistent à appliquer des trajectoires différentes de celles

utilisées lors des tests d’identification. Le couple mesuré est alors comparé avec celui
reconstruit avec les valeurs identifiées résumées dans le Tableau 3-4 et dans le Tableau 3-5.
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).
Validation croisée pour le deuxième axe et résidu

0.2
Mésuré
Reconstruit
Résidu
0.15
0.1
0.05
0
Nm
-0.05
-0.1
-0.15
-0.2
700 800 900 1000 1100 1200
Figure 3-13 : Validation croisée concernant le couple de gravité de l’avant bras
Figure 3-14 : Validation croisée concernant le couple de gravité de l’avant bras
- 110 -
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
1400 1420 1440 1460 1480 1500 1520 1540

Echantillons
Figure 3-15 : Validation directe pour le paramètre d’inertie de 1er corps
Validation croisée
Mesure
1 Estimation
Résidu
0.8
0.6
0.4
0.2
Nm
-0.2
-0.4
-0.6
-0.8
-1
9200 9250 9300 9350 9400 9450

Echantillons
Figure 3-16 : Validation directe pour le paramètre ZZ3R du 3e corps
- 111 -
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.
3.4.5 Caractérisation de la compliance des branches 3 ddl

Comme nous l’avons fait pour le banc un axe, des essais à sortie bloquée sont effectuées dans
un premier temps puis, ces essais sont complétés par des essais à sortie libre.
3.4.5.1 Essais à sortie bloquée

Il est rappelé que les essais à sortie bloquée consistent à immobiliser la charge et à
générer un couple moteur tout en mesurant son déplacement. Ils permettent d’évaluer la bande
passante de la transmission par câble.
La charge est bloquée en butée grâce à un étau. La base est également bloquée avec un
serre-joint pour éviter tout déplacement de celle-ci. Les axes motorisés sont excités les uns
après les autres. Comme il est impossible de commander l’interface en courant, des consignes
en vitesse consistant à des signaux triangulaires sont appliquées. Comme la charge est
immobilisée, nous avons Γmj ≈ NKTKv qɺ r . La position du moteur est mesurée. Le graphe du
couple moteur en fonction de son déplacement angulaire montre un cycle hystérétique illustré
(Figure 3-17 par exemple) et ce, pour chaque axe motorisé.
Comme la charge est immobilisée, nous avons qa ≈ 0 et il n’y a pas de phénomène
dynamique du coté de la charge. Par suite, d’après l’équation (3-12), le modèle dynamique
pour chaque articulation motorisée j se résume à :
Γ mj = I ajɺqɺ mj + f vmj qɺ mj + f smj sign(qɺ mj ) + K j q mj + B j qɺ mj + offset j
Γ mj = I ajɺqɺ mj + B jR qɺ mj + f smj sign(qɺ mj ) + K j q mj + offset j
Avec :
- 112 -
• BjR = fvmj + Bj,

• j = {1, 2, 5}.
Ce type de trajectoire provoque un regroupement entre le terme caractérisant

l’amortissement de la transmission et le terme du frottement visqueux du moteur.
Les paramètres Iaj, BjR, fsmj, Kj et offsetj sont identifiés avec les moindres carrés linéaires
en concaténant les essais effectués. La fréquence de coupure du filtre passe-bande et du filtre
parallèle est réglée à 60Hz.
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 -
Raideur de transmission axe 1

1.5
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

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
- 114 -

1
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
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)
Et comme, A(j,j) >> Iaj, on a :

• ZZej ≈ Iaj.
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
Connaissant la fréquence du premier mode, nous concevons et appliquons des essais à

sortie libre.
- 115 -
3.4.5.2 Essais à sortie libre

Maintenant, des tests à sortie libre sont effectués. Comme nous ne disposons pas de
capteurs externes mesurant la position de la charge, il faut appliquer la méthode faisant
intervenir la dérivée de la commande.
Pour annuler les effets de Coriolis et centrifuge, les trois axes motorisés sont excités les
uns après les autres. Cela revient à actionner un système à un seul DDL. Ensuite, pour
minimiser l’effet de la gravité, les corps 2 et 5 évoluent dans un plan orthogonal à g le vecteur
de gravité. Ensuite, l’embase évolue autours de la position q1 = 0 et le couple de gravité est
équivalent à un offset de couple. D’après la relation (3.12), le modèle dynamique pour chaque
système mono-axe j se réduit à :
Γ mj = I ajɺqɺ mj + f vmj qɺ mj + f smj sign(qɺ mj ) − K j (q aj − q mj ) − B j (qɺ aj − qɺ mj ) + offset j

0 ≈ A( j, j)ɺqɺ aj + K j (q aj − q mj ) + B j (qɺ aj − qɺ mj )

Ce qui donne :
Γ mj − I ajɺqɺ mj − f vmj qɺ mj − f smj sign(qɺ mj ) - offset j = − K j (q aj − q mj ) − B j (qɺ aj − qɺ mj )

ɺqɺ aj = A ( j, j)(- K j (q aj − q mj ) − B j (qɺ aj − qɺ mj ))
 -1
En effectuant un seuillage autours de la vitesse nulle, par dérivation, le terme sign( qɺ 1 )

disparaît ainsi que le terme d’offset. On obtient donc :
ɺqɺ aj = A -1jj (Γ mj − I ajɺqɺ mj - f vmj qɺ mj )
-1 ɺ
aj = A jj ( Γ mj − I aj q mj - f vmj q mj )
q (3) (3)
ɺɺ
ɺɺ = I q (4) + f q (3) − K (ɺqɺ - ɺqɺ ) − B q (3) - q (3)

Γ mj aj mj vmj mj mj aj mj aj ( )
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 :
ɺɺ − b Γɺ + a q (4) + a q (3) + a q (2) + a q (1) + f sign(qɺ ) + offsetj

Γ mj = − b 2j Γ mj 1j mj 4j j 3j j 2j j 1j j cmj j
Avec :
- 116 -
• 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).
La matrice d’observation est donc :
ɺɺ - Γɺ qj(4) qj(3) qj(2) qj(1) sign(qɺ ) ].

Dflex_dcj = [- Γ mj mj j
Le vecteur des paramètres à identifier est :
χ = [b1j b2j a4j a3j a2j a1j fsmj offsetj]T.
Les trajectoires en position sont des sinusoïdes vobulées en fréquence à petites

amplitudes. La plage de fréquence est de 1Hz à 20Hz. Au delà de cette fréquence, l’erreur de
traînage devient importante et le système de sécurité basé sur cette erreur coupe l’alimentation
électrique.
Du fait de la présence d’une dérivée d’ordre 4, l’ordre du filtre de Butterworth est de 6.
La fréquence de coupure des filtres passe-bande et du filtre parallèle est égale à 100Hz.
Tableau 3-8 : Valeurs identifiées lors des essais vibratoires

b21 8,4 10-5 Kgm²/Nm 2,1 %
-6 4
a41 1,7 10 Kg²m /Nm 0,8 %
a21 4,3 10-2 Kgm² 0,5 %
fsm1 0,095 Nm 1,0 %
b22 6,1 10-5 Kgm²/Nm 1,7 %
-7 4
a42 7,7 10 Kg²m /Nm 3,0 %
a22 2,8 10-2 Kgm² 0,7 %
fsm2 0,085 Nm 0,8 %
-5
b25 6,0 10 Kgm²/Nm 2,7 %
a45 4,4 10-7 Kg²m4/Nm 0,8 %
-2
a25 1,3 10 Kgm² 0,4 %
fsm5 0,085 Nm 0,9 %
- 117 -
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 .
On obtient les valeurs résumées dans le tableau ci-dessous :
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
5400 5500 5600 5700 5800 5900 6000 6100 6200

Echantillons
Figure 3-20 : Validation effectuée pour les essais à sortie libre concernant l’axe 1.
- 118 -
Comparaison directe
2.5
Mesure
Estimation
2 Résidu
1.5
0.5
Nm
-0.5
-1
-1.5
-2
6300 6400 6500 6600 6700 6800 6900 7000

Echantillons
Comparaison directe
Mesure
Estimation
1 Résidu
0.5
Nm
-0.5
-1
6300 6400 6500 6600 6700 6800 6900 7000 7100

Echantillons
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 -
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.
3.5 Caractérisation des branches à 3 DDL

3.5.1 Equation générale
On utilise la relation suivante pour caractériser l’interface en mode transparent (espace libre) :
Γ op = J T Fop = A(q)q
ɺɺ + C(q, qɺ )qɺ + Q(q) + Fv qɺ + FS sign(qɺ ) (3.13)
Où :
- 120 -
• Fop est la force exercée par l’opérateur,

• JT la transposée de la matrice jacobienne.
La vitesse opérationnelle est donc donnée par :
ɺ = J(q)qɺ
X (3.14.a)
Ce qui implique :
qɺ = J + (q)X
ɺ (3.14.b)
L’accélération opérationnelle est donc :
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
La matrice de raideur opérationnelle est donnée par :
Kop = J+T K J+ (3.16.b)
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,
• K est la matrice de raideur,

• Kop = J+T K J+, la matrice de raideur apparente,
• Fd, le vecteur de perturbation apparente donnée par :
- 121 -
(
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)
Et comme J est une matrice carrée inversible nous avons directement:
Fop = D op (q, qɺ , q
ɺɺ)χ b (3.19)
Ainsi, les formules de regroupements ne sont pas affectées.
3.5.2 Application sur les branches à 3 DDL

Le calcul des matrices A(q), Fv et Fc se fait grâce au logiciel SYMORO+ [Khalil et
Creusot 1997]. Pour le calcul de Kop, dans un premier temps, on ne tient compte que des
raideurs de transmission, soit :
 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 -
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.
Les évolutions des valeurs maximales de la masse apparente en fonction de q2 et q3 sont

illustrées Figure 3-23 et Figure 3-24 respectivement. Ces valeurs maximales sont calculées
grâce à une décomposition SVD de la matrice Mop. Cette décomposition permet d’évaluer
l’effort maximal ressenti par l’opérateur [Gosselin 2000].
Lorsque q2 varie, la valeur maximale de la masse apparente est légèrement supérieure à
700g (valeur observée suivant l’axe X). La variation observée suivant l’axe Y est proche de
200g, ce qui est acceptable. On peut donc admettre que les performances sont assez
homogènes. Lorsque q3 varie, les variations des valeurs maximales sont plus importantes. En
effet, suivant l’axe X elles atteignent environ 600g alors que, suivant l’axe Y, elles peuvent
atteindre 400g. Cela implique que l’opérateur peut être éventuellement perturbé par ces
variations quand il manipulera l’avant bras tout en maintenant le bras à une position fixe.
Grâce aux faibles rapports de réduction (valeur maximale égale à 20), l’inertie apparente des
actionneurs est faible. Il en est de même pour l’inertie apparente des contre poids. Bien que
leur poids soit proche du kilogramme, leurs inerties sont limitées du fait qu’ils soient proches
des axes de rotations.
Les évolutions des valeurs maximales de la raideur apparente en fonction de q2 et q3

sont illustrées par les Figure 3-25 et Figure 3-26 respectivement. Ces valeurs maximales sont
calculées grâce à une décomposition SVD de la matrice Kop. Les performances en raideurs
sont plutôt bonnes. En effet, la raideur maximale est proche de 22000N/m alors que la valeur
minimale est proche de 2200N/m. Ce qui est acceptable d’après [Riwan 2002]. Il vient que la
raideur de transmission n’affecte pas le rendu haptique.
- 123 -
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
-90 -80 -70 -60 -50 -40 -30 -20 -10 0

q2 (degrees)
Figure 3-23 : Evolution de la masse apparente en fonction de q2
- 124 -
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)
Figure 3-24 : Evolution de la masse apparente en fonction de q3
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)
Figure 3-25 : Evolution de la raideur apparente en fonction de q2
- 125 -
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)
Figure 3-26 : Evolution de la raideur apparente en fonction de q3
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 -
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)
Figure 3-27 : Evolution du frottement sec apparent en fonction de q2
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)
Figure 3-28: Evolution du frottement sec apparent en fonction de q3
- 127 -
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)
Figure 3-29: Evolution du frottement visqueux apparent en fonction de q2
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)
Figure 3-30: Evolution du frottement visqueux apparent en fonction de q3
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 -
• On sait ce que l’opérateur va réellement ressentir. En ce sens, il est possible

d’évaluer la transparence de l’interface,
• Enfin, on peut définir les zones de l’espace de travail favorables pour l’opérateur.
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 -
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
En calculant la valeur moyenne des variations observées, on trouve que la fluctuation de

la masse du quatrième corps est égale à 30g, soit une erreur d’estimation de 5g. Cette erreur
peut provenir des différences entre les valeurs CAO et réelles des pièces usinées et des bruits
de mesures. En tout cas, regardant la complexité de l’architecture mécanique, cette erreur est
vraiment faible et prouve la fiabilité des résultats obtenus.
3.6.2 Pertinence de la démarche

Les premiers tests d’identification furent perturbés par un contact entre deux pièces : le
deuxième cabestan et la base (Figure 3-31).
Joint torque vs joint position

0.5
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
Figure 3-31 : Evolution du frottement sec en fonction de la position
- 130 -
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.
Ainsi, il apparaît que la méthodologie pour identifier les paramètres de l’interface

décrite au premier chapitre peut être utile pour le concepteur et l’ergonome. En d’autres
termes, ce processus est bidirectionnel : il fournit des informations caractéristiques techniques
et interactives de l’interface. Notre évaluation fut centrée sur un défaut mécanique, c’est
pourquoi nous l’avons appelée « évaluation préliminaire ». Cependant, nous remarquons que
- 131 -
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 -
expérimentaux obtenus par l’identification de l’interface avec ceux obtenus par l’évaluation
de cette dernière.
3.7 Analyse de l’effet du bruit de quantification à l’aide d’une

procédure basée sur les concepts de la méthode CESTAC
3.7.1 Méthode CESTAC : Principe et théorie
La méthode CESTAC, qui a été développée par La Porte et Vignes [La Porte & Vignes
74], permet d’estimer le nombre de chiffres significatifs des résultats calculés par ordinateur.
Cette méthode est basée sur une approche statistique des erreurs d’arrondis utilisant un mode
d’arrondi aléatoire.
Chaque nombre réel non nul s’écrit en base b avec la formule suivante : x = εbem. Où
• x est un réel non nul,
• b est la base choisie,
• e est l’exposant,
• m la mantisse.
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 -
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].
De l’équation (3.23), on en déduit que :

• La valeur moyenne de la variable aléatoire R est la valeur exacte r,
• Sous certaines conditions, la distribution R est quasi-Gaussienne.
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 -
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.
Ainsi, l’implémentation de la méthode CESTAC dans un code informatique produisant

un résultat R consiste à :
• Exécuter N fois ce code informatique avec le mode d’arrondis aléatoire ; on
obtient alors N échantillons Ri de R,
• Choisir comme résultat la valeur moyenne R de Ri, i = 1, 2, …, N,
• Estimer avec l’équation (3.24) le nombre de chiffres significatifs exactes de R .
En pratique, on choisit :
• N = 2 ou N = 3,
• β = 0.05.
On note que pour N = 2, on a alors τβ = 12.706 et que pour N = 3, on a alors τβ = 4.4303.

De plus, les équations (3.23) et (3.24) ne sont valables que si les deux hypothèses principales
suivantes sont respectées :
• Les erreurs d’arrondis αi sont indépendantes, centrées et uniformément distribuées,
• Les approximations du premier ordre en 2-p sont justifiées.

quantification sur l’estimation des paramètres inertiels
Dans notre cas, et dans le cadre de la robotique en général, la position est souvent
mesurée par un codeur. La mesure est donc perturbée par la résolution du codeur notée ∆. On
a ∆ = 2π/Nit où Nit est le nombre d’impulsions codeur par tour. Le disque du codeur possède 2
pistes ayant chacune N traits par tour. A chaque détection de trait, un signal électrique est
généré. Ce signal est constitué de fronts montants et descendants. Ainsi, comme les
impulsions sont détectées sur les fronts montants et descendants, il vient que Nit = 4*nombre
de traits codeur par tour. La position mesurée est donc contenue dans l’intervalle [q-∆, q+∆].
- 135 -
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
-
étant un des deux nombres q+ ou q- avec une probabilité de 50%.
Ainsi, une nouvelle mesure avec ce mode d’arrondi est définie par l’équation suivante :
q − = q − ∆ avec P q − = 50%

q CESTAC =  +
( )
( )
(3.25)
q = q + ∆ avec P q + = 50%
Avec :
• ∆ = 2π/ Nit (par exemple, si nous avons une résolution de 4000 impulsions par
tour, alors ∆ = 2π/4000),
• q est la position mesurée.
Dans l’environnement MATLAB, ce tirage aléatoire se fait avec l’instruction suivante :
qCESTAC = qm + ∆*(2*(rand(size(qm)) > 0.5)-1)) (3.26)
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 -
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 :
WCESTAC = W (q CESTAC , qɺ CESTAC , q

ɺɺ CESTAC )
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)
Ce protocole d’identification est exécuté N fois et, de l’aspect aléatoire de l’équation

(3.25), N estimations différentes notées χ̂ CESTAC/k sont obtenues. La valeur moyenne de ces
estimations est donc :
1 N
χˆ CESTAC = ∑ χ CESTAC/k
N k =1
(3.28)
Les écarts types étant donnés par l’équation suivante :
1 N
σ2 = ∑ (χ CESTAC/k − χˆ CESTAC )2 (3.29)
N − 1 k =1
Les écarts types relatifs sont calculés grâce à (4.33) :
 σ χ̂ j 
%σ χ̂ j = 100 j CESTAC  (3.30)
CESTAC  χ̂ 
 CESTAC 
Nous calculons ensuite les variations relatives des paramètres essentiels:
- 137 -
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.
Enfin, nous évaluons la variation relative de la norme du résidu :
%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.
Les relations (3.31) et (3.32) nous permettent d’évaluer l’influence du bruit de

quantification sur l’estimation des paramètres :
• Si on a %ej et %e(|ρ|) négligeables, alors l’influence de la résolution codeur
s’avère négligeable,
• Si on a %ej et %e(|ρ|) non négligeables, alors la résolution codeur influe sur
l’estimation des paramètres, et par suite, l’estimateur peut être biaisé.
Le raisonnement précédent se justifie en considérant l’équation suivante :
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…
Cela implique que nous avons :
- 138 -
ρ = ∂Wχ + ∂Y (3.34)
Cette équation nous permet d’écrire :
ρ = ∂Wχ + ∂Y ≤ ∂Wχ + ∂Y (3.35)
Si en définissant un mode d’erreur sur la position q aucune variation concernant l’estimation

et la norme du résidu n’est observée, alors cela implique que la solution χ n’est pas ou peu
sensible vis-à-vis des bruits codeur et que la norme du résidu est très peu sensible à ∂W . Par
suite, on peut écrire que nous avons ρ ≈ ∂Y ce qui implique que W est faiblement corrélé à
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.
3.7.3 Application sur le bras un axe : résultats expérimentaux

L’adaptation de la méthode CESTAC est appliquée pour l’identification du bras un axe.
Dans ce cas, la précision du codeur est de 20000 points par tour, soit ∆=2π/20000. Les
consignes sont des trajectoires trapézoïdales en vitesse. La période d’échantillonnage est de
240µs. La fréquence de coupure du filtre passe bande et du filtre parallèle est de 20 Hz. Nous
obtenons les résultats suivants :
Tableau 3-11 : Identification par la méthode CESTAC et variations observées

Paramètres Valeur identifiée %σX Valeur identifiée Variations 2π/20000
LS CESTAC
ZZ1R 1,45.10-3 Kgm2 0.4 % 1,45.10-3 Kgm2 %eZZ1R <1%
MX1 2,40.10-3 Kgm 4.8 % 2,40.10-3 Kgm %eMX1 <1%
fv1 1,60.10-3 Nms/rad 6.3 % -3
1,60.10 Nms/rad %e fv1
<1%
fs1 6,67.10-2 Nm 2.5 % 6,67.10-2 Nm %efs1 <1%
MY1 0,80.10-3 Kgm 0.8 % 0,80.10-3 Kgm %eMY1 <1%
%e(|ρ|) < 1%
Dans ce cas, les erreurs de mesure n’affectent pas l’estimation des paramètres.
- 139 -
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
∂Wχ est étudiée.
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
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
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 -
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.
3.7.4 Application sur l’interface médicale

Nous appliquons maintenant la dérivée de la procédure d’analyse sur les branches à
3DDL des virtuoses médicaux. La fréquence d’acquisition est de 1kHz et la résolution des
codeurs est de 4000 points par tour. Ainsi, nous avons ∆ = 2*pi/4000. La fréquence de
coupure du filtre passe bande et du filtre parallèle est réglée à 10 Hz. On obtient les résultats
suivants :
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 -
Maintenant, la résolution minimale du codeur nécessaire pour l’identification

paramétrique est évaluée en augmentant progressivement ∆. Ensuite, nous comparons la
solution donnée par la méthode CESTAC avec celle des valeurs exposées Tableau 3-13. Nous
obtenons des variations non négligeables à partir de 80 points par tours. Dans le Tableau 3-14,
nous donnons les résultats obtenus pour une résolution codeur de 100 points et 80 points par
tours.
Tableau 3-14 : Estimation et variations observées pour différentes résolutions codeur

Paramètres Valeurs identifiées LS Valeurs identifiées CESTAC Variations
2 2
ZZ1R 0.050 Kgm 0.0495 Kgm %e(ZZ1R)=1%
MY1R 0.0260 Kgm 0.0255 Kgm %e(MY1R)=2%
fS1 0.12 Nm 0.12 Nm %e(fC1)<1%
2 2
XX2R -0.023 Kgm -0.0235 Kgm %e(XX2R)=2%
ZZ2R 0.029 Kgm2 0.028 Kgm2 %e(ZZ2R)=1%
MX2R -0.020 Kgm -0.0206 Kgm %e(MX2R)=3%
fS2R 0.11 Nm 0.11 Nm %e(fC2R)<1%
offset2 0.0200 Nm 0.0200 Nm %e(offset2)<1%
XX3R -0.012 Kgm2 -0.0118 Kgm2 %e(XX3R)=2%
2 2
ZZ3R 0.014 Kgm 0.014 Kgm %e(ZZ3R)<1%
MX3R 0.039 Kgm 0.039 Kgm %e(MX3R)<1%
MX5R 0.068 Kgm 0.068 Kgm %e(MX5R)<1%
fS5R 0.11 Nm 0.11 Nm %e(fC5R)<1%
%e(|ρ|) = 5%
Paramètres Valeurs identifiées LS Valeurs identifiées CESTAC Variations
2 2
ZZ1R 0.050 Kgm 0.048 Kgm %e(ZZ1R)=4%
MY1R 0.0260 Kgm 0.0276 Kgm %e(MY1R)=6%
fS1 0.12 Nm 0.12 Nm %e(fC1)=1%
XX2R -0.023 Kgm2 -0.0218 Kgm2 %e(XX2R)=5%
ZZ2R 0.029 Kgm2 0.023 Kgm2 %e(ZZ2R)=4%
MX2R -0.020 Kgm -0.0212 Kgm %e(MX2R)=6%
fS2R 0.11 Nm 0.11 Nm %e(fC2R)<1%
offset2 0.0200 Nm 0.019 Nm %e(offset2)=5%
XX3R -0.012 Kgm2 -0.011 Kgm2 %e(XX3R)=5%
2 2
ZZ3R 0.014 Kgm 0.014 Kgm %e(ZZ3R)<1%
MX3R 0.039 Kgm 0.038 Kgm %e(MX3R)=2%
MX5R 0.068 Kgm 0.069 Kgm %e(MX5R)=2%
fS5R 0.11 Nm 0.11 Nm %e(fC5R)<1%
%e(|ρ|) = 15%
- 142 -
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.
3.7.5 Conclusion sur la procédure de vérification

Les résultats expérimentaux ont montré que si le filtrage des données est approprié et
que si les trajectoires sont suffisamment excitantes, alors le bruit de quantification n’a aucune
influence et, par conséquent, l’estimateur des moindres carrés n’est pratiquement pas biaisé
(W est pratiquement non corrélée à ρ). Le potentiel biais peut provenir de la faible qualité des
mesures ou d’un filtrage non approprié.
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 -
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 -
- 145 -
Chapitre 4 : Une nouvelle méthode d’identification ne nécessitant que les efforts d’actionnement : DIDIM
4 Chapitre 4 : Une nouvelle méthode d’identification des

paramètres dynamiques sans la mesure de position :
DIDIM
Sommaire :
4 Chapitre 4 : Une nouvelle méthode d’identification des paramètres dynamiques sans la

mesure de position : DIDIM................................................................................................... 146
4.1 Introduction ............................................................................................................ 147
4.2 Principe de la méthode du modèle : identification par erreur de sortie.................. 147
4.3 Une nouvelle technique d’identification : DIDIM (Direct and Inverse Dynamic
Identification Model).......................................................................................................... 153
4.4 Résultats expérimentaux ........................................................................................ 166
4.4.1 Application sur le bras un axe ........................................................................ 166
4.4.2 Application sur le robot SCARA ................................................................... 175
4.5 Conclusion.............................................................................................................. 188
Résumé : Ce chapitre introduit une technique d’identification basée sur la méthode du

modèle. Le choix original de la sortie du modèle est la commande, c'est-à-dire les efforts
articulaires, exprimée avec le modèle dynamique inverse.
- 146 -
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.
4.2 Principe de la méthode du modèle : identification par erreur de

sortie
La méthode du modèle consiste à comparer le comportement du système à identifier

avec celui d’un système d’équations mathématiques fixé a priori, dans lequel on cherche à
déterminer les valeurs numériques des paramètres de façon à assurer l’identité de
comportement entre les deux systèmes soumis à une même entrée. La méthode de calcul des
paramètres est une méthode itérative d’optimisation paramétrique. Le modèle est sans cesse
modifié en cherchant à chaque fois une amélioration dans l’identité de comportement. Ainsi,
il apparaît que le modèle est au centre de cette méthode, d’où son importance et le nom de la
méthode d’identification : « méthode du modèle » [Richalet, Rault et Pouliquen 1971] et
[Gautier 1977].
- 147 -
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
Figure 4-1 : Principe de la méthode du modèle
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 -
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)
Le vecteur dχ représente une variation des paramètres autour de χ :
[
dχ = dχ 1 ⋯ dχ j ⋯ dχ b ]T
(4.3)
Le vecteur ∇J (χ ) , de dimension (bx1), désigne le vecteur gradient de J(χ) :
T
∂J (χ )  ∂J (χ ) ∂J (χ ) ∂J (χ ) 
∇J ( χ ) = = ⋯ ⋯  (4.4)
∂χ  ∂χ 1 ∂χ j ∂χ b 
La matrice ∇ 2 J (χ ) , de dimension (bxb), est le Hessien de J(χ) :
- 149 -
 ∂ 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
du modèle par rapport aux paramètres à identifier défini comme suit :

T
 ∂y (i) ∂y S (i) ∂y S (i) 
o δ ys(i)/χ = S ⋯ ⋯  , soit :
 χ 1 χj χ b 
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 -
∇J (χ ) = δYs/χ E (4.7.c)
Pour le Hessien, il vient :
 ∂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)
En dérivant (4.11) par rapport à a1 et a2 et avec :
- 151 -
∂  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)
• a 2ɺδɺ ys / a1 + a 1δɺ ys / a1 + yɺ s + δ ys / a1 = 0 (4.12.b)
Soit :
• a 2ɺδɺ ys / a2 + a 1δɺ ys / a2 + δ ys / a2 = -ɺyɺ S (4.13.a)
• a 2ɺδɺ ys / a1 + a 1δɺ ys / a1 + δ ys / a1 = -yɺ S (4.13.b)
En remarquant que (4.13.b) est la dérivée de l’équation (4.13.a), il vient :

• δ ys / a2 = δɺ ys/a1 (4.13.c)
Ce qui, pour un système linéaire d’ordre n se généralise à :
δ ys / χj+1 = δɺ ys/χj (4.14)
Ainsi, la relation (4.14) permet de réduire l’ordre du système d’équation différentielle de

6 à 4 pour le calcul de ys et des fonctions de sensibilité. Cependant, pour des systèmes non
linéaires tels que les robots, il n’est pas possible d’utiliser de telles simplifications. Prenons
l’exemple de l’équation de Duffing [Gautier 1977] décrite par la relation suivante :
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 -
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.
Finalement il apparaît que la méthode du modèle, comparée à la méthode

d’identification par modèle inverse et moindres carrés linéaires, est plus consommatrice en
temps de calcul. Le problème des conditions initiales et des minima locaux multiples liés à la
programmation non linéaire constitue aussi une difficulté supplémentaire.
4.3 Une nouvelle technique d’identification : DIDIM (Direct and

Inverse Dynamic Identification Model)
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 -
Loi de Γ Système q, qɺ , ɺqɺ

commande réel
q R , qɺ R
ε
MC non linéaires : χˆ = min YS - Y
- 2
+ 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
Figure 4-2 : Schéma illustrant la nouvelle méthode d’identification
En définissant les efforts d’actionnement simulés comme sortie du modèle, le critère

quadratique à minimiser est donc :
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 -
• WS (q S , qɺ S , q
ɺɺ S ) est la matrice d’observation construite avec les positions, vitesses
et accélérations articulaires simulées notées respectivement q S , qɺ S , q

ɺɺ S .
Rappelons l’expression du modèle dynamique inverse :
Γ = D(q, qɺ , q
ɺɺ )χ
WS est un échantillonnage de D(q S , qɺ S , q

ɺɺ S ) .
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
et ɺqɺ S ≈ ɺqɺ r pour une large variation de χ. Il en résulte que :
∂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 -
• 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.
Les grandeurs simulées s’obtiennent par intégration du modèle dynamique direct en

boucle fermée, i.e. :
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.
La méthode de Gauss Newton se base sur un développement du critère limité au

deuxième ordre. Rappelons ce développement :
T 1
2
( )
J (χ + dχ ) = J (χ ) + (∇J (χ )) dχ + dχ T ∇ 2 J (χ ) dχ + ο dχ
2
Rappelons que le vecteur gradient est donné par la relation suivante :

 ∂E T 
• ∇J (χ ) =  E
 ∂χ 
Or :
• E = YS – Y.
Donc :
- 156 -
 ∂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
δ Γ j /χm (i) est la fonction de sensibilité de ΓSj(i) par rapport à χm.
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 -
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 .
qr, qɺ r et ɺqɺ r définissent la trajectoire de référence calculée par un générateur de mouvement.

Il en résulte une simplification importante des fonctions de sensibilité :
∂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 .
Finalement, on obtient une expression approchée du gradient du critère :
∇J (χ ) ≈ WS E
T
(4.22)
De même pour le Hessien, nous obtenons :

 ∂E T  ∂E  ∂ 2 E
• ∇ 2 J (χ ) =    + 2 E
 ∂χ  ∂χ  ∂χ
En négligeant les dérivées au deuxième ordre (approximation de Gauss Newton), le Hessein

s’écrit à l’aide de la formule suivante :
 ∂E T  ∂E  ∂YST ∂YS
• ∇ J (χ ) ≈ 
2
  =
 ∂χ  ∂χ  ∂χ ∂χ
Cette matrice, de dimension bxb, dépend également des fonctions de sensibilité :
- 158 -
∇ 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 ) .
La valeur dχ qui maximise dJ est telle que :
∂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)
L’algorithme de Gauss Newton s’écrit de la manière suivante :
( )
χ k +1 = χ k − ∇ 2 J (χ k ) ∇J(χ k )
−1
(4.26)
En substituant (4.22) et (4.23) dans (4.26), on obtient :
(
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)
C’est la solution au sens des moindres carrés linéaires du système :

• Y = WS(χk) + E.
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 -
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
Figure 4-3 : Commande d’un axe expliquant l’approximation de la relation (4.18)
Le modèle dynamique inverse du système est :
ΓS = ɺqɺ S J = Dχ (4.28.a)
Dans ce cas simple on a n = 1 et b = 1.

La matrice D du modèle dynamique inverse est un scalaire :
D1,1 = ɺqɺ S (4.28.b)
Le paramètre à identifier est J :
χ=J (4.28.c)
La matrice d’observation est, avec r = Ne :
WS = (ɺqɺ S (1) ⋯ ɺqɺ S (i) ⋯ ɺqɺ S (Ne) )

T
(4.28.d)
- 160 -
Son modèle dynamique direct est :
ɺqɺ S = J -1ΓS (4.29.a)
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
Calculons δ qs/J (s ) . La fonction de transfert en boucle fermée s’écrit :
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 -
∂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
En reportant (4.29.h) dans (4.29.c), il vient :
∂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 
On définit la fonction de transfert G_mdi par :
(∂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
La fonction de transfert en boucle fermée H(s) se met sous forme canonique :
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 -
Le choix de ωn et de ξ impose les gains de commande :

ωn
• KP = ,
2ξ
• KV = 2Jξωn .
Généralement, on choisit ξ égal à 1 pour ne pas avoir de dépassement.
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)
Figure 4-4 : Diagramme de la fonction de transfert G_mdi
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 -
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
La bande de fréquence de validité de l’approximation est en ω n / J et diminue lorsque
J augmente.
L’identification du modèle rigide étant effectuée toujours dans la bande passante de la

boucle de position, l’approximation faite dans (4.20) est donc souvent justifiée. De plus, la
conception de la commande du système se base sur la valeur a priori de l’inertie. Ainsi, si le
suivi des trajectoires est correct, cela implique que la valeur a priori de l’inertie est bonne. Par
suite, nous avons toujours une valeur initiale de J qui est compatible avec la valeur optimale.
Sur cet exemple, une erreur d’un facteur dix sur la valeur initiale de J ne remettrait pas en
cause l’approximation effectuée dans (4.20) si la gamme de fréquence utilisée pour
l’identification du système s’étend de 0Hz à 1,5Hz. Dans la pratique, une telle erreur sur les
conditions initiales est impossible.
- 164 -
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
inverse Γ = Dχ calculé automatiquement par le logiciel SYMORO+,

• Cette méthode combine le modèle inverse et le modèle direct et valide ces deux
modèles directement dans le calcul des paramètres optimaux.
L’approche proposée peut se résumer ainsi :

• Initialisation du vecteur des paramètres dynamique avec les valeurs a priori ou avec
les valeurs identifiées par la méthode du modèle inverse, mais dans ce cas, il y a
nécessité d’estimer les vitesses et accélérations articulaires avec la mesure de
position,
• A chaque étape k de l’algorithme, q S , qɺ S , q
ɺɺ S sont calculés par la simulation du robot
en boucle fermée avec la même trajectoire de référence et la même commande que

celles utilisées sur le robot, en intégrant le MDD avec les paramètres χk,
• La matrice WS (q S , qɺ S , q
ɺɺ S ) est obtenue par échantillonnage de D(q S , qɺ S , q
ɺɺ S ) ,
• χk+1 est la solution des moindres carrés du système linéaire :
- 165 -
o Y = WS(χk) + E, soit :
o (
χ k +1 = WST WS )−1
WST Y .
• χk+1 est calculé par factorisation QR de WS.

E k +1 − E k
• L’algorithme s’arrête quand : ≤ tol , où tol est une erreur relative
Ek
définie par l’utilisateur, Ek étant la norme minimale de E à l’étape k.
4.4 Résultats expérimentaux

Cette partie traite de l’application expérimentale de la méthode DIDIM. Cette méthode est
appliquée sur le bras un axe et sur un robot SCARA.
4.4.1 Application sur le bras un axe

Le modèle dynamique direct du bras un axe est rappelé par la relation suivante :
−1
ɺqɺ1 = ZZ1R (Γ1 + gMX 1cos(q1 ) − gMY1sin(q 1 ) − f v1qɺ 1 − f s1sign(qɺ 1 ))
Le modèle dynamique inverse s’écrit :
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
La matrice d’observation WS est construite avec les positions, vitesses et accélérations

articulaires simulées. Nous avons :
 D(1) 
ɺɺ1S ) =  ⋮ 
WS (q1S , qɺ 1S , q  
D(Ne )
Avec :
• D(i ) = D(q1 (i ), qɺ 1 (i ), ɺqɺ1 (i ))
- 166 -
Les trajectoires de référence sont celles utilisées lors de l’identification présentée dans le
chapitre 2.
4.4.1.1 Choix des valeurs initiales

L’algorithme est initialisé avec des valeurs éloignées des valeurs optimales. Ce test est
effectué pour analyser le comportement de la méthode du modèle dans le cas d’une mauvaise
initialisation (Tableau 4-1) : ZZ1R est initialisée à 1.10-4 Kgm2 et les autres valeurs sont fixées
à zéro. Les résultats sont résumés dans le Tableau 4-1 :
Tableau 4-1 : DIDIM avec mauvaise initialisation

Paramètres χ0 Ecart type
χ3
relatif
ZZ1R 1.10-4 Kgm2 1,45.10-3 Kgm2 0,40 %
MX1 0,0 Kgm 2,40.10-3 Kgm 2,30 %
fv1 0,0 Nms/rad 1,60.10-3 Nms/rad 2,60 %
fs1 0,0 Nm 6,67.10-2 Nm 0,70 %
MY1 0,0 Kgm 1,00.10-3 Kgm 8,50 %
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 -
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 4-6 : Comparaison directe entre le couple mesuré et YS.
Les figures suivantes illustrent l’approximation des fonctions de sensibilité. En effet, qS

et qɺ S simulées avec χ0 et χ3 sont très proches. qS et qɺ S sont peu sensibles aux variations des
paramètres. L’approximation consistant à négliger leurs fonctions de sensibilité est donc
justifiée.
En revanche, la Figure 4-10 montre très bien que le couple est sensible aux variations
des paramètres.
- 168 -
Comparaison qs
0.5
-0.5
qs rad
-1
-1.5
-2
Simulation avec X0
Simulation avec Xk
-2.5
0.6 0.8 1 1.2 1.4 1.6 1.8 2 2.2

t(s)
Figure 4-7: Comparaison de qs simulé avec χ0 et avec χ3
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)
Figure 4-8 : Comparaison de dqs = qɺ S simulé avec χ0 et avec χ3
- 169 -
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)
ɺɺS simulé avec χ0 et avec χ3

Figure 4-9: Comparaison de ddqs = q
Comparaison entre deux commandes simulées

0.5
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)
Figure 4-10 : Comparaison de Γs simulé avec χ0 et avec χ3
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 -
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
0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 2.2

t(s)
Figure 4-11 : Comparaison de qs simulé avec χ0 et avec χ3 quand ZZ1R = 1
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)
Figure 4-12 : Comparaison de dqs = qɺ S simulé avec χ0 et avec χ3 quand ZZ1R = 1
- 171 -
Comparaison ddqs
150
100
50
ddqs rads-2
-50
-100
-150
Simulation avec X3
-200 Simulation avec ZZ1R = 1
0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 2.2

t(s)
ɺɺS simulé avec χ0 et avec χ3 quand ZZ1R = 1

Figure 4-13 : Comparaison de ddqs = q
Comparaison entre deux commandes simulées
Simulation avec X3
Simulation avec ZZ1R = 1
3
1
Nm
-1
-2
-3
0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 2.2

t(s)
Figure 4-14 : Comparaison de Γs simulé avec χ0 et avec χ3 avec ZZ1R = 1
A présent, cherchons un moyen de rendre l’algorithme insensible aux conditions

initiales. La bande passante de la boucle fermée de vitesse du système réel est égale à 20Hz.
Pour assurer un bon suivi de trajectoire, il faut que la bande passante de la boucle fermée du
système simulé soit égale à 20Hz quelle que soit la valeur de ZZ1R.
Le schéma du bras 1 axe est représenté par le schéma ci-dessous :
- 172 -
Cp
qɺ r 1 qɺ 1 q
+- Kv +
ZZ1R s s
Figure 4-15 : Schéma du bras un axe
Cp est le couple de gravité et de frottement.

La fonction de transfert en boucle fermée est donnée par la relation suivante :
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.
Une bande passante à 20Hz implique :

• ωBFV = 1/τBFV = 2π*20 = 138 rads-1,
• τBFV = 7,2 ms,
• Kv = ZZ1R/τBFV = 1,45.10-3/7,2.10-3 = 0,2 Nm/rads-1.
Il faut assurer une bande passante ωBFV constante quelque soit ZZ1R/k :
K v/k
ωBFV = = 138rads −1 (4.31.a)
ZZ1R/k
Ceci est possible en adaptant le gain Kv à chaque itération soit :
K v/k = ωBFV ZZ1R/k (4.31.b)
La bande passante étant conservée à chaque étape k, nous avons qs ≈ qr, qɺ S ≈ qɺ r et ɺqɺ S ≈ ɺqɺ r .
On identifie les paramètres dynamiques avec la méthode DIDIM en initialisant ZZ1R à

1Kgm². On obtient les résultats résumés dans le Tableau 4-2 :
- 173 -
Tableau 4-2 : DIDIM avec une mauvaise initialisation et adaptation de Kv

χ4
relatif
ZZ1R 1 Kgm2 1,45.10-3 Kgm2 0,40 %
MX1 0,0 Kgm 2,40.10-3 Kgm 2,30 %
fv1 0,0 Nms/rad 1,60.10-3 Nms/rad 2,60 %
fs1 0,0 Nm 6,67.10-2 Nm 0,70 %
MY1 0,0 Kgm 1,00.10-3 Kgm 8,50 %
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.
En adaptant le gain de la boucle de vitesse, la méthode DIDIM est insensible aux

conditions initiales car nous avons toujours qs ≈ qr, qɺ S ≈ qɺ r et ɺqɺ S ≈ ɺqɺ r .
4.4.1.2 Robustesse vis-à-vis du sous échantillonnage de la mesure du couple

Les signaux simulés ainsi que le couple moteur sont sous échantillonnés avec 1
échantillon sur nd. Avec nd = 200, on se propose d’observer les signaux à 20Hz qui est la
fréquence de coupure du filtre parallèle avec la méthode du MDI. On rappelle que la
fréquence de la commande échantillonnée est égale à 4kHz. Avec χ0 = [10-4 0 0 0 0]T, on
obtient les résultats suivants (Tableau 4-3) :
Tableau 4-3 : Sous échantillonnage à 20Hz sans filtrage des couples

χ3
relatif
ZZ1R 1.10-4 Kgm2 1,45.10-3 Kgm2 0,40 %
MX1 0,0 Kgm 2,40.10-3 Kgm 2,30 %
-3
fv1 0,0 Nms/rad 1,60.10 Nms/rad 2,60 %
fs1 0,0 Nm 6,67.10-2 Nm 0,70 %
MY1 0,0 Kgm 1,00.10-3 Kgm 8,50 %
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 -
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.
4.4.2 Application sur le robot SCARA

Le robot SCARA est un robot prototype de l’IRCCyN possédant 2 degrés de liberté
évoluant dans un plan. L’actionnement du robot est à entraînement direct par deux moteurs à
courant continu. La résolution du codeur du premier axe est de 8000 points par tours et la
résolution codeur du deuxième axe est de 20000 points par tours. Enfin, la fréquence
d’échantillonnage de la commande est 200Hz soit une période d’échantillonnage de 5ms. Son
aspect général est présenté par la Figure 4-16 et les repères DHM sont donnés Figure 4-17. Ce
robot a fait l’objet d’une identification par MDI [Gautier 1997] et de comparaison avec l’EKF
(filtre de Kalman étendu) [Gautier et Poignet 2000].
Figure 4-16 : Structure mécanique du robot SCARA
- 175 -
x2
y2
y0
q2
y1
x1
L O2
q1
O 0 , O1 x0
Figure 4-17 : Repères DHM du robot SCARA
Les paramètres DHM sont résumés dans le tableau ci-dessous :
Tableau 4-4 : Paramètres DHM du robot SCARA

1 0 1 0 0 0 q1 0
2 1 1 0 0 L q2 0
Les paramètres standard sont :

• XX1, XY1, XZ1, YY1, YZ1, ZZ1, MX1, MY1, MZ1, m1, fv1, et fs1 pour le premier
corps,
• XX2, XY2, XZ2, YY2, YZ2, ZZ2, MX2, MY2, MZ2, m2, fv2, et fs2 pour le deuxième
corps.
Les paramètres identifiables sont :

• ZZ1R, fv1 et fs1 pour le premier corps,
• ZZ2, MX2, MY2, fv2 et fs2 pour le deuxième corps.
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 :
χ = [ZZ1R fv1 fs1 ZZ2 MX2 MY2 fv2 fs2]T,
- 176 -
ɺqɺ  qɺ  sign(qɺ 1 )

D (:,1) = D ZZR1 =  1  , D (:,2) = D fv1 =  1  , D (:,3) = D fs1 =  ,
0 0  0 
ɺqɺ + ɺqɺ 2 
D (:,4) = D ZZ 2 =  1 ,
ɺqɺ1 + ɺqɺ 2 
(2ɺqɺ + ɺqɺ 2 ) cosq 2 − qɺ 2 (2qɺ 1 + qɺ 2 ) sinq 2 

D (:,5) = D MX 2 =  1 ,
 ɺqɺ1 cosq 2 + qɺ 12 sinq 2 
− (2ɺqɺ1 + ɺqɺ 2 ) sinq 2 − qɺ 2 (2qɺ 1 + qɺ 2 ) cosq 2 

D (:,6) = D MY2 =  ,
 qɺ 12 cosq 2 − ɺqɺ1 sinq 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,
• qɺ = [qɺ 1 qɺ 2 ] , le vecteur des vitesses articulaires,

T
• q = [q 1 q 2 ] , le vecteur des positions articulaires,

T
• Γ = [Γ1 Γ2]T, le vecteur des couples moteur articulaire,
 A 11 A 12 
• A(q) =   , la matrice d’inertie où :
 A 12 ZZ 2 
o A11 = ZZ1R + ZZ2 + 2*MX2C2 – 2*MY2S2,
o A12 = ZZ2 + MX2C2 – MY2S2,
o C2 = cos(q2) et S2 = sin(q2).
- 177 -
− f qɺ − f sign(qɺ 1 ) + MX 2S2qɺ 2 (qɺ 2 + 2qɺ 1 ) + MY2 C2qɺ 2 (qɺ 2 + 2qɺ 1 )

• H (q, qɺ ) =  v1 1 s1  , le
 − f v2 qɺ 2 − f s2 sign(qɺ 2 ) − MX 2S2qɺ 12 − MY2 C2qɺ 12 
vecteur regroupant les couples de Coriolis, centrifuge et de frottements.
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 :
Γj = gtj virj (4.32)
Avec gtj qui est le gain d’actionnement.
Les trajectoires excitantes sont des polynômes du cinquième ordre en position. La

fréquence de coupure du filtre passe bande et du filtre parallèle est réglée à 5Hz.
La commande est un PD illustré par la Figure 4-18 :
• Kp est le gain en position,
• Kv est le gain de retour en vitesse,
• ZZe est une matrice diagonale constituée des valeurs des inerties ZZj, soit :
 ZZ 0 
o ZZe =  1R .
 0 ZZ2 
qr Γ ɺqɺ 1 qɺ 1 q
+
-
Kp +
-
ZZe SCARA
s s
Modèle dynamique
direct
Kv
Figure 4-18 : Schéma de la commande PD du robot SCARA
Pour régler les gains Kp et Kv, on se base sur le schéma suivant (Figure 4-19).
- 178 -
qjr Γj 1 ɺqɺ j 1 qɺ j 1
+
- Kpj +
- ZZjRe
qj ZZ jR s s s q
j
Kvj
Figure 4-19 : Régulation du jieme axe du SCARA
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}.
Avec α1 = 1, H1(s) se met sous forme canonique :
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 l’axe j, on obtient avec η = 1 pour ne pas avoir de dépassement :

• KPj = ωnj²,
• KVj = ωnj/2.
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 -
Tableau 4-5 : Valeurs identifiées par MDI

Paramètres Valeurs a priori Valeur identifiée Ecart type relatif %
ZZ1R 3,5 Kgm² 3,4317 Kgm² 0,60 %
fv1 0,03 Nms/rad 0,0200 Nms/rad 20 %
fs1 0,7 Nm 0,8115 Nm 6,1 %
ZZ2 0,06 Kgm² 0,0617 Kgm² 0,51 %
MX2 0,25 Kgm 0,2440 Kgm 0,56 %
MY2 0,016 Kgm 0,014 Kgm 5%
fv2 0,013 Nms/rad 0,0140 Nms/rad 33 %
fs2 0,140 0,130 2,0 %
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
Figure 4-20 : Validation directe, méthode du MDI (1er axe)
- 180 -
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 4-21 : Validation directe, méthode du MDI (2e axe)
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 -
 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) ) 

Le schéma de la simulation du robot SCARA est illustré par la figure ci dessous.
qr ΓS ɺqɺS 1 qɺ S 1 qS
+
-
Kp +
-
ZZe SCARA
s s
Modèle dynamique
direct
Kv
Figure 4-22 : Schéma pour la simulation du robot SCARA
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.
4.4.2.1 Choix des valeurs initiales

L’algorithme de DIDIM est mal initialisé (facteur 100 sur les inerties, les autres
paramètres étant fixés à zéro) et les mesures des couples moteurs sont filtrées à 5Hz. Les
résultats sont résumés dans le tableau ci-dessous.
- 182 -
Tableau 4-6 : Valeurs estimées par la méthode DIDIM.

χ4
relatif
ZZ1R 3,4.10-2 Kgm² 3,4317 Kgm² 0,54 %
fs1 0 Nm 0,8115 Nm 2,8 %
ZZ2 6.10-4 Kgm² 0,0617 Kgm² 0,44 %
MX2 0 Kgm 0,2440 Kgm 0,51 %
MY2 0 Kgm 0,014 Kgm 3,8 %
fs2 0 Nm 0,130 3,0 %
L’algorithme converge en 4 itérations vers les valeurs optimales précédentes. Des

validations directes ont été effectuées (Figure 4-23 et Figure 4-24).
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 -
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 -
4.4.2.2 Robustesse vis-à-vis du sous échantillonnage de la mesure du couple

Les paramètres du robot SCARA sont identifiés en sous échantillonnant les couples
moteurs. On récupère 1 échantillon sur 20 soit une fréquence d’observation de 10Hz qui
respecte la dynamique à identifier (5Hz).
Tableau 4-7 : Influence des conditions initiales et du sous échantillonnage

χ4
relatif
ZZ1R 3,4.10-2 Kgm² 3,46 Kgm² 0,52 %
fs1 0 Nm 0,81 Nm 3,0 %
-4
ZZ2 6.10 Kgm² 0,062 Kgm² 0,49 %
MX2 0 Kgm 0,249 Kgm 0,52 %
MY2 0 Kgm 0,016 Kgm 4,0 %
fs2 0 Nm 0,13 Nm 3,0 %
L’algorithme converge en 4 itérations vers les valeurs optimales précédentes. Il n’y a

pas de repliement de spectre du au sous échantillonnage du couple mesuré sans filtrage. Il est
donc possible, sur ce robot, d’identifier les paramètres avec une fréquence d’observation
inférieure à la fréquence de commande.
4.4.2.3 Robustesse vis-à-vis de la commande

Nous avons également appliqué DIDIM en utilisant une commande dynamique (appelée
aussi commande par découplage non linéaire) car elle utilise le modèle dynamique inverse du
robot. Théoriquement, elle assure le découplage et la linéarisation des équations du modèle,
ayant pour effet une réponse uniforme quelle que soit la configuration du robot. Ces tests ont
été effectués pour montrer que la commande n’a pas d’influence sur l’identification des
paramètres inertiels.
La commande dynamique est la suivante [Khalil et Dombre 2002] et [Gautier 1995] :
Γ=A
ˆ (q)w(t) + H
ˆ (q, qɺ ) (4.33)
ˆ (q, qɺ ) sont respectivement la matrice d’inertie et le vecteur regroupant les effets

Où Â(q) et H
de gravité, centrifuge, Coriolis et de frottements calculés avec les valeurs identifiées. w(t) est
un nouveau vecteur de commande qui peut être choisi comme suit :
ɺɺr + K v (qɺ r − qɺ ) + K p (q r − q )
w(t) = q (4.34)
- 185 -
Où Kp et Kv sont des matrices diagonales définies positives de dimensions (nxn). Ainsi, la

réponse du système en boucle fermée est donnée par l’équation suivante :
0 = ɺeɺ + K veɺ + K pe (4.35)
Où :
• e = qr – q.
La solution de l’erreur de poursuite e(t) est globalement exponentiellement stable. Les

gains Kpj et Kvj sont choisis pour imposer à l’erreur de l’axe j la dynamique désirée
d’amortissement ξj et de pulsation ωj quelle que soit la configuration du robot. Généralement,
on choisit ξj égal à 1 pour ne pas avoir de dépassement.
Remarque : il est aussi possible de définir le vecteur de commande en ajoutant un terme
intégrateur. La relation (4.33) devient donc :
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 
ˆ (q, qɺ ) sont calculées avec les valeurs identifiées.

Les matrices Â(q) et H
- 186 -
Figure 4-25 : Schéma de simulation de la commande dynamique du robot SCARA
Figure 4-26 : Schéma de simulation de la commande dynamique
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 -
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.
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 -
itérative de MC linéaire déjà utilisée dans la méthode du MDI. Les fonctions de

sensibilité se réduisent aux expressions algébriques explicites du MDI, calculées
automatiquement par SYMORO+, au lieu des solutions d’équations différentielles
linéaires ou non linéaires qui apparaissent dans la méthode du modèle habituelle. La
mise en œuvre est facile et la méthode est robuste vis-à-vis des conditions initiales et
de la fréquence d’observation des couples.
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 -
- 190 -
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.
La technique de modélisation proposée se base sur la convention DHM et la technique

d’identification se base sur le modèle dynamique inverse et les moindres carrés linéaires. Ces
méthodes ont été appliquées avec succès sur le bras un axe à transmission par câble d’une part
et sur les branches à 3 degrés de liberté d’une interface à usage médical d’autre part. Les
paramètres dynamiques sont excités séquentiellement et l’identification par concaténation de
tous les essais est globale.
La démarche peut être résumée comme suit :

• Calcul d’un modèle rigide de l’interface en considérant les corps et les
transmissions rigides.
• Calcul d’un modèle prenant en compte la flexibilité des câbles.
• Identification du modèle rigide.
• Identification du modèle flexible avec utilisation du modèle rigide pour la
planification des trajectoires.
• Caractérisation des performances de rendu haptique de l’interface.
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.
Une procédure analysant l’influence du bruit de quantification sur l’estimation des

paramètres a été appliquée sur le bras un axe et les branches à 3 DDL de l’interface médicale.
Cette procédure repose sur les concepts de la méthode CESTAC. Elle montre que si les
- 191 -
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 -
D’autres perspectives concernent le développement des méthodes de caractérisation du

rendu haptique s’appuyant sur les résultats de modélisation et d’identification afin de
normaliser la définition des performances de ces systèmes.
Enfin, l’utilisation des modèles identifiés doit permettre d’améliorer la commande des
interfaces et des systèmes téléopérés.
- 193 -
- 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.
A. Janot, C. Bidard, M. Gautier, F. Gosselin, D. Keller et Y. Perrot, “Modeling and

Identification of a Haptic Device having a Double Parallelogram Loop”, 12th IFToMM World
Congress in Mechanism and Machine Science,Besancon, France, Juin, 2007.
A. Janot, C. Bidard, M. Gautier, F. Gosselin, D. Keller et Y. Perrot, “Characterization of a

medical interface”, 2007 IEEE International Symposium on Industrial Electronics (ISIE2007),
Vigo (Spain), Juin, 2007
A. Janot, P.O. Vandanjon, M. Gautier et F. Khatounian, “Analysis and application of a robust

identification method”, International Symposium on Computational Intelligence in Robotics
and Automation (CIRA), Jacksonville, Juin, 2007
A. Janot, M. Anastassova, P.O. Vandanjon et M. Gautier, “Identification Process Dedicated to

Haptic Devices”, IROS,San Diego, Octobre, 2007.
N. Marcassus, A. Janot, P.O. Vandanjon et M. Gautier, “Minimal Resolution Needed for an

Accurate Parametric Identification - Application to an Industrial Robot Arm”, IROS, San
Diego, Octobre, 2007
N. Marcassus, P.O. Vandanjon, A. Janot et M. Gautier, “Validation of a Parametric

Identification Technique through a Derivative CESTAC Method”, International Symposium
on Computational Intelligence in Robotics and Automation (CIRA), Jacksonville, Juin, 2007
P.O. Vandanjon, A. Janot, M. Gautier et F. Khatounian, “COMPARISON OF TWO

IDENTIFICATION TECHNIQUES: THEORY AND APPLICATION”, ICINCO 2007, 4th
International Conference on Informatics in Control, Automation and Robotics; SS on
Fractional Order Systems, Angers, Mai, 2007
F. Khatounian, A. Janot, S. Moreau, C. Bidard, E. Monmasson et M. Gautier, “Parameter

Identification of a Single Degree of Freedom Haptic Interface”, 14th IFAC Symposium on
System Identification, SYSID 2006,pp. 249--254.Newcastle, AUTRALIE, Mars, 2006
F. Khatounian, S. Moreau, E. Monmasson, A. Janot et F. Louveau, “Parameters estimation of

the actuator used in haptic interfaces : comparison of two identification methods”,
International symposium on industrial electronics,Montréal, Canada,Juillet,2006,IEEE
F. Khatounian, S. Moreau, E. Monmasson, A. Janot et F. Louveau, “Simultaneous

identification of the initial rotor position and electrical parameters of a PMSM for a haptic
interface”, 12th International Power Electronics and Motion Control Conference,Portoroz,
Slovenie, Aout, 2006
- 195 -
Bibliographie
A. Janot, C. Bidard, M. Gautier, D. Keller et Y. Perrot, « Modélisation, Identification d'une

interface médicale », Journees Identification et Modelisation Experimentale
JIME\'2006,Poitiers, France, Novembre, 2006
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
F. Khatounian, S. Moreau, E. Monmasson, A. Janot et F. Louveau, "Identification simultanée

de l'angle de calage et des paramètres électriques d'une msap entraînant une interface
haptique », Conférence Internationale Francophone d\'Automatique - CIFA 2006, Bordeaux,
France, Mai, 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.
[Annastassova, Mégard et Burkhardt 2007] : M. Anastassova, C. Mégard, J.M. Burkhardt

(2007), “Prototype evaluation and user-needs analysis in the early design of emerging
technologies”, HCII 2007 Conference, Beijing, China, July 2007.
[Arhur 2004] : D. Arhur, “Couplage bras industriel TAO2000 : Identification dynamique du

bras RX90“, DTSI/SCRI/LPR/04RT.069, 2004.
[Armstrong 1979]: W.W. Armstrong, “Recursive solution to the equation of motion of an N-

links manipulators”, 5th World Congress on Theory of Machines and Mechanisms, Montreal,
1979, pp. 1343-1346.
[Armstrong-Helouvry 1992] : B. Armstrong, “Frictional lag and stick-slip”, Int. Conf. On

Robotics and Automation, May 1992, pp. 1448-1453
[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
[Armstrong-Helouvry 1994] : B. A. Armstrong-Helouvry, “Frictional memory in servo

control” American Control Conference, June 1994, pp. 1786-1790
[Armstrong-Helouvry et Amin 1994] :B. A. Armstrong-Helouvry and B. Amin, “PID control

in the presence of static friction : exact and describing function analysis” American Control
Conference, June 1994, pp. 597-601
[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 2004] : C. Bidard, “Couplage bras industriel TAO2000, Identification dynamique du

bras RX170“, rapport n° : DTSI/SCRI/LPR/05RT.095
[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
[Canudas de Vit et al 1995] : C. Canudas de Wit, H. Olsson, K. J. Aström and P. Lischinsky,

“A new model for control of systems with friction”, IEEE Transactions on Automatic Control
vol. 40(3), March 1995, pp. 419-425
[Cavosglu et Feygin 2002] : M. C. Cavusoglu and D. Feygin, “A critical study of the

mechanical and electrical properties of PHANToM haptic interface and improvements for
high performance control”, Presence: Teleoperators and Virtual Environments, 2002
[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
[Colgate et al. 1993] : J. E. Colgate, P. E. Grafing, M. C. Stanley and G. Schenkel,

“Implementaion of stiff virtualwalls in force reflecting interfaces”, IEEE VRAIS, pp. 202-208
[Colgate et Brown 1994] : J. E. Colgate and G. Schenkel, “Passivity of a class of sampled-

data systems : application to haptic devices” American Control Conference, June 1994, pp.
3236-3240
[Colgate et Schenkel 1994] : J. E. Colgate and G. Schenkel, “Passivity of a class of sampled

data systems: application to haptic interfaces”, American Control Conference, Baltimore
1994, pp. 3236-3240
[Dhal 1976] : P. R. Dhal, “Solid friction damping of mechanical vibrations”, AIAA Journal,
vol. 4(12) pp. 1675-1682
[Diolaitti et al 2005] : N. Diolaitti, G. Niemayer, F. Barbagli and J. Kenneth Salisbury, “A

criterion for the passivity of haptic devices”, Proc. IEEE Int. Conf. on Robotics and
Automation, 2005, pp. 2463-2468
[Diolaitti et al 2006] : N. Diolaiti, G. Niemeyer, F. Barbagli and J. K. Jr. Salisbury, “Stability

of haptic rendering: discretization, quantization, time delay and Coulomb effect”, IEEE
Transactions on Robotics and Automation, vol. 22(2), April 2006, pp. 256-268
[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
[Farges 1988] : R. Farges, “ Poulies et Courroies de transmission, Entraînement par adhérence

”, Techniques de l’Ingénieur BD5, B 5 680-683, 1988
[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
[Flash et Mussa-Ivaldi 1990] : T. Flash and F. Mussa-Ivaldi, “Human arm stiffness

characteristics during the maintenance of posture”, Experimental Brain research, vol. 82(2),
1990, pp. 315-326
[Frisoli et Bergamasco 2003] : A. Frisoli and M. Bergamasco, “Experimental identification

and evaluation of performance of a 2 dof haptic display”, Proc. IEEE Int. Conf. on Robotics
and Automation, 2003, pp. 3260-3265
[Garrec, Friconneau et Louveau 2004] : P. Garrec, J.P. Friconneau et F. Louveau, “Virtuose

6D : a new force-control master arm using innovative ball-screw actuators”, 35th Int.
Symposium on Robotics, 23-26 March 2004, Villepinte
[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 1990] : M. Gautier, “Contribution à la modélisation et à l’identification des robots”,

Thèse d’état, Université de Nantes, 1990
[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
[Gautier, Khalil et Restrepo 1995] : M. Gautier, W. Khalil and P. P. Restrepo, “Identification

of the dynamic parameters of a closed loop robot”, Proc. IEEE on Int. Conf. on Robotics and
Automation, Nagoya, may 1995, pp. 3045-3050
[Gautier et Poignet 2002] : M. Gautier et P. Poignet, “Identification en boucle fermée par

modèle inverse des paramètres physiques de systèmes mécatroniques”, JESA, Journal
Européen Des Systèmes Automatisés, vol. 36(3), 2002, pp. 465–480
[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
[Geffard 2000] : F. Geffard, “Etude et conception de la commande en effort d’un

télémanipulateur équipé d’un capteur d’efforts à sa base et à son extrémité”, Thèse de
doctorat, Université de Nantes, 2000
[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
[Gosselin 2000] : F. Gosselin, “ Développement d'outils d'aide à la conception d'organes de

commande pour la téléopération à retour d’effort”, Thèse de doctorat, Université de Poitiers,
2000
- 199 -
Bibliographie
[Gosselin, Bidard et Brisset 2005] : F. Gosselin, C. Bidard, J. Brisset, “Design of a high

fidelity haptic device for telesurgery”, IEEE Int. Conf. on Robotics and Automation,
Barcelone 2005, pp. 206-211
[Guegan 2003] : S. Guegan, “Contribution à la modélisation et à l’identification dynamique

des robots parallèles”, Thèse de doctorat, Université de Nantes, 2003
[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 Dombre 2002] : W. Khalil et E. Dombre, “Modeling, identification and control of

robots”, Hermes Penton, London-Paris, 2002
[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
[Khalil, Gautier et Lemoine 2007] : W. Khalil, M. Gautier et P. Lemoine, “Identification of

the payload inertial parameters of industrial manipulators”, IEEE Int. Conf. On Robotics and
Automation, Roma Italia, April 2007, pp. 4943-4948
[Khatounian 2006] : F. Khatounian, “Contribution à la modélisation, l’identification et à la

commande d’une interface haptique à un degré de liberté entraînée par une machine
synchrone à aimants permanents ”, Thèse de doctorat, Ecole normale supérieure de Cachan,
2006
- 200 -
Bibliographie
[Kleinfinger 1986] : J.F. Kleinfinger, “Modélisation dynamique de robots à chaîne

cinématique simple, arborescente ou fermée, en vue de leur commande”, Thèse de doctorat,
Université de Nantes, 1986
[Kosuke, Fujisawa et Fukuda 1992] : K. Kosuke, Y. Fujisawa and T. Fukuda, “Control of

mechanical system with man-machine interaction”, IEEE Int. Conf. On Intelligent Robots and
Systems, July 1992, pp. 87-92
[Kuchenbecker et Niemeyer 2005] : K.J. Kuchenbecker and G. Niemeyer, “Modeling induced

master motion in force-reflecting teleoperation”, Proc. IEEE on Int. Conf. On Robotics and
Automation, Barcelona, 2005, pp. 348-353
[Kuchenbecker et Niemeyer 2006] : K.J. Kuchenbecker and G. Niemeyer, “Improving

telerobotic touch via high frequency acceleration matching”, Proc. IEEE on Int. Conf. On
Robotics and Automation, Orlando, 2006, pp. 3893-3898
[La Porte et Vignes 1974] : J. Vignes and M. La Porte, “Error Analysis in Computing”,
Information Processing’74, north-Holland, Amsterdam, 1974
[Lawrence 1993] : D. A. Lawrence, “Stability and transparency in biliaterel teleoperation”,

IEEE Transactions on Robotics and Automation, vol. 9(5), October 1993, pp. 624-637
[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
[Mayhew 1999] : D. J. Mayhew (1999). The usability engineering lifecycle: A practitioner's

handbook for user interface design. San Francisco: Morgan Kaufmann Publishers
[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
[Moreyra et Hannaford 1998] : M. Moreyra and B. Hannaford, “A practical measure of

dynamic response of haptic devices”, Proc. IEEE Int. Conf. on Robotics and Automation,
Leuven, 1998, pp.369-374
[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
[Nahvi et al 1994] : A. Nahvi, J. M. Hollerbach, Y. Xue, and I. W. Hunter, "An Investigation

of the Transmission System of a Tendon Driven Robot Hand," Proceedings of the IEEE/RSJ
International Conference on Intelligent Robots and Systems, 1 September, Munich, Germany,
pp. 202–208
[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 2002] : M.T. Pham, “Contribution à la modélisation, l’identification et la commande

de systèmes mécaniques à flexibilités localisées : applications à des axes de machines-outils
rapides”, Thèse de doctorat, Université de Nantes, France, Janvier 2002
[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
[Richalet, Rault et Pouliquen 1971] : J. Richalet, A. Rault et R. Pouliquen, “Identification des

Processus par la méthode du modèle”, Gordon and Breach, Paris, 1971
- 202 -
Bibliographie
[Richalet 1991] : J. Richalet, “Pratique de l’identification”, Hermès-Paris, 1991
[Richard et Cutkosky 1999] : C. Richard, M.R. Cutkosky and K. MacLeon, “Friction

identification for haptic display”, Proc. ASME IMECE, Nashville, November 1999, pp. 327-
334
[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
[Ripert 2006] : P.J. Ripert, “Modélisation et identification paramétrique de l’effort de contact

pneumatique/sol pour la dynamique du véhicule”, Thèse de doctorat, Université de Nantes,
2006
[Riwan 2002] : A. Riwan, “R&D Transfert industriel Haption : dossier de conception

electromécanoqie du Virtuose 6_RV”, rapport n° : DTSI/SCRI/LPR/01RT.073
[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
[Spetch et Isermann 1988] : R. Specht, and R. Isermann, “On-line identification of inertia,

friction and gravitational forces applied to an industrial robot”, Proc. IFAC Symp. on Robot
Control, SYROCO’88, 1988, pp. 88.1-88.6
[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)
[Thamasebi et al. 2005] : A.M. Tahmasebi, B. Taati, F. Mobasser and K. Hashtrudi-Zaad,

“Dynamic parameter identification and analysis of a PHANToMTM haptic device”, Proc.
IEEE Conf. on Control Applications, Toronto, August 2005, pp. 1251-1256
[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
[Vandanjon P.O. et al 2007] : P.O.Vandanjon, A. Janot, M. Gautier et F. Khatounian,

“Comparison of two identification of two identification techniques: theory and application”,
ICINCO 2007, 4th International Conference on Informatics in Control, Automation and
Robotics; SS on Fractional Order Systems, Angers, Mai 2007, pp. 341-347
[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
[Walter et Pronzato 1994]: E. Walter et L. Pronzato, “Identification de modèles paramétriques

à partir de données expérimentales”, Masson Paris, 1994
[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
Annexe 1: Formules littérales des regroupements et

regroupements numériques
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
où tij est un coefficient constant. On obtient la relation suivante :

χijR = χij + tijχi pour j = 1 à r.
L’indice R signifie que le paramètre est regroupé avec d’autres paramètres.
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
 1 − SSγSSα   2 i Pj,3Cα −2 i Pj,2 CγSα   i Pj,2

2
+ i Pj,3
2

 CSγSSα   i   i i 
   P j,1 C γS α − i
P j,2 S γS α   − P j,1 P j,2 
 − SγCSα   - i Pj,1Cα − i Pj,3SγSα   − i Pj,1 i Pj,3 
   i  i 2 i 2 
1 − CCγSSα   2 Pj,1SγSα + 2 Pj,3Cα   Pj,1 + Pj,3 
i
 CγCSα  i 9  - Pj,3Cα + Pj,3 CγSα  i 10  − i Pj,2 i Pj,3 

i i
λ j+ λ j =  , λj =  i  , λj = i 2 i 2 
i 1 i 4
2 Pj,1SγSα −2 Pj,2 CγSα   Pj,1 + Pj,2 

i
 SSα 
 0   SγSα   iP 
     j,1 
 0   - CγSα   i Pj,2 
     i 

0
  Cα   Pj,3 
 0   0   1 
• 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
Figure A. 1 : Exemple d’une boucle parallélogramme
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
MYRj-1 = MYj-1 – SαjMZj – rjSαjmj,

MZRj-1 = MZj-1 + CαjMZj + rjCαjmj,
mRj-1 = mj + mj-1.
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
Tableau 9 : Expression des éléments de la matrice j-1λj.

CCθ -2 CSθ 0 SSθ 0 0 0 0 2r r²
CSθCα (CCθ - SSθ) Cα -CθSα -CSθCα SθSα 0 -dSθCα + rCθSα -dCθCα - rSθSα dSα drS
CSθSα (CCθ - SSθ) Sα CθCα -CSθSα -SθCα 0 -dSθSα - rCθCα -dCθSα + rSθCα -dCα -drCα
SSθCCα 2CSθCCα -2SθCSα CCθCCα -2CθCSα SSα 2(dCθ + rSθCSα) 2(-dSθ + rCθCSα) 2rCCα d²+r²CCα
SSθCSα 2CSθCSα Sθ(CCα - SSα) CCθCSα Cθ(CCα - SSα) -CSα rSθ(SSα - CCα) rCθ(SSα - CCα) 2rCSα r²CSα
SSθSSα 2CSθSSα 2SθCSα CCθSSα 2CθCSα CCα 2(dCθ - rSθCSα) 2(-dSθ - rCθCSα) 2rSSα d²+r²SSα
0 0 0 0 0 0 Cθ -Sθ 0 d
0 0 0 0 0 0 SθCα CθCα -Sα -rSα
0 0 0 0 0 0 SθSα CθSα Cα rCα
0 0 0 0 0 0 0 0 0 1
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 
Q est une matrice orthogonale de dimension (rxr) et R une matrice triangulaire

supérieure de dimension (cxc). Le rang de la matrice WS est égal au nombre des b paramètres
inertiels minimaux :
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
paramètres inertiels de base χ1, les colonnes indépendantes correspondantes de WS étant

notées W1. Les autres fournissent les paramètres à regrouper χ2 et les colonnes dépendantes
W2. On écrit ainsi que :
χ 
WS χ S = [W1 W2 ]  1  (A.1.3)
χ 2 
Les paramètres de base χ s’expriment, comme combinaison linéaire des paramètres

initiaux du modèle, de la manière suivante :
χ = χ1 + βχ2 (A.1.4)
Où la matrice β exprime les relations linéaires entre les colonnes de WS : W2 = W1β. En

effet, on peut écrire que :
χ 
WS χ S = [W1 W2 ]   = W1 χ (A.1.5)
0
216
Annexes
Ensuite, les relations de regroupements sont calculées à partir de celles exprimant W2 en

fonction de W1. La décomposition QR de la matrice [W1 W2] s’écrit :
 R1 R2 
[W1 W2 ] = [Q1 Q 2 ] 
0(r −b )xb 0(r−b )x (c−b ) 
[W1 W2] = [Q1R1 Q1R2]
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
Annexe 2 : Calcul automatique des contraintes cinématiques

imposées par des transmissions à câble planes
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
Poulie 2 vue de profile
Câble 1 Câble 2
Figure A. 2 : Système à 3 poulies
Si le câble est inélastique, alors il vient que :
r1θ1 = r2θ 2 θ  r −1 
 ⇒  2  =  2−1  r1θ1
r2θ 2 = r3θ 3 θ 3  r3 
La transmission n’est qu’un réducteur. Elle n’introduit pas de degrès de liberté

supplémentaires. Les angles sont tous pris par rapport à l’horizontale. Dans le cas d’un robot,
il faut choisir un même repère pour deux poulies qui sont rattachées à un même corps. La
Figure A. 3 montre deux poulies (j et j+1) rattachées au même corps k. Il est logique de
définir les angles des poulies j et j+1 par rapport au corps k. Les angles des poulies j+1 et j+2
seront, quant à eux, pris par rapport au corps k+1 etc.
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
Figure A. 3 : Définitions des notations
La première équation de base est:
rjθ j/k = rj+1θ j+1/k (A.2.1)
De plus, le corps k+1 et la poulie j sont coaxiaux. Il vient que :
θ j+1/k +1 + q k +1 = θ j+1/k
Ce qui implique que en ramenant à l’indice j et k :
θ j/k = θ j/k −1 − q k (A.2.2)
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.
Etude d’un robot à deux degrès de liberté
Nous allons utiliser l’équation (A.2.2) au robot de la Figure A. 4.
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
l’angle est relatif (pris par rapport au corps précédent).
Essayons de calculer les angles relatifs du robot en fonctions des positions des moteurs. Nous
pouvons écrire que :
θ m1 = q1
En appliquant l’équation (A.2.2) on écrit que :
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:
r12θ rp12/c1 = r2θ rp2/c1 (A.2.4)
Ce qui donne :
r12 (θ m2 − q1 ) = r2q 2
Soit :
220
Annexes
r12 r
q2 = θ m2 − 12 q1 (A.2.5)
r2 r2
Ceci exprimme la relation de contrainte sur la deuxième articulation. Il est possible de

tout écrire sous forme matricielle :
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
La matrice de passage M peut être décomposée en produit de deux matrices. En effet,

les deux termes de la deuxième ligne de M ont r2 en dénominateur et r12 au numérateur. Il est
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
Figure A. 5 : Système à trois degrés de liberté actionné par câbles
Poulie 12 Poulie 2
Câble 1
Câble 2 Câble 3
Poulie 13 Poulie 23 Poulie 3
Figure 7.A: Connections poulies et câbles
Corps 1 Corps 2 Corps 3
Poulies 12/13 Poulies 2/23 Poulies 3
Figure A. 6 : Détails du robot
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).
Le calcul de θ 2 = q 2 est le même qu’au paragraphe précédent. Nous avons :
θ rp13/c1 = θ m3 − q1 . Ensuite, en appliquant l’équation (A.2.1) où les angles sont pris par rapport
au 1er corps, on obtient :
222
Annexes
r13 (θ m3 − q1 ) = r23θ 23/c1 (A.2.8)
En repérant les angles par rapport au 2e corps, on obtient :
r23 (θ 23/c2 ) = r3θ 3/c2 = r3q 3 (A.2.9)
On écrit ensuite que :
θ 23/c2 = θ 23/c1 − q 2 (A.2.10)
Ce qui donne en injectant (A.2.8) dans (A.2.9):
r23 (θ 23/c1 − q 2 ) = r3q 3 (A.2.11)
Soit, en injectant (A.2.8) dans (A.2.11)
r13 (θ m3 − q1 ) − r23q 2 = r3q 3 (A.2.12)
Enfin, avec (A.2.5) dans (A.2.12), on obtient :
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]
Notons que pour la poulie passive, nous avons :
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
Nous pouvons maintenant généraliser pour un système à n degrés de liberté. Si on suppose

toujours que l’articulation du premier est « directement » reliée à l’actionneur, alors on peut
écrire que :
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 
q = S −1R Nθm (A.2.15)
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
Annexe 3 : Calcul des regroupements pour la modélisation des

branches 3 DDL de l’interface médicale
Paramètres n’ayant pas d’influence

Dans cette partie, nous allons éliminer les paramètres qui n’ont pas d’influence sur la
dynamique du système. La fonction énergie d’un tel paramètre est constante, i.e. hj=cst.
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.
Regroupement des paramètres pour la SAE

Pour la SAE, on applique les formules de regroupement données dans le premier
chapitre. On obtient les relations suivantes :
ZZ1R=ZZ1+YY2+YY3+YY4+YY5+YY6+YY7+YY8+YY9+m4d42+m7d72+…
m9d92+(m3+m4+m8+m9)d32,
MX1R = MX1-m7d7,
MY1R = MY1+MZ2+MZ3+MZ4+MZ5+MZ6+MZ7+MZ8+MZ9,
XX2R=XX2-YY2-(m3+m4+m8+m9)d32,
XZ2R=XZ2-(MZ3+MZ4+MZ5+MZ6+MZ7+MZ8+MZ9)d3,
ZZ2R=ZZ2+(m3+m4+m8+m9)d32,
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.
Regroupements introduits par la structure double parallélogramme

Dans [Bennis et Khalil 1991], il a été montré que l’on pouvait regrouper un paramètre
d’une boucle parallélogramme avec les autres paramètres de la boucle. Considérons par
exemple le premier parallélogramme. Il vient :
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.
Or, hM3T=(VO3xω3– g )=((VO2+ω2xO2O3)xω5– g )=(VO5xω5– g )+(ω2xO2O3)xω5
hM3T= hM5T+(ω2xO2O3)xω5 (A.3.1)
Et, hM6T=(VO6xω6– g )=((VO5+ω5xO5O6)xω2– g )=(VO2xω2– g )+(ω5xO5O6)xω2
hM6T= hM2T+(ω5xO5O6)xω2 (A.3.2)
En remarquant que (règle du produit mixte) : O2O3T(ω5xO5O6)xω2 = O5O6T(ω2xO2O3)xω5

On obtient une nouvelle relation de contrainte :
227
Annexes
O5O6ThM3T+O2O3ThM2T= O5O6ThM5T+O2O3ThM6T (A.3.3)
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
On décide de regrouper MX6 avec les autres paramètres. On obtient donc :

MX2R = MX2+(m3+m4+m8+m9)d3+MX6
MX3R = MX3+m4d4+(d6/d3)MX6
MX5R = MX5+m6d6-(d6/d3)MX6
Ainsi, en continuant le même raisonnement, on obtient en développant (A.3.4):

-d7hMY8+d3hMX2 = -d7hMX1+d3hMX7
On décide de regrouper MX7 avec les autres paramètres. On obtient donc :
MX1R = MX1-m7d7+(d7/d3)MX7
MX2R = MX2+(m3+m4+m8+m9)d3+MX6+MX7
MY8R = MY8-(d7/d3)MX7
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.
On calcule l’énergie cinétique du système en ne conservant que les termes relatifs au

tenseur d’inertie Jj. On écrit que (Er indique que l’on ne s’occupe qu’une partie de l’énergie):
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.
Ainsi, on obtient les regroupements suivants :
J1R = (J1+J4+J8) (A.3.6.a)
J2R = (J2+J6+J7) (A.3.6.b)
J3R = (J3+J5+J9) (A.3.6.c)
En développant les équations (A.3.6) on obtient :

ZZ1R=ZZ1+YY2+YY3-XX4+YY5+YY6+YY7- …
XX8+YY9+m4d42+m7d72+m9d92+(m3+m4+m8+m9)d32
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
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.
229
Annexes
Regroupements pour le cas quasi statique

Comme les interfaces haptiques sont souvent utilisées en basse vitesse, il est intéressant
d’analyser le cas quasi-statique qui permet des regroupements supplémentaires. En effet, si
nous avons V ≈ ω ≈ 0 alors nous obtenons hMjT = – g , pour tous les corps de l’interface. Ainsi,
dans une boucle parallélogramme, les corps en vis-à-vis étant toujours parallèles (i.e. une
orientation constante), les paramètres de gravité vont se regrouper intégralement et
inconditionnellement. On aura donc les regroupements supplémentaires suivants :
MX1R = MX1R + MY4 + MY8R
MY2R = MY2 + MY6 + MY7
MX3R = MX3R + MX5R
MY3R = MY3 + MY5 + MY9
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.
Regroupements des termes de frottement

Pour achever l’étude des regroupements, nous allons calculer les regroupements des
termes de frottements. Des expériences pratiques ont montré que le modèle classique
visqueux et Coulomb était suffisant, i.e. :
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 ) )
Γf2 = f v2R qɺ 2 + f c2R sign(qɺ 2 ) + f v3R (qɺ 2 − qɺ 5 ) + f c3R sign(qɺ 2 − qɺ 5 ) (A.3.8)
Γf5 = f v5 qɺ 5 + f c5sign(qɺ 5 ) + f v3qɺ 3 + f c3sign(qɺ 3 ) -( f v6 qɺ 6 + f c6sign(qɺ 6 ) )+ f v9 qɺ 9 + f c9sign(qɺ 9 ) - …
( f v4 qɺ 4 + f c4sign(qɺ 4 ) )
230
Annexes
Γf5 = f v5R qɺ 5 + f c5R sign(qɺ 5 ) - f v3R (qɺ 2 − qɺ 5 ) − f c3R sign(qɺ 2 − qɺ 5 ) (A.3.9)
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
Annexe 4 : Expressions des fonctions énergétiques pour

l’identification des branches 3 DDL de l’interface médicale
Cette annexe présente les fonctions énergétiques des paramètres inertiels des branches 3 DDL
de l’interface médicale.
S1=sin(t1); U133=DV133 + WP23;

C1=cos(t1); U213=DV123 + WP33;
S2=sin(t2); U223=DV113 + DV333;
C2=cos(t2); U233=DV233 - WP13;
S3=sin(t3); U313=DV133 - WP23;
C3=cos(t3); U323=DV233 + WP13;
S4=sin(t4); U333=DV113 + DV223;
C4=cos(t4); VSP13=d3*U112 + VP12;
S5=sin(t5); VSP23=d3*U212 + VP22;
C5=cos(t5); VSP33=d3*U312 + VP21;
S6=sin(t6); VP13=C3.*VSP13 + S3.*VSP23;
C6=cos(t6); VP23=-(S3.*VSP13) + C3.*VSP23;
DV331=-QP1.^2; WI14=C4.*WI13 + S4.*WI23;
VP11=-(G2*S1); WI24=-(S4.*WI13) + C4.*WI23;
VP21=-(C1*G2); W34=QP4 + W33;
WI12=-(QP1.*S2); WP14=QP4.*WI24 + C4.*WP13 + S4.*WP23;
WI22=-(C2.*QP1); WP24=-(QP4.*WI14) - S4.*WP13 + C4.*WP23;
WP12=-(QDP1.*S2) + QP2.*WI22; WP34=QDP4 + WP33;
WP22=-(C2.*QDP1) - QP2.*WI12; DV114=-WI14.^2;
DV112=-WI12.^2; DV224=-WI24.^2;
DV222=-WI22.^2; DV334=-W34.^2;
DV332=-QP2.^2; DV124=WI14.*WI24;
DV122=WI12.*WI22; DV134=W34.*WI14;
DV132=QP2.*WI12; DV234=W34.*WI24;
DV232=QP2.*WI22; U114=DV224 + DV334;
U112=DV222 + DV332; U124=DV124 - WP34;
U122=DV122 - QDP2; U134=DV134 + WP24;
U132=DV132 + WP22; U214=DV124 + WP34;
U212=DV122 + QDP2; U224=DV114 + DV334;
U222=DV112 + DV332; U234=DV234 - WP14;
U232=DV232 - WP12; U314=DV134 - WP24;
U312=DV132 - WP22; U324=DV234 + WP14;
U322=DV232 + WP12; U334=DV114 + DV224;
U332=DV112 + DV222; VSP14=d4*U113 + VP13;
VP12=C2.*VP11; VSP24=d4*U213 + VP23;
VP22=-(S2.*VP11); VSP34=d4*U313 + VSP33;
WI13=C3.*WI12 + S3.*WI22; VP14=C4.*VSP14 + S4.*VSP24;
WI23=-(S3.*WI12) + C3.*WI22; VP24=-(S4.*VSP14) + C4.*VSP24;
W33=QP2 + QP3; WI15=-(QP1.*S5);
WP13=QP3.*WI23 + C3.*WP12 + S3.*WP22; WI25=-(C5.*QP1);
WP23=-(QP3.*WI13) - S3.*WP12 + C3.*WP22; WP15=-(QDP1.*S5) + QP5.*WI25;
WP33=QDP2 + QDP3; WP25=-(C5.*QDP1) - QP5.*WI15;
DV113=-WI13.^2; DV115=-WI15.^2;
DV223=-WI23.^2; DV225=-WI25.^2;
DV333=-W33.^2; DV335=-QP5.^2;
DV123=WI13.*WI23; DV125=WI15.*WI25;
DV133=W33.*WI13; DV135=QP5.*WI15;
DV233=W33.*WI23; DV235=QP5.*WI25;
U113=DV223 + DV333; U115=DV225 + DV335;
U123=DV123 - WP33; U125=DV125 - QDP5;
232
Annexes
U135=DV135 + WP25; DG2YZ2=U132;

U215=DV125 + QDP5; N1YZ21=C2.*NO1YZ22 + S2.*U122;
U225=DV115 + DV335; N3YZ21=-(NO1YZ22.*S2) + C2.*U122;
U235=DV235 - WP15; DG1YZ2=N3YZ21;
U315=DV135 - WP25; DG2ZZ2=QDP2;
U325=DV235 + WP15; N1ZZ21=C2.*DV232 + DV132.*S2;
U335=DV115 + DV225; N3ZZ21=C2.*DV132 - DV232.*S2;
VP15=C5.*VP11; DG1ZZ2=N3ZZ21;
VP25=-(S5.*VP11); DG2MX2=VP22;
WI16=C6.*WI15 + S6.*WI25; E1MX21=C2.*U112 - S2.*U212;
WI26=-(S6.*WI15) + C6.*WI25; E3MX21=-(S2.*U112) - C2.*U212;
W36=QP5 + QP6; N1MX21=S2.*VP21;
WP16=QP6.*WI26 + C6.*WP15 + S6.*WP25; N3MX21=C2.*VP21;
WP26=-(QP6.*WI16) - S6.*WP15 + C6.*WP25; DG1MX2=N3MX21;
WP36=QDP5 + QDP6; DG2MY2=-VP12;
DV116=-WI16.^2; E1MY21=C2.*U122 - S2.*U222;
DV226=-WI26.^2; E3MY21=-(S2.*U122) - C2.*U222;
DV336=-W36.^2; N1MY21=C2.*VP21;
DV126=WI16.*WI26; N3MY21=-(S2.*VP21);
DV136=W36.*WI16; DG1MY2=N3MY21;
DV236=W36.*WI26; E1MZ21=C2.*U132 - S2.*U232;
U116=DV226 + DV336; E3MZ21=-(S2.*U132) - C2.*U232;
U126=DV126 - WP36; N1MZ21=-(S2.*VP12) - C2.*VP22;
U136=DV136 + WP26; N3MZ21=-(C2.*VP12) + S2.*VP22;
U216=DV126 + WP36; DG1MZ2=N3MZ21;
U226=DV116 + DV336; E1M21=C2.*VP12 - S2.*VP22;
U236=DV236 - WP16; E3M21=-(S2.*VP12) - C2.*VP22;
U316=DV136 - WP26; DG2IA2=QDP2;
U326=DV236 + WP16; DG2FV2=QP2;
U336=DV116 + DV226; DG2FS2=sign(QP2);
VSP16=d6*U115 + VP15; DG3XX3=-DV123;
VSP26=d6*U215 + VP25; N1XX32=-(DV133.*S3) + C3.*WP13;
VSP36=d6*U315 + VP21; N2XX32=C3.*DV133 + S3.*WP13;
VP16=C6.*VSP16 + S6.*VSP26; DG2XX3=-DV123;
VP26=-(S6.*VSP16) + C6.*VSP26; N1XX31=C2.*N1XX32 - N2XX32.*S2;
DG1ZZ1=QDP1; N3XX31=-(C2.*N2XX32) - N1XX32.*S2;
DG1MX1=VP21; DG1XX3=N3XX31;
DG1MY1=-VP11; NO3XY33=-DV113 + DV223;
DG1IA1=QDP1; DG3XY3=NO3XY33;
DG1FV1=QP1; N1XY32=-(C3.*U313) - S3.*U323;
DG1FS1=sign(QP1); N2XY32=-(S3.*U313) + C3.*U323;
DG2XX2=-DV122; DG2XY3=NO3XY33;
N1XX21=-(DV132.*S2) + C2.*WP12; N1XY31=C2.*N1XY32 - N2XY32.*S2;
N3XX21=-(C2.*DV132) - S2.*WP12; N3XY31=-(C2.*N2XY32) - N1XY32.*S2;
DG1XX2=N3XX21; DG1XY3=N3XY31;
NO3XY22=-DV112 + DV222; NO2XZ33=DV113 - DV333;
DG2XY2=NO3XY22; DG3XZ3=-U233;
N1XY21=-(C2.*U312) - S2.*U322; N1XZ32=-(NO2XZ33.*S3) + C3.*U213;
N3XY21=S2.*U312 - C2.*U322; N2XZ32=C3.*NO2XZ33 + S3.*U213;
DG1XY2=N3XY21; DG2XZ3=-U233;
NO2XZ22=DV112 - DV332; N1XZ31=C2.*N1XZ32 - N2XZ32.*S2;
DG2XZ2=-U232; N3XZ31=-(C2.*N2XZ32) - N1XZ32.*S2;
N1XZ21=-(NO2XZ22.*S2) + C2.*U212; DG1XZ3=N3XZ31;
N3XZ21=-(C2.*NO2XZ22) - S2.*U212; DG3YY3=DV123;
DG1XZ2=N3XZ21; N1YY32=-(C3.*DV233) - S3.*WP23;
DG2YY2=DV122; N2YY32=-(DV233.*S3) + C3.*WP23;
N1YY21=-(C2.*DV232) - S2.*WP22; DG2YY3=DV123;
N3YY21=DV232.*S2 - C2.*WP22; N1YY31=C2.*N1YY32 - N2YY32.*S2;
DG1YY2=N3YY21; N3YY31=-(C2.*N2YY32) - N1YY32.*S2;
NO1YZ22=-DV222 + DV332; DG1YY3=N3YY31;
233
Annexes
NO1YZ33=-DV223 + DV333; DG3FV3=QP3;

DG3YZ3=U133; DG3FS3=sign(QP3);
N1YZ32=C3.*NO1YZ33 + S3.*U123; DG4XX4=-DV124;
N2YZ32=NO1YZ33.*S3 - C3.*U123; N1XX43=-(DV134.*S4) + C4.*WP14;
DG2YZ3=U133; N2XX43=C4.*DV134 + S4.*WP14;
N1YZ31=C2.*N1YZ32 - N2YZ32.*S2; DG3XX4=-DV124;
N3YZ31=-(C2.*N2YZ32) - N1YZ32.*S2; N1XX42=C3.*N1XX43 - N2XX43.*S3;
DG1YZ3=N3YZ31; N2XX42=C3.*N2XX43 + N1XX43.*S3;
DG3ZZ3=WP33; DG2XX4=-DV124;
N1ZZ32=C3.*DV233 + DV133.*S3; N1XX41=C2.*N1XX42 - N2XX42.*S2;
N2ZZ32=-(C3.*DV133) + DV233.*S3; N3XX41=-(C2.*N2XX42) - N1XX42.*S2;
DG2ZZ3=WP33; DG1XX4=N3XX41;
N1ZZ31=C2.*N1ZZ32 - N2ZZ32.*S2; NO3XY44=-DV114 + DV224;
N3ZZ31=-(C2.*N2ZZ32) - N1ZZ32.*S2; DG4XY4=NO3XY44;
DG1ZZ3=N3ZZ31; N1XY43=-(C4.*U314) - S4.*U324;
DG3MX3=VP23; N2XY43=-(S4.*U314) + C4.*U324;
E1MX32=C3.*U113 - S3.*U213; DG3XY4=NO3XY44;
E2MX32=S3.*U113 + C3.*U213; N1XY42=C3.*N1XY43 - N2XY43.*S3;
N1MX32=S3.*VSP33; N2XY42=C3.*N2XY43 + N1XY43.*S3;
N2MX32=-(d3*U313) - C3.*VSP33; DG2XY4=NO3XY44;
N3MX32=d3*(S3.*U113 + C3.*U213) + VP23; N1XY41=C2.*N1XY42 - N2XY42.*S2;
DG2MX3=N3MX32; N3XY41=-(C2.*N2XY42) - N1XY42.*S2;
E1MX31=C2.*E1MX32 - E2MX32.*S2; DG1XY4=N3XY41;
E3MX31=-(C2.*E2MX32) - E1MX32.*S2; NO2XZ44=DV114 - DV334;
N1MX31=C2.*N1MX32 - N2MX32.*S2; DG4XZ4=-U234;
N3MX31=-(C2.*N2MX32) - N1MX32.*S2; N1XZ43=-(NO2XZ44.*S4) + C4.*U214;
DG1MX3=N3MX31; N2XZ43=C4.*NO2XZ44 + S4.*U214;
DG3MY3=-VP13; DG3XZ4=-U234;
E1MY32=C3.*U123 - S3.*U223; N1XZ42=C3.*N1XZ43 - N2XZ43.*S3;
E2MY32=S3.*U123 + C3.*U223; N2XZ42=C3.*N2XZ43 + N1XZ43.*S3;
N1MY32=C3.*VSP33; DG2XZ4=-U234;
N2MY32=-(d3*U323) + S3.*VSP33; N1XZ41=C2.*N1XZ42 - N2XZ42.*S2;
N3MY32=d3*(S3.*U123 + C3.*U223) - VP13; N3XZ41=-(C2.*N2XZ42) - N1XZ42.*S2;
DG2MY3=N3MY32; DG1XZ4=N3XZ41;
E1MY31=C2.*E1MY32 - E2MY32.*S2; DG4YY4=DV124;
E3MY31=-(C2.*E2MY32) - E1MY32.*S2; N1YY43=-(C4.*DV234) - S4.*WP24;
N1MY31=C2.*N1MY32 - N2MY32.*S2; N2YY43=-(DV234.*S4) + C4.*WP24;
N3MY31=-(C2.*N2MY32) - N1MY32.*S2; DG3YY4=DV124;
DG1MY3=N3MY31; N1YY42=C3.*N1YY43 - N2YY43.*S3;
E1MZ32=C3.*U133 - S3.*U233; N2YY42=C3.*N2YY43 + N1YY43.*S3;
E2MZ32=S3.*U133 + C3.*U233; DG2YY4=DV124;
N1MZ32=-(S3.*VP13) - C3.*VP23; N1YY41=C2.*N1YY42 - N2YY42.*S2;
N2MZ32=-(d3*U333) + C3.*VP13 - S3.*VP23; N3YY41=-(C2.*N2YY42) - N1YY42.*S2;
N3MZ32=d3*(S3.*U133 + C3.*U233); DG1YY4=N3YY41;
DG2MZ3=N3MZ32; NO1YZ44=-DV224 + DV334;
E1MZ31=C2.*E1MZ32 - E2MZ32.*S2; DG4YZ4=U134;
E3MZ31=-(C2.*E2MZ32) - E1MZ32.*S2; N1YZ43=C4.*NO1YZ44 + S4.*U124;
N1MZ31=C2.*N1MZ32 - N2MZ32.*S2; N2YZ43=NO1YZ44.*S4 - C4.*U124;
N3MZ31=-(C2.*N2MZ32) - N1MZ32.*S2; DG3YZ4=U134;
DG1MZ3=N3MZ31; N1YZ42=C3.*N1YZ43 - N2YZ43.*S3;
E1M32=C3.*VP13 - S3.*VP23; N2YZ42=C3.*N2YZ43 + N1YZ43.*S3;
E2M32=S3.*VP13 + C3.*VP23; DG2YZ4=U134;
N2M32=-(d3*VSP33); N1YZ41=C2.*N1YZ42 - N2YZ42.*S2;
N3M32=d3*(S3.*VP13 + C3.*VP23); N3YZ41=-(C2.*N2YZ42) - N1YZ42.*S2;
DG2M3=N3M32; DG1YZ4=N3YZ41;
E1M31=C2.*E1M32 - E2M32.*S2; DG4ZZ4=WP34;
E3M31=-(C2.*E2M32) - E1M32.*S2; N1ZZ43=C4.*DV234 + DV134.*S4;
N1M31=-(N2M32.*S2); N2ZZ43=-(C4.*DV134) + DV234.*S4;
N3M31=-(C2.*N2M32); DG3ZZ4=WP34;
DG1M3=N3M31; N1ZZ42=C3.*N1ZZ43 - N2ZZ43.*S3;
234
Annexes
N2ZZ42=C3.*N2ZZ43 + N1ZZ43.*S3; E3MZ41=-(C2.*E2MZ42) - E1MZ42.*S2;

DG2ZZ4=WP34; N1MZ41=C2.*N1MZ42 - N2MZ42.*S2;
N1ZZ41=C2.*N1ZZ42 - N2ZZ42.*S2; N3MZ41=-(C2.*N2MZ42) - N1MZ42.*S2;
N3ZZ41=-(C2.*N2ZZ42) - N1ZZ42.*S2; DG1MZ4=N3MZ41;
DG1ZZ4=N3ZZ41; E1M43=C4.*VP14 - S4.*VP24;
DG4MX4=VP24; E2M43=S4.*VP14 + C4.*VP24;
E1MX43=C4.*U114 - S4.*U214; N2M43=-(d4*VSP34);
E2MX43=S4.*U114 + C4.*U214; N3M43=d4*(S4.*VP14 + C4.*VP24);
N1MX43=S4.*VSP34; DG3M4=N3M43;
N2MX43=-(d4*U314) - C4.*VSP34; E1M42=C3.*E1M43 - E2M43.*S3;
N3MX43=d4*(S4.*U114 + C4.*U214) + VP24; E2M42=C3.*E2M43 + E1M43.*S3;
DG3MX4=N3MX43; N1M42=-(N2M43.*S3);
E1MX42=C3.*E1MX43 - E2MX43.*S3; N2M42=C3.*N2M43 - d3*VSP34;
E2MX42=C3.*E2MX43 + E1MX43.*S3; N3M42=N3M43 + d3*(C3.*E2M43 +
N1MX42=C3.*N1MX43 - N2MX43.*S3; E1M43.*S3);
N2MX42=C3.*N2MX43 + N1MX43.*S3 - DG2M4=N3M42;
d3*U314; E1M41=C2.*E1M42 - E2M42.*S2;
N3MX42=N3MX43 + d3*(C3.*E2MX43 + E3M41=-(C2.*E2M42) - E1M42.*S2;
E1MX43.*S3); N1M41=C2.*N1M42 - N2M42.*S2;
DG2MX4=N3MX42; N3M41=-(C2.*N2M42) - N1M42.*S2;
E1MX41=C2.*E1MX42 - E2MX42.*S2; DG1M4=N3M41;
E3MX41=-(C2.*E2MX42) - E1MX42.*S2; DG4FV4=QP4;
N1MX41=C2.*N1MX42 - N2MX42.*S2; DG4FS4=sign(QP4);
N3MX41=-(C2.*N2MX42) - N1MX42.*S2; DG5XX5=-DV125;
DG1MX4=N3MX41; N1XX51=-(DV135.*S5) + C5.*WP15;
DG4MY4=-VP14; N3XX51=-(C5.*DV135) - S5.*WP15;
E1MY43=C4.*U124 - S4.*U224; DG1XX5=N3XX51;
E2MY43=S4.*U124 + C4.*U224; NO3XY55=-DV115 + DV225;
N1MY43=C4.*VSP34; DG5XY5=NO3XY55;
N2MY43=-(d4*U324) + S4.*VSP34; N1XY51=-(C5.*U315) - S5.*U325;
N3MY43=d4*(S4.*U124 + C4.*U224) - VP14; N3XY51=S5.*U315 - C5.*U325;
DG3MY4=N3MY43; DG1XY5=N3XY51;
E1MY42=C3.*E1MY43 - E2MY43.*S3; NO2XZ55=DV115 - DV335;
E2MY42=C3.*E2MY43 + E1MY43.*S3; DG5XZ5=-U235;
N1MY42=C3.*N1MY43 - N2MY43.*S3; N1XZ51=-(NO2XZ55.*S5) + C5.*U215;
N2MY42=C3.*N2MY43 + N1MY43.*S3 - N3XZ51=-(C5.*NO2XZ55) - S5.*U215;
d3*U324; DG1XZ5=N3XZ51;
N3MY42=N3MY43 + d3*(C3.*E2MY43 + DG5YY5=DV125;
E1MY43.*S3); N1YY51=-(C5.*DV235) - S5.*WP25;
DG2MY4=N3MY42; N3YY51=DV235.*S5 - C5.*WP25;
E1MY41=C2.*E1MY42 - E2MY42.*S2; DG1YY5=N3YY51;
E3MY41=-(C2.*E2MY42) - E1MY42.*S2; NO1YZ55=-DV225 + DV335;
N1MY41=C2.*N1MY42 - N2MY42.*S2; DG5YZ5=U135;
N3MY41=-(C2.*N2MY42) - N1MY42.*S2; N1YZ51=C5.*NO1YZ55 + S5.*U125;
DG1MY4=N3MY41; N3YZ51=-(NO1YZ55.*S5) + C5.*U125;
E1MZ43=C4.*U134 - S4.*U234; DG1YZ5=N3YZ51;
E2MZ43=S4.*U134 + C4.*U234; DG5ZZ5=QDP5;
N1MZ43=-(S4.*VP14) - C4.*VP24; N1ZZ51=C5.*DV235 + DV135.*S5;
N2MZ43=-(d4*U334) + C4.*VP14 - S4.*VP24; N3ZZ51=C5.*DV135 - DV235.*S5;
N3MZ43=d4*(S4.*U134 + C4.*U234); DG1ZZ5=N3ZZ51;
DG3MZ4=N3MZ43; DG5MX5=VP25;
E1MZ42=C3.*E1MZ43 - E2MZ43.*S3; E1MX51=C5.*U115 - S5.*U215;
E2MZ42=C3.*E2MZ43 + E1MZ43.*S3; E3MX51=-(S5.*U115) - C5.*U215;
N1MZ42=C3.*N1MZ43 - N2MZ43.*S3; N1MX51=S5.*VP21;
N2MZ42=C3.*N2MZ43 + N1MZ43.*S3 - N3MX51=C5.*VP21;
d3*U334; DG1MX5=N3MX51;
N3MZ42=N3MZ43 + d3*(C3.*E2MZ43 + DG5MY5=-VP15;
E1MZ43.*S3); E1MY51=C5.*U125 - S5.*U225;
DG2MZ4=N3MZ42; E3MY51=-(S5.*U125) - C5.*U225;
E1MZ41=C2.*E1MZ42 - E2MZ42.*S2; N1MY51=C5.*VP21;
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
W1 = [DG1ZZ1 DG1MX1 DG1MY1 DG1FV1 DG1FS1 UNI ...

DG1XX2 DG1XY2 DG1XZ2 DG1YZ2 DG1ZZ2 DG1MX2 DG1MY2 SEF SEF SEF ...
DG1XX3 DG1XY3 DG1XZ3 DG1YZ3 DG1ZZ3 DG1MX3 DG1MY3 ...
DG1XX4 DG1ZZ4 DG1MX4 DG1MY4 ...
DG1MX5 DG1MY5 SEF SEF SEF ...
DG1MY6];
W2 = [SEF SEF SEF SEF SEF SEF ...

DG2XX2 DG2XY2 DG2XZ2 DG2YZ2 DG2ZZ2 DG2MX2 DG2MY2 DG2FV2 DG2FS2 UNI ...
SEF SEF SEF SEF SEF ...
SEF];

SEF SEF SEF SEF SEF SEF SEF SEF SEF SEF ...
SEF];

SEF SEF SEF SEF SEF SEF SEF ...
SEF];

SEF SEF SEF SEF ...
DG5MX5 DG5MY5 DG5FV5 DG5FS5 UNI ...
DG5MY6];

SEF SEF SEF SEF ...
DG6MY6];
W = [W1;W2-W3+W6;W5+W3-W6-W4];
237
Annexes
Annexe 5 : Expression du modèle dynamique direct du robot

SCARA
% Equations:
function QDP=scara2base_qdp(u)
GAM1=u(1);
GAM2=u(2);
t1=u(3);
t2=u(4);
QP1=u(5);
QP2=u(6);
global L1 MX2 MY2 ZZ2 FV2 FS2

global ZZ1R FV1 FS1
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
GX352=GK352 + GK452.*JPR132 + GK552.*JPR232;

TKT332=GX332 + GX342.*JPR132 + GX352.*JPR232;
MJE331=TKT332 + ZZ1R;
VBE31=-(AP42.*JPR132) - AP52.*JPR232 - VS32;
JD1=1./MJE331;
GW1=GAM1 - FV1.*QP1 + VBE31 - FS1.*sign(QP1);
QDP1=GW1.*JD1;
VR42=LW12 + JPR132.*QDP1;
VR52=LW22 + JPR232.*QDP1;
GU2=JU32.*QDP1 + JU42.*VR42 + JU52.*VR52;
QDP2=-GU2 + GW2.*JD2;
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.
Mots-clés : Interfaces haptiques, Identification, Moindres carrés, Modèle dynamique inverse
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.
Key-words : Haptic devices, Identification, Least squares, Inverse dynamic model
Discipline : Sciences de l’Ingénieur
N° : ED 0366-340
241
View publication stats

These Aj 171207

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

These Aj 171207

Transféré par

Droits d'auteur :

Formats disponibles

See discussions, stats, and author profiles for this publication at: https://www.researchgate.

Contribution à la modélisation et à l’identiﬁcation des interfaces haptiques

Thesis · December 2007

Introduction of PMSMs in haptic interfaces - Haption SA View project

The user has requested enhancement of the downloaded file.

Thèse de Doctorat de l’Université de Nantes

Spécialité : AUTOMATIQUE ET INFORMATIQUE APPLIQUEE

Présentée et soutenue publiquement par

Rapporteurs : Poinot Thierry Professeur des universités

Examinateurs : Friconneau Jean Pierre Ingénieur de recherche

Directeur de Thèse : Maxime GAUTIER

Je remercie sincèrement Maxime GAUTIER, professeur à l’université de Nantes, de

Table des matières :.................................................................................................................... ii

Liste des figures ......................................................................................................................... v

Liste des tableaux ..................................................................................................................... vii

1 Chapitre 1 : Interfaces haptiques, formalisme de la robotique et techniques

2 Chapitre 2 : Modélisation et identification d’une interface à un degré de liberté à

3 Chapitre 3 : Modélisation, identification, caractérisation et évaluation préliminaire d’une

4 Chapitre 4 : Une nouvelle méthode d’identification des paramètres dynamiques sans la

Bibliographie de l’auteur:....................................................................................................... 195

Annexes ..............................................................................................................................- 211 -

Généralement, les interfaces sont constituées de structures mécaniques articulées

Figure 0-1 : Opérateur en interaction avec un monde virtuel

Afin que l’opérateur se sente totalement immergé dans l’environnement virtuel,

Actuellement, les interfaces haptiques sont souvent modélisées dans l’espace

Ces remarques montrent qu’il n’existe pas de méthode générique de modélisation et

FAR) et l’équipe robotique de l’Institut de Recherche en Communication et Cybernétique de

Cependant, la méthode d’identification basée sur le modèle dynamique inverse (MDI)

Le présent mémoire est composé de quatre chapitres :

Le premier chapitre introduit la modélisation géométrique, le modèle dynamique inverse et

Le deuxième chapitre traite de la modélisation et de l’identification expérimentale du bras un

Le troisième chapitre présente la modélisation et l’identification expérimentale des branches à

Le quatrième chapitre introduit une nouvelle méthode d’identification ne nécessitant que la

1 Chapitre 1 : Interfaces haptiques, formalisme de la

1 Chapitre 1 : Interfaces haptiques, formalisme de la robotique et techniques

Ce chapitre introduit les outils utilisés pour la modélisation et l’identification des

1.2 Les interfaces haptiques

Les interfaces peuvent également se présenter sous la forme de structures

Figure 1-2 : Gant mécanique conçu au CEA

Enfin, il est également possible de viser une immersion sensorielle en combinant

L’opérateur ne doit pas ressentir la présence de l’interface pour se sentir totalement

Figure 1-4 : Schéma classique de téléopération montrant un couplage bilatéral

lois de commande de ces interfaces. Le but de la commande est de compenser la distorsion.

Actuellement, les interfaces haptiques sont souvent modélisées, dans l’espace

Il est possible de concevoir le protocole de modélisation et d’identification comme suit :

• Identification globale des paramètres inertiels en concaténant les essais

1.3 Modélisation des robots à corps rigides

1.3.1 Robots à structures ouvertes simples

Figure 1-5 : Robot à structure ouverte simple

Le repère Rj (0 ≤ j ≤ n ) lié au corps Cj, successeur du corps Cj-1 et antécédent du corps

La variable articulaire qj associée à la jième articulation est définie par l’équation

Figure 1-6 : Paramètres géométriques d’une structure ouverte simple

1.3.2 Robots à structures ouvertes arborescentes

Figure 1-7 : Notations associées à une structure arborescente

• La base est fixe et constitue le corps C0,

• Si xi est la perpendiculaire commune à zi et à un autre axe zk (Figure 1-8), deux

Figure 1-8 : Paramètres géométriques pour un corps à plus de deux articulations

1.3.3 Robots à structures fermées

Parmi les L articulations, N seulement sont pourvues d’actionneurs. On suppose que la

des N variables articulaires correspondantes permet de déterminer la configuration du robot,

On introduit la variable binaire µj telle que :

Figure 1-9 : Repères placés sur une articulation coupée

On note q le vecteur contenant les L variables articulaires de la structure fermée :