REMERCIEMENTS

Dedicace
Résumé-abstract
Liste des abreveations
Liste des figures
Liste de tableaux
Plan de matière
 Liste des figures
Figure 1: Synergie de différents domaines en mécatronique......................................................6
Figure 2: Exemples de systèmes mécatroniques dans la vie quotidienne...................................7
Figure 3: Classifications des systèmes mécaniques....................................................................8
Figure 3.1 Figure 4: Pendule simple........................................................................................10
Figure 5: Pendule inversé sur chariot........................................................................................11
Figure 6: schématise le double pendule inversé. La liaison actionnée est q1 pour..................12
Figure 7: Schéma du pendule de Furuta. α_0 et α_1 sont les coordonnées généralisées, τ est le
couple appliqué à la première tige au niveau de la liaison avec le socle par l’actionneur........13
Figure 8: Pendule inversé à roue d’inertie................................................................................14
Figure 9: une vue schématique de la bille sur rail....................................................................14
Figure 10: système de grue de transport...................................................................................14
Figure 11: Pendule inversé sur deux roues...............................................................................15
Figure 12: Classification (classe I II III) des différents systèmes mécaniques sous-actionnés 25
Figure 13: (b)Classification (class IVa IVb V) des différents systèmes mécaniques sous-
actionnés...................................................................................................................................26
Figure 14: (c) : Classification (classe VI VII VIII) des différents systèmes mécaniques sous-
actionnés...................................................................................................................................27
Figure 15:Schéma du pendule inversé......................................................................................28
Figure 16: Application du pendule inversé...............................................................................29
Figure 17: Les robots Segway i180 series (gauche) et iBot 4000 (droite)................................42
Figure 18:Position du corps......................................................................................................43
Figure 19:cycle de fonctionnement du Segway........................................................................44
Figure 20:Les composants d’un Segway..................................................................................44
Figure 21:Dispositif de commande Info key............................................................................45
Figure 22:console et témoin lumineux......................................................................................45
Figure 23: Les capteurs de présence du conducteur.................................................................46
Figure 24: Vue sur le capteur d’équilibre (BSA)......................................................................47
Figure 25: Système de contrôle (CU).......................................................................................47
Figure 26: Moteurs Figure27 : boîte à vitesse du gyropode Segway..................................48
Figure 27:Représentation graphique de l'élément inertiel........................................................55
Figure 28:Représentation graphique de l'élément capacitif......................................................55
Figure 29: Représentation graphique de l'élément résistif........................................................56
Figure 30: Représentation graphique de l'élément Source d'effort...........................................56
Figure 31: Représentation graphique de l'élément de transformateur......................................57
Figure 32:Représentation graphique de l'élément Gyrateur......................................................57
Figure 33:Modèle de Segway...................................................................................................59
Figure 34:mouvement de rotation du corps principale du véhicule..........................................61
Figure 35:Modèle de graphe de liaison du Segway..................................................................61
Figure 36:Modèle de graphe de liaison pour (a) la structure de jonction d'Euler, (b) les
équations de Newton-Euler [113].............................................................................................62
Figure 37:Transformation des coordonnées des vitesses angulaires en mouvement en taux
d'angle d'Euler [113].................................................................................................................64
Figure 38:Bloc de transformation des coordonnées du cadre inertiel au cadre mobile [113]. .64
Figure 39:Bloc de transformations de coordonnées du cadre mobile au cadre inertiel [113]. .65
Figure 40:Modélisation du Bond Graph de la carrosserie principale du véhicule et des
composants attachés..................................................................................................................65
Figure 41:Modèle de graphe de liaison pour le pendule inversé..............................................66
Figure 42:Modèle de graphe de liaison du bloc CTF (a) cadre inertiel vers cadre mobile et (b)
cadre mobile vers cadre inertiel................................................................................................67
Figure 43:Modèle de graphe de liaison pour la roue................................................................67
Figure 44:Modèle de graphique Bond pour système de suspension.........................................68
Figure 45:Modélisation des graphes de liaison pour (a) le différentiel et (b) le contrôleur PI.69
Figure 46:Modèle de graphique de liaison pour la direction....................................................70
Figure 47:schéma bloc du pendule inversé...............................................................................70
Figure 48:Tracé de la vitesse linéaire du véhicule en fonction du temps pour une tension
positive constante provenant du moteur...................................................................................71
Figure 49:Tracé de la vitesse angulaire de la roue du véhicule en fonction du temps pour une
tension positive constante provenant du moteur.......................................................................71
Figure 50:Tracé de l'angle de tangage de la roue du véhicule en fonction du temps pour une
tension positive constante provenant du moteur.......................................................................72
Figure 51:Tracé de la vitesse linéaire du véhicule en fonction du temps pour une tension
négative constante provenant du moteur...................................................................................73
Figure 52:Tracé de la vitesse angulaire de la roue du véhicule en fonction du temps pour une
tension négative constante du moteur.......................................................................................73
Figure 53:Tracé de l'angle de tangage de la roue du véhicule en fonction du temps pour une
tension négative constante provenant du moteur......................................................................74
Figure 54:Tracé de l'angle de tangage du véhicule en fonction du temps pour la force de la
poignée avant............................................................................................................................74
Figure 55:Tracé de la vitesse linéaire du véhicule en fonction du temps pour la force de la
poignée avant............................................................................................................................75
Figure 56:Tracé de la vitesse angulaire du véhicule en fonction du temps pour la force de la
poignée avant............................................................................................................................76
Figure 57:Tracé de l’angle de tangage en fonction du temps pour la force de la poignée
arrière........................................................................................................................................76
Figure 58:présente le tracé de la vitesse linéaire du véhicule en fonction du temps pour la
force de la poignée arrière.........................................................................................................76
Figure 59:Tracé de la vitesse linéaire en fonction du temps pour la force de
la poignée arrière.......................................................................................................................77
Figure 60:Tracé de la vitesse angulaire du véhicule en fonction du temps pour la force de la
poignée arrière..........................................................................................................................78
Figure 61:Pendule inversé sur deux roues................................................................................80
Figure 62:montre le diagramme Simulink................................................................................83
Figure 63:Diagramme SIMULINK en boucle ouvert...............................................................83
Figure 64:réponse impulsionnelle du système x (a) et x ̇ (b)..................................................84
Figure 65:Réponse impulsionnelle du système θ (a) et θ ̇(b)....................................................84
Figure 66:Réponse impulsionnelle du système φ (a) et φ ̇(b)...................................................85
Figure 67:Représentation schématique du concept de contrôle par retour d'état......................91
Figure 68:Diagramme Simulink en boucle fermée par retour d’état........................................92
Figure 69:Les variations de x etx ̇ , θ et θ ̇ , et φ et φ ̇ obtenues par la commande par retour
d'état..........................................................................................................................................93
Figure 70:Variation de téta et de phi obtenue par PDC............................................................93
Figure 71:Teta et phi obtenue par backstepping adaptatif........................................................94
Figure 72:Comparaison entre trois contrôleurs.........................................................................95
Figure 73:Paramètres des contrôleurs PID.............................................................................101
Figure 74:Variables et valeurs linguistiques...........................................................................102
Figure 75:Différents types de fonctions d'appartenance.........................................................102
Figure 76:La structure générale d'un contrôleur flou..............................................................103
Figure 77:Les fonctions d'appartenance du contrôleur flou....................................................104
Figure 78:La surface de contrôle de la commande floue........................................................104
Figure 79:Diagramme de contrôle de retour d'état Simulink modifié par le contrôleur PID
flou..........................................................................................................................................105
Figure 80:Comparaison entre les contrôleurs.........................................................................105
Figure 81:Comparaison entre les contrôleurs sous perturbation.............................................106
Figure 82: Modèle de base du segway mécanique..................................................................109
Figure 83:liaisons entres les composants du Segway.............................................................109
Figure 84:vue multiple du pendule inversé sur Catia.............................................................111
Figure 85:Vue multiple des roues sur CATIA........................................................................112
Figure 86:Vue multiple du support pied sur CATIA..............................................................112
Figure 87:la conception du Segway avec mannequin.............................................................113
Figure 88:Vue multiple du Segway avec le mannequin.........................................................113
Figure 89:Mouvement du Segway à l'état initial (a), à droite (b), et à gauche (c)..................115
 Introduction générale

Contexte

De nos jours, on constate que les systèmes mécatroniques sont devenus incontournables dans
maints domaines industriels, offrant de la sorte des fonctionnalités avancées et une intégration
harmonieuse entre les composantes mécaniques, électriques, électroniques et informatiques.
Ces systèmes interdisciplinaires associent l'intelligence propre aux machines et la précision de
l'électronique, permettant par là des progrès importants dans des domaines tels que
l'automobile, l'aérospatiale, la robotique et les dispositifs médicaux.
Au sein des composantes essentielles des systèmes mécatroniques, les systèmes mécaniques
jouent un rôle décisif. En effet, ils permettent la transformation cinématique, la transmission
de la puissance et la création de structures qui supportent et guident les actions entreprises par
de tels systèmes. Cependant, les systèmes mécaniques peuvent être confrontés à des défis
spécifiques, notamment en ce qui concerne la précision, la stabilité et l'efficacité énergétique.
Objectif
La présente thèse est consacrée à l'étude des systèmes mécaniques sous-actionnés, où une
catégorie particulière de systèmes mécaniques se trouve être celle des systèmes sous-
actionnés, dans lesquels le nombre de degrés de liberté de sortie est inférieur à celui lié à la
liberté d'entrée. Ces systèmes peuvent ainsi présenter des contraintes supplémentaires
touchant à leur conception, leur fonctionnement ainsi qu’à leur contrôle. De plus, la
dégradation de ces systèmes peut se manifester sous différentes formes, telles que des pertes
d'énergie, des effets non linéaires ou des instabilités dynamiques.
Compte tenu de ces défis, la modélisation précise des systèmes mécaniques sous-actionnés
revêt une grande importance puisqu’elle permet la compréhension de leur comportement
dynamique, l’identification des sources potentielles de dégradation et l’optimisation de leur
performance. Sous cet angle, la modélisation constitue une étape fondamentale dans le
processus de conception, de simulation et de contrôle des systèmes évoqués , fournissant en
fin de compte une assise solide pour l'analyse et l'amélioration de leurs performances.

Dans le cadre de cette thèse, notre étude se focalise sur les systèmes mécaniques sous-
actionnés, en particulier le modèle du Segway. Ce gyropode représente un exemple

1
emblématique de système mécanique sous-actionné, posant des défis intéressants en termes de
modélisation et de contrôle.
Le Segway est un véhicule électrique à deux roues qui utilise des gyroscopes et des capteurs
pour que l’équilibre dynamique en soit maintenu une fois utilisé. Ce système mécanique sous-
actionné nécessite donc une modélisation précise, de même qu’un un contrôle efficace afin
d'en assurer la stabilité et la manœuvrabilité.
À l'instar du pendule inversé, le Segway se compose d'une structure comprenant une tige
rigide dotée d’une masse à son extrémité. Cependant, contrairement au pendule inversé qui
oscille autour d'un point d'équilibre instable, le Segway a besoin d’être maintenu en équilibre
tout en étant soumis à des perturbations externes. Ce système présente ainsi des
caractéristiques non linéaires et des interactions complexes entre ses différentes composantes.
De plus, sa caractéristique d’engin sous-actionnable paraît évidente, puisque le nombre de
degrés de liberté de sortie est inférieur à celui des degrés de liberté d'entrée.
Dès lors, la modélisation précise et le contrôle efficace du Segway constituent des aspects
cruciaux afin que la performance optimale en soit assurée dans diverses situations. Lors des
différentes parties de cette thèse, nous nous attacherons à approfondir notre compréhension de
ce système mécanique sous-actionné, en développant des modèles mathématiques adéquats et
des stratégies de contrôle avancées. Cet effort de compréhension nous permettra d'optimiser la
stabilité, la réactivité et la manœuvrabilité du Segway, espérant ainsi l’ouverture de nouvelles
perspectives d'application dans des domaines tels que la mobilité personnelle, la logistique et
les transports urbains.
Structure de la thèse
Le présent travail de recherche s’articule autour de six chapitres. Dans le premier, nous
commençons par une présentation du contexte général, qui introduit les concepts de base des
systèmes mécatroniques et des systèmes mécaniques, en se concentrant sur les systèmes sous-
actionnés. La problématique de la présente recherche est ensuite exposée.
Dans le second chapitre, nous abordons la modélisation dynamique du Segway en utilisant
la technique du bond graph. A ce stade, nous examinons les composants mécaniques du
Segway, puis présentons un modèle de simulation détaillé. Dans le même ordre d’idée, un
modèle de simulation par bond graph est présenté à travers l’explication des échanges
thermiques entre les différents composants de ce système.
Le troisième chapitre est consacré à la modélisation du Segway par l’emploi du logiciel
MATLAB, ainsi que le développement des équations de mouvement et des modèles
mathématiques appropriés. Nous parvenons ainsi à préciser un modèle dynamique du Segway

2
qui tient compte de ses caractéristiques spécifiques. La simulation du Segway, ainsi que
l’analyse de ses performances sont alors présentées en boucle ouverte.

Dans le quatrième chapitre, le travail de recherche est focalisé sur les aspects de contrôle du
Segway. Dans ce sens, nous examinons les différentes stratégies de contrôle pouvant être
utilisées pour le maintien de l'équilibre du Segway et , dans le même temps, de sa
manœuvrabilité. Aussi commençons-nous cette partie par l’étude de l’approche de la
commande par retour d’état, en analysant leurs avantages, leurs limites et leur applicabilité au
contexte du Segway.
Le cinquième chapitre expose comment le contrôleur par retour d’état est modifié par
l’ajout d’un PID flou, l'objectif consistant à développer des algorithmes de contrôle plus
robustes et plus efficaces pour permettre au Segway de réagir aux perturbations externes et
aux commandes de l'utilisateur de manière précise et stable. Une fois le résultat de cette
proposition présentée, nous établissons à la fin de ce chapitre une comparaison globale des
contrôleurs proposés.
Le sixième chapitre est dédié à la conception virtuelle du Segway à l'aide d'outils de
conception avancés tels que le logiciel Catia. A cet effet, nous décrivons la méthodologie
utilisée, en prenant en considération les aspects mécaniques, électriques et électroniques du
système, de même que le schéma cinématique du Segway (les liaisons entre les différents
composants du Segway).
Par la suite, nous exposons avec précision les étapes d’assemblage de notre Segway, les
mouvements de ce gyropode et les résultats obtenus. Cette simulation nous permet d'évaluer
les performances du Segway dans différentes conditions et de tester l'efficacité des stratégies
de contrôle proposées.

Enfin, nous établissons une comparaison entre le Segway conçu et un Segway réel.

3
Chapitre I :

Contexte et problématique

Le premier chapitre est consacré à la présentation de quelques généralités sur les systèmes
mécatroniques et mécaniques, le pendule inversé et le Segway, ainsi que le principe de base les régissant.
Ensuite, le gyropode Segway est présenté de façon détaillée, en partant de sa description, de son principe
de fonctionnement et de son modèle dynamique.

4
Chapitre I Contexte et problématique

1 Introduction relative aux systèmes mécatroniques

Les systèmes mécatroniques sont un ensemble organisé d’éléments coordonnés
interdisciplinaires qui intègrent de manière harmonieuse les domaines de la mécanique, de
l'électronique et de l'informatique. Ils combinent des composants mécaniques, électriques,
électroniques, ainsi que des logiciels pour créer des solutions technologiques avancées. Ces
systèmes sont conçus pour la réalisation de tâches complexes, en exploitant la synergie entre
les différentes disciplines évoquées.

1.1 Définition des systèmes mécatroniques :

C’est au Japon que le terme “mécatronique” a été employé pour la première fois dans les
années 1960, le domaine étant à l’origine issu de la robotique. Au début, les bras des robots
n'étaient pas coordonnés et ne disposaient d’aucun retour sensoriel, mais à mesure que des
progrès ont été réalisés dans la programmation, la technologie des capteurs et les commandes,
les mouvements robotiques sont devenus plus coordonnés. Progressivement, les évolutions
survenues dans le domaine de la mécatronique ont commencé à être appliquées aux
distributeurs automatiques, aux caméras à mise au point automatique et aux ouvre-portes.
Ensuite, avec l’avènement des technologies de l’information dans les années 1980, les
microprocesseurs ont été introduits dans les systèmes mécaniques, améliorant ainsi
considérablement les performances. Enfin, au cours des années 1990, les progrès de
l’intelligence informatique ont été appliqués à la mécatronique d’une manière qui a
révolutionné le domaine.
Au fil du temps, la définition de la mécatronique a connu des évolutions au sein de la
littérature technique et scientifique. De multiples définitions de systèmes mécatroniques ont
ainsi été proposées.
En matière d’application de l’approche mécatronique pour la conception, la mise au point et
la fabrication, le concept est répandu depuis plusieurs décennies au Japon et en Europe, mais
ne gagne que lentement du terrain aux États-Unis. Les machines étaient traditionnellement
conçues par des ingénieurs en mécanique, et ce n'est qu'après que les solutions de contrôle et
de programmation ont été fournies par des ingénieurs en informatique et en logiciel. À mesure
que la familiarité avec la mécatronique s'est développée dans ce pays, les concepteurs en sont
venus à considérer cette approche plus séquentielle comme inefficace, aussi ont-ils adopté des

5
méthodes de conception plus intégrées. En gros, on peut présenter les différentes définitions
de la mécatronique comme suit :
- Pour le journal "International Mechatronics" [1], paru en 1991, la mécatronique peut être
considérée comme la combinaison des disciplines mécanique et électrique dans le processus
d'ingénierie moderne. Il s’agit là d’un concept relativement nouveau qui vise à concevoir des
systèmes, des dispositifs et des produits pour atteindre un équilibre optimal entre les
structures mécaniques de base et leur contrôle global.
- Le journal "International IEEE Transactions on Mechatronics" [2], définit en 1996 la
mécatronique comme étant la combinaison synergique de l'ingénierie mécanique, de
l'électronique et du contrôle informatique intelligent dans la conception et la fabrication de
produits et de processus industriels.
- En 2013, le comité technique spécialisé en systèmes mécatroniques relevant de la
Fédération Internationale du Contrôle Automatique [3], la mécatronique, conçue du point de
vue d'un ingénieur en contrôle, est une approche synergique qui utilise des méthodologies
avancées de contrôle, de détection et d'actionnement dans une variété d'applications dans
maints domaines , tels que la robotique, l'automatisation, le contrôle des mouvements, les
systèmes automobiles, les systèmes biomédicaux, les systèmes à l'échelle micro et
nanométrique et les systèmes de stockage d'informations.
- Enfin, en 2008, l'Association Française de Normalisation (AFNOR) [4], présente la
mécatronique en tant qu’approche visant à intégrer de manière synergique la mécanique,
l'électronique, l'automatique et l'information dans la conception et la fabrication d'un produit
afin d'en augmenter et/ou d'en optimiser la fonctionnalité.

Tout bien considéré, la mécatronique se fixe pour objectif l’obtention d’une valeur ajoutée
supérieure à la simple somme des fonctions individuelles. Elle vise par là à considérer le
système dans sa fonctionnalité globale tout au long du cycle de conception. En somme, les
diverses définitions de la mécatronique mettent en évidence plusieurs aspects : la
pluridisciplinarité, la simultanéité, la compacité, la performance et la fiabilité.

1.2 Caractéristiques et exemples de systèmes mécatroniques :

Les systèmes mécatroniques revêtent plusieurs caractéristiques essentielles. (Figure1)

6
 F IGURE 1: S YNERGIE DE DIFFÉRENTS DOMAINES EN MÉCATRONIQUE

En premier lieu, ces systèmes intègrent des composants mécaniques pouvant comprendre
des actionneurs, des capteurs, des systèmes de transmission et des structures. En second lieu,
ils intègrent des composants électriques et électroniques, tels que des circuits de commande,
des moteurs électriques et des dispositifs de conversion d'énergie. Enfin, ils utilisent des
logiciels et des algorithmes pour le contrôle et la coordination des différentes composantes du
système.

À l'évidence, les exemples de systèmes mécatroniques sont de nos jours nombreux et variés.
En effet, on les retrouve dans des domaines comme la robotique industrielle, les véhicules
autonomes, les systèmes d'assistance médicale, les dispositifs de réalité virtuelle, les drones,
les machines-outils à commande numérique, etc. Ces systèmes sont conçus pour effectuer des
tâches complexes, offrant des fonctionnalités avancées, une automatisation améliorée, une
précision accrue et une interaction homme-machine plus sophistiquée.

7
 F IGURE 2: E XEMPLES DE SYSTÈMES MÉCATRONIQUES DANS LA VIE QUOTIDIENNE

Dans la partie ci-dessous traitant des systèmes mécaniques, nous explorerons de manière
détaillée les composantes mécaniques des systèmes mécatroniques. Nous examinerons
comment des éléments comme les actionneurs, les structures et les transmissions mécaniques
sont intégrés dans ces systèmes en vue de performances et de fonctionnalités spécifiques.

2 Les systèmes mécaniques

Introduction :
Dans le cadre de cette étude, nous abordons à présent la partie consacrée aux systèmes
mécaniques au sein des systèmes mécatroniques. Ceux-ci constituent une composante
essentielle de ces systèmes interdisciplinaires, qui contribuent à leur fonctionnement, à leurs
performances, ainsi qu’à leurs fonctionnalités spécifiques.

2.1 Caractéristiques des systèmes mécaniques

2.1.1 les systèmes mécaniques
La mécanique est la science des lois du mouvement, des équilibres, des forces et des énergies
qu'ils mobilisent dans un système. Elle traite de l'ensemble de solides, généralement rigides,
connectés par des liaisons appelées articulations.

8
 En règle générale, les articulations sont équipées d'actionneurs (moteurs) qui permettent à
chaque solide de se déplacer par rapport aux autres, ainsi que de capteurs qui permettent de
mesurer avec précision la position d'un solide par rapport aux autres. Les articulations sont
parfois équipées de freins pour contrôler leur évolution dans le temps ou en cas d'arrêt
d'urgence.
D’autre part, ces liaisons peuvent être de différents types, tels que les liaisons rotoides
(rotation pure) et les liaisons prismatiques (translation pure).
2.1.2 Les systèmes robotiques

Les systèmes robotiques sont des systèmes mécaniques dotés d'actionneurs qui
permettent de contrôler leur évolution dans le temps. L'un des domaines de recherche les plus
actifs en matière de robotique concerne la commande des systèmes mécaniques, en raison de
leur présence prédominante dans notre vie quotidienne. Les lois de commande, exécutées par
le biais de programmes informatiques, jouent un rôle décisif dans le pilotage de ces systèmes,
supplantant ainsi l'intervention humaine directe.
2.1.3 Les classes de systèmes mécaniques
Les systèmes mécaniques peuvent être regroupés en trois classes majeures selon leur degré
d’actionnement (comme indiqué dans la figure 3).

F IGURE 3: C LASSIFICATIONS DES SYSTÈMES MÉCANIQUES :

En effet, un système mécanique peut être complètement actionné, sur-actionné (dit également
“redondant”) ou sous-actionné :
- Les systèmes mécaniques sur-actionnés [5-7], ou “redondants”, disposent de plus
d’actionneurs que de degrés de liberté. Une telle particularité entraîne une complexification de
la synthèse des lois de commande pour de tels systèmes. Ceux-ci présentent plusieurs

9
avantages qui les rendent plus populaires dans le champ de l’industrie, leur confèrent une
meilleure précision de manipulation, et les rendent, dans l’ensemble, plus rapides et plus
rigides (les robots manipulateurs sériels ou parallèles).
- Les systèmes mécaniques complètement actionnés [8-9] disposent d’autant d’actionneurs
que de degrés de liberté, chaque degré de liberté pouvant être individuellement commandé, ce
qui fait que cette classe de systèmes mécaniques est sans doute la plus simple à commander.
- les systèmes mécaniques sous actionnés [10-11] possèdent moins d’actionneurs que de degré
de liberté. Cette classe regroupe la plupart des véhicules terrestres, marins, sous-marins [12]
et aériens [13], mais aussi les robots marcheurs (corps non rigides) [14-15]. Ils présentent
plusieurs avantages : réduction du poids, des couts de réalisation et des dépenses
énergétiques…
Cette classe de système offre une multitude d’applications aussi bien pratiques que théoriques
dans le domaine de la robotique en raison de sa diversité et de sa complexité.

2.2 Définition des systèmes mécaniques sous-actionnés

Les systèmes mécaniques sous-actionnés sont des dispositifs ingénieux qui réalisent des
mouvements ou des fonctions complexes sans utiliser de mécanismes ou d'actuateurs
traditionnels. Au lieu de cela, ils exploitent des phénomènes physiques ou des propriétés
matérielles spécifiques pour atteindre des performances souhaitées. Les avantages présentés
par de tels systèmes sont, à titre d’exemple, la simplicité, l'efficacité énergétique et la
robustesse. De plus, ils sont particulièrement adaptés à certaines applications où la taille, le
poids, la durabilité ou l'autonomie sont considérés comme autant de facteurs décisifs. Outre
ces avantages, les systèmes mécaniques sous-actionnés présentent souvent des comportements
non linéaires ou des propriétés émergentes, ce qui les rend difficiles à modéliser et à prédire,
de là le besoin à une approche de conception et d'analyse spécifiques pour l’optimisation de
leur performance.

Propriétés :

Ce qui caractérise les systèmes mécaniques sous-actionnés c’est le sous-actionnement, ce qui

revient à dire que les entrées de commande ne contrôlent qu'une partie des états du système,
laissant le reste définir la dynamique interne.

Définition1 : Le degré de sous-actionnement d'un système sous-actionné est défini comme la

différence entre le nombre de degrés de liberté et le nombre d'actionneurs indépendants. Plus
le degré de sous-actionnement est élevé, plus la tâche de commande est complexe.
10
Définition 2 : La dynamique interne, où les coordonnées généralisées actionnées et leurs
dérivées qa q˙a q̈a sont substituées par zéro, est appelée la dynamique des zéros.

Les systèmes mécaniques sous-actionnés peuvent être classés comme étant à minimum de
phase lorsque leur dynamique des zéros est stable, et à non minimum de phase dans le cas
contraire.

Les systèmes à minimum de phase peuvent être stabilisés uniquement par le contrôle de la
partie actionnée, mais les systèmes mécaniques sous-actionnés sont, en règle générale, à non
minimum de phase, et donc plus difficiles à commander.

2.3 Exemples de systèmes sous-actionnés :

Dans la littérature consacrée à ce domaine, maints systèmes mécaniques sous-actionnés ont
fait l'objet d'études, ouvrant ainsi des perspectives prometteuses pour la recherche en matière
de contrôle et de robotique. Parmi les exemples les plus fréquemment étudiés, on peut citer le
système chariot-tige, le pendubot, le pendule rotatif (dit également pendule de Furuta), le
pendule inversé à volant d'inertie, la bille sur rail, la grue de transport et le pendule inversé sur
roues. Le présent chapitre présente quelques exemples récents de systèmes sous-actionnés
[16, 17], qui servent de repères essentiels pour les chercheurs intéressés par le contrôle non
linéaire et la complexité de la conception de leur contrôle. Chacun de ces exemples sera
brièvement abordé.

2.3.1. Le Pendule simple

F IGURE 4: P ENDULE SIMPLE

11
 Le pendule simple [18], exemple emblématique de système mécanique sous-actionné,
illustré par la figure 3.1, est un dispositif qui tire sa stabilité de la force gravitationnelle.
Déplacé de sa position d'équilibre, ce pendule, quoique perturbé, présente la remarquable
capacité de revenir à cette position de manière répétée.

Ensuite, une fois libéré, le pendule simple réagit à la force de rappel induite par la gravité.
Cette force combinée à la masse du pendule engendre un mouvement d'oscillation
caractéristique, le faisant balancer de l’avant vers l’arrière, autour de sa position d'équilibre.
Les pendules simples ont une large gamme d'applications dans le domaine scientifique,
notamment en tant qu'accéléromètres, sismomètres et composants clés des horloges pendules.

Dans des conditions idéales, où les forces perturbatrices, telles que le frottement,
l'amortissement et la résistance de l’air, sont négligeables, la période du pendule simple reste
constante. C'est cette constance qui en fait un outil inestimable pour mesurer le temps avec
une grande précision, élément somme toute essentiel dans la construction des horloges de
haute qualité.

2.3.2. Le pendule inversé sur chariot

Le système pendule inversé est un système instable, en boucle, ouvert, non linéaire,
comprenant des constantes de temps très rapides. Ce système est reconnu pour être une
plateforme difficilement stabilisable et est largement appliqué dans le domaine de la
technologie de commande propre aux robots.

F IGURE 5: P ENDULE INVERSÉ SUR CHARIOT

Le pendule inversé sur chariot [19, 20] , tel que représenté par la figure 3.2, se compose d'un
chariot mobile actionné par un moteur à courant continu et se déplaçant horizontalement le
long d'un rail de guidage, auquel est attaché un pendule libre oscillant verticalement.
Initialement, le pendule est en position basse ; l'objectif consiste à le redresser et à le
maintenir en position verticale. Cela revient à dire qu'en appliquant une force horizontale F

12
sur le chariot, l’engin se déplace alors de "x" mètres tandis que le pendule effectue une
rotation de "θ" radians. Lorsque le pendule penche d'un côté, le chariot doit réagir en se
déplaçant dans la même direction, et vice versa.

Ce système se caractérise par un chariot se déplaçant le long d'un rail, associé à un pendule
pouvant osciller en rotation. Sa particularité non linéaire et son instabilité en font un cas
d'étude classique en contrôle, suscitant ainsi de nombreuses recherches qui visent la mise au
point de stratégies de stabilisation et de contrôle robuste.

2.3.3. Le pendubot

F IGURE 6: SCHÉMATISATION DU DOUBLE PENDULE INVERSÉ . L A LIAISON ACTIONNÉE EST Q 1 POUR

LE PENDUBOT ET Q 2 POUR L ’ ACROBOT

Le pendubot [21–22] est un autre système mécanique sous-actionné, souvent proposé dans la
littérature de contrôle des systèmes sous-actionnés , illustré à la figure 6, définie comme étant
un manipulateur planaire à 2 degrés de liberté , où seul le premier joint est actionné, tandis
que le second demeure passif, permettant ainsi au système de se balancer librement. L’entrée
de commande “u” du système est le couple appliqué sur La première articulation et les degrés
de liberté sont représentés par les angulaires positions q1 et q2.

Le pendubot et L’Acrobot [23,24,25] semblent visuellement similaires, mais leur distinction

majeure réside dans l’emplacement de leur actionneur unique, ce qui entraîne une différence
majeure dans leur représentation standard. Les matrices d’inertie des deux systèmes sont
identiques, et l’objectif de contrôle pour les deux consiste à stabiliser les manipulateurs à deux
bras à leur point d’équilibre vertical à partir de n’importe quelle condition initiale.

Ces deux systèmes présentent des caractéristiques intrinsèquement complexes et instables,

ce qui suscite un intérêt considérable dans le domaine de la recherche en ingénierie.

Le pendubot, composé de deux bras pendulaires couplés à un chariot mobile nécessite une
approche minutieuse dans la conception de stratégies de contrôle pour sa stabilisation et son
suivi de trajectoire efficaces.

13
 Il en est de même pour l’Acrobot : composé d'un double pendule inversé, il représente un
défi de contrôle dynamique en raison de sa nature chaotique et de sa sensibilité aux conditions
initiales.

Le double pendule inversé [26,27,28], illustré par la figure 6, est un système mécanique sous-
actionné composé de deux tiges rigides soumises à la gravité. La première est fixée à une base
fixe tandis que la seconde se trouve reliée à la première tige au moyen d’une articulation
rotoïde. En outre, ce système est doté d’un seul actionneur positionné soit au niveau de la
liaison à la base fixe, soit au niveau de l’articulation entre les deux tiges. En fonction du
positionnement de l’actionneur, le système est appelé dans la littérature “Acrobot” lorsque
l’actionneur est positionné entre les deux tiges ou “ Pendubot” quand il est positionné entre la
base fixe et la première tige.

2.3.4. Le pendule rotatif

F IGURE 7: S CHÉMA DU PENDULE DE F URUTA . α 0ET α 1 SONT LES COORDONNÉES GÉNÉRALISÉES , τ EST LE COUPLE
APPLIQUÉ À LA PREMIÈRE TIGE AU NIVEAU DE LA LIAISON AVEC LE SOCLE AU MOYEN DE L ’ ACTIONNEUR .

Comme indiqué dans la figure 7, le pendule rotatif, également connu sous le nom de pendule
de Furuta [29,30,31,32] est un pendule inversé sur un bras rotatif. Constitué d’un pendule non
actionné, qui peut librement tourner dans le plan vertical, il est fixé à l’extrémité d’un bras
rotatif horizontal entraîné par un moteur à courant continu.

L’autre similitude existant entre le système chariot-tige et le pendule rotatif est que les deux
ont la même forme d'énergie potentielle.

2.3.5. Le pendule inversé à roue d’inertie

14
 F IGURE 8: P ENDULE INVERSÉ À ROUE D ’ INERTIE

Le pendule inversé à roue d’inertie [33,34,35,36] est un robot à deux degrés de

liberté, tel qu’indiqué par la figure 8. Le système mécanique est composé d’une tige reliée à
un support fixe par une liaison pivot non actionnée et d’un volant inertiel relié à l’autre
extrémité de la tige par une liaison pivot actionnée au niveau du centre du volant. L’objectif
principal consiste à stabiliser le pendule à son point d’équilibre vertical pendant que la roue
s’arrête.

2.3.6. La bille sur rail

F IGURE 9: VUE SCHÉMATIQUE DE LA BILLE SUR RAIL .

La bille sur rail est un système mécanique sous-actionné [37,38] ; elle se compose d’une
poutre et d’une boule (figure 9). Le système est constitué d’un rail relié dans la partie centrale
à un socle au moyen d’une liaison pivot actionnée, qui lui permet de pivoter dans le plan
vertical. Le système comprend également une bille qui évolue librement le long de ce rail,
dont le but consiste à atteindre le centre.

2.3.7. Grue de transport

F IGURE 10: SYSTÈME DE GRUE DE TRANSPORT .

15
 Le système grue de transport est un système mécanique sous-actionné [39, 40] - représenté
ci-dessus par la figure 10 - fort populaire et largement étudié en tant qu’exemple représentatif
dans le domaine de la conception et de l’analyse d’un système mécanique. Il est similaire au
pendule inversé sur chariot où l’objectif de contrôle consiste à déplacer la charge vers
l’origine, en maintenant les oscillations de la masse suspendue aussi faibles que possible.

2.3.8. Le pendule inversé sur deux roues

F IGURE 11: P ENDULE INVERSÉ SUR DEUX ROUES .

Le pendule inversé sur deux roues [41,42], représenté schématiquement dans la figure 11, est
un système mécanique sous-actionné constitué d’une tige rigide rattachée à un axe horizontal
sur lequel sont montées deux roues motorisées, chacune en contact (sans glissement) avec le
sol. La tige du pendule est généralement fixée à l’axe des roues. Quand un couple est appliqué
aux deux roues, l’accélération horizontale provoquée par le déplacement du système induit
une accélération sur l’axe de la tige. Grâce à une loi de commande adéquate, le système est
capable de maintenir ce pendule dans sa position d’équilibre instable (haute) tout en se
déplaçant dans le plan horizontal.
Ce système mécanique a fait l’objet d’études spécifiques ; en dépit de la simplicité qu’il
présente, il est d’un intérêt pratique pour la locomotion, comme en témoigne la
commercialisation du Segway, véhicule personnel compact basé sur le modèle du pendule
inversé.

3 Modèle dynamique des systèmes mécaniques sous-actionnés et classification de ces

systèmes

Pour pouvoir modéliser un système mécanique à l’aide d’équations mathématiques, on choisit

d’abord un ensemble de coordonnées qui permettent d’en faire la description. Ces
coordonnées sont souvent dites coordonnées généralisées. L'appellation provient d’une

16
époque où les coordonnées cartésiennes étaient largement employées. L'intérêt du choix de
coordonnées généralisées se voit dans la simplification de l'approche de modélisation et
d'analyse de ces systèmes. Une fois les coordonnées généralisées choisies, on peut procéder
de deux manières :
i) Soit on étudie les forces agissant sur le système, puis on applique la deuxième loi
de la dynamique de Newton, qui stipule que la somme des forces appliquées est
égale à la masse multipliée par l’accélération ;
ii) Soit on étudie les différentes énergies échangées par le système, puis on exprime
le lagrangien avant d’appliquer la formule d’Euler-Lagrange. La seconde méthode
est généralement plus facile à mettre en œuvre ; elle est décrite dans la partie
suivante.

3.1 - Modèle dynamique des systèmes mécaniques sous-actionnés

Un système mécanique sous l’influence de forces extérieures peut être considéré comme un
système dynamique. Pour déterminer l’évolution du système mécanique dans le temps, donc
l’évolution de ses coordonnées, il suffit d’étudier le système dynamique associé. Plusieurs
méthodes peuvent être employées pour déterminer le modèle dynamique. Les deux méthodes
les plus classiques sont le formalisme de Newton-Euler, et celui d’Euler-Lagrange.

3.1.1 Formalisme de Newton-Euler

Le principe de cette méthode est l’expression des équations régissant le mouvement de chaque
solide composant le système mécanique de manière séparée. De plus, le formalisme d’Euler-
Lagrange considère le système mécanique dans son ensemble. Pour aboutir aux équations
d’Euler-Lagrange décrivant l’évolution du système mécanique dans le temps, le Lagrangien
du système est d’abord calculé.

3.1.2 Formalisme de Newton-Lagrange

Le Lagrangien (L) [43] d’un système mécanique est considéré comme la différence entre son
énergie cinétique totale (T) et son énergie potentielle (V) :

En partant de ce lagrangien, les équations du mouvement du système mécanique sont dérivées

grâce aux équation d’Euler-Lagrange

d ∂ L ∂L
( )- =τ ∀ i ∈{1,...,𝑛} (1)
dt ∂ q̇i ∂ qi i

17
Où L = T −V est le Lagrangien du système mécanique, T est l’énergie cinétique du système

d qi
et V son énergie potentielle, qi est la i ème e coordonnée généralisée, q̇ i= ,τ i l’effort
dt
extérieur généralisé associé à la coordonnée généralisée q i et n le nombre total de degrés de
liberté du système.

Dans le cas d’un système mécanique constitué de solides reliés par des liaisons, l’énergie
cinétique est simplement calculée comme la somme des énergies cinétiques de chaque solide.
L’énergie cinétique se décompose pour chaque solide en deux termes, le premier résultant du
mouvement de translation du centre de masse du solide, et le second découlant de la rotation
du solide autour de son centre d’inertie. L’énergie potentielle, elle, est généralement réduite à
un terme dérivé de la gravité.
Une fois le lagrangien du système explicité, l’application des équations d’Euler-Lagrange (1)
fournit les équations décrivant l’évolution des coordonnées généralisées dans le temps. Pour
un système mécanique constitué de solides rigides, comme c’est le cas pour la plupart des
manipulateurs robotiques, ces équations revêtent la forme générale suivante : [20,44,45] :
:

∑ ¿¿ mkj ( q ) ̈q̈ j ¿+∑ cijk (q)q̇ i q˙ j +φ k(𝑞)=τ k, ∀𝑘∈{1,...,𝑛} (2)

j i, j

Les mkj (q) sont les coefficients des dérivées secondes des coordonnées généralisées. Les c ijk
(q) sont ceux des termes quadratiques des premières dérivées des coordonnées généralisées
qui sont divisées en deux parties: les termes de forme c ijk avec i=j qui sont issus des forces
centrifuges, et ceux de la forme c ijk avec i ≠ j qui sont dérivés des forces de Coriolis. Enfin, les
termesφ k (q)ne dépendent que de la position des coordonnées généralisées et sont dérivées
Ces équations sont souvent mises sous forme matricielle :

M(q)q̈ +C(q,q̇ ¿ q̇ +G(q)=τ ( 3)

La matrice M(q) ∈ Rn × n symétrique, et définie positive, est dite matrice d’inertie du système
mécanique. Elle dépend, dans le cas général, de la configuration q du système mécanique. La
matrice C(q,q̇ ) q̇ ∈ Rn × n correspond aux forces centrifuge et de Coriolis, dépendant de la
configuration q mais aussi des vitesses des coordonnées généralisées q̇ . Le vecteur G(q) ∈ Rn
correspond quant à lui à la pesanteur (gravité) et ne dépend que de la configuration q . τ est le

18
vecteur des couples d’actionneurs. La matrice R(q)∈ Rn × mest la distribution des forces de
coordonnées généralisées, avec u ∈ Rm est le vecteur d’entrée de l’actionneur.

19
Les matrices des équations de mouvements pour les exemples traités sont représentées comme suit :

Systèmes M(q) C(q,q̇ ) G(q) R(q)

mécaniques
sous-actionnés

[ ] [ ] [ ]
Pendule inversé m1+ m2 m2 lC 1 0 −m2 l q̇1 S 1 0
(chariot-tige) m2 lC 1 2
m2 l + I 0 0 −m2 lgS 1

[ 10]
[ ][ ][]
Pendubot −m2 l 1 l c 2 q̇2 S 2 −m2 l 1 l c2 S 2 ( q̇ 2+ q̇1 ) ( m1 l c 1+ m2 l 1 ) g C 1+ m2 g l c2 C12 1
¿
m2 l 1 l c 2 q̇1 S 2 0 m2 l c2 g C 12 0

[ ] [( ][]
Acrobot −m2 l 1 l c 2 q̇2 S 2 −m2 l 1 l c2 S 2 ( q̇ 2+ q̇1 ) m1 l c 1+ m2 l 1 ) g C 1+ m2 g l c2 C12 0
¿
m2 l 1 l c 2 q̇1 S 2 0 m2 l c2 g C 12 1

[ ][
Furuta 1 1

[ ]
m2 l 22 q̇ 2 S 22 −m2 L1 l 2 q̇2 S 2 + m2 l 22 q̇1 S 22
I 1 +m l +m2 ( L + I 2 S )
]
2 2 2
1 1 1 2 m2 L1 l 2 C 2 2 2 0
m2 L1 l 2 C2
2
m2 l2 + I 2 −1 2 −m2 l 2 g S 2
m l q̇ S 0
2 2 2 1 22

[ 10]
[ ][ ][ ] [ 01]
Pendule inversé 2 2
I 1 + I 2+ m1 l 1+ m2 L1 I 2 0 0 −( m1 l 1 +m2 L1 ) g S 1
à roue d’inertie I2 I2 0 0 0

20
 [ ][ ] [ ] [ 10]
La bille sur rail 2 2
I + I b +m1 l 1 +m2 L1 I 2 mq 2 q̇2 mq 2 q̇ 1 mg q2 C1
I2 I2 −m q2 q̇1 0 mg S1

[ ] [ ] [ ]
Grue de m1+ m2 m2 lC 1 0 −m2 l q̇1 S 1 0
transport m2 lC 1 2
m2 l + I 0 0 m2 lgS 1

[ 10]
Avec : Si =sin(q i ¿ , C i=cos(q i ¿ , Sij =sin(q i ¿+ q j, C ij= cos(q i ¿+ q j.

T ABLEAU 1: ÉQUATIONS DE MOUVEMENTS POUR DIFFÉRENTS SYSTÈMES SOUS -ACTIONNÉS .

21
On dit qu’un système mécanique est sous-actionné si le rang {R(q)} <n, c’est-à-dire qu’il a
moins d’entrées de contrôle indépendantes que de degrés de liberté.
3.1.3 Linéarisation :
La linéarisation peut être employée pour fournir des informations importantes sur la façon
dont le système se comporte dans le voisinage des points d’équilibre. En règle générale, cela
nous permet de savoir si le point est stable ou instable, et de nous renseigner sur la façon dont
le système s’approche - ou s’éloigne - du point d’équilibre.
L’idée de base est que l’on peut, dans la plupart des cas, déterminer par approximation les
équations différentielles non linéaires qui régissent le comportement du système par des
équations différentielles linéaires. Ainsi, selon l’approximation de Taylor des fonctions non
linéaires et le retour au point d’équilibre pour les écarts de petit angle θ = 0.on a 𝐬𝐢𝐧𝜽 ≅ 𝜽 ,
𝐜𝐨𝐬𝜽 ≅ 1 et θ̇2 = 𝟎
Pour illustrer le formalisme d’Euler-Lagrange, L’élaboration des modèles mathématiques
pour les exemples traités précédemment sera présentée dans la section suivante :

3.2 Modèles mathématiques relatifs aux exemples traités

1. Le pendule inversé : le chariot-tige

-L’énergie cinétique du système est EC = EC 1+ EC 2

1 1
= (𝑀+𝑚 ) ẋ 2 +𝑚𝑙̇ 𝑥̇ θ̇ cos𝜃+ (𝐼+𝑚l 2 )θ̇2 (3-1)
2 2

- L’énergie potentielle est formulée ainsi : E P=𝑚𝑔𝑙 (cos𝜃−1) (3-2)

La fonction lagrangienne est représentée comme suit : L = EC - E P

1 1
𝐿= (𝑀+𝑚 ) ẋ 2 +𝑚𝑙̇ 𝑥̇ θ̇ cos𝜃+ (𝐼+𝑚l 2) θ̇2−𝑚𝑔𝑙(cos𝜃−1 ) (3-3)
2 2

Les équations de mouvement correspondantes sont données en utilisant (1) :

(𝑀+𝑚 ) ẍ +𝑚𝑙cos𝜃 θ̈ −𝑚𝑙 sin𝜃 θ̇2 =𝐹

𝑚𝑙 ẍ cos𝜃+(𝐼+𝑚l 2) θ̈ −2m𝑙 𝑥̇sin𝜃θ̇ −𝑚𝑔𝑙sin𝜃 =0 (3-4)

2.la gue de transport

La dynamique du système de grue de transport correspond exactement aux équations de

mouvement du pendule inversé sur chariot, néanmoins, pour l’instant, le point d’intérêt est lié
à l’équilibre inférieur.

22
(𝑀+𝑚 ) ẍ +𝑚𝑙cos𝜃 θ̈ −𝑚𝑙 sin𝜃 θ̇2 =𝐹

𝑚𝑙 ẍ cos𝜃+(𝐼+𝑚l 2) θ̈ −2m𝑙 𝑥̇sin𝜃θ̇ +𝑚𝑔𝑙sin𝜃 =0 (3-5)

3.le Pendubot

Les énergies cinétique et potentielle sont représentées comme suit :

1
Ec 1= ( I 1+m1 l 2c 1)q̇ 21 (3-6)
2

L’énergie cinétique de la liaison 2 est représentée comme suit :

1 1
Ec 2= ( I 2+m2 l 1 l c2 cosq 2+m2 l 2c 2+m2 l 21 )q̇ 21+( I 2+m2 l 1 l c 2 cosq 2+m2 l 2c 2) q̇ 1 q̇ 2 + ( I 2+m2 l 2c 2) q̇ 22
2 2
(3-7)

Afin de simplifier le calcul, nous introduisons les paramètres suivants :

α 1=m1 l 2c 1+m2 l 21+ I 1

α 2 = m2 l 2c 2+ I 2

α 3=m2 l 1 l c 2 (3-8)

α 4 =m1 l 2c 1+m2 l 1

α 5=m2 l 2c 2

L’énergie cinétique totale est ainsi formulée :

EC = EC 1+ EC 2

1 1
EC = (α 1+α 2+2α 3cosq 2) q̇ 21 + α 2 q̇ 22 +(α 2+α 3 cosq 2)q̇ 1 q̇ 2 (3-9)
2 2

L’énergie potentielle totale est représentée comme suit :

E P=α 4 g sinq 1+α 5g sin(q 1+q 2).

La fonction lagrangienne est donnée par : L = EC - E P

1 1
L= (α 1+α 2+2α 3cosq 2) q̇ 21 + α 2 q̇ 22 +(α 2+α 3 cosq 2)q̇ 1 q̇ 2−α 4g sinq 1+α 5g sin(q 1+q 2). (3-10)
2 2

Les équations correspondantes du mouvement sont dérivées par l’équation (1) :

(α 1+α 2+2α 3cosq 2)q̈ 1+(α 2+α 3 cosq 2)q̈ 2-α 3sinq 2 q̇ 22-2α 3sinq 2 q̇ 1 q̇2+α 4g cosq 1+α 5g cosq 1+q 2=τ 1
(3-11)
23
α 2 q̈2+(α 2+α 3 cosq 2)q̈ 1+α 3sinq 2 q̇ 21 +α 5g cos(q 1+q 2 ¿ =0

Graphiquement, l’Acrobot et le Pendubot semblent être très similaires. Cependant, la

différence réside dans l’emplacement de leur actionneur unique, aussi partagent-ils le même
mouvement d’équations, où la différence se voit dans la matrice d’entrée.
Les équations de mouvement correspondantes pour l’Acrobot sont ainsi formulées :
(α 1+α 2+2α 3cosq 2)q̈ 1+(α 2+α 3 cosq 2)q̈ 2-α 3sinq 2 q̇ 22-2α 3sinq 2 q̇ 1 q̇2+α 4 g cosq 1+α 5g cosq 1+q 2=0
α 2 q̈2+(α 2+α 3 cosq 2)q̈ 1+α 3sinq 2 q̇ 21 +α 5g cos(q 1+q 2 ¿ = τ (3-12)

4. pendule rotatif de Furuta.

EC est la somme de l’énergie cinétique du bras et du pendule, qui sont respectivement définis
comme suit :
1
EC 0= I 0 α̇ 20 (3-13)
2
1 2 1
EC 1= J 1 α̇ 0 + m1 v T1 v 1 (3-14)
2 2
avec v 1 qui est la vitesse linéaire du centre de masse du pendule ; de là une analyse de la
cinématique du pendule de Furuta qui demeure nécessaire.
Ensuite, l’emplacement du centre de masse du pendule est déterminé comme suit :
𝑥=[ x x , x y , x z ¿ T (3-15)
Avec x x , x y , x zsont définis :
x x = L0cos(α 0)-l 1sin(α 1) sin(α 0)
x y = L0sin(α 0)-l 1sin(α 1) cos(α 0) (3-16)
x z = L0cos(α 0)
Ainsi, v 1 est donné par :
v 1=[ ẋ x , ẋ y , ẋ z ¿ T (3-17)
Où
ẋ x = - α̇ 0 L0sin(α 0)- l 1 [ α̇ 0 sin(α 1)cos(α 0 ¿ + α̇ 1 sin(α 0) cos(α 1 ¿ ]
ẋ y = α̇ 0 L0cos(α 0) + l 1 [ α̇ 1cos(α 0 ¿ cos(α 1 ¿ - α̇ 0 sin (α 0) sin(α 1) ] (3-18)
ẋ z = - α̇ 1 l 1sin(α 1)

On remplace l’expression de v 1 dans (3-13) par celle trouvée en (3-17) et on parvient à la

formulation ci-dessous :

24
 1 2 1
EC 1= J 1 α̇ 1 + m1 [( α̇ 0 L0)2 +( l 1 α̇ 0 sin(α 1)¿2 +( l 1 α̇ 1)2 +2α̇ 0 α̇ 1 L0 l 1cos(α 1 ¿ ] (3-19)
2 2

Par conséquent, l’énergie cinétique du pendule de Furuta EC est formulée comme suit :

1 1 1
EC = EC 0+ EC 1= I 0 α̇ 20 + J 1 α̇ 21 + m1 [( α̇ 0 L0)2 +( l 1 α̇ 0 sin(α 1)¿2 +( l 1 α̇ 1)2 +2α̇ 0 α̇ 1 L0 l 1
2 2 2
cos(α 1 ¿ ] (3-20)

D’autre part, E p est la somme de l’énergie potentielle du bras et du pendule. Étant donné que
le bras est déplacé sur le plan horizontal, l’énergie potentielle qui lui est propre est constante
et est considérée comme égale à zéro. Par conséquent, l’énergie potentielle du pendule de
Furuta E p est réduite à l’énergie potentielle du pendule; autrement dit :

E p =−ℎm1𝑔=m1𝑔l 1 (cosα 1−1 ) (3-21)

On parvient à déterminer la dynamique du pendule de Furuta en employant l’expression (1)

comme suit : :

δ α̈ 0 + β α̇ 0 α̇ 1 +γ α̈ 1- σ α̇ 21 =τ

1
γ α̈ 0 +(m1 l 21 + J 1 ¿ α̈ 1 β α̇ 20 - m1 g l 1sin α 1 = 0 (3-22)
2

Avec :

δ = I 0 +m1 L20 +m1 l 21 sin(α 21)

β =m1 l 21 sin2 α 1 (3-23)

γ = m1 L0 l 1cos(α 1 ¿

σ = m1 L0 l 1sin(α 1 ¿

5. Le pendule inversé à volant d’inertie

Nous introduisons le paramètre m = m1 l c 1+m2 l 1

1
L’énergie cinétique du pendule : EC 1= ( m1 l 2c 1 + I 1) q̇ 21 (3-24)
2

1 2 2 1
et l’énergie cinétique de la roue est : EC 2= m l q̇ + I ¿ )2 (3-25)
2 21 1 2 2

Par conséquent, l’énergie cinétique totale est ainsi formulée :

25
EC = EC 1+ EC 2

1 1
= ( m1 l 2c 1 +m2 l 21 + I 1+ I 2) q̇ 21 + I 2 q̇ 1 q̇ 2 + I 2 q̇ 22 (3-26)
2 2

L’énergie potentielle du système est présentée comme suit : E p = mg(cos(q1−1)) .

Enfin, le lagrangien est ainsi formulé :

L= EC - E p

1 1
L= ( m1 l 2c 1 +m2 l 21 + I 1+ I 2) q̇ 21 + I 2 q̇ 1 q̇ 2 + I 2 q̇ 22 - mg(cos(q1−1)) (3-27)
2 2

En utilisant l’expression (1), les équations dynamiques du système sont données par :

( m1 l 2c 1 +m2 l 21 + I 1+ I 2) q̈ 1+ I 2 q̈ 2- m g sin(q 1 ¿ =0

I 2 q̈ 1+ I 2 q̈ 2= τ (3-28)

6. La bille sur rail

L’énergie cinétique et l’énergie potentielle du système sont formulées comme suit :

1 J 1 1
EC = ( 2b + m) q̇ 22+ m r 2 q̇21 + Iq̇ 21
2 r 2 2
(3-29)
E p = mgr sinq 1
En utilisant l’expression (1) les équations dynamiques du système sont déterminées comme
suit :

( I + I b+ m r 2) q̈ 1 +2 m r ṙ q̇ 1+ mrg cosq 1 = τ
(3-30)
Jb
(m+ 2 )q̈ 2 – m q̇ 21r + mg sinq 1 = 0
R

3.3 - Classification des systèmes mécaniques sous-actionnés

Afin de présenter une méthode généralisée relative à la synthèse des lois de contrôle ayant
trait aux systèmes mécaniques sous-actionnés, il importe d’essayer de rechercher les
propriétés structurelles communes à différents systèmes mécaniques sous-actionnés.

26
 Certains efforts de classification des systèmes mécaniques sous-actionnés ont été effectués,
notamment dans [46,47] où la classification est fondée sur certaines caractéristiques du
modèle de système étudié. Le modèle général est de celui de la forme [48] :

m11 q̈1 +¿ m12 q¨2+ ¿ m ' 11 q̇ 1 q̇ 2+ m' 12 q̇22−g 1 ( q 1 ,q 2 )=τ 1

(4)
1 1
m11 q̈1 +¿ m12 q¨2−¿ m' 11 q̇21 + m ' 22 q̇ 22−g2 ( q 1 , q 2) =τ 2
2 2

La classe I est celle pour laquelle q2 est actionné τ1 = 0 des impulsions intégrables et des
entrées sans interaction. La classe II est celle pour laquelle q2 n’est pas actionné eτ2=0. Il est
montré que tout système sous-actionné de classe I peut être transformé en une forme de
rétroaction stricte, la classe II peut être transformée en forme quadratique non triangulaire, et
la classe III peut être transformée en forme d’alimentation.
Pour ce qui relève des systèmes appartenant à la classe III pouvant être transformés en
feedforward, le problème de contrôle qu’ils soulèvent demeure ouvert.
Par ailleurs, fondées sur certaines propriétés de base des systèmes sous-actionnés, telles que
l’actionnement/passivité des variables de forme, l’intégrabilité/non-intégrabilité des
impulsions normalisées appropriées et la présence/absence de couplage d’entrée, les figures
suivantes répartissent les systèmes sous-actionnés en 8 classes. Des exemples de ces classes
couvrent presque toutes les applications majeures de la robotique, des systèmes aérospatiaux
et des systèmes de référence.

Entrées sans interaction et

impulsions généralisées
intégrables

q2 n’est pas
q2 actionné
actionné

Classe II a Classe II b
Classe I Classe III
dim(q1)=dim(q2) dim(q1)≠ dim(q2)

27
 sous forme de
Quadratique non Linéaire non
rétroaction feedforward
triangulaire triangulaire
stricte

-Acrobot -Pendubot
Robots a liaison Pendule inversé
-Pendule à -FURUTA
flexible sur chariot
roues d’inertie -La bille sur rail

F IGURE 12: C LASSIFICATION ( CLASSE I, II, III) DES DIFFÉRENTS SYSTÈMES MÉCANIQUES SOUS -ACTIONNÉS

Entrées interactives et
impulsions généralisés
intégrables

q2
actionné

Classe IV b
Classe IV a Classe V
V(q) ≠ V (q2) (q2)
V(q) =V (q2)

Quadratique non
Quadratique non triangulaire Rétroaction
triangulaire stricte

-Avions à décollage et -Avions à décollage -Avions à décollage et atterrissage

atterrissage verticaux et atterrissage verticaux (Adav)
(Adav) verticaux (Adav) -aéronef
-Hélicoptère

28
 F IGURE 13: ( B )CLASSIFICATION ( CLASS IV A , IV B , V) DES DIFFÉRENTS SYSTÈMES MÉCANIQUES SOUS -ACTIONNÉS

Entrées sans interaction et impulsion

non intégrables

Classe VI Classe VII

Classe VIII

Classe VI a Classe VI b Classe VII a Classe VII b

Linéaire non Linéaire et Quadratique non Feedforward

Rétroaction
triangulaire stricte et quadratique non triangulaire
perturbation. triangulaire et perturbation

- Pendule inversé 3D
- bras à 3 liens - bras à 3 liens - bras à 3 liens - bras à 3 liens (Pendule inversé sur
chariot)

F IGURE 14: ( C ) : C LASSIFICATION ( CLASSE VI, VII, VIII) DES DIFFÉRENTS SYSTÈMES MÉCANIQUES SOUS -ACTIONNÉS

La classification des systèmes sous-actionnés se trouve fondée sur les propriétés de contrôle
structurel. Notre étude se focalise uniquement sur des sous-ensembles qui apparaissent

29
fréquemment dans le contrôle des systèmes mécaniques sous-actionnés. Trois classes sont
alors définies : I, II III, les trois étant associées à une rétroaction stricte, aux formes
quadratiques non triangulaires et aux formes d’alimentation.

Le principal avantage de la classification des systèmes mécaniques sous-actionnés est qu’elle

permet de définir un contrôle adéquat en fonction de la classe obtenue. Par exemple, les
systèmes appartenant à la classe I pouvant être transformés en une forme de rétroaction stricte
sont susceptibles d’être contrôlés au moyen d’un contrôleur de retour en arrière, tandis que les
systèmes appartenant à la classe II pouvant être transformés en forme quadratique non
triangulaire seraient contrôlés via un schéma de transfert.

De tels exemples illustrent différentes catégories de systèmes mécaniques sous-actionnés , et

mettent en évidence les défis spécifiques liés à leur contrôle. Chaque système offre des
opportunités de recherche uniques pour le développement de méthodes de contrôle efficaces
et robustes. Parmi ces exemples, nous nous intéressons particulièrement au pendule inversé à
deux roues (WIP) qui présente un intérêt particulier en raison de sa complexité et de son
caractère instable, ce qui en fait un sujet d'étude privilégié dans la littérature scientifique.

3.4 Présentation du pendule inversé comme exemple de système mécanique sous-

actionné

Le pendule inversé est un type de pendule dont la masse se trouve au-dessus de son point de
pivot. Ce système mécanique est souvent mis en œuvre par le montage du point de pivot sur
un chariot déplaçable horizontalement, dit parfois panier ou pôle. Contrairement à un type de
pendule classique, qui est stable lorsqu'il est pendu verticalement vers le bas, un pendule
inversé est intrinsèquement instable. Pour le maintenir en équilibre, il doit être activement
contrôlé en appliquant un couple (force) au point de pivot ou en déplaçant le point de pivot
horizontalement, souvent dans le cadre d'un système de rétroaction. [49].

30
 F IGURE 15:S CHÉMA DU PENDULE INVERSÉ

- Application du pendule inversé

Les applications potentielles du pendule inversé sont illustrées dans la figure 16

F IGURE 16: A PPLICATION DU PENDULE INVERSÉ

31
4 État de l'art en matière de commande et contrôle des
systèmes mécaniques sous-actionnés
4.1 Commande des systèmes mécaniques sous-actionnés
Les entrées de commande ne permettent de contrôler qu’une partie des états du système,
l’autre partie restante définit ce qu’on appelle la dynamique interne du système. En règle
générale, un système mécanique sous-actionné est à non minimum de phase (la dynamique
des zéros est instable), aussi serait-il fort difficile à commander.

Pour présenter les solutions disponibles en termes de commande des systèmes mécaniques
sous-actionnés, une classification de ces méthodes en deux classes s’est avérée nécessaire
pour souligner le point commun entre les différentes méthodes d’une même classe, en
l’occurrence les méthodes fondées sur la linéarité et celles sur la non-linéarité.

4.1.1 La commande linéaire des systèmes mécaniques sous-actionnés

Les références [50-51] proposent la commande par mode glissant pour la génération de
trajectoires de référence liées à la coordonnée linéarisée d’un double pendule inversé, afin
d’amener le système de sa configuration d’équilibre stable vers sa configuration d’équilibre
instable. La technique de commande proposée est robuste vis-à-vis des incertitudes
paramétriques.

Dans les références [52-53], des contrôleurs LQR (Linear Quadratic Regulator/Commande
Linéaire Quadratique) ont été proposés pour la régulation autour de la position d’équilibre
instable de l’Acrobot.

La référence [54] propose la commande prédictive généralisée pour la stabilisation du

pendule inversé à roue d’inertie autour du son point d’équilibre instable. L’idée de base de la
commande GPC consiste à calculer à chaque instant d’échantillonnage une séquence optimale
de commandes futures basée sur la prédiction du comportement du système en vue de le
corriger.

4.1.2 La commande non linéaire des systèmes mécaniques sous-actionnés :

Dans la référence [55], le pendule inversé classique est dans l’ensemble stabilisé autour de sa
position d’équilibre instable. Les dynamiques des sous-systèmes constitués des différentes
coordonnées généralisées sont découplées par une première transformation, débouchant sur un
système sous forme en cascade. La taille de ce système est réduite par la technique de

32
backstepping. Le système réduit en résultant est ensuite stabilisé par une loi de commande
obtenue par recherche du point fixe des équations de la dynamique du système réduit.

La commande par passivité [56] a été proposée pour la résolution du problème soulevé par le
pendule balançoire et la stabilisation autour de la position d’équilibre avec une seule et même
loi de commande continue. Ensuite, la loi de commande obtenue par cette méthode est
composée de deux termes chargés d’effectuer la manœuvre de basculement vers le haut du
pendule pour l’un, et la stabilisation (asymptotiquement) autour de sa position d’équilibre
instable pour l’autre. Modelant l’énergie potentielle du système, le premier terme est obtenu
par application de la méthode de commande basée sur la passivité. Le second, diminuant la
vitesse du pendule par modelage de son énergie cinétique, est obtenu à travers l’ajout des
amortissements.

Par ailleurs, la commande sans modèle a été appliquée avec succès à plusieurs problèmes de
commande, aussi bien pour atteindre des objectifs de recherches académiques qu’industriels.
C’est le cas pour certains résultats touchant à des systèmes particuliers, tels que la bille sur
rail dans [57] pour la poursuite de trajectoires de références, où la dynamique du rail n’a pas
été prise en compte, ou pour la stabilisation de l’attitude de l’avion à décollage et atterrissage
vertical (PVTOL) dans [58].

Une commande non linéaire a été conçue pour le système mécanique avec une variable
cyclique non actionnée dans [59]. En ce qui concerne les systèmes non holonomes d'ordre
élevé, décrits sous la forme de chaîne de puissance, un contrôle discontinu fondé sur la
rétroaction a été proposé dans [60]. Une planification de trajectoire basée sur approche
bidirectionnelle a été présentée pour une classe de robots spatiaux non holonomes dans [61].

4.1.3 Stabilisation Globale des Systèmes Sous-actionnés

Une stabilisation globale du système demeure possible dans certaines conditions ; c’est
pourquoi les systèmes mécaniques sous-actionnés sont concrètement utilisés pour bénéficier
de leur qualité par le biais d’une complexification des méthodes de contrôle.

À cet égard, on constate qu’au cours des dernières années, diverses méthodes de contrôle ont
été proposées pour les systèmes non holonomes/sous-actionnés [62-63-64]. Un contrôle non
linéaire basé sur un réseau de neurones pour un robot mobile non holonome a été proposé
dans [62]. De plus, un contrôle basé sur la passivité utilisant l'interconnexion et l'affectation
d'amortissement a été proposé dans [65] pour les systèmes mécaniques sous-actionnés.

33
 S’agissant du contrôle du système WIP (pendule inversé sur roues), de nombreuses
conceptions de contrôle existantes sont basées sur la linéarisation du modèle. C’est ainsi
qu’un contrôleur linéaire robuste pour le système WIP a été présenté dans [66], où l'angle de
lacet n'a pas été pris en compte dans la conception du contrôle. En outre, un contrôleur
linéaire basé sur le modèle planaire a été développé dans [67].

Dans le même ordre d’idée, la méthode de linéarisation par rétroaction a également été
utilisée dans le contrôle WIP dans [68], où le contrôleur de position est conçu sur la base d'un
contrôle de vitesse à deux niveaux. Ces conceptions basées sur des modèles linéaires peuvent
ignorer certaines non-linéarités du système WIP dans les applications pratiques. De plus, il y a
toujours des paramètres de modèle du système WIP avec des incertitudes : par exemple, la
masse du cycliste n'est pas disponible pour la conception de contrôle et peut être modifiée de
temps à autre. Pour surmonter de tels défis, un contrôle basé sur l'approximation floue a été
proposé pour le WIP dans [69,70]. Un nouveau contrôle de mouvement adaptatif robuste
prenant en compte les incertitudes paramétriques et fonctionnelles du modèle WIP a été
présenté dans [71], où l’erreur de sortie du WIP converge vers un voisinage de zéro. Le
contrôle basé sur le mode glissant pour le suivi de la vitesse des systèmes WIP a été présenté
dans [72] où le contrôle est conçu directement sur la base du modèle non linéaire. Dans cette
perspective, il faudrait préciser que l'approximation floue ou le contrôle non linéaire basé sur
l'approximation du réseau de neurones ont été largement utilisés dans le contrôle des systèmes
avec des incertitudes et des perturbations inconnues [73–74]. Les travaux représentatifs sur le
contrôle WIP sont [75-69-70-71-76].

D'autres contrôles récurrents basés sur l'articulation du modèle cérébelleux pour WIP ont été
rapportés dans [77, 78], où l'idée de base est la même que le contrôle intelligent basé sur le
réseau neuronal, tandis que les incertitudes du modèle et les perturbations externes sont
estimées avec la conception du contrôle [79].

La référence [80] a effectué une étude sur le contrôle du pendule inversé rotatif, en
commençant par la détermination du modèle de système à l’aide des méthodes de Newton-
Euler, Lagrange-Euler et Lagrange.

Par la suite, les auteurs de ces recherches ont défini la totalité des objectifs de contrôle qui
consistent à contrôler le pendule de la position stable vers le bas à une position instable vers le
haut (contrôle pivotant), à réguler le pendule , à rester en position instable (contrôle de
stabilisation), à basculer entre ces deux derniers (contrôle de commutation) , et à contrôler le

34
système de telle sorte que le bras suit la trajectoire souhaitée tandis que le pendule reste à une
position instable (suivi de trajectoire).

Se fondant sur chaque objectif de contrôle défini, les chercheurs ont ensuite expliqué les
stratégies de contrôle appliquées pour le contrôle du système, qui comprennent l’auto-
apprentissage linéaire (PID, LQR, PP) [81 ,82], invariant dans le temps non linéaire (mode
glissement, contrôle logique floue et retour en arrière), et les contrôleurs non linéaires
adaptatifs. Enfin, cherchant à tester l’efficacité et la robustesse des régulateurs proposés, les
auteurs ont mentionné un autre système complexe pouvant être ajouté au système de pendule
rotatif inversé (Pendule rotatif inversé à deux roues), puis proposé d’autres stratégies de
contrôle applicables au système.

Dans la même ligne de pensée, la référence [83] a présenté une enquête sur des livres
universitaires illustratifs, des recherches méthodiques et des documents de recherche traitant
du contrôle non linéaire du pendule inversé.

Employant l’approche de Newton-Euler pour la description du mouvement du pendule,

l’auteur a ensuite relevé que de nombreuses techniques standard de la théorie du contrôle ne
parviennent pas à contrôler le système du pendule inversé, aussi a-t-il expliqué comment
d’autres contrôles peuvent donner des résultats satisfaisants, tels que PID, LQR, les méthodes
basées sur l’énergie, les techniques de mise en forme de l’énergie et les approches de contrôle
hybrides. Sous cet angle, il est généralement souhaitable d’utiliser l’approche Contrôle du
mode glissant pour garantir des performances de robustesse. De plus, pour réduire la
complexité des contrôleurs, il est également souhaitable d’utiliser des approches de contrôle
hybrides, telles que celles liées au contrôle neuronal flou et aux algorithmes génétiques.

Enfin, les auteurs de ces papiers de recherches ont présenté des tendances futures possibles
pouvant être prises en compte, telles que les retards, la dynamique interne instable, les
conditions d’incertitude, la saturation des actionneurs et la dynamique du chaos.

Pour ce qui relève de la référence [84] le contrôleur LQG (linéaire-quadratique-gaussien) a

été mis en place, et deux stratégies ont été élaborées pour un système de pendule mobile à
deux roues : un régulateur de vitesse anti-balancement autour de l’état d’équilibre stable de la
plante, tandis qu’autour du point d’équilibre instable un contrôleur de position qui assure la
stabilisation du corps interne. Ces stratégies ont été développées et mises en œuvre sur le
robot réel. L’auteur de la recherche a conclu que les stratégies de contrôle LQG élaborées
produisent des performances de contrôle satisfaisantes et compétitives.

35
 C’est ainsi que la référence [85] propose un livre consacré au contrôle des systèmes
mécaniques sous-actionnés. Les auteurs commencent par la description et la formalisation
d’une procédure d’identification basée sur MATLAB de deux systèmes mécaniques sous-
actionnés, à savoir le pendule de Furuta et le pendule de la roue d’inertie.

Pour atteindre cet objectif, le modèle des deux systèmes a été obtenu à l’aide de la forme
Euler-Lagrange, puis exprimé sous forme de modèle de régression linéaire. Ces systèmes ont
ensuite été filtrés afin d’obtenir la forme discrète dans le but d’être mis en œuvre sur une
plate-forme expérimentale en temps réel pouvant aisément être étendu à des mécanismes
entièrement actionnés d’un degré de liberté plus élevé.

Dans la référence [86], les auteurs ont introduit un schéma de contrôle composé comprenant
la méthodologie de linéarisation entrées-sorties et la compensation basée sur l’énergie dérivée
de la fonction énergétique du système, les deux ayant été appliquées pour le suivi de
trajectoire du pendule de Furuta. La méthode proposée a été comparée aux méthodes de
contrôle de suivi rapportées dans la littérature, où il a été démontré que le schéma de contrôle
proposé laisse voir de meilleures performances dans le suivi de trajectoire.

En revanche, dans la référence [87], les auteurs ont introduit un nouveau schéma de contrôle
adaptatif basé sur un réseau neuronal pour le pendule de Furuta. Ce schéma a été comparé à
d’autres stratégies de contrôle où les simulations des résultats liées à des études
expérimentales ont montré que la méthode proposée était susceptible de garantir le suivi d’un
signal de référence pour le bras alors que le pendule reste en position verticale, méthode qui
s’avère donc être meilleure que les autres.

Dans l’article [88], les auteurs ont mis au point un schéma de contrôle pour le pendule de la
roue d’inertie, où l’objectif de contrôle est centré sur le suivi d’une trajectoire souhaitée dans
le joint actionné, tandis que la liaison non actionnée est régulée en position ascendante. La
méthode proposée a été comparée à un contrôleur linéaire pour lequel les algorithmes
proposés montrent de meilleures performances en matière de suivi de la trajectoire de roue
souhaitée à un faible coût énergétique. Les chercheurs ont eu recours à la même méthodologie
donnée pour le pendule de Furuta, en l’occurrence la somme d’un contrôleur basé sur la
linéarisation de rétroaction et d’une compensation basée sur l’énergie,

L’article [89] s’articule autour d’une nouvelle stratégie proposée pour le contrôle de suivi du
pendule de la roue d’inertie. L’algorithme de contrôle est dérivé de l’introduction d’une
nouvelle fonction de sortie. Ce dernier est pondéré par des constantes positives ; une stratégie

36
de commande commutée est utilisée, à travers laquelle un contrôleur basé sur la passivité est
employé de telle sorte que la trajectoire de roue varie dans le temps la trajectoire souhaitée
tandis que le pendule est régulé à la position inversée vers le haut (position stable). La
performance de la méthode proposée a été comparée à celle d’un contrôleur de rétroaction
d’état concevant l’approche linéaire de conception du régulateur quadratique basée sur le
modèle linéarisé du système où elle laisse voir une performance supérieure des nouveaux
algorithmes.

Concernant la référence suivante [90], deux nouveaux contrôleurs de trajectoire robustes ont
été proposés pour le pendule de la roue d’inertie, basé sur un réseau neuronal et un régresseur.
Les deux méthodes ont été mises en œuvre dans une plate-forme expérimentale et leurs
performances comparées au contrôleur PID linéaire classique.

Le contrôleur impulsionnel des systèmes sous-actionnés peut être utilisé pour récupérer la
stabilité d’un équilibre à partir de configurations situées en dehors de leur zone d’attraction.
Dans l’article [91], un contrôleur impulsif a été proposé pour le contrôle du pendule de la roue
d’inertie. L’utilisation d’entrées impulsionnelles simplifie la dynamique du système ; à ce
stade, une mise en œuvre utilisant un retour d’information à gain élevé a été utilisée. La
méthode proposée a été comparée au contrôleur basé sur l’énergie où les résultats de
simulation indiquent des similitudes entre les deux méthodes.

Lorsqu’une personne saisit un stylo ou un pendule et essaie de le garder en équilibre, elle

utilise de fait non seulement des forces horizontales mais aussi verticales, pour éviter de
laisser tomber l’objet en question tout en le stabilisant. La preuve sur cette idée a été apportée
par l’auteur de l'article [92] qui a mené une analyse détaillée des possibilités de contrôle et de
stabilisation du pendule inversé en utilisant la force verticale au lieu de la force horizontale. A
la suite de cette expérience, le chercheur a proposé la combinaison des forces horizontales et
verticales, ainsi que leur application au système de pendule inversé. En matière de
stabilisation du pendule inversé, l’étude consacrée à l’analyse théorique de cette combinaison
a permis en effet de montrer les excellentes propriétés résultant de l’addition de la force
verticale à la force horizontale.

Cet article présente une application pour le contrôle non linéaire d’un IPS de type x-z,
effectuée au moyen d’un contrôleur proportionnel-intégral-dérivé (PID) ; quant à la méthode
employée, elle est celle du réglage évolutif nouvellement établie dite Algorithme de recherche
Lightning (LSA)

37
 À son tour, la référence [93] a proposé un pendule inversé X-Z qui peut se déplacer avec la
combinaison des forces verticales et horizontales, et a appliqué un contrôle de mode
coulissant, ainsi qu’un PID pour comparer les performances du système.

Le même système a été proposé en [94] où la méthodologie de conception de contrôle flou a

été utilisée dans le but de stabiliser le pendule inversé via une force verticale. Il a été
démontré que le schéma de contrôle flou hybride proposé fournit un moyen plus souple et
intuitif pour la stabilisation du système via une force verticale.

Le principal objectif de cet article consiste à rassembler les acquis des différentes recherches
menées dans le domaine de la modélisation, de la classification et du contrôle de certaines
classes importantes de deux degrés de liberté du système mécanique sous-actionné, afin
d’aider les futurs chercheurs à détecter les problèmes étudiés et ceux qui ne le sont pas encore.
En effet, pour les recherches futures, l’ajout de cette enquête sera l’occasion de relever des
défis concernant l’amélioration de l’efficacité et de la robustesse des contrôleurs proposés
pour cette classe de systèmes mécaniques sous-actionnés.

4.2 Méthodes de Contrôle pour les Systèmes Mécaniques Sous-actionnés

Étant donné que la commande de systèmes mécaniques sous-actionnés est considérée comme
un domaine de recherche actif en robotique et en ingénierie des systèmes de contrôle,
l’objectif principal de cette section est de mettre en évidence les contributions au contrôle des
systèmes mécaniques sous-actionnés. Une fois le modèle d’un système mécanique établi, il
est possible d’en étudier la dynamique et de concevoir un contrôleur. Parmi les œuvres les
plus reconnues, il y en a qui sont basées sur des contrôleurs linéaires et non linéaires.

4.2.1 Contrôle linéaire.

Au début de la recherche, plusieurs techniques de conception de contrôle linéaire ont été
proposées pour la résolution du problème que pose le contrôle des systèmes sous-actionnés. A
cet égard, les contrôleurs linéaires présentent une conception de contrôle simple pour les
systèmes réels.
Le papier de recherche [95] explore les méthodologies de contrôle des systèmes mécaniques
sous-actionnés, parmi lesquels il y a lieu de mentionner le contrôle de linéarisation par
rétroaction pour les systèmes linéaires invariants dans le temps appliqué par la suite pour le
contrôle d’un robot articulé flexible.
La référence [96] , elle, a recouru à la méthode de linéarisation jacobéenne pour la
linéarisation du système de bille sur rail autour du point de fonctionnement , et a utilisé un

38
régulateur quadratique linéaire , ainsi qu’un PID hybride avec LQR comme combinaison pour
la comparaison des performances de contrôleurs proposés.
En ce qui concerne la référence [97], il a été proposé une triple étape pour le contrôle du
robot planaire à deux liaisons : le pendubot utilisant la méthode basée sur l’énergie. Les
auteurs de cette recherche ont d’abord commencé par la définition des conditions nécessaires
et suffisantes pour la mise en place de paramètres à même d’assurer une plus grande marge de
contrôlabilité. Ils ont ensuite démontré que le pendubot pouvait entrer dans la région
d’attraction pour toutes les conditions initiales, à l’exception d’un ensemble de propriétés
liées à la mesure de Lebesgue zéro (mesure invariante). Enfin, les résultats des simulations
ont été effectués pour la validation du contrôleur proposé, puis comparés à la linéarisation de
rétroaction.
Dans [98] , l’auteur a procédé à la linéarisation des équations de mouvement du système à
pendule rotatif autour d’un point de fonctionnement , puis a utilisé un ANFIS (Systèmes
Adaptatifs d'Inférences Neuro-Floue ) robuste et basé sur le LQR pour le contrôle du
système. Cet ajout s’explique par le fait que le LQR n’a pas la propriété de robustesse. En
outre, le contrôleur proposé a été comparé au LQR et a révélé une meilleure robustesse, de
même que des performances satisfaisantes par rapport au contrôleur LQR.
S’agissant de la référence [99] , un contrôleur basé sur l’énergie , avec combinaison de la
compensation du réseau neuronal , a été proposé pour le basculement du pendubot. L’idée
essentielle en est que la méthode basée sur l’énergie peut permettre d’éviter avec succès la
singularité ; dans le même temps, le réseau neuronal compense le mauvais effet entraîné par la
friction. La recherche a démontré expérimentalement que le contrôleur proposé présentait,
dans les mêmes conditions, de meilleures performances que celles des autres algorithmes.
La référence [100] propose une combinaison de deux contrôleurs, l’un étant dérivé de la
linéarisation entrée-sortie, l’autre d’une fonction énergétique du système basée sur le contrôle
du système mécanique sous-actionné qui est le pendule inversé rotatif, autrement dit le
pendule de Furuta. Le contrôleur en question est conçu de manière à permettre l’application
de cette procédure pour la résolution du problème de suivi de trajectoire lié à d’autres
systèmes.
La conception de méthodes de rétroaction vouées au contrôle des oscillations de la charge
utile pour la grue de transport a été utilisée par de nombreux chercheurs. C’est ainsi que
l’auteur [101] a proposé une approche couramment utilisée, basée sur des méthodes de
linéarisation autour du point d’équilibre, à laquelle s’ajoute l’application de stratégies de
contrôle linéaires, telles que le contrôle optimal [102,103] , ainsi que la planification de

39
 mouvement hors ligne [104]. En outre, des méthodes de conception de mise en forme d’entrée
ont été proposées [105] pour l’élimination des oscillations restantes à la fin du transport.
Bien que les techniques linéaires permettent de parvenir à une solution plausible pour une
application particulière, même dans un cas pareil , la dynamique non linéaire complexe de
tels systèmes limite rigoureusement les applications généralisées des lois de contrôle. En
outre, une approximation linéaire d’UMS aboutit souvent à des systèmes incontrôlables, qui
ne peuvent faire l’objet d’algorithmes de contrôle linéaire pour la stabilisation.
De plus, la linéarisation approximative d’un système non linéaire compliqué ne fournit
qu’une approximation linéaire précise du système original près des points d’équilibre. On sait
également que la linéarisation du modèle de système non linéaire réduit souvent la vitesse de
réponse, ce qui donc incite de nombreux chercheurs à concevoir plusieurs algorithmes de
contrôle non linéaires pour les systèmes mécaniques sous-actionnés.

4.2.2 Contrôle non linéaire

a. Linéarisation à rétroaction.
La linéarisation à rétroaction est une stratégie courante employée dans le contrôle non linéaire pour
le contrôle des systèmes non linéaires. De fait, au cours des dernières décennies, de nombreux
contrôleurs non linéaires ont évolué. Il s’agit là d’un des outils de conception en ligne bien connus
pour les systèmes mécaniques sous-actionnés. L’idée de base est que cette linéarisation peut annuler
les non-linéarités grâce à un contrôle de rétroaction, et transformer le système non linéaire en un
système linéaire (de façon totale ou partielle) équivalent. De là une forme particulière de
linéarisation à rétroaction, dite linéarisation partielle, qui est utilisée pour la résolution du problème
de contrôle lié à cette classe de systèmes mécaniques sous-actionnés.
Sous cet angle, la référence [106] a proposé une technique de linéarisation dérivée de la rétroaction
entrée-sortie pour le contrôle d’un pendule de Furuta. Les résultats de la simulation ont montré que
le bras suivait la trajectoire souhaitée, tandis que le pendule restait en position verticale. Un contrôle
de linéarisation par rétroaction a été proposé par [89] pour le contrôle du pendule de la roue
d’inertie.

b. Mode glissant.
L’approche de linéarisation par rétroaction, ainsi que la linéarisation partielle de la
rétroaction posent toutes les deux le problème du manque de robustesse. Pour y remédier,
et obtenir donc la robustesse, une autre méthode robuste basée sur l’approche par mode

40
glissant, qui pourrait être considérée comme une solution raisonnable pour le contrôle de
.tels systèmes [107]
La technologie des modes glissants consiste à amener la trajectoire d'état d'un système
vers la surface de glissement et à la faire commuter à l'aide d'une logique de commutation
appropriée autour de celle-ci jusqu'au point d'équilibre, d'où le phénomène de glissement.
Ainsi, le contrôleur de mode glissant devient insensible aux variations des paramètres et
aux perturbations externes. L’idée générale consiste en la modification de la dynamique
du système à travers l’application d’une entrée de contrôle de rétroaction discontinue qui
force le système à glisser sur une surface d’état prédéfinie . Le système produit alors le
.comportement souhaité en limitant son état sur cette surface
Pour la commande par mode glissant, il existe un large éventail d’applications sur divers
systèmes sous-actionnés, tels que la bille sur rail, ainsi que les robots, ce qui réduit la
longévité des actionneurs en raison de l’usure des pièces mécaniques. Un autre
inconvénient du mode glissant est que la plupart du temps, le contrôleur prend une valeur
très élevée de perturbation associée, ce que produit une approche de conception trop
.conservatrice
C’est ainsi qu’une commande avancée du mode glissant avec fonction de glissement
intégrée a été appliquée en [108] pour le basculement vers le haut et l’équilibrage du
.pendubot en vue d’assurer le suivi avec diverses trajectoires
L’article [109] propose le recours à un contrôleur de mode glissant pour entraîner le
système pendubot vers la surface de glissement. Afin de surmonter le phénomène de
bavardage, une fonction de Lyapunov avec une condition suffisante a été dérivée en
termes d’LMI (Inégalités Matricielles Linéaires). La méthode proposée a été comparée à
la technique classique de linéarisation à rétroaction, ainsi qu’à la méthode LQR. Les
résultats de la simulation attestent que le mode glissant proposé est une technique efficace
pour le contrôle du pendubot en position verticale, la réduction du bavardage et
l’amélioration de la robustesse, ce qui s’avère être meilleur que la technique de
linéarisation par rétroaction et la méthode LQR. À cet égard, le papier de recherche [110]
.présente une commande par mode glissant floue pour ce système
Le concept général consiste en l’application d’un algorithme flou pour la modification du
paramètre de contrôle du mode glissant de manière à éliminer le phénomène de
bavardage. Les résultats montrent que le contrôle par mode glissant flou convient mieux
.que le contrôle du mode de glissement

41
Dans [111] le système utilise une technique de rétroaction stricte ; un observateur de
perturbation est conçu pour l’estimation des perturbations externes inconnues et les
incertitudes du modèle du système sous-actionné. De plus, un contrôle du mode glissant
est développé pour le contrôle du système. Appliquée au système acrobatique, la
combinaison de l’observateur de perturbation et de la commande en mode glissant, a
montré la capacité de compensation des perturbations et d’obtention de performances de
.contrôle plus satisfaisantes
Dans cette perspective, la référence [112] présente un schéma de contrôle basé sur la
combinaison d’un contrôle optimal non linéaire et de modes de glissement pour une classe
de systèmes non linéaires appliqués au pendubot. Ce contrôleur a été proposé dans le but
.de définir la surface de glissement optimale
Pour sa part, l’auteur du papier de recherche [113] a proposé un contrôle de rétroaction
d’état basé sur un schéma de contrôle en mode glissant pour le pendule de la roue
d’inertie. Le contrôleur de rétroaction d’état est ainsi étendu à un contrôle de sortie à
l’aide d’un observateur à gain élevé. Les résultats de l’analyse et de la simulation
indiquent que la technique de contrôle de rétroaction proposée donne une bonne
convergence, aussi peut-elle être étendue à d’autres systèmes sous-actionnés de classe
.similaire, tel que l’Acrobot
Dans [114], il est question d’un contrôleur par mode glissant du modèle simplifié et du
modèle complet de la bille sur rail. La recherche a montré que les contrôleurs conçus à
l’aide du modèle complet du système donnent de meilleures performances que celles des
.contrôleurs conçus à l’aide du modèle simplifié du système
L’auteur du papier de recherche [115] propose une commande en mode glissant pour le
pendule de la roue d’inertie. A cet effet, les équations dynamiques sont séparées en deux
parties, l’une quasi-linéaire non actionnée, l’autre non linéaire actionnée. Un collecteur
approprié est ensuite mis en place, ainsi qu’un contrôleur de mode de glissement
.correspondant contrôlant le système
Dans le cas du système de pendule inversé sur chariot, un article de synthèse a été
proposé par l’auteur de l’article [116], qui passe en revue toutes les stratégies de contrôle
.appliquées pour le contrôle de ce système
Enfin, l’article [117], lui, a proposé un observateur de perturbation non linéaire appliqué
pour l’estimation des termes non linéaires dans le modèle de Furuta. Par la suite, un
contrôle de mode glissant a été conçu pour le contrôle du système à travers la technique

42
du régulateur quadratique linéaire (LQR) , l’objectif étant la détermination du coefficient
.de glissement

c. Contrôle basé sur la passivité.

Une autre méthode de contrôle non linéaire a été introduite pour le contrôle des systèmes
sous-actionnés, comme le pendule à roue d’inertie, le système à billes sur rail [118] et le
système chariot-tige [119] . Il s’agit là de l’approche de contrôle basée sur la passivité, dont
l’objectif principal consiste en la passivation du système avec une fonction de stockage, qui a
un minimum au point d’équilibre souhaité.

d. Le backstepping.
La mise en place de la technique de “backstepping” se fixe pour objectif la conception de
contrôles stabilisateurs pour une classe spécifique de systèmes dynamiques. C’est là une autre
méthode basée sur l’énergie, communément dite “retour en arrière”. N’utilisant pas
nécessairement la linéarisation, le retour en arrière permet la préservation des non-linéarités
utiles qui aident souvent à conserver les valeurs finies du vecteur d’état. Une telle technique
suppose que l’on est capable de trouver au moins pour un système scalaire une loi de contrôle
u et une fonction de contrôle de Lyapunov aptes à en stabiliser l’origine. Elle constitue
également un outil efficace qui permet, pour les systèmes non linéaires de tout ordre, de
construire récursivement, et de manière systématique et directe, la loi de contrôle, de même
que la fonction de Lyapunov assurant la stabilité de la boucle.

Dans le droit fil de cette idée, on note qu’il existe nombre d’applications pratiques pouvant
être trouvées dans la littérature, d’où le besoin à une méthodologie de conception non linéaire
répondant à un certain nombre de problèmes pratiques liés au contrôleur de recul.

à cet égard, la référence [120] propose un livre qui présente une loi de contrôle basée sur le
contrôleur de Backstepping, appliquée à diverses classes de systèmes mécaniques sous-
actionnés , tels que le pendule inversé sur chariot [121], le pendule de Furuta [122], l’Acrobot
[123], le pendubot [124] et le pendule à roue d’inertie [125].

4.2.3 Contrôle intelligent

Dans la littérature, les méthodes de contrôle flous (approches inspirées des métaphores
biologiques et physiologiques) ont été largement appliquées pour le contrôle des systèmes
sous-actionnés à la fois dans l’analyse théorique et l’application pratique.

43
 Le Neuro-flou correspond ainsi à la combinaison de réseaux de neurones artificiels et des
principes de la logique floue.

a. Logique floue.

Les références [126,127] ont combiné le contrôleur de mode glissant et le contrôleur flou pour
l’équilibrage du système à billes sur rail. L’auteur de la recherche a proposé une optimisation
des paramètres de contrôle en mode glissant flou à l’aide de l’optimisation par colonie de
fourmis, pour l’obtention de bonnes performances. Les résultats de simulation et
d’expérimentation indiquent tous la supériorité du schéma proposé sur les autres schémas.
Dans [128] l’auteur a proposé un contrôleur de surface dynamique adaptatif T-S basé sur un
modèle flou applicable sur le même système réel, à savoir le système à billes sur rail. En
premier lieu, le modèle de système a été traduit par un formulaire de rétroaction strict. En
second lieu, un contrôle de surface dynamique adaptatif a été appliqué pour le positionnement
de la bille en fonction des incertitudes sur les paramètres. Le contrôleur a été appliqué à cette
distance pour assurer le contrôle du système selon de meilleures performances.

b. Réseau neuronal.
Le réseau neuronal constitue une véritable révolution scientifique issue des progrès de
l’intelligence artificielle (IA). Dans le contexte de ce changement profond, un algorithme basé
sur la méthode des moindres carrés des réseaux neuronaux est appliqué dans l’article [129]
pour dériver le contrôle H∞ optimal avec rétroaction de sortie de systèmes non linéaires
affines à temps discret, pour l’obtention d’une stabilisation avec des performances garanties.
Le système en résultant est utilisé pour parvenir à la dynamique de la loi de contrôle de
rétroaction de sortie.
L’auteur du papier de recherche [130] a proposé un contrôleur incorporé basé sur l’énergie,
avec une compensation de réseau neuronal flou, pour faire basculer le pendubot vers la
position instable de non-équilibre. Des simulations numériques et des résultats expérimentaux
ont ainsi prouvé les performances du contrôleur proposé par rapport à d’autres algorithmes.
En somme, nous pouvons dire qu’aucun de ces contrôleurs individuels ne présente le
meilleur résultat requis. Cependant, une bonne combinaison entre eux peut apporter une
réponse rapide, caractérisée par la robustesse, l’adaptabilité, le suivi de la surface souhaitée et
le bon rejet de la perturbation.

44
3 Présentation du Segway en tant qu’exemple de système mécanique
sous-actionné
Introduction
Les systèmes pendulaires inversés ont fait l’objet de nombreuses études consacrées au
contrôle automatique. Sous cet angle, la configuration comprenant le pendule inversé monté
sur deux roues est désormais connue sous le nom de Segway.
Cet appareil est un transporteur humain à équilibrage automatique similaire à un scooter de
haute technologie.
3.1 Présentation du sujet de recherche
3.1.1 Description du Segway
Tel qu’indiqué dans la figure 11, le Segway est un véhicule électrique personnel à deux roues,
conçu pour le déplacement urbain. Il est composé d'un châssis sur lequel sont fixées deux
roues, un moteur électrique, ainsi qu’un système de contrôle. Le Segway est un exemple de
système mécanique sous-actionné, c'est-à-dire un système pouvant fonctionner avec un
nombre de degrés de liberté inférieur au nombre de degrés de liberté de son environnement.
Il s’agit là d’un moyen de transport motorisé permettant les déplacements en milieu urbain.
3.1.2 Histoire du Segway
Le Segway a marqué une révolution dans le domaine des transports et de l'innovation. Il a été
présenté pour la première fois au public en 2001 par l'inventeur américain Dean Kamen. Cette
invention unique avait pour objectif de révolutionner les déplacements en milieu urbain,
offrant ainsi une alternative à la voiture plus écologique, légère et moderne, tout en améliorant
la mobilité. En outre, le terme "Segway" est une combinaison de deux mots anglais, "segue,"
signifiant le passage d’un état, une transition en douceur d'une chose à une autre, et "way,"
chemin, voie. Dans ce contexte, le "Segway" représente la douce transition qui transporte les
individus de tous âges vers toutes les régions du monde en toute aisance [131].
Propulsé par des servomoteurs, le Segway peut atteindre des vitesses allant jusqu'à 20
kilomètres par heure. Ce dispositif utilise un capteur d'inclinaison et plusieurs gyroscopes
pour la détection du mouvement angulaire du robot. Les utilisateurs du Segway peuvent
accélérer et décélérer en s'inclinant vers l'avant ou vers l'arrière. L'inventeur de ce gyropode,
Dean Kamen [132], est également le créateur d'autres produits innovants. C’est ainsi qu’en
2006, il a lancé l'iBot, un fauteuil roulant électrique mobile capable de monter les escaliers et
de maintenir l'équilibre. L'iBot peut s'élever et s'abaisser automatiquement, offrant par là une

45
vision à la hauteur des yeux afin que les gens puissent communiquer plus aisément avec leurs
semblables. La figure 17 illustre les fonctionnalités de l'iBot.

F IGURE 17 : L ES ROBOTS S EGWAY I 180 SERIES ( GAUCHE ) ET I BOT 4000 ( DROITE ).

3.1.3 Caractéristiques et principe de fonctionnement du Segway

Le Segway est doté de deux degrés de liberté correspondant à la rotation des deux roues.
Cependant, il est conçu de manière à pouvoir se déplacer dans un environnement à six degrés
de liberté, ce qui correspond aux trois translations et aux trois rotations du véhicule.

Le Segway a été développé dans la perspective de répondre à un besoin particulier, celui de

la mobilité urbaine. Il constitue un exemple illustratif de la capacité des systèmes mécaniques
sous-actionnés à fonctionner dans des environnements complexes.

S’agissant du mode de fonctionnement, la conduite du Segway se fait par inclinaison du

corps vers l’avant ou vers l’arrière, soit pour accélérer, soit pour freiner.

46
 F IGURE 18 : POSITION DU CORPS

L’exemple le plus pertinent de Segway est un être humain : en effet, de par son corps droit, un
humain doit faire des ajustements constants pour se maintenir en équilibre, tout en marchant
ou en courant. Supposons qu’une personne soit en position debout et qu’elle se penche
soudainement vers l’avant, elle perdra l’équilibre et se retrouvera probablement par terre, le
visage face au sol. À ce moment précis, le cerveau humain réalise qu’il est en situation de
déséquilibre, il commande alors un signal pour s’avancer et empêcher la chute. Si la personne
continue à se pencher vers l’avant, elle fera toujours un pas en avant au lieu de tomber. C’est
ce même concept qui se trouve appliqué au Segway.

La caractéristique spécifique de ce véhicule est qu’il est doté de deux roues ayant le même
axe de rotation ; une fois le passager monté sur la plate-forme, le centre de gravité est situé
au-dessus de l’axe commun des roues, si bien qu’on se demande comment rester en position
d’équilibre. Tout comme le cerveau permet à l’homme de tenir debout sans tomber grâce à
l’oreille interne, le système comporte un dispositif d’asservissement d’inclinaison qui
maintient la plateforme du véhicule à l’horizontale. Le Segway comporte à cet effet des
capteurs gyroscopiques et des microprocesseurs qui transmettent des consignes à deux
moteurs électriques équipant les deux roues.

Le cycle de fonctionnement d’un Segway gyropode est représenté dans la figure 19

F IGURE 19 : CYCLE DE FONCTIONNEMENT DU S EGWAY

47
 3.1.4 Les composants du Segway

F IGURE 20 : LES COMPOSANTS D ’ UN S EGWAY

3.1.4.1 Dispositif de commande Info Key

Le dispositif de contrôle Info Key est une télécommande sans fil, spécifiquement conçue pour
les gyropodes Segway. Il est doté de quatre boutons sur le contour externe et d'un écran placé
au centre. Il affiche les informations nécessaires à la conduite, telles que le niveau d'énergie et
les kilomètres parcourus de la vitesse actuelle. Une option permet également d'activer une
alarme, dispositif indispensable au démarrage du gyropode et susceptible de dissuader toute
tentative visant à s’en emparer (vol).

F IGURE 21 : DISPOSITIF DE COMMANDE I NFO KEY

48
 3.1.4.2 Le guidon et cadre LeanSteer :
La technologie Segway LeanSteer a été développée pour offrir une conduite plus réactive,
pour ce faire, il suffit de pencher le LeanSteer dans la direction voulue.

3.1.4.3. Le témoin Lumineux et la console :

La console est située sous le cadre LeanSteer, entre les deux tapis. Elle est assemblée avec un
couvercle qui ne doit pas être retiré. De plus, la console comprend deux témoins lumineux.

Ces témoins indiquent visuellement l'état d'équilibre du Segway (témoin lumineux

d’équilibre) et aident le conducteur à déterminer s'il peut monter sur les tapis en toute sécurité.
Les témoins de charge des batteries (témoins du niveau de charge) indiquent le niveau de
charge des batteries du Segway TP (Figure 22)

F IGURE 22 : CONSOLE ET TÉMOIN LUMINEUX

3.1.4.4. L’ensemble roue / pneu et garde-boues :

Le Segway TP est équipé de garde-boues, conçues en bandes métalliques, pour assurer la
protection de l’utilisateur du gyropode contre les projections de débris, ainsi que lors des
manœuvres dans les virages.

3.1.4.5. La base électrique :

La base électrique comprend la console, les capteurs de présence du conducteur, les cartes de
commande (système de contrôle (CU), les moteurs, la boîte à vitesse et la centrale inertielle
(Capteurs d’équilibre BSA).

3.1.4.6. Les tapis :

Deux tapis sont installés à droite et à gauche de la console. Ces tapis protègent les capteurs de
présence du conducteur situés en dessous et permettant une conduite en tout confort

Pour les composants internes d’un Segway on trouve :

49
 3.1.4.7. Capteurs de présence du conducteur :
Le Segway est muni de quatre capteurs situés sous les tapis pour détecter la présence ou
l'absence du conducteur pendant la mise en marche du Segway.

a) Si les pieds sont placés en position correcte sur les tapis, les quatre capteurs sont
enclenchés, permettant au Segway de fonctionner normalement en mode “Equilibre”.

b) Si moins de trois capteurs sont enclenchés pendant la conduite, le Segway réduit la

vitesse limite maximale, que le mode de conduite (Débutant) soit activé ou non. Dès que
les pieds sont correctement repositionnés, le Segway reprend son fonctionnement à plein
régime.

c) Si le Segway TP est déplacé trop rapidement en mode “Equilibre”, et qu'aucun capteur de

présence ne s’enclenche, un avertissement par vibration du guidon est généré avant de
passer du mode “Equilibre” au mode “Veille” (Figure 23).

F IGUREÉ 23 : L ES CAPTEURS DE PRÉSENCE DU CONDUCTEUR

3.1.4.8. La Centrale inertielle (Capteurs d’équilibre (BSA) :

La centrale inertielle ou le capteur d’équilibre (BSA), produit par l’entreprise “Silicon
Sensing System”, est un modèle d’élégance pour un appareil extrêmement résistant et
particulièrement sensible qui comprend cinq capteurs de taux angulaires (gyroscopes à semi-
conducteurs) et deux capteurs d’inclinaison. Elle envoie aux cartes de commande des
informations sur l'orientation du Segway. Tous les capteurs sont surveillés en permanence par
le Segway afin d'en assurer le fonctionnement. En cas de défaillance de l'un de ces capteurs, le
Segway déclenche un arrêt d'urgence (Figure 24).

50
 F IGURE 24 : V UE SUR LE CAPTEUR D ’ ÉQUILIBRE (BSA)

3.1.4.9. Le système de contrôle (CU) :

Deux platines de contrôle fonctionnent comme un cerveau dans ce système où, chaque circuit,
équipé d’un processeur, surveille tout le système de stabilisation et de propulsion.

Les informations recueillies par les capteurs d’équilibre (BSA) permettent au CU de

connaître la position du Segway et de gérer immédiatement le flux d’énergie commandant les
moteurs. Normalement le travail est divisé entre les deux circuits, mais en cas de panne,
chaque circuit peut lui seul contrôler tous les systèmes durant le temps nécessaire afin
d'assurer un freinage et un arrêt d’urgence du véhicule. (Figure 25)

F IGURE 25 : S YSTÈME DE CONTRÔLE (CU)

3.1.4.10. Les moteurs :

Les moteurs du Segway sont uniques et génèrent une puissance remarquable par rapport à
leurs poids et dimensions. Chaque moteur est capable de générer un pic en utilisant la
technologie Servo Brushless (sans balais). Il n’y a pas de contact entre les composants, et
ainsi, il n'y a pas d’usure ni perte de puissance, chaque moteur comportant de ce fait deux
bobines indépendantes et commandées par deux systèmes différents. En outre, des capteurs

51
redondants, sans contacts et analogiques surveillent la position des aimants et informent en
permanence les unités de contrôle sur le fonctionnement des moteurs. (Figure 26)

F IGURE 26 : L ES MOTEURS

3.1.4.11. La boîte à vitesses.

Élément mécanique, ou mécatronique, une boîte à vitesse permet la transmission de l’énergie
du moteur à la roue, ce qui rend le véhicule apte à avancer dans toutes les situations. Il s’agit
donc d'un élément de la transmission automobile qui permet de mettre en phase le couple
fourni par le moteur avec le couple nécessaire à la roue pour surmonter les résistances liées à
son inertie.

S’agissant du gyropode Segway, la boîte à vitesses ressemble au mouvement d’une montre

suisse plutôt qu’à une boîte à vitesses d’une automobile. Elle est dotée d’un système
d’engrenages à deux vitesses au rapport de 24 :1 qui permet aux moteurs de doser précisément
la vitesse du véhicule sur toutes les plages de vitesses possibles.

En outre, le nombre des rouages a été calculé pour éviter que les dents ne soient toujours en
face des mêmes encoches. Ces rouages s’emboîtent dans des encoches différentes, réduisant
l’usure et contribuant de la sorte à augmenter la durée de vie de la boîte à vitesses.

Rapport de démultiplication (Gear Ratio)

Engrenage d'entraînement harmonique (Gear Harmonics)
Engrenage d’entrée: Input mesh
Engrenage intermédiaire: Intermediate mesh
Vitesse du moteur: motor speed

52
 F IGURE 27 : BOÎTE À VITESSE DU GYROPODE S EGWAY

3.1.4.12. Les batteries :

Le Segway est équipé de batteries Saphion Lithium-ion, avec un boîtier soudé au moyen
d’une méthode particulière. La batterie est parfaitement protégée contre l’humidité, tandis que
le système électronique de contrôle de la batterie permet une recharge intelligente.

En usage normal, le Segway contrôle l’état des batteries et les décharge simultanément. Si
l’une des batteries devait exceptionnellement tomber en panne, la seconde générerait
automatiquement l’énergie nécessaire pour permettre au véhicule de s’arrêter sans danger
pour le conducteur.

3.2 Problématique de recherche

Sur le plan de la formalisation, on qualifie un système mécanique de sous-actionné lorsque le

nombre de commandes disponibles est insuffisant par rapport au nombre de degrés de liberté
à contrôler. Dans le domaine de la robotique, cette classe de systèmes offre un large éventail
d'applications, tant pratiques que théoriques. Le sous-actionnement peut résulter de diverses
situations, notamment :

• La dynamique inhérente aux systèmes, tels que les avions, les hélicoptères, les sous-marins,
etc.

• Les choix de conception visant à réduire le poids et les coûts de production et d'entretien en
éliminant un ou plusieurs actionneurs.

• Les pannes d'actionneurs pouvant transformer un système mécanique initialement actionné

dans sa totalité en un système sous-actionné, présentant ainsi les mêmes propriétés et
difficultés.

53
 Cette étude se focalise sur la commande des systèmes mécaniques sous-actionnés. Pour cette
catégorie de systèmes, la synthèse de commandes se heurte généralement à des défis en raison
de la forte non-linéarité et de l'instabilité générale de leur dynamique. Ces non-linéarités
peuvent rendre fort complexe l'utilisation de méthodes de commande classiques basées sur la
linéarité. En conséquence, la synthèse de commandes pour les systèmes mécaniques sous-
actionnés demeure un domaine de recherche actif et constitue un problème ouvert. L'objectif
de la présente recherche consiste à développer une loi de commande pour stabiliser un
système mécanique sous-actionné spécifique, en l'occurrence le pendule inversé à deux roues.

Nous nous intéressons à la synthèse de différentes stratégies de contrôle afin de stabiliser le

simulateur de pendule inversé. Ce simulateur représente un système complexe, non linéaire,
instable, sous-actionné, caractérisé par de multiples degrés de liberté, une grande sensibilité
aux retards et aux frottements, ainsi qu'une dynamique intrinsèquement instable en boucle
ouverte. Notre contribution consiste à utiliser une loi de contrôle par retour d'état et à la
combiner avec un intégrateur PID flou pour obtenir une meilleure stabilisation. Cette
technique présente l'avantage d'une grande précision, ainsi qu’une réponse dynamique rapide
et flexible.

Conclusion :

Ce chapitre présente de manière informelle les systèmes mécaniques, dont les différents
types ont été ensuite présentés sous forme d’une classification basée sur leur degré
d’actionnement. Nous avons alors établi une différenciation des systèmes mécaniques
complètement actionnés, des systèmes mécaniques sur-actionnés ou redondants et des
systèmes mécaniques sous-actionnés. La problématique associée à des tels systèmes a été
présentée.

54
 En outre, nous avons posé les bases de notre étude à travers l’exploration des systèmes
mécatroniques, la définition des systèmes mécaniques sous-actionnés, et la présentation du
Segway comme exemple concret de cette catégorie. Nous avons également évoqué la
problématique de recherche liée à la commande des systèmes mécaniques sous-actionnés.

D’autre part, ce chapitre jette les fondations nécessaires pour la suite de notre travail, qui se
concentrera sur la modélisation dynamique du Segway par graphes de liaisons (bond graphs).
La compréhension de ces concepts clés demeure essentielle pour pouvoir aborder les défis
posés par la commande et la stabilisation, questions que nous examinerons dans les chapitres
suivants. En passant à l'étape suivante de notre recherche, nous aborderons plus en détail la
modélisation du Segway, ce qui nous permettra d'approfondir notre compréhension de ce
système complexe.

Ces types de systèmes peuvent être aisément manipulés à travers le recours à la technique de
modélisation par graphes de liaison ou bond graphs.

Chapitre II

55
Modélisation dynamique du Segway par
l’outil bond Graph

Le deuxième chapitre est consacré à la Modélisation dynamique du Segway par Bond Graph,
ou graphes de liaisons, parmi lesquelles figure le transporteur personnel Segway, déjà
introduit dans le chapitre précédent. Quelques techniques de modélisation et les résultats
obtenus seront exposés, avec mention de leurs avantages et leurs inconvénients.

Chapitre II : Modélisation dynamique du Segway par l’outil bond

Graph

56
Introduction
Ce chapitre est consacré à l'étude du Segway , aussi focalisons-nous l’effort sur l’examen de
la modélisation dynamique à l'aide de l’outil bond graph. Une telle approche nous permettra
de mieux comprendre le comportement et les interactions des composants du Segway, jetant
ainsi les bases de notre travail de commande et de stabilisation de ce système. Nous
aborderons également les aspects techniques liés à la modélisation par les bond graphs et
expliquerons comment cette méthodologie peut être appliquée au cas du Segway.

1. Définition du bond graph

L’outil bond-Graph, dit également graphe de liaisons ou graphe à liens, est une représentation
graphique d’un système dynamique physique (mécanique, électrique, pneumatique,
hydraulique, etc.) qui a été introduit par H.M. Paynter [133]. Il est composé de liens qui
représentent les transferts des flux d’énergie ou d’informations au sein du système. Le graphe
de liaison peut être considéré comme un outil mathématique utilisé en ingénierie des
systèmes. Il permet de modéliser un système piloté pour en optimiser le dimensionnement et
la conception de la partie liée à la commande.

2 Principe de base et concept de l’outil bond Graph

Le modèle bond-graph est conçu comme un outil efficace pour la modélisation des systèmes
d'ingénierie. La technique est similaire aux diagrammes synoptiques et aux graphiques de flux
de signaux. Quant au modèle de graphe de liaison, il se compose d'éléments à port unique, à
double port et à ports multiples. Au fond, la technique de modélisation de l’outil bond graph
est une représentation graphique du comportement dynamique de tout système.

À cette fin, des liaisons doivent être établies pour relier les différents éléments du système,
puis trouver les équations différentielles décrivant le système, en analysant un composant à la
fois. De plus, le processus peut être automatisé, et donc facilement programmé. L'étude de la
littérature relative au sujet montre que la technique du bond graph est très utile pour la
modélisation de différents systèmes multi-corps, ainsi que pour la simulation de divers cas
connexes.

Il n’est pas sans intérêt de noter ici que l'idée de base de la modélisation par l’outil bond
graph consiste en la conservation de l'énergie pour la mise en œuvre d’une technique
généralisée permettant la représentation des systèmes dans différents domaines.

57
3 Avantages et applications de la modélisation par l’outil bond Graph
3.1 Avantages de cette technique
Cet outil présente plusieurs avantages, à savoir :

• La distinction entre les flux d’information et les flux d’énergie ;

• L’impossibilité d’insertion de l’énergie inexistante dans le système, celui-ci étant basé sur le
principe de conservation de l’énergie ;

• La mise en évidence de la causalité en termes de flux (vitesse, courant, débit) et des efforts
(force, tension, pression). Ceci permet la détection des phénomènes modélisés non physiques
(courant imposé dans une bobine, vitesse d’un volant d’inertie).

De plus, cette méthode se caractérise par la souplesse, parce qu’on peut par la suite ajouter
davantage d'éléments comme les pertes/effets thermiques, d'inertie et de stockage, sans avoir à
refaire encore une fois la modélisation, donc plus de manière significative du point de vue de
la simulation, les propriétés causales et structurales du langage graphique permettant au
modeleur de résoudre le niveau algorithmique du modèle à l'étape de formulation avant que
les équations détaillées aient été dérivées; un tel contexte a été développé dans [134].

3.2 Modélisation par graphe de liaison

Une méthode de modélisation unifiée demeure nécessaire pour l'analyse et le mode. L'outil
graphique est bien convenu à cette fin. La méthodologie en question permet l'affichage de
l'échange de puissance d'un système, qui comprend le stockage, la dissipation et la
transformation.

D’autre part, le modèle de graphe de liaison peut être généré à travers l’utilisation de sept
types d’éléments : I, C, R, SE, SF, TF et GY. Ceux-ci interagissent avec le système représenté
fondamentalement par les deux jonctions, en l’occurrence 1-jonction et 0-jonction. La
première, 1-jonction, représente la jonction de la somme des efforts, la seconde (0-jonction) la
jonction de la somme des flux. Dans ce sens, tout système physique peut être représenté dans
un graphe de liaison par ces éléments et jonctions au moyen d'un algorithme. En outre, les
éléments du graphe de liaison se comportent différemment en fonction des systèmes. Quant à
la puissance circulant dans un système, elle est représentée par le produit de deux
composantes, l'une étant l'effort et l'autre le flux. Chaque lien symbolise le flux de puissance
d'un élément à un autre élément du système, soit sous la forme d'un flux, soit sous la forme

58
d'un effort associé. Le tableau ci-dessous présente les paramètres de divers types de variables
de flux et d'effort du système :

Systèmes Effort (e) Flux (f)

Mécanique Couple (N.m2 ) Vitesse angulaire (rad/s)
Force (N) Vitesse (m/s)
Electrique Tension (V) Courant (A)
Thermique Température (K) Taux de variation de l'entropie
(W/K)
2
Pression (N/m ) Taux de variation du volume ( m3
/s)
Hydraulique Pression (N/m2 ) Débit volumétrique (m3/s)
Chimique Potentiel chimique (Nm/mol) Débit massique (mol/s)
Entropie (Q/K) Débit massique (kg/s)
Magnétique Force magnétique (em) Débit de flux magnétique (Wb/s)

TABLEAU 2:V ARIABLES DE FLUX ET D ' EFFORT DANS DIFFÉRENTS DOMAINES ÉNERGÉTIQUES

3.2.1 Les parties constituantes du modèle de graphe de liaison

Les éléments de base utilisés pour la représentation d’un système physique à l'aide du graphe
de liaison sont I, C, R, Se, Sf, TF et GY. La liaison dans le graphe de liaison est définie
comme une ligne reliant la totalité des éléments. Le flux de puissance est ainsi représenté par
une liaison dans le graphe de liaison qui peut être une information sur le flux ou sur l'effort.
Le modèle de graphe de liaison peut être classé comme suit :

● Éléments passifs à port unique (élément inertiel (I), élément de conformité (C) et

élément résistif (R)).

● Éléments actifs ou éléments sources à port unique (source d'effort (Se) et source de

flux (Sf))

● Éléments de conversion à ports multiples (gyrateur (GY) et transformateur (TF)).

● Éléments liés à la jonction (jonction de somme d'effort (1) et jonction de somme de

débit (0)).

59
3.2.2 Les éléments à port unique

Les éléments à port unique sont ceux qui ne sont connectés au système qu'en un seul point.
Ces éléments sont de deux types : les éléments actifs et ceux passifs. Les premiers sont les
éléments qui constituent la source d'énergie du système. Les seconds - passifs- sont les
éléments qui interagissent avec l'énergie au sein du système. Les éléments à port unique sont
définis comme suit :

● L’élément inertiel est représenté par le caractère "I" dans le graphe de liaison. Il s'agit

d'un élément de stockage d'énergie. Il donne la relation entre le débit et l'effort , de

telle sorte que l'intégration de la valeur de l'effort donne le débit. La représentation
graphique de l'élément inertiel est illustrée dans la figure 28.

F IGURE 17:R EPRÉSENTATION GRAPHIQUE DE L ' ÉLÉMENT INERTIEL

df
F=m ẍ = ×m (5-1)
dt
t
1
f=
m ∫ edt (5-2)
∞

t
1
=k+ ∫ e dt (5-3)
m∞

D'après l'équation (5.1-5.3), la causalité intégrale est observée si la sortie de l'élément

est le flux et l'entrée de l'élément est l'effort.

● L’élément capacitif est représenté par le caractère "C" dans le graphe de liaison. Il est

également utilisé comme élément de stockage d'énergie. La causalité intégrale pour cet

60
 élément est préférable. La représentation graphique de l'élément de capacitif est
illustrée dans la figure 29.

F IGURE 18:R EPRÉSENTATION GRAPHIQUE DE L ' ÉLÉMENT CAPACITIF

La causalité intégrale est observée si la sortie de l'élément est l'effort et l'entrée de

l'élément est le débit.

● L’élément résistif est représenté par le caractère "R" dans le graphe de liaison.

Contrairement aux éléments I et C, l'élément R est un dissipateur d'énergie. La

représentation graphique de l'élément résistif est illustrée dans la figure 30.

F IGURE 19: R EPRÉSENTATION GRAPHIQUE DE L ' ÉLÉMENT RÉSISTIF

 La source d'effort est représentée par "Se" dans le graphe de liaison. Elle donne de
l'énergie au système sous la forme d'un effort externe agissant sur le système. La force
est un exemple de source d'effort dans un système mécanique. La représentation
graphique est illustrée dans la figure 31.


F IGURE 20: R EPRÉSENTATION GRAPHIQUE DE L ' ÉLÉMENT “S OURCE D ' EFFORT ”

3.2.3 Les éléments de base à 2 ports

Les éléments connectés à deux points du système sont des éléments à deux ports. Ce sont des
convertisseurs qui redistribuent le flux et l'effort entre les deux points auxquels ils sont reliés.
Les éléments de base à deux ports sont le transformateur et le gyrateur. La représentation
symbolique du transformateur est "TF" et celle du gyrateur "GY".

61
● Le transformateur : il ne crée pas d’énergie, et ne la détruit pas non plus. Sa fonction

consiste à redistribuer la quantité d'informations sur le flux et l'effort. L'élément

transformateur amplifie le flux du côté de l'entrée pour fournir le flux du côté de la
sortie de l'élément.

F IGURE 21: R EPRÉSENTATION GRAPHIQUE DE L ' ÉLÉMENT DE TRANSFORMATEUR

f2 = u. f1 (5-4)

e1.f1 = e2. f2 (5-5)

1
e2 = e1 (5-6)
u

L'équation (5.4-5.6) indique que la puissance étant toujours conservée, il existe

également une relation entre l'effort d'entrée et l'effort de sortie. Étant donné que le
transformateur convertit le flux en flux et l'effort en effort, la direction causale n'est pas
modifiée lorsque la puissance traverse un transformateur.

● Le gyrateur ne crée pas d’énergie, et ne la détruit pas non plus. Il redistribue la

quantité d'informations relatives au flux et à l'effort. L'élément gyratoire amplifie le

flux du côté de l'entrée pour fournir l'effort du côté de la sortie de l'élément.

Figure 22:Représentation graphique de l'élément Gyrateur

e2 = u. f1 (5-7)

e1.f1 = e2. f2 (5-8)

62
 e 1 = u f2 (5-9)

D'après les équations (5.7-5.9), on observe que la puissance est toujours conservée,
de sorte que le flux de sortie et l'effort d'entrée sont liés l'un à l'autre. Le gyrateur convertit
l'effort en flux et vice versa. La direction causale est modifiée lorsque la puissance
traverse un gyrateur.

La principale différence existant entre un transformateur et un gyrateur réside dans leur

fonction : un transformateur modifie la tension électrique sans modification de la
puissance réactive, tandis qu'un gyrateur modifie la puissance réactive sans modification
de la tension.

3.2.4 Les éléments de jonction

Les jonctions sont de deux types : 0-jonction et 1-jonction. Elles représentent des points
du système où d'autres éléments peuvent être connectés. La puissance est distribuée entre
les éléments connectés, mais la nature de la distribution dépend du type de jonction.

● La jonction 1 représente l'égalité du flux. Supposons que l'énergie arrive à une

jonction 1 par une liaison "a" et qu'elle quitte la jonction par "b" et "c".

pa=pb+pc (5-10)
ea fa= eb fb+ec fc (5-11)
Les flux étant égaux
ea = eb+ec (5-12)

D'après l'équation (5.10-5.12), on observe que pour que la puissance soit conservée, la
jonction 1 est également une jonction de somme d'effort.

● La jonction 0 représente l'égalité des efforts. Supposons que l'énergie arrive à une

jonction 0 par une liaison "a" et qu'elle quitte la jonction par "b" et "c".

pa=pb+pc (5-13)
ea fa= eb fb+ ec fc (5-14)
Les efforts étant égaux
fa= fb+ fc (5-15)

63
 D'après les équations (5.13-5.15), on observe que pour que la puissance soit
conservée, la jonction 0 est également une jonction de somme de flux.

4 modélisation du Segway par l’outil bond graph

4.1 Modélisation des composants mécaniques du Segway

L'étude de la littérature montre que la technique du bond graph est très utile pour la
modélisation de différents systèmes multi-corps, ainsi que pour la simulation de différentes
conditions liées à divers systèmes. Dans cette ligne de pensée, notre travail consiste dans la
mise en œuvre d’un modèle de bond-graph de Segway.

Le Segway se compose d'un pendule inversé qui se trouve fixé à la carrosserie du véhicule.
Cette enveloppe rigide du gyropode est reliée aux deux roues au moyen d'un essieu. En outre,
un système de suspension est situé entre l'axe de la roue et la carrosserie du véhicule.

F IGURE 23:M ODÈLE DE S EGWAY

La modélisation du système de pendule inversé à deux roues, ou Segway, est réalisée à travers
la combinaison de cinq sous-modèles, à savoir le corps du véhicule principal, la roue, le
pendule inversé, le différentiel et le système de suspension.

Le système de suspension est utilisé pour relier les roues gauche et droite au corps principal
du véhicule. Le différentiel est également relié au corps principal du véhicule et aux deux
roues à l'aide de liaisons scalaires ayant pour fonction la distribution d’une vitesse de rotation
par répartition de l'effort cinétique

64
 De même, le pendule inversé est relié au corps principal du véhicule à l'aide de liaisons
scalaires. Les nomenclatures utilisées dans la modélisation du Segway sont données dans le
tableau 3.

Nomenclatur Descriptio Indices

e n
a Distance de l’essieu du véhicule B Corps du véhicule
cg bx, by, bz x, y , z direction du corps du
Cg Centre de gravité
véhicule
D Coefficient de friction
F Force Md Amortissement du moteur
G Acceleration due au gravité L Roue gauche
Gp Gain proportionnel P Pendule
Gi Gain Intégral R Roue droite
H Hauteur du véhicule à partir du point
S Suspension
de référence de suspension
Seg Segway
h Poignée du Segway
x, y, z Direction de la structure
J Moment d’inertie polaire
W Roue
I Moment d’inertie
K Rigidité wx, wy, wz x, y, z directions de la roue
L Longueur
M Mass du pendulum
M Mass de la carrosserie
R Amortissement
St Temps du pilotage
T ABLEAU 3:N OMENCLATURE UTILISÉE DANS LA
rw Rayon des roues
MODÉLISATION DU S EGWAY
Sr Orienté le retour de la direction
V Vélocité
Vtv Vitesse de conversion en gain de
tension 4.1.1 Carrosserie principale du véhicule
x, y, z Déplacements dans les trois Le modèle du Segway est illustré à la figure
directions
ẋ , ẏ , ż Vélocités dans les trois directions 6. Le véhicule est supposé être symétrique
θst Entrée de direction par rapport à l'axe longitudinal. Le système
θmax Angle de rotation maximal
Déplacement angulaire, vitesse
de suspension est un simple système
θ , θ̇
angulaire d'amortisseurs à ressorts linéaires utilisé
τ Couple
u1 Coefficient de friction comme élément de dissipation et de stockage
um Moteur à couple constant
d'énergie aux deux extrémités du corps
principal du véhicule, ce qui permet à la roue de tourner librement autour de l'essieu.

65
 F IGURE 24:MOUVEMENT DE ROTATION DU CORPS PRINCIPALE DU VÉHICULE

Le mouvement du corps principal du véhicule peut être exprimé par les trois déplacements
linéaires autour des trois axes de coordonnées fixes du corps ; le mouvement de rotation du
corps est donné par les mouvements de lacet, de tangage et de roulis.

Les équations de Newton-Euler sont utilisées pour la modélisation du corps principal du

véhicule. Ces équations comprennent des axes fixes attachés au corps et alignés sur l'axe
principal d'inertie.

La figure ci-dessous représente l'ensemble du système, segmenté sous forme de graphe de

liaisons, où les liaisons représentées à l'aide de deux lignes parallèles désignent les liaisons
multiples entre deux modules. À l’interface de ces sous-systèmes, les variables de flux sont
marquées.

F IGURE 25:M ODÈLE DE GRAPHE DE LIAISON DU S EGWAY

La modélisation du corps principal du Segway (corps du véhicule) est conçue comme un

corps rigide ayant six degrés de liberté (mouvement de lacet, de roulis, de tangage, de
soulèvement, d'oscillation et d'emballement). Le mouvement du corps rigide peut être donné
par rapport à un système de coordonnées qui tourne et se déplace avec lui. On suppose que le
cadre du système de coordonnées local, qui est relié au centre de masse du corps, est aligné
sur les axes principaux d'inertie. Les trois déplacements linéaires et les rotations autour des

66
axes fixes x, y et z du corps décrivent le mouvement du véhicule. L'orientation du véhicule est
donnée par les angles de lacet, de tangage et de roulis. Les équations de Newton-Euler [113]
sont les suivantes :

∑ F x= mc ẍ c + mc( ż c θ̇ cy- ẏ c θ̇ cz) (6-1)

∑ F y = mc ÿ cb + mc( ẋ c θ̇ cz- ż c θ̇ cx) (6-2)

∑ F z= mc z̈ c + mc( ẏ c θ̇ cx- ẋ c θ̇ cy) (6-3)

∑ M x= J cx θ̈cx + θ̇cy θ̇ cz( J cy −J cz) (6-4)

∑ M y= J cy θ̈cy + θ̇cz θ̇ cx( J cz −J cx ) (6-5)

∑ M z= J cz θ̈ cz + θ̇cx θ̇cy ( J cx−J cy) (6-6)

F IGURE 26:M ODÈLE DE GRAPHE DE LIAISON POUR ( A ) LA STRUCTURE DE JONCTION D 'E ULER , ( B ) LES ÉQUATIONS DE
N EWTON -E ULER [113]

Les trois premières équations (6.1-6.3) sont celles de Newton où les pseudo forces
apparaissent avec l'utilisation du cadre non inertiel. Les autres équations (6.4-6.6), qui
tiennent compte du moment gyroscopique, sont celles d'Euler. Les vitesses (linéaires ou
angulaires) utilisées dans les équations ci-dessus sont observées à partir du cadre momentané
aligné sur les principaux axes fixes du corps.

Les représentations graphiques de ces équations sont connues sous le nom de “Structure de
jonction d'Euler” (EJS), telle qu’indiquée dans la figure 6.3 (a).

67
 Notre système se présente comme un corps rigide ayant une masse m, des moments d'inertie
autour des axes principaux (x, y et z) au centre de la masse avec l'origine comme I xx I yy ,et I zz,
des vitesses angulaires comme w x w y , et w z, des moments externes comme M x M y , et M z , et
des composantes de force externe comme F x F y , et F z . Les équations de Newton sont
modélisées à l'aide de la structure de l'anneau giratoire.

Pour les équations de Newton-Euler, la représentation graphique des liaisons est donnée
dans la figure 4.3 (b). Celle-ci est considérée comme une unité de base pour la modélisation
de l'ensemble du système au sein du graphique de liaison.

L'étape suivante de la modélisation réside dans le calcul des vitesses en différents points du
corps rigide, puis dans leur transformation en système de coordonnées inertielles, et leur mise
en œuvre des contraintes physiques aux points choisis. La contrainte cinématique tient
également compte des moments et des forces résultant de ces contraintes dans le modèle de
graphe de liaison. Pour trois vitesses linéaires du point de référence de suspension gauche
(dont les coordonnées fixes du corps sont x 1 , y 1 , z 1) dans le système d'axes en mouvement, les
équations peuvent être écrites comme suit :

ẋ 1= ẋ c + z1 θ̇cy − y 1 θ̇ cz (6-7)

ẏ 1= ẏ c + x 1 θ̇ cz−z 1 θ̇ cx (6-8)

ż 1= ż c + y 1 θ̇ cx −x 1 θ̇cy (6-9)

Le même type d'expression peut être écrit pour les vitesses angulaires de la suspension gauche
et, de la même manière, la même expression peut être écrite pour la suspension droite. La
transformation de la vitesse du cadre mobile au cadre d'inertie peut être écrite en utilisant la
multiplication successive des matrices rotatives comme suit :

Ẋ ẋ ωX ωx
Ẏ =T Ψ ,θ , φ ẏ et ωY =T Ψ ,θ , φ ωy (6.10)
Ż ż ωZ ωz

Où
cos Ψ −sin Ψ 0 cos θ 0 sinθ 1 0 0
T Ψ ,θ , φ= sin Ψ cos Ψ 0 0 1 0 0 cos φ −sinφ (6.11)
0 0 1 −sinθ 0 cosθ 0 sinφ cosφ

68
Ψ , θ et φ sont les angles d'Euler Z-Y-X, dites angles de Cardan.

Ces transformations de coordonnées sont représentées dans le graphe de liaison par le bloc de
transformation de coordonnées ou CTF. Le même type de structure de fonction est utilisé
dans le graphe de liaison pour la représentation des transformations de vitesse du cadre
inertiel au cadre fixe du corps. Les angles représentés dans l'équation (6.11) sont dites “angles
d'Euler”. La transformation en taux d'angle d'Euler à partir des vitesses angulaires fixées sur
le corps est donnée ci-dessous :

φ̇ 1 0 −sinθ ωx 1 tanθsinφ tanθcosφ ωx

-1
θ̇ = 0 cosφ cosθsinφ ωy = 0 cosφ −sinφ ωy (6.12)
Ψ̇ 0 −sinφ cosθcosφ ωz 0 sinφ/cosθ cosφ /cosθ ωz

La figure suivante présente une telle transformation dans le graphe de liaisons.

Vitesses angulaires
du cadre mobile

Taux d'angle
d'Euler

F IGURE 27:TRANSFORMATION DES COORDONNÉES DES VITESSES ANGULAIRES EN MOUVEMENT EN TAUX D ' ANGLE
D 'E ULER [113]

Le bloc de transformation des coordonnées du graphe de liaison lié à la transformation des

coordonnées du cadre d'inertie au cadre mobile est illustré à la figure 39, tandis que la
transformation du cadre mobile au cadre d'inertie est représentée à la figure 40.

69
 F IGURE 28:BLOC DE TRANSFORMATION DES COORDONNÉES DU CADRE INERTIEL AU CADRE MOBILE [113]

F IGURE 29:B LOC DE TRANSFORMATIONS DE COORDONNÉES DU CADRE MOBILE AU CADRE INERTIEL [113]

La modélisation de l’outil bond Graph de la carrosserie principale du véhicule et des

composants attachés est illustrée à la figure 41

70
F IGURE 30:M ODÉLISATION DU B OND G RAPH DE LA CARROSSERIE PRINCIPALE DU VÉHICULE ET DES COMPOSANTS
ATTACHÉS

Cette figure représente les modèles du corps principal du véhicule, ainsi que la transformation
des vitesses (linéaires en angulaires) aux points de référence de la suspension.

A cet égard, trois moments et forces (trois ensembles chacun) agissent sur le corps. Le
premier ensemble comprend les forces aérodynamiques et le poids du corps se trouvant dans
le cadre inertiel et agissant dans le cadre non inertiel sur le modèle du corps principal du
véhicule par le biais de la transformation des coordonnées. Le second ensemble, le couple du
moteur logé dans le cadre de la roue est transformé deux fois : d'abord du cadre fixe du corps
de la roue au cadre d'inertie ; ensuite au cadre fixe du corps du véhicule pour agir sur le corps.
Le troisième ensemble, les forces et les moments de suspension agissant dans le cadre
d'inertie sont transformés pour l’obtention de forces dans la direction fixe du corps. Ces forces
sont ensuite multipliées par les bras du moment de force. Les deux côtés de la force sur le
corps doivent être additionnés pour obtenir la force de suspension totale au centre de gravité
du corps.

71
4.1.2 Modélisation du système de pendule inversé au moyen de l’outil bond graph

La modélisation du système de pendule inversé fixé au corps principal du véhicule au moyen

de l’outil bond graph est illustré dans la figure 42. L’angle θ indiqué dans cette figure
représente l'angle de tangage devant être contrôlé par le contrôleur PI.

F IGURE 31:M ODÈLE DE GRAPHE DE LIAISON POUR LE PENDULE INVERSÉ

Le système de pendule inversé est connecté au corps principal du véhicule par l'intermédiaire
de deux blocs de transformation de coordonnées : la première s'effectue du cadre mobile
(pendule inversé) au cadre inertiel, comme indiqué dans la figure 43 (b), la seconde s'effectue
du cadre d'inertie au cadre mobile (carrosserie du véhicule), tel qu’illustré par la figure 43 (a).

cadre inertiel cadre inertiel

CTF CTF

Cadre mobile Cadre mobile

(a)
(b)

F IGURE 32:M ODÈLE DE GRAPHE DE LIAISON DU BLOC CTF ( A ) CADRE INERTIEL VERS CADRE MOBILE ET ( B ) CADRE MOBILE
VERS CADRE INERTIEL

72
4.1.3 Modélisation du graphe de liaison de la roue
La modélisation de l’outil bond graph pour la roue est illustrée par la figure 44.

F IGURE 33:M ODÈLE DE GRAPHE DE LIAISON POUR LA ROUE

Cette modélisation est effectuée sous la forme d’un corps rigide ayant six degrés de liberté.
En outre, la modélisation du bond graph de la roue comprend six ports d’entrée. Ainsi, trois
entrées d'effort proviennent de la suspension, tandis que le couple provient du différentiel. Les
vitesses de la roue sont linéaires et angulaires. Le point de contact entre la roue et la route
n'est pas fixe, c’est pourquoi il change en fonction de la rotation de la roue autour de l'essieu.
La roue tourne autour de l'axe de l'essieu et ne change pas d'orientation dans le cadre d'inertie.
Il existe une symétrie de rotation entre la roue et l'essieu autour d'un axe.

La force de gravité et la force de contact normale entre la roue et la route agissent toujours
dans l'axe inertiel Z. Le poids de la roue agit dans l'axe d'inertie, de même que dans la
direction z, ce qui peut être donné par la source d'effort (Se : - ω m g). La masse de la roue est
représentée par I : ω m et r m étant le rayon de la roue. La force de traction utilisée pour générer
le mouvement entre le corps de la roue et la surface tangentielle est donnée par Se : F t .Le
moment d'inertie polaire étant représenté par J ωx , J ωy et J ωz respectivement dans les
directions x, y, z. Les trois détecteurs de débit ((Df : f˙1), (Df : f˙2), (Df : f˙3 )) sont utilisés pour
mesurer les vitesses de la roue respectivement dans les directions x, y et z.

73
4.1.4 Modèle de graphe de liaison de la suspension

La modélisation du graphe de liaison pour le système de suspension situé entre l'essieu de la

roue et la carrosserie du véhicule est donnée dans la Figure 45.

F IGURE 34:M ODÈLE DE L ’ OUTIL BOND GRAPH POUR SYSTÈME DE SUSPENSION

Le système de suspension est modélisé comme un système amortisseur à ressorts parallèles.

Dans le modèle de graphe de liaison, la rigidité (C : K h), l'amortissement (R : Rh ) dans les
directions x, y et la rigidité (C : K z) , et l'amortissement (R : R z) dans la direction z , sont
connectés à la jonction 0 entre l'entrée du flux provenant de la carrosserie du véhicule et la
sortie de l'effort vers la roue. Il y a trois ports d'entrée de flux en provenance du corps
principal du véhicule et trois ports de sortie d'effort vers la roue.

4.1.4.1 4.1.5 Modèle de graphe de liaison du différentiel

La modélisation du graphique des liaisons pour le différentiel est présentée à la figure 46 (a).

74
 (a)
(b)

F IGURE 35:M ODÉLISATION DES GRAPHES DE LIAISON POUR ( A ) LE DIFFÉRENTIEL ET ( B ) LE CONTRÔLEUR PI

Dans la modélisation graphique de liaison du différentiel (Figure 46 (a)), il y a deux ports de

sortie de la jonction 0 fournissant le couple égal aux roues gauche et droite. De plus, il y a
trois ports d’entrée de la carrosserie du véhicule au différentiel ; ces entrées sont transformées
à l’aide du bloc de transformation de coordonnées CTF, tel qu’indiqué dans la figure 40, du
cadre mobile au cadre inertiel.

Le différentiel se compose d’un moteur à courant continu avec un contrôle intégral

proportionnel (illustré à la figure 46 (b)). Le contrôleur PI est utilisé comme régulateur de
stabilisation pour l’équilibrage de l’angle de tangage θ (indiqué dans la figure 6.8) du pendule
inversé fixé à la carrosserie du véhicule principal du Segway.

La valeur souhaitée en cas de contrôleur PI est la position inversée du pendule, tandis que
la valeur de rétroaction est la valeur de l’angle de pas mesuré par le capteur. Le modèle de
graphe de liaison pour le contrôleur PI est illustré à la figure 6.12 (b). En outre, deux sources
d’écoulement sont ajoutées à la jonction de la somme d’écoulement. Un flux est la valeur
souhaitée, qui est la position angulaire inversée, tandis que l’autre est la valeur négative de la
valeur angulaire de rétroaction mesurée par le capteur. L’erreur entre ces flux est convertie en
tension à l’aide du gyrateur. A ce stade, et selon le signal d’erreur de tension, une force de
contrôle est générée par le contrôleur PI pour minimiser le signal d’erreur de tension. Dans
cette représentation de graphe de liaison, G p est le gain proportionnel et Gi le gain intégral.

4.1.6 M Modélisation graphique de la direction

La direction est prévue pour le mouvement de rotation du véhicule. La modélisation du

graphique de liaison pour la direction est donnée dans la figure 47.

75
 F IGURE 36:M ODÈLE DE GRAPHIQUE DE LIAISON POUR LA DIRECTION

La direction est essentiellement un moment appliqué aux essieux des deux roues autour de
l'axe z, ce qui entraîne une modification de l'angle de lacet de la roue (ainsi que du couple y
afférent sur la carrosserie du véhicule). Le taux de rotation de la roue gauche et de la roue
droite autour de l'axe z est indiqué par 1δ˙2 et la jonction 1δ˙1dans le modèle graphique de
liaison. Le module de deux transformateurs déterminés par les formules d'Ackermann [135]
sont données comme suit :

[
δ̇ 1=
( a+b ) cos 2 θ 1+ c tanθ 1 cos 2 θ1
( a+b ) cos 2 θ st −c tan θ st cos2 θst]δ̇ (6.13)

[
δ̇ 2=
( a+b ) cos 2 θ 2+ c tanθ 2 cos 2 θ 2
( a+b ) cos 2 θ st −c tan θ st cos2 θst]δ̇ (6.14)

4.2 Simulation du Segway par l’outil bond graph

Les résultats de la simulation du graphique de liaison pour le segway sont présentés en
simulant les différentes conditions. La figure 48 présente le schéma bloc du pendule inversé

76
 F IGURE 37: SCHÉMA BLOC DU PENDULE INVERSÉ

Scénario 1 : Réponse de l'angle de tangage, de la vitesse linéaire du véhicule et de la vitesse

angulaire de la roue en fonction du temps, lorsqu'une tension positive constante est appliquée
par le moteur.

Les résultats sont simulés à travers la génération d’une tension positive constante de 48 V
(sans contrôle) qui est fournie au moteur ; celui-ci produit un couple aux roues. Le véhicule
commence alors à se déplacer dans la direction avant. Le tracé de la vitesse linéaire du
véhicule est illustré à la figure 49

F IGURE 38:TRACÉ DE LA VITESSE LINÉAIRE DU VÉHICULE EN FONCTION DU TEMPS POUR UNE TENSION POSITIVE
CONSTANTE PROVENANT DU MOTEUR .

La figure indique que le véhicule accélère en marche avant et , au bout de 4.5 secondes,
atteint une vitesse constante de 13,3 m/s. Il continuera à se déplacer dans la direction avant
jusqu’à ce qu'une tension constante lui soit fournie.

Le tracé de la vitesse angulaire de la roue est également illustré à la figure 50

77
 F IGURE 39:T RACÉ DE LA VITESSE ANGULAIRE DE LA ROUE DU VÉHICULE EN FONCTION DU TEMPS POUR UNE TENSION
POSITIVE CONSTANTE PROVENANT DU MOTEUR .

La figure 50 indique que la roue atteint une vitesse angulaire constante de 44,8 rad/s après 4,8
secondes. La figure 51 montre le comportement de l'angle de tangage en fonction du temps,
lorsque la tension positive constante du moteur est fournie aux roues

F IGURE 40:T RACÉ DE L ' ANGLE DE TANGAGE DE LA ROUE DU VÉHICULE EN FONCTION DU TEMPS POUR UNE TENSION
POSITIVE CONSTANTE PROVENANT DU MOTEUR .

Comme il n'y a pas de commande de stabilisation de l'angle de tangage, le véhicule accélère.

Quelques oscillations de l'angle de tangage se produisent autour de la position de référence
(position inversée) ; quand le véhicule atteint une vitesse constante dans le sens de la marche,
l'angle de tangage augmente et l'angle de tangage diminue. Il s'immobilise également à 1,42
radian de la position de référence dans la direction arrière sous l’effet de l'inertie.

78
Scénario 2 : Réponse de l'angle de tangage, de la vitesse linéaire du véhicule et de la vitesse
angulaire de la roue en fonction du temps, lorsqu'une tension négative constante est appliquée
au moteur.

Les résultats sont simulés à travers la fourniture d’une tension négative constante de -48 V
(sans contrôle) du moteur aux deux roues du véhicule, ce qui produit un couple dans les roues.
Le véhicule commence alors à se déplacer dans la direction arrière. Le tracé de la vitesse
linéaire du véhicule est illustré à la figure 52

F IGURE 41:T RACÉ DE LA VITESSE LINÉAIRE DU VÉHICULE EN FONCTION DU TEMPS POUR UNE TENSION NÉGATIVE
CONSTANTE PROVENANT DU MOTEUR

La figure indique que le véhicule accélère dans le sens inverse et atteint une vitesse constante
de 13,3 m/s au bout de 4.8 secondes. Il continuera à se déplacer en sens inverse jusqu'à ce
qu'il atteigne une vitesse constante de 13,5 m/s.

Le tracé de la vitesse angulaire de la roue est également illustré à la figure 53

F IGURE 42:T RACÉ DE LA VITESSE ANGULAIRE DE LA ROUE DU VÉHICULE EN FONCTION DU TEMPS POUR UNE TENSION
NÉGATIVE CONSTANTE DU MOTEUR .

79
La figure indique qu’au bout de 4.8 secondes la roue atteint une vitesse angulaire constante de
44,8 rad/s.

La figure suivante montre le comportement de l'angle de tangage lorsque la tension négative

constante du moteur est fournie aux roues, en fonction du temps. Dans ce cas, il n'y a pas de
contrôle de stabilisation de l'angle de tangage.

F IGURE 43:T RACÉ DE L ' ANGLE DE TANGAGE DE LA ROUE DU VÉHICULE POUR UNE TENSION NÉGATIVE CONSTANTE
PROVENANT DU MOTEUR , EN FONCTION DU TEMPS .

Lorsque le véhicule accélère, quelques oscillations de l'angle de tangage se produisent autour

de la position de référence (position inversée) ; lorsque le véhicule atteint une vitesse
constante dans la direction arrière, l'angle de tangage s'immobilise également à 1,42 rad par
rapport à la position de référence dans la direction avant sous l’effet de l'inertie.

Scénario 3 : réponse de l'angle de tangage, de la vitesse linéaire et de la vitesse angulaire du

véhicule en fonction du temps, lorsqu'une force constante est appliquée à la poignée dans le
sens de la marche.

La figure 55 illustre les résultats de la simulation du graphique de liaison pour le Segway en

réponse à des variations de tangage lorsque l'on exerce une force constante sur la poignée
dans le sens de la marche.

80
 F IGURE 44:T RACÉ DE L ' ANGLE DE TANGAGE DU VÉHICULE EN FONCTION DU TEMPS POUR LA FORCE DE LA POIGNÉE
AVANT .

La Figure 56 présente le tracé de la vitesse linéaire du véhicule pour la force de la poignée

avant, en fonction du temps.

F IGURE 45:TRACÉ DE LA VITESSE LINÉAIRE DU VÉHICULE EN FONCTION DU TEMPS POUR LA FORCE DE LA POIGNÉE AVANT

S’agissant de cette simulation, une force constante de 15 N est appliquée à la poignée du

Segway, le faisant pencher légèrement vers l'avant. Cette action provoque une modification de
l'angle de tangage par rapport à la position de référence, qui est en position inversée. La
commande du véhicule maintient le Segway en équilibre, empêchant de la sorte tout
mouvement vers l'avant ou l'arrière lorsque l'angle de tangage est modifié ; cet équilibre est
maintenu tant que l’angle évoqué ne dépasse pas 10 degrés par rapport à la position de
référence. Au cours des 0,7 premières secondes, le Segway reste immobile, avec des vitesses
linéaires et angulaires nulles. Lorsque l'angle d'inclinaison atteint 10 degrés vers l'avant par
rapport à la position de référence, le système de commande (utilisant un contrôleur PI) est
activé. Il détecte alors la variation de l'angle d'inclinaison et applique un signal d'effort ou de

81
tension pour minimiser cet écart, générant ainsi un couple entre le moteur et les deux roues.
Le véhicule commence alors à se déplacer en avant pour rétablir l'équilibre.

La force étant maintenue dans la direction avant, le véhicule continue à se déplacer dans la
direction avant. Après un temps égal à 1 seconde, la force exercée sur la poignée est
supprimée et le contrôleur PI tente de ramener la poignée vers la position de référence
(position inversée). Mais sous l’effet de l'inertie, l'angle de tangage est déplacé vers l'arrière
suite au mouvement vers l'avant effectué par le Segway. Ensuite, de par le changement de
l'angle de tangage, le Segway se déplace vers l'arrière pour minimiser le changement de
l'angle de tangage, puis le véhicule s'immobilise finalement après t = 4 secondes et la poignée
revient à la position de référence après quelques oscillations autour de la position de référence
en t = 7 secondes. Le graphique de la vitesse angulaire de la roue, selon le temps, est présenté
dans la figure 57 ci-dessous.

F IGURE 57:T RACÉ DE LA VITESSE ANGULAIRE DU VÉHICULE POUR LA FORCE DE LA POIGNÉE AVANT . SELON LE TEMPS

Scénario 4 : réponse de l'angle de tangage, de la vitesse linéaire et de la vitesse angulaire du

véhicule, selon le temps, quand une force constante est appliquée à la poignée dans le sens
inverse.

La figure 58 illustre les résultats de la simulation du graphique de liaison pour le Segway

en réponse à des variations de tangage une fois une force constante exercée sur la poigné,
dans le sens inverse.

82
FIGURE58: TRACE DE L’ANGLE DE TANGAGE POUR LA FORCE DE LA POIGNÉE ARRIÈRE, SELON LE
TEMPS

La figure 59 présente le tracé de la vitesse linéaire du véhicule pour la force de la poignée

arrière, en fonction du temps.

F IGURE 59:TRACÉ DE LA VITESSE LINÉAIRE POUR LA FORCE DE LA POIGNÉE ARRIÈRE , SELON LE TEMPS .

En ce qui concerne cette simulation, une force constante de 15 N est appliquée à la poignée
(pendule inversé) du Segway dans le sens inverse. Lorsque la force est appliquée à la poignée
dans la direction avant, l'angle de tangage est déplacé par rapport à la position de référence
(position inversée). Pour le véhicule, la commande est conçue de manière à ce que le véhicule
ne se déplace pas vers l'avant ou vers l’arrière, pour maintenir le véhicule équilibré, suite au
changement de l'angle de tangage, jusqu'à ce que cet angle soit déplacé de 10° par rapport à la
position de référence. Jusqu'à un temps égal à 0,7 seconde, le véhicule ne bougera pas, et les
vitesses linéaires et angulaires du véhicule seront nulles. Lorsque l'angle d'inclinaison est
déplacé de 10° vers l'arrière par rapport à la position de référence, la partie commande
(contrôleur PI) est activée, mesure le changement d'angle d'inclinaison et applique un signal

83
d'effort ou de tension pour minimiser le changement d'angle d'inclinaison, ce qui produit un
couple entre le moteur et les deux roues ; le véhicule commence alors à se déplacer vers
l'arrière.

La force étant maintenue dans la direction arrière, le véhicule continue à se déplacer dans
la direction avant. Après un temps égal à 1 seconde, la force exercée sur la poignée est
supprimée et le contrôleur PI tente de ramener la poignée vers la position de référence
(position inversée). Mais sous l’effet de l'inertie, l'angle de tangage est déplacé vers l'avant
suite au mouvement de recul effectué par le Segway. Ensuite, en raison du changement de
l'angle de tangage, le Segway se déplace vers l'avant pour minimiser le changement de l'angle
de tangage ; le véhicule s'immobilise finalement après t = 4 secondes, et la poignée revient à
la position de référence après quelques oscillations autour de la position de référence en t = 7
secondes. Le graphique de la vitesse angulaire de la roue pour la force de la poignée arrière,
en fonction du temps, est présenté dans la figure 60 ci-dessous.

F IGURE 60: TRACÉ DE LA VITESSE ANGULAIRE DU VÉHICULE POUR LA FORCE DE LA POIGNÉE ARRIÈRE , EN FONCTION DU
TEMPS .

Conclusion
La technique de modélisation du bond graph est un outil fort efficace pour la modélisation de
n'importe quel système physique et mécanique, ainsi que pour la simulation des différents
types de conditions liées à de tels systèmes. Ce chapitre a présenté de façon circonstanciée les
principes de base du bond graph, ses avantages et ses applications. A travers cet outil, la
modélisation du Segway a été examinée, et l’étude axée sur la représentation des composants
mécaniques du gyropode, tels que la carrosserie principale, le système de pendule inversé, la
roue, la suspension, le différentiel et la direction.

84
 En outre, le système de contrôle du Segway, basé sur le contrôle de stabilisation du système
de pendule inversé, a été abordé, et l’accent mis sur l'utilisation du contrôle proportionnel
intégral (PI) pour le maintien de la stabilité du Segway par rapport à la position de référence,
à travers l'angle de tangage.

En fin de compte, l’effort a été déployé dans ce chapitre pour montrer comment le bond
graph peut être une approche efficace pour la modélisation et simulation des systèmes
complexes, comme c’est le cas pour le Segway, en mettant en évidence l’utilité d’un tel engin
pour la compréhension du comportement du véhicule, ainsi que pour la mise en œuvre de
techniques de contrôle en vue d’en assurer la stabilité dans diverses conditions
opérationnelles.

85
Chapitre III :

Modélisation mécanique du Segway par

Matlab

Ayant examiné dans le chapitre précédent la modélisation du Segway à l'aide de l’outil bond graph,
nous abordons à présent une nouvelle étape de notre recherche, en l’occurrence la modélisation
mécanique du Segway par le biais de Matlab (Matrix Laboratory), qui est à la fois un logiciel de calcul et
un langage de programmation de haut niveau.

86
Chapitre III Modélisation mécanique du Segway par Matlab

Introduction
Le contrôle du pendule inversé à deux roues (WIP) a gagné en popularité tant dans l'industrie
qu’au sein des communautés de recherche. Des produits basés sur le WIP, tels que le
transporteur humain Segway, sont récemment apparus sur le marché. Cependant, eu égard à la
caractéristique d’instabilité, ainsi qu’à la non-linéarité significative du système de pendule
inversé, un contrôle précis demeure décisif pour le bon fonctionnement d’un tel système.
C’est pourquoi cette étude ambitionne de contribuer au corpus de recherche existant, en
proposant une nouvelle approche de contrôle pour la stabilisation du système WIP.

Le présent chapitre se trouve axé sur la modélisation mécanique par Matlab, de même que
sur la simulation du système. Nous commençons par démontrer, selon les règles
mathématiques, que le contrôle en boucle ouverte est instable. La contrôlabilité et
l'observabilité du système seront à leur tour étudiées.

1 Théorie de la modélisation dynamique

D’emblée, l'introduction de la modélisation dynamique joue un rôle essentiel dans le

processus de conception technique. Grâce à une description mathématique rigoureuse, elle
permet de comprendre avec précision et rapidité le comportement dynamique du système. La
modélisation et la simulation offrent la possibilité d'obtenir des données et des informations
de base sur le fonctionnement d'un système sans réellement le tester.

2 Techniques de modélisation des systèmes mécaniques par Matlab

Le pendule inversé est une plateforme d’essai qui pose un problème d’instabilité à l’angle θ=0
; une phase de modélisation s’avère donc nécessaire pour permettre l’étude en simulation. A
cet effet, il existe dans la littérature différentes méthodes, telle celle basée sur la physique
Newtonienne ou celle fondée sur le formalisme de Lagrange-Euler. Au titre du présent travail,
nous avons opté pour la méthode de Lagrange-Euler qui constitue une approche systématique
dont la mise en œuvre est simple.

3 Modélisation du Segway par Matlab

87
 Un Segway peut être modélisé par un pendule inversé à roues. Ce système mécanique sous-
actionné a été particulièrement étudié car, malgré sa simplicité, il indique un intérêt pratique
pour la locomotion, comme en témoigne la commercialisation du SEGWAY, véhicule
personnel compact basé sur le modèle du pendule inversé à roues. Cet engin est représenté
schématiquement dans la figure suivante [136] :

F IGURE 61: PENDULE INVERSÉ SUR DEUX ROUES

Les paramètres de notre système sont présentés dans le tableau 4 :

Parameters Definition Unity

θ Angle du pendule par rapport à la verticale rad

𝜑 Orientation du pendule dans un plan horizontal (xr,yr) rad

x Position le long de l'axe xp m

g Constante de gravité 9.81m/s2

d Distance entre le centre de l'axe des roues en rotation et le 0.1 m

centre de gravité du pendule

ms,mc Masses respectives du pendule et de chacune des roues 4.315 , 0.503 Kg

l Demi-distance entre les roues 0.1 m

R,r rayon des roues 0.073 m

I2,I3 Inertie du pendule respectivement autour de l'axe I2 aligné avec 0.003679 , 0.02807
le pendule, et l'axe I3 aligné avec l'axe des roues Kg.m2

α3,β3 Couples 3e-3 , 28e-3 N.m

88
 T ABLEAU 4:V ARIABLES UTILISÉES DANS LA MODÉLISATION

3.1.1 Le modèle dynamique :

α3 + β 3
3(m c +m s) ẍ - m s d cosθθ̈ +m s d sinθ(θ̇2 +φ̇ )=
r

2 r
2
2 2 2 l(α 3 + β 3 )
[(3l + ) mc +ms d sin θ+ I 3]φ̈ +ms d sinθ cosθφ̇ θ̇ = (7)
2 r

ms d cos θ ẍ +(-ms d 2−I 2)θ̈ + ms d 2sinθ cosθ+ms g d sinθ=α 3 + β 3

Le modèle dynamique donne des équations non linéaires du mouvement du système. Pour la
résolution de ces équations, nous les linéarisons autour de la position d'équilibre. Dans cette
position, le système est dans son état de quasi-équilibre. Ainsi, nous pourrions développer le
modèle linéarisé sous l'hypothèse que la variation de l'angle d'inclinaison est suffisamment
petite pour être négligée. Nous avons alors les trois équations linéarisées du mouvement sur
l'état d'équilibre comme suit :

2 2 2
ms d g (ms d + I 3)R +ms d
ẍ = 2 𝛗- 2 (α 3 + β 3) (8)
3 mc I 3 +3 mc ms d +m s I 3 3 mc I 3 +3 mc ms d +m s I 3

(2 L/ R)
θ̈ = (α −β ) (9)
6 mc L2 +mc R2 +2 I 2 3 3

ms dg(3 mc +ms ) ( ms d ) / R+3 ms mc

φ̈ = 𝛗 - 2 (α 3 + β 3)
3 mc I 3 3 mc I 3 +3 mc ms d +m s I 3
(10)

Après linéarisation du système, nous l'avons réorganisé sous la forme d'un espace d'états
suivant :

Ẋ = Ax + Bu (11)

y=Cx (12)
Où les vecteurs x et u sont donnés par :

X = [ x ẋ θ θ̇ φ φ̇ ]t

Et (13)

89
Les matrices A et B peuvent être identifiées comme dans les équations ci-dessous :

(14)

(15)

La matrice C est définie comme une matrice identité (6, 6) et la matrice D comme une
matrice nulle, ce qui donne y = X.

Une fois le modèle développé validé, nous présenterons des simulations en boucle ouverte.

3.2 Simulation du Segway en boucle ouverte

3.2.1 Méthodologie de simulation en boucle ouverte

La Parmi les applications les plus répandues du calcul scientifique, il y a lieu de mentionner la
simulation, représentation du comportement d'un processus au moyen d'un modèle matériel
dont les paramètres et les variables sont les images de ceux du processus étudié. En ce sens, la
simulation de systèmes mécatroniques est une approche de modélisation et d'analyse de
systèmes multi domaines, de même que la prédiction de leurs performances

90
multidisciplinaires par connexion de blocs de modélisation analytique de sous-systèmes dans
un modèle de système complet global et schématique.

La simulation de divers systèmes, avant leur production réelle, est une partie essentielle du
processus de conception. La modélisation et la simulation contribuent à la réduction des coûts,
ainsi qu’à l’augmentation du niveau de qualité et de sécurité du système. Aujourd’hui, de
nombreux systèmes complexes sont contrôlés par de puissants algorithmes qui surveillent en
permanence l’environnement du système et simulent le système en déplacement. Cette
simulation permet aux algorithmes de prédire l’état du système, et donc de le contrôler d’une
meilleure manière et avec davantage de précision. La plupart des algorithmes de contrôle ont
des équations mathématiques qui ne peuvent être résolues que numériquement et non
analytiquement.

3.2.1.1 Résultats de la simulation en boucle ouverte : réponse du pendule inversé sur

deux roues (WIP).

Pour étudier la stabilité du système, nous déterminerons la réponse impulsionnelle du système

en boucle ouverte (ou contrôle ouvert) à l'aide de MATLAB.

Il s’agit là de l'outil de référence pour la simulation numérique, qui présente des possibilités
avancées d'identification ou de contrôle. Plus généralement, il permet de résoudre une grande
variété de problèmes de simulation.

Les simulations sont réalisées dans un environnement MATLAB/Simulink. Les équations

différentielles régissant la dynamique du système sont intégrées à travers l’utilisation de la
méthode Runge-Kutta (fonction ode45 de MATLAB). La figure 62 ci-dessous montre le
diagramme Simulink.

F IGURE 62 : DIAGRAMME SIMULINK EN BOUCLE OUVERT

91
Appliqué à l'entrée une amplitude, on obtient les résultats suivants :

(a)

(b)

F IGURE 63: RÉPONSE IMPULSIONNELLE DU SYSTÈME X ( A ) ET ẋ (B ).

(a)

92
 (b)

F IGURE 64: RÉPONSE IMPULSIONNELLE DU SYSTÈME Θ ( A ) ET θ̇ (B ).

(a)

(b)

F IGURE 65: RÉPONSE IMPULSIONNELLE DU SYSTÈME 𝛗 (A ) ET φ̇ (B ).

93
 Les figures (figures 63-65) montrent que les paramètres cinématiques du système (x et ẋ ,θ
et θ̇ , φ et φ̇ ) augmentent avec le temps, ce qui indique son instabilité. Dans ce cas, une loi de
contrôle est nécessaire pour faire en sorte que le système devienne stable.

3.3. Instabilité du système

D’après notre étude, on peut déduire que le système en boucle ouverte est instable car l'un de
ses pôles est situé dans le demi-plan droit du plan complexe (c’est-à-dire qu’il a une partie
réelle positive).

(16)

Le pôle positif doit se rendre négatif ou un nombre complexe.

Conclusion
Ce chapitre centre l’intérêt sur la modélisation mécanique d'un Segway à l'aide de Matlab,
suivie d'une simulation en boucle ouverte. La modélisation dynamique du système est
expliquée en détail, fournissant une base solide pour la simulation. De plus, la simulation en
boucle ouverte permet l’observation du comportement du Segway sans contrôle actif, mettant
ainsi en évidence les enjeux liés à l'instabilité du système.

La stabilisation du système exige alors un contrôle par retour d'état, processus opéré à
travers la matrice de gain de contrôle K ; c’est ce qui sera traité dans le chapitre suivant.

Pour stabiliser le système, un contrôle par retour d'état, en utilisant la matrice de gain de
contrôle K, sera traité, dans le chapitre suivant.

94
Chapitre IV :

Simulation du Contrôleur par retour

d'État : Présentation des Résultats et
Interprétation

Le quatrième chapitre présente les résultats obtenus lors des tests de simulation, à travers les
courbes de variations des angles choisis pour différentes situations. Deux modèles ont été
présentés avec leurs schémas de simulations en utilisant le logiciel de modélisation Simulink

95
Chapitre IV : Simulation du contrôleur à retour d'état :
Présentation des Résultats et Interprétation

Introduction
Le retour d’état est actuellement l’outil de base de l’automatique ; il fournit une procédure
systématique et une garantie permettant d’assurer au moins la stabilisation de n’importe quel
système invariant. La notion de systèmes dynamiques montre que la modélisation la plus
riche est celle qui utilise le modèle d’état puisqu’elle représente un ensemble de variables a
priori plus grand que celui constitué par les entrées et les sorties.

Dans ce chapitre, nous explorons l'application du contrôleur par retour d'état à notre système,
le gyropode Segway. Les contrôleurs par retour d'état constituent une méthode puissante pour
influencer le comportement du système en temps réel, en utilisant le retour pour ajuster les
entrées de contrôle. Avant d'entrer dans les détails de mise en œuvre du Segway, nous
aimerions d'abord présenter un aperçu sur la théorie du contrôle par retour d'état. Nous
débattons ensuite de la conception spécifique du contrôleur par retour d'état du Segway, y
compris la modélisation et l'ajustement des paramètres. Enfin, nous procédons à la mise en
œuvre proprement dite du contrôleur sur notre Segway et analysons les résultats obtenus. Ce
chapitre vise ainsi à démontrer comment le contrôle par retour d'état peut améliorer la stabilité
et les performances d’un Segway, ouvrant par-là la voie à des applications pratiques.

1 Présentation du contrôleur par retour d'état

1.1 Théorie du contrôle à retour d'état

L’idée principale de la linéarisation par retour d’état consiste en la transformation des

dynamiques d’un système non linéaire en dynamique linéaire à l’aide d’un changement de
coordonnées sur l’état du système et d’une commande par retour d’état, de sorte que les
techniques de contrôle linéaires puissent être appliquées.

Un tel processus peut être suivi en vue d’obtenir un système en boucle fermée, dont les
pôles (les valeurs propres de la matrice d’état), sont placés de manière appropriée. Le but
réside donc dans la réalisation d’un asservissement (automatisme de réglage) modifiant
convenablement la matrice d’état du système.

96
 1.2 Avantages et applications du contrôleur à retour d'état
La représentation d’état des systèmes est un outil puissant qui permet la modélisation du
fonctionnement de systèmes linéaires ou non, en temps continu ou en temps discret, et qui
possède, en outre, l’avantage de conserver la représentation temporelle des phénomènes [15] ,
et se prête bien au développement des programmes de calculateurs permettant l’analyse ou la
synthèse des systèmes dynamiques. Sous cet angle, l’équation d’état constitue le support le
plus utilisé dans l’étude des systèmes complexes.

2 Conception du contrôleur à retour d'état pour le Segway

2.1 Modélisation du contrôleur à retour d'état

La conception d'un contrôleur par retour d'état pour le Segway implique la modélisation du
système dynamique du Segway sous forme d'une représentation d'état, qui décrit l'état du
système en termes de variables d'état et d'entrées. Les variables d'état peuvent inclure la
position, la vitesse et l'accélération du Segway, tandis que les entrées peuvent inclure la
commande de vitesse et la commande de direction. Une fois le système modélisé sous forme
d'une représentation d'état, il est possible de concevoir un contrôleur par retour d'état en
utilisant la méthode de placement des pôles pour placer les pôles du système en boucle fermée
à des emplacements souhaités dans le plan complexe. Le gain de retour d'état peut être calculé
à l'aide de la matrice de commandabilité C, la matrice de contrôlabilité CA et les pôles désirés
en boucle fermée.

En somme, la conception d'un contrôleur par retour d'état pour le Segway implique la
modélisation du système dynamique du Segway sous forme d'une représentation d'état, suivie
de la conception d'un contrôleur par retour d’état, à travers le recours à la méthode de
placement des pôles.

Pour la stabilisation du système, un contrôle par retour d'état sera utilisé au moyen de la
matrice de gain de contrôle K. Cependant, nous devons avant tout montrer que le système est
contrôlable et observable.

.2.2 Notions de contrôlabilité et d’observabilité

L'observabilité et la contrôlabilité font partie des notions fondamentales et essentielles de la

théorie du contrôle. Elles ont été introduites par Kalman dans les années 1960 dans le
contexte de systèmes à dimensions finies.

97
 Les concepts de contrôlabilité et d'observabilité jouent un rôle essentiel dans l'étude des
problèmes de contrôle et de filtrage. Le concept de contrôlabilité étudie la possibilité
d’ajustement du comportement du système considéré pour forcer l'état à prendre les valeurs
souhaitées pendant un temps fini. D'autre part, l'observabilité d'un système peut être définie
comme la possibilité de prédire l'état du système à tout moment dans l'intervalle de temps de
fonctionnement.

2.2.1 La contrôlabilité

Le système est dit contrôlable lorsque deux points distincts de l'espace d'état peuvent être
joints ; en d'autres termes, il existe deux points x0, x1 ∈ X ; il y a deux instants t0 et t1 avec t0
< t1 et une commande u, définie sur l'intervalle [t0, t1], telle que x (ti) = x, i = 0,1. Nous
étudions la contrôlabilité du système linéaire de dimension n défini dans l'espace d'état par le
système d'équations de la forme suivante :

(17)

Où est le vecteur d’état, est la matrice d’état , est la matrice de

commande, est le vecteur de commande , est le vecteur de sortie ,

est la matrice de sortie , où p représente le nombre de sortie et est la matrice de

transmission directe. Les matrices A et B sont des matrices indépendantes du temps. Dans ce
cas, la dynamique du système est dite invariante dans le temps (ou stationnaire).

(18)

On peut montrer qu'un système n'est contrôlable que si sa matrice de contrôlabilité C a un

rang complet (c'est-à-dire un rang (C) = n, où n est le nombre d'états variables).

Puisque 6 = 6 dans notre système, on dit que le système est contrôlable.

98
2.2.2 L'observabilité
Au fond, l'observabilité est une propriété à partir de laquelle l'état du système considéré peut
être déterminé de manière exacte ou approximative. Par dualité avec le concept de
contrôlabilité, le système linéaire invariant n'est observable que si la condition suivante est
remplie :

(19)

Le rang =n, est la matrice d’observabilité, obtenue en mettant les unes en

dessous des autres les n matrices 1 , , , n C CA CA(n-1) .

(20)

Pour les systèmes LTI (linéaires invariants dans le temps), le système est observable si et

seulement si la matrice d’observabilité , a un rang complet (c'est-à-dire rang ( )=

n, où n est le nombre d'états variables).
Nous pouvons en déduire donc que notre système est observable.
À l'aide du logiciel MATLAB, nous procéderons à une analyse dynamique du modèle
linéaire discrétisé. Ensuite, nous étudierons les caractéristiques de ce modèle en fonction du
pas de discrétisation k choisi, et donc de la dimension 2 (N + 1) du système. La présente étude
se focalise sur l'application de la commande par retour d'état de manière théorique, processus
suivi à travers la simulation au moyen du logiciel de modélisation Simulink.
Les résultats obtenus seront ensuite présentés puis interprétés.

99
 3 Mise en œuvre (Implémentation) du contrôleur et résultats
3.1 Méthodologie de Mise en œuvre :
3.1.1 Contrôle par rétroaction et choix de la matrice K
La commande par rétroaction modifie l'autodynamique (les pôles) du système en boucle
fermée afin d'accroître la stabilité, la précision et la vitesse, tout en maintenant une erreur
faible ou nulle à l'état stable. La méthode consiste à générer un signal de commande u à partir
des états x1, x2...xn.
La figure 66 fournit une représentation visuelle de la relation entre les états du système et le
mécanisme de contrôle par rétroaction.

F IGURE 66:R EPRÉSENTATION SCHÉMATIQUE DU CONCEPT DE CONTRÔLE PAR RETOUR D ' ÉTAT .

L'idée consiste toujours à piloter le système avec un signal de consigne et de générer

automatiquement le signal de commande en comparant la valeur de la consigne et le
comportement réel du système en termes de performances.

La loi de commande qui répond à l'objectif ci-dessus est dite commande de placement des
pôles.

3.1.2. Placement des pôles

Le placement des pôles consiste à déterminer la valeur du gain d'un contrôleur en fonction de
la position souhaitée dans le plan complexe de certains pôles BF choisis par le concepteur.
Soit un contrôleur à retour d'état ; nous définissons le système d'équations suivant :

U=v-Kx (21)

Où K est une matrice dite gain de retour d'état et v est une nouvelle entrée du système en
boucle fermée.

Le système en boucle fermée s'écrit donc comme suit :

ẋ =Ax + B(u-Kx) (22)

ẋ =x(A-KB) +Bu

100
En utilisant la fonction Place en Matlab, le calcul de la matrice K a été effectué par un
changement aléatoire des pôles au début ; à chaque fois, les valeurs sont modifiées et la
courbe tracée jusqu'à ce qu'un point de contrôle soit atteint :

−2.22361−3.2762 0.7071 0.7286 −15.3874−2.1505

K=
−2.22361−3.2762 −0.7071−0.7286 −15.3874−2.1505

Nous avons ensuite modifié les lignes 3 et 4 de notre calcul MATLAB et obtenu les résultats
présentés dans la figure 67.

F IGURE 67 : DIAGRAMME S IMULINK EN BOUCLE FERMÉE PAR RETOUR D ’ ÉTAT .

Appliqué à l'entrée une amplitude, nous obtiendrons les résultats suivants :

F IGURE 68 : LES VARIATIONS DE X ET ẋ , Θ ET θ̇ , ET Φ ET φ̇ OBTENUES PAR LA COMMANDE PAR RETOUR D ' ÉTAT .

101
Comme indiqué dans la figure 68, l'application de la commande par retour d'état au système
montre que le pendule revient à la position verticale (déflexion nulle) en 1,3 seconde environ.
On constate que la réponse est régulière et qu'elle n'est plus agressive.

3.2 Analyse des résultats obtenus

3.2.1 Les différentes commandes existant pour la stabilisation

Le contrôle du pendule inversé à deux roues a été réalisé sur la base de différentes lois, telles
que les points suivants :

(1) La commande PDC (Parallel Distributed Compensation/ compensation répartie en

parallèle) étendue donne des résultats de simulation illustrés par la figure 69 [137]

F IGURE 69 :V ARIATION DE TÉTA ET DE PHI OBTENUE PAR PDC.

(2) Le Contrôle par backstepping adaptatif [138] est présenté par la figure 70

F IGURE 70:T ETA ET PHI OBTENUE PAR BACKSTEPPING ADAPTATIF .

102
 3.2.2 Interprétation des résultats obtenus

L'application de la commande PDC (compensation distribuée parallèle) étendue au système,

tel qu’indiqué par la figure 69, montre que le Segway revient à sa position d'équilibre après un
certain temps de réponse (environ 7,3 secondes), et avec un certain dépassement.

La figure 70 illustre la commande adaptative de type backstepping pour le système, qui

montre que le Segway revient à sa position d'équilibre après un certain temps de réponse
(environ 6,2 secondes), et avec un certain dépassement.

La comparaison des commandes appliquées (figure 71) montre que la commande par retour
d'état est plus performante que la commande PDC étendue et la commande de backstepping
adaptatif.

F IGURE 71:C OMPARAISON ENTRE TROIS CONTRÔLEURS

Notre méthode présente un avantage significatif par rapport aux méthodes existantes dans la
littérature (contrôle PDC étendu, backstepping adaptatif, etc.) dans la mesure où elle a une
marge d'erreur beaucoup plus faible, un temps de réponse plus rapide (environ 1,3 seconde),
est généralement lisse et a un léger dépassement.

103
 Pour améliorer les performances et la stabilité d'un Segway, nous présenterons dans le
chapitre suivant une autre proposition de commande basée sur une boucle de commande PID
floue associée à un contrôleur de placement de pôles.

Conclusion :
En vue de surmonter les difficultés de contrôle d'un système hautement non linéaire, notre
contribution consiste en l’application de loi de commande par retour d’état, qui peut
apporter une grande précision, ainsi qu’une réponse dynamique flexible. En outre, nous
proposerons dans le chapitre suivant la combinaison du contrôle par retour d'état et
l’intégrateur PID flou, l’objectif ultime étant l’amélioration de la stabilisation et la réduction
au maximum de la marge d’erreur.

104
Chapitre V :

Retour d'état modifié par PID flou

Dans ce chapitre, nous allons établir la combinaison du contrôleur PID flou et le retour
d'état étudié dans le chapitre précédent ; ensuite, nous exposerons les différents résultats de
simulation obtenus, en établissant une comparaison à cet égard.

105
Chapitre V : Retour d'état modifié par PID flou

1 Introduction au contrôle flou

Le contrôle flou ou en logique floue est une technique de commande et de régulation des
systèmes techniques sans modélisation mathématique. Plus précisément, il s’agit d’une
méthode de contrôle qui utilise la logique floue pour prendre des décisions en fonction de
données incertaines ou imprécises.

1.1 Logique floue

La logique floue [139], en anglais “Fuzzy Control”, est la plus utilisée dans la commande de
systèmes non linéaires complexes ; l’objectif consiste à traiter des problèmes de commande
qui sont soit difficiles à automatiser avec une approche conventionnelle, soit des problèmes de
commande dont les sources d'information sont considérées comme imprécises ou incertaines.

La théorie de la logique floue a été développée par Lotfi Zadeh en 1960. C'est une
méthodologie de calcul basée non pas sur des valeurs numériques mais sur des variables
linguistiques prenant des valeurs linguistiques appartenant au langage humain. Le premier
contrôleur à logique floue a été proposé par Mamdani en 1974, mais la véritable montée en
puissance du contrôle à logique floue a commencé au Japon au début des années 1980 par
Takagi Sugeno et Tongin. Cet algorithme de commande est basé sur un ensemble de règles
floues dites base de règles. Toutes les règles de l'ordre sont liées par les notions d'implication,
de composition floue et de règles d'inférence floues.

1.1.1 Définition d’un système flou

Un système flou est basé sur un ensemble de variables associées par une logique floue, qui est utilisée
pour rendre possible la reconnaissance des formes. Un contrôleur flou utilise des règles floues pour
contrôler la sortie du système selon les valeurs courantes des entrées.
D’autre part, un système flou est constitué de 3 parties : les variables linguistiques, les fonctions
d’appartenance et les règles floues.

● Les variables linguistiques : une variable linguistique est une variable définie sous forme

littérale représentant l’une des variables d’entrée et de sortie du système flou. Considérons le
cas d’un contrôleur du pendule inversé pour lequel le but est de le maintenir à la verticale, soit
l’angle θ=0, en appliquant une force f au pendule pour le maintenir dans cette position. Le
système flou du contrôleur aura deux variables d’entrée : la variable θ et sa variation θ̇ , et une
sortie qui est la force à appliquer au pendule. Nous pouvons alors définir ce système par les
variables linguistiques de l’entrée θ et θ̇ , et de sortie f. Ces variables sont définies, chacune

106
 dans un domaine de variations dit “univers de discours”. L’intervalle de variation de l’angle θ
peut être estimé par [-20°, 20°] , car on estime qu’en dehors de cet intervalle, le pendule n’est
pas récupérable: soit qu’il tombe d’un côté ou de l’autre , quelle que soit la force appliquée.
La variable f dans l’intervalle [-10 10] en Newtons.

● Les fonctions d’appartenance : la fonction d’appartenance d’une de ces variables, d’entrée ou

de sortie, représente une catégorie selon leurs valeurs. Ces fonctions d’appartenance sont aussi
représentées par des termes linguistiques. La notion d’ensemble flou permet de définir une
appartenance graduelle d’un élément à une classe, c’est-à-dire l’appartenance plus ou moins
forte à cette classe. L’appartenance d’un objet à une classe est ainsi définie par un degré
d’appartenance entre 0 et 1. Pour la variable floue f, nous pouvons diviser l’univers de
discours en 5 ensembles ainsi répartis : Très Négative, Négative, Nulle, Positive et Très
Positive. On peut choisir des formes triangulaires pour ces fonctions d’appartenance.

● Les règles floues : elles décrivent les relations qui doivent exister entre les variables d’entrée

et celles de sortie, afin que ces dernières atteignent la consigne désirée. Ces règles sont basées
sur des opérateurs de type logique sur les appartenances des variables linguistiques aux
différents ensembles flous. Une de ces règles floues consiste à ne rien faire si l’angle θ et sa
variation sont nulles.
Dans le cas où l’angle θ est positif et sa variation positive, on applique une force très grande positive
pour déplacer le pendule dans le sens positif, le ramenant ainsi à l’angle θ vers 0.
Dans le cas où le pendule est arrivé au point d’équilibre (thêta est Zéro) , mais a tendance à s’en
écarter dans le sens négatif (θ̇ est N), il faut alors appliquer une tension négative (f est Négative) au
moteur afin de tourner le pendule vers le sens positif. Ces règles floues peuvent être écrites selon la
table de vérité suivante :

Nég Zéro Pos

θ̇ θ
N Très négative Négative Nulle
Z Négative Nulle Positive
P Nulle Positive Très positive

T ABLEAU 5:TABLE DE VÉRITÉ DES RÈGLES FLOUES

107
 Les clauses « θ est Nég » et « θ̇ est N » sont appelées les antécédents de la règle. La
conclusion « f est Très_Négative » est appelée le conséquent de la règle. Le conséquent définit
la stratégie du contrôleur afin que la sortie du système atteigne la consigne spécifiée.
1.2 Principe du contrôle flou
Le contrôle flou [140], tire son nom des applications de contrôle ou de commande en
automatique, mais il déborde désormais ce cadre par ses multiples applications. Il a pour but
de traiter des problèmes de commande de processus, en partant uniquement des connaissances
de comportement que les spécialistes du procédé doivent formuler sous forme linguistique
(floue). Contrairement à la logique binaire traditionnelle, qui utilise des valeurs booléennes
(vrai ou faux), la logique floue utilise des valeurs continues pour représenter la certitude ou
l'incertitude d'une proposition. Elle permet donc de prendre en compte des données qui ne
sont pas facilement quantifiables ou mesurables.
Le contrôle flou utilise des règles floues pour prendre des décisions. Ces règles sont basées
sur des prédicats flous, qui permettent de décrire des situations graduelles. Les règles ont
souvent une, deux ou trois prémisses portant sur un paramètre d'entrée et sur la variation de ce
paramètre entre deux mesures consécutives.
1.3 Avantages et applications du contrôle flou
Le contrôle flou présente plusieurs avantages par rapport aux méthodes de contrôle
traditionnelles :
- Il est robuste et flexible, et peut s'adapter facilement à des domaines pour lesquels on ne
possède pas de modèle mathématique.
- Il est rapide en temps réel, ce qui le rend adapté à des applications nécessitant une réponse
rapide.
- Il permet la prise en compte de données incertaines ou imprécises, ce qui le rend adapté à
des domaines où les données sont difficilement quantifiables ou mesurables.
Par ailleurs, le contrôle flou a de nombreuses applications dans des domaines tels que :
- L'automatique (freins ABS, conduite de processus) ;
- La robotique (reconnaissance de formes) ;
- La gestion de la circulation routière (feux rouges) ;
- Le contrôle aérien (gestion du trafic aérien) ;
- L'environnement (météorologie, climatologie, sismologie, analyse du cycle de vie) ;
- La médecine (aide au diagnostic) ;
- Les assurances (sélection et prévention des risques).

108
 2. Etapes de mise en œuvre d’un contrôleur flou
2.1 Etape de fuzzification
Cette étape consiste à définir des ensembles flous pour les variables d’entrée et de sortie. Pour
chacune de ces variables, on doit connaître, a priori, son intervalle de définition ou univers de
discours. Dans la plupart des cas, le régulateur flou reçoit comme variables d’entrée (souvent
des grandeurs physiques, telles que la température, la pression, la vitesse, etc.), l’erreur entre
la sortie du processus et le signal de consigne, ainsi que la variation de cette erreur. La dérivée
de cette erreur suffit pour représenter sa variation. La fuzzification permet de prendre en
compte l'incertitude et l'imprécision de ces données.
2.2 Etape d’inférence
C’est l’étape où l’on établit les règles floues permettant d’aboutir à la commande en fonction
des valeurs de l’erreur et de sa variation. En règle générale, la commande dépend non
seulement de l’erreur mais également de sa variation.
Dans le cas du pendule, il faut le ramener à la position de consigne d’autant plus
énergiquement qu’il s’en éloigne et que sa vitesse est grande. Les règles floues lient la
variable de sortie aux variables d’entrée pour tirer des conclusions ou déductions floues. Les
règles floues sont des règles logiques qui décrivent le comportement du système. Elles sont
souvent exprimées sous la forme de "si... alors...".
Chaque règle est composée de prémisses liées par les opérateurs ET, OU et donne lieu à une
Implication par l’opérateur ALORS.
La méthode de Mamdani consiste à utiliser l’opérateur min pour le ET et l’opérateur max pour
le OU.

2.3 Etape de defuzzification

Lors de la fuzzification, on calcule, pour chaque variable d’entrée réelle, les degrés
d’appartenance aux ensembles flous qui lui sont associés. De plus, lors de l’étape de
défuzzification, on réalise l’opération inverse, à savoir, l’obtention d’une valeur réelle de la
sortie , en partant des surfaces obtenues dans l’étape d’inférence.
Il existe plusieurs méthodes de défuzzification, la plus utilisée étant celle du centre de
gravité (Center of Area ou CoA). D’autres méthodes existent : Centre de gravité modifié
(modified Center of Area ou mCoA), centre des maximums (Center of Maximum ou CoM),
etc. Parmi ces méthodes, les plus utilisées sont celle du centre de gravité (CoA), et celle de la
moyenne des maximas, ‘CoM’. La méthode ‘CoA’ calcule le centre de gravité de la surface
obtenue après l’étape d’inférence, et le projette sur l’axe horizontal. On réalise ainsi la

109
moyenne de toutes les valeurs de la variable de sortie, chacune pondérée par son degré
d’appartenance. La méthode ‘CoM’ où la moyenne des maximas correspond à un simple
calcul de moyenne arithmétique des valeurs ayant le plus grand degré d’appartenance. La
méthode la plus précise où toutes les valeurs de l’univers de discours interviennent plus ou
moins fortement suivant le degré d’appartenance est celle du centre de gravité (CoA).
.

3. Concepts de base de la logique floue

3.1 Ensemble flou
En logique floue, un sous-ensemble A de B est défini par une fonction d'appartenance 𝑢𝐴(𝑥)
pouvant prendre différentes valeurs entre 0 et 1, en fonction du degré d'appartenance de
l'élément 𝑥 au sous-ensemble A
𝑢𝐴(𝑥) ∈ [0 1]

4 Adaptation du contrôle à retour d'état par PID flou pour le Segway

4.1 Un contrôleur Fuzzy-PID modifie le contrôle par rétroaction

La commande par retour d'état modifie les pôles du système en boucle fermée. Cependant,
cette dernière ne garantit pas une erreur de position nulle. Un intégrateur PID flou est une
option.
Le PID utilise le retour d'information (provenant des capteurs mesurant l'orientation et le
mouvement du Segway) pour ajuster en permanence la sortie d'un système (moteur). Le
contrôleur à logique floue sera utilisé pour le traitement des variables d'entrée (Orientation et
mouvement du Segway) et l’application des règles floues pour le calcul des variables de
sortie, qui seront ensuite utilisées pour l’ajustement des moteurs afin d'obtenir le
comportement souhaité du Segway.
La loi de contrôle s'écrit comme suit :

t
d dϵ
U = K’x+ K iv+ K d = K’x+ K i∫ ϵ (θ) dθ+ K d
dt 0
dt
Où
où K’ ∈Rn et Ki un scalaire. L'écart ε défini par ε = y′ - y, u est le signal de commande.
Les vecteurs K' et Ki peuvent être choisis par une méthode de placement des pôles. Nous
avons spécifié un pôle supplémentaire (n + 1) pour tenir compte de la présence de

110
l'intégrateur. Nous considérons que y′ est un échelon, alors y′ = 0 pour environ chaque instant
du temps, et que la perturbation de l'échelon implique : lim ε(t) = 0 ε→∞.
Par conséquent, l'erreur de position est nulle.
Après application du transformateur de Laplace, le contrôleur PI est donné par la fonction de
Ki
transfert suivante : C(s) = K’+ +K ds
s
Pour la mise en œuvre d’un contrôleur à logique floue, nous définissons un ensemble de
règles floues décrivant la manière dont le système doit réagir aux différentes entrées. Par
exemple, si le Segway penche à gauche et avance, une règle floue peut spécifier que le moteur
gauche doit être réglé pour augmenter la vitesse, et que le moteur droit doit être réglé pour la
diminution de la vitesse en vue de la correction du penchant et le maintien de l'équilibre.
Les gains optimaux Kp, Ki et Kd pour un contrôleur PID ont été déterminés par plusieurs tests
de simulation et sont mentionnés dans le tableau 6.

T ABLEAU 6 :P ARAMÈTRES DES CONTRÔLEURS PID.

4.1.1 Ensemble flou

Ensemble flou En logique floue, un sous-ensemble A de B est défini par une fonction
d'appartenance u A (x) pouvant prendre différentes valeurs comprises entre 0 et 1, selon le
degré d'appartenance de l'élément x au sous-ensemble A
u A (x)∈ [0 1]
4.1.2Variables et valeurs linguistiques
Une variable linguistique représente un état régulé dans le système ou une variable de réglage
dans un contrôleur flou. Dans la figure 19, chaque valeur représente un ensemble flou de
l'univers du discours :
(i) Univers du discours : température de -10 à 14°C.
(ii) Variables linguistiques : température.

111
(iii) Valeurs linguistiques : "froid","chaud".
(iv) Fonction d'appartenance : d’emblée, nous savons que la logique floue n'est pas une
logique qui est floue (au sens de manquant de netteté), mais une logique destinée à décrire le
flou. Ce flou est mieux caractérisé par sa fonction d'appartenance.

F IGURE 72:V ARIABLES ET VALEURS LINGUISTIQUES .

En d'autres termes, nous pouvons dire que la fonction d'appartenance représente le degré de
vérité dans la logique floue. Les fonctions d'appartenance sont représentées par des formes
graphiques, comme le montre la figure 73.
.

F IGURE 73 :D IFFÉRENTS TYPES DE FONCTIONS D ' APPARTENANCE .

4.1.3. Structure d'un contrôleur flou

112
L'application la plus courante de la logique floue est le contrôleur flou. Le diagramme suivant
(figure 74) décrit la structure générale d'un contrôleur flou.

F IGURE 74 :L A STRUCTURE GÉNÉRALE D ' UN CONTRÔLEUR FLOU .

Le contrôleur flou se compose de quatre éléments principaux.

Un système de logique floue comprend un bloc de fuzzification (utilisé pour la conversion
des variables numériques non floues des entrées en variables linguistiques floues), une base
de règles, un mécanisme d'inférence (utilisé pour la simulation des décisions humaines en
utilisant des variables floues transformées par des règles de fuzzification et d'inférence pour la
création et détermination des variables de sortie floues) et un bloc de défuzzification.
En utilisant l'approche Sugeno-Takagi, nous avons développé le contrôleur de logique floue.
L'angle, la vitesse angulaire, la position et la vitesse sont les valeurs d'entrée du contrôleur,
qui sont des variables linguistiques. Toutes les valeurs des variables linguistiques ont été
classées comme négatives (N) ou positives (P). À partir de la valeur de consigne et de la sortie
mesurée, le contrôleur PID a été développé à travers le calcul de l'écart entre la valeur de
consigne et le retour d'information.
L'erreur est ensuite utilisée pour le calcul des trois composantes du contrôleur PID
(proportionnelle, intégrale et dérivée), qui sont ensuite combinées pour fournir la sortie de
contrôle. Un système d'inférence floue est utilisé pour la création d’un contrôleur à logique
floue utilisant des variables d'entrée et des règles floues pour la détermination des variables de
sortie.
En utilisant les sorties du contrôleur PID et du contrôleur flou, les moteurs sont finalement
réglés pour l’obtention du comportement requis du Segway.

113
Les fonctions d'appartenance floues pour les entrées et les sorties sont présentées à la figure
75.

F IGURE 75: LES FONCTIONS D ' APPARTENANCE DU CONTRÔLEUR FLOU .

La figure 76 illustre la surface de contrôle de la commande floue.

F IGURE 76:L A SURFACE DE CONTRÔLE DE LA COMMANDE FLOUE .

Le diagramme de contrôle de retour d'état Simulink modifié par le contrôleur PID-flou est
illustré à la figure 77.

114
 F IGURE 77:D IAGRAMME DE CONTRÔLE DE RETOUR D ' ÉTAT S IMULINK MODIFIÉ PAR LE CONTRÔLEUR PID FLOU .

Où Kp Ki Kd les gains du régulateur utilisés pour calculer la sortie du régulateur PID en

fonction de l'erreur entre la valeur cible et la valeur mesurée. L'intégrale de l'erreur et la
dérivée de l'erreur sont également prises en compte dans le calcul de la sortie.

5 Comparaison avec le contrôleur à retour d'état

5.1 Méthodologie de comparaison
Le contrôleur de placement des pôles a été utilisé pour le calcul des actions optimales à
entreprendre en fonction de l'état actuel du système et des pôles souhaités ; ensuite,
l'algorithme Fuzzy-PID a été utilisé pour l’ajustement de ces actions en fonction de l'erreur
actuelle et de la réponse du système.
La figure 78 démontre le retour d'état modifié par le Fuzzy-PID par rapport aux contrôleurs
précédents.

F IGURE 78 :C OMPARAISON ENTRE LES CONTRÔLEURS .

115
Cette étude a permis, de par les résultats de simulation trouvés, de constater une grande
amélioration de la rapidité avec le contrôle intelligent fuzzy-PID. Inversement, le système
atteint la stabilité souhaitée sans dépassement. Les capacités robustes de cartographie non
linéaire du réseau neuronal BP peuvent améliorer la flexibilité du contrôleur.
Le tableau 7 montre que les caractéristiques de la réponse transitoire du système sont les
suivantes.

T ABLEAU 7 : COMPARAISON DES PERFORMANCES DES CONTRÔLEURS .

5.2 Analyse comparative des résultats obtenus

-Comparaison des contrôleurs sous perturbations

Afin d'évaluer la capacité du contrôleur proposé à compenser les perturbations externes , et

d’en tester ainsi la robustesse, nous avons perturbé le pendule pour observer le comportement
du contrôleur dans de telles conditions. Une perturbation a été appliquée au système pendant
quatre secondes (de 18 à 22) après le début de la simulation. Les résultats de cette évaluation
sont présentés à la figure 79.

F IGURE 79:C OMPARAISON ENTRE LES CONTRÔLEURS SOUS PERTURBATION .

116
La figure montre la réponse du système après l'application d'une perturbation externe. On peut
observer que la méthode proposée maintient une réponse stable et précise malgré ces
perturbations, avec une augmentation limitée de l'amplitude des oscillations. Contrairement à
d'autres contrôleurs, la méthode proposée présente un profil plus lisse, montant et descendant
avec une amplitude plus faible, ce qui suggère une réponse plus rapide et plus précise, ainsi
qu'une meilleure capacité à s'adapter efficacement aux perturbations externes.

Ces résultats confirment l'amélioration significative de la méthode proposée en termes de

robustesse, caractéristique essentielle pour de nombreuses applications de contrôle dans des
environnements perturbés. La capacité de la méthode proposée à maintenir une réponse stable
et précise en présence de perturbations externes suggère qu'elle pourrait être utilisée avec
succès dans des applications réelles.

Tout bien considéré, la méthode que nous proposons présente des avantages significatifs par
rapport aux autres contrôleurs testés. La robustesse constatée constitue un avantage important
pour de nombreuses applications de contrôle.

Conclusion

Ce chapitre nous a permis de nous assurer que la commande par retour d'état est bien
meilleure et donne un système stable, qui comprend une marge d'erreur réduite et un léger
dépassement. Néanmoins, pour améliorer les performances et la robustesse de ce système,
nous avons mis en œuvre un intégrateur PID flou, ce qui a permis la correction du problème
d’erreur. Le contrôle intelligent produit, cependant, des résultats nettement meilleurs en
termes de stabilité, de vitesse et de robustesse du système face aux perturbations externes. Le
chapitre suivant sera consacré à la conception de notre gyropode Segway.

117
Chapitre VI :

Conception du Segway : approche

complète à l’aide du logiciel CATIA

Dans ce chapitre, nous allons aborder la conception de notre Segway à l'aide du logiciel
CATIA

118
Chapitre VI : Conception du Segway : approche complète à l’aide
du logiciel CATIA

Introduction :
Les défis présentés par la conception de systèmes sous-actionnés : les systèmes mécaniques
sous-actionnés présentent des défis uniques en termes de conception et de contrôle. En raison
du nombre limité d'actionneurs disponibles, il est souvent difficile de définir des trajectoires
de mouvement précises ou de contrôler la dynamique du système. La conception de systèmes
sous-actionnés exige donc une compréhension approfondie des interactions entre les
différents éléments du système, ainsi que des compromis entre les performances souhaitées et
les limites de la conception.

1.Introduction relative au logiciel CATIA

CATIA (« Conception Assistée Tridimensionnelle Interactive Appliquée ») est un logiciel de
conception assistée par ordinateur (CAO) développé par Dassault Systèmes. Il est utilisé dans
de nombreux domaines, tels que l'aéronautique, l'automobile, la mécanique et l'architecture.
Ce logiciel permet la conception de pièces, d’assemblages et de systèmes complets en 3D.

2 Conception du Segway par le logiciel CATIA

Tout d'abord, nous réalisons une conception de base pour le Segway, conformément à nos
exigences. Ce modèle est conçu de manière à ce que le transporteur puisse faire rouler le
Segway confortablement. Cela permet au passager de se déplacer librement à sa place. Ce
Segway n'est pas auto-équilibré ; pour le soutenir, il y a donc deux roues de guidage à l'avant
et à l’arrière. Un tel dispositif se compose d'interrupteurs fixés à la poignée contrôlés par le
transporteur personnel. Ce modèle de base a été réalisé à l'aide du logiciel CATIA.

119
 F IGURE 80: M ODÈLE DE BASE DU SEGWAY MÉCANIQUE

2.1 Les différents types de liaisons entre les composants du Segway :

La figure suivant montre les différentes liaisons entres les composants du Segway

F IGURE 81 : LIAISONS ENTRES LES COMPOSANTS DU S EGWAY

Les liaisons entre les composants d'un Segway sont essentielles pour assurer le bon
fonctionnement du véhicule et son maintien en équilibre. Voici les types de liaisons utilisés
entre les composants du notre Segway :
Entre le pendule inversé ou volant A et la plateforme, ou support pied (B), une liaison par
engrenage est établie.
Pour la partie noire(A) et la partie verte (B), une liaison Pivote (rotation) est utilisée.
Pour la partie verte et la partie bleue, ainsi qu’entre la partie bleue et les parties orange et
jaune, des liaisons Pivotes (rotation) sont employées.

120
Liaison pivotante (rotule) : en règle générale, les roues du Segway sont montées sur des
liaisons pivotantes qui permettent une rotation libre. Cela permet au Segway de tourner en
inclinant les roues de chaque côté (La partie verte et la roue gauche, Orange et Roue droite,
Jaune et la roue Gauche).
Liaison glissière : la plateforme pour les pieds de l'utilisateur est montée sur des liaisons
glissières qui permettent de monter et de descendre pour s'adapter à la hauteur de l'utilisateur.
Liaison électromécanique : les moteurs électriques sont reliés aux roues par des liaisons
électromécaniques qui convertissent le mouvement électrique en mouvement mécanique des
roues.
Liaison électronique : les composants électroniques, tels que les capteurs de pression sur la
plateforme pour les pieds et les gyroscopes, sont reliés au système de contrôle électronique
par des liaisons électroniques.
Liaison de câbles : les câbles électriques sont utilisés pour relier la batterie, les moteurs, et
d'autres composants électriques, au système de contrôle.
Liaison de suspension : pour assurer un certain degré de suspension et d'absorption des chocs,
le Segway est équipé de liaisons de suspension entre les roues et le châssis.
Liaison mécanique pour le guidon : pour permettre au guidon ou à la poignée de transmettre
les commandes de l'utilisateur au système de contrôle, des liaisons mécaniques peuvent être
utilisées.

Ces liaisons assurent que les composants du Segway sont connectés de manière à permettre
les mouvements nécessaires pour le maintien de l'équilibre, la direction, de même que le
contrôle global du véhicule. Chaque type de liaisons joue un rôle spécifique dans le
fonctionnement global du Segway.

2.2 Choix des Matériaux et Justification :

Pour la modélisation de ce Segway, nous avons choisi d'utiliser des matériaux comme
l'aluminium pour le châssis en raison de ses propriétés légères et de résistance. Les roues sont
fabriquées en caoutchouc pour assurer une adhérence optimale. Ces choix de matériaux ont
été faits pour refléter la construction réelle d'un Segway et pour assurer après la stabilité du
modèle.

2.3 résultat de conception

121
Dans ce chapitre, nous allons utiliser le logiciel CATIA pour concevoir notre Segway. Nous
allons modéliser les différentes pièces du Segway, telles que les roues, le châssis et le guidon.
Nous allons également assembler ces pièces pour former le Segway complet.

La conception du Segway commence par la création d'esquisses de base des principaux

composants, tels que le pendule inversé, les roues et les repose-pieds. Les esquisses ont été
créées à l'aide d’outils d'esquisse CATIA, et ont conféré à chaque composant des dimensions
précises. Les composants sont ensuite modélisés à l'aide d'outils de modélisation 3D, tels que
l'extrusion et la rotation pour la création de formes tridimensionnelles.

2.3.1 Pendule inversé

La conception du pendule inversé est illustrée dans la figure 82.

F IGURE 82: VUE MULTIPLE DU PENDULE INVERSÉ SUR C ATIA

2.3.2 Les roues

La conception des roues (droite et gauche) est donnée dans la figure 83

122
 F IGURE 83:V UE MULTIPLE DES ROUES SUR CATIA

2.3.3 Support pied

La conception du support pied est présentée dans la figure 84

F IGURE 84: VUE MULTIPLE DU SUPPORT PIED SUR CATIA

L'assemblage des pièces s'effectue à l'aide de contraintes et de liaisons, telles que des liaisons
tournantes pour les roues et des liaisons coulissantes pour les plateformes.

123
 Après avoir réalisé la conception de chaque pièce constituant le Segway, l'étape suivante
concerne l'assemblage des pièces. La conception de l'ensemble du système Segway, au moyen
d’un mannequin représentant une personne, est présentée dans la figure 85.

F IGURE 85: LA CONCEPTION DU S EGWAY AVEC MANNEQUIN

La figure 86 montre les différentes positions du notre Segway

F IGURE 86: V UE MULTIPLE DU S EGWAY AVEC LE MANNEQUIN

124
Pour la conception du Segway, CATIA a été utilisé comme outil de CAO pour la
modélisation et l'assemblage des pièces.

3. Évaluation des Mouvements du Segway : Résultats et Comparaison avec un Segway

Réel

3.1 Évaluation des Mouvements du Segway

Une fois la conception terminée, nous avons testé les mouvements de notre Segway en
l’inclinant à droite et à gauche. Les résultats obtenus sont présentés dans la figure 87 .

(a)

(b)

125
 (c)

F IGURE 87 :M OUVEMENT DU S EGWAY À L ' ÉTAT INITIAL ( A ), À DROITE ( B ), ET À GAUCHE ( C ).

3.2 Discussion du résultat

La figure 34 illustre le comportement des roues lorsque nous inclinons le Segway à droite ou
à gauche. Nous avons observé que les roues tournent en réponse à ces inclinaisons,
démontrant ainsi la faisabilité de notre conception. Cette réaction confirme que notre Segway
est capable de détecter et de réagir correctement aux changements d'inclinaison, ce qui est
essentiel pour pouvoir en assurer la stabilité et le contrôle.

3.3 Comparaison avec un Segway réel

Le modèle de Segway conçu sur CATIA présente des similitudes importantes avec un
Segway réel sur le plan de la structure et du fonctionnement. Cependant, il importe de noter
que pour ce qui relève des capteurs et des contrôles, notre modèle est simplifié par rapport à
un Segway réel. En dépit de tout, notre modèle permet de comprendre les principes de base du
fonctionnement d'un Segway, entre autres son équilibrage dynamique. En effectuant des
simulations, nous avons pu observer comment le modèle réagit aux commandes de
l'utilisateur et comment il maintient l'équilibre.

126
Conclusion
Dans ce chapitre nous avons procédé à la conception de notre Segway. Les résultats des tests
effectués indiquent que notre Segway réagit de manière appropriée aux inclinaisons à droite et
à gauche, démontrant ainsi la faisabilité de notre conception. Celle-ci, quoique présentant des
signes prometteurs de qualité, exige que des études supplémentaires soient poursuivies pour
venir renforcer les conclusions de la recherche.

Force est donc de constater que le présent travail représente une avancée significative dans le
développement de gyropodes Segway stables et réactifs, ouvrant ainsi la voie à davantage
d’améliorations en matière de mobilité personnelle et de technologie des transports.

127
 Conclusion générale

Cette thèse s’est efforcée à explorer plus à fond les aspects de conception, de modélisation
dynamique, de simulation et de contrôle du Segway en tant qu'exemple de système mécanique
sous-actionné. Nous avons commencé par présenter le contexte en introduisant les bases des
systèmes mécatroniques et des systèmes mécaniques, ainsi que les différentes méthodes de
commande pour les systèmes sous-actionnés.

La modélisation du Segway a été abordée sous deux angles distincts : d’abord, en utilisant la
technique du bond graph, qui nous a permis de modéliser les composants mécaniques du
Segway de manière détaillée, puis en utilisant le logiciel MATLAB pour créer un modèle
dynamique et effectuer des simulations en boucle ouverte. Ces approches ont permis une
meilleure compréhension du comportement du système, ainsi que la mise en évidence de
certaines instabilités.

Par la suite, nous avons introduit le contrôle à retour d'état en concevant un contrôleur adapté
au Segway, puis en comparant les performances du gyropode à celles d'un contrôleur à retour
d'état modifié par PID flou. Les résultats obtenus ont démontré les avantages et les limites de
chaque méthode de contrôle.

Enfin, nous avons adopté une approche complète en utilisant le logiciel CATIA pour la
conception d’un modèle physique du Segway, en prenant en compte les matériaux et les
liaisons entre les composants. Nous avons évalué les mouvements du Segway générés par
notre conception et comparé ces résultats à ceux d'un Segway réel.

L'ensemble de ce travail représente une contribution significative à la compréhension des

systèmes mécaniques sous-actionnés, de même qu’à la conception et au contrôle du Segway.
En prolongement de cet effort de recherche, nous envisageons la mise en œuvre d’un système
d'exploitation embarqué sur un Raspberry Pi ou un autre ordinateur embarqué pour gérer l'IA,
les capteurs, et les actuateurs du Segway. Cette perspective d'ajout de l’IA au Segway pourrait
rendre le véhicule plus intelligent, plus autonome, et plus convivial, ouvrant ainsi de
nouvelles possibilités d'utilisation et de développement de produits.

Toutefois, il vaut la peine de noter que bien des défis subsistent, et des recherches futures
pourraient se focaliser sur l'amélioration des performances du Segway, l'optimisation du
contrôle et l'exploration de nouvelles technologies pour les systèmes mécaniques sous-

128
actionnés. Espérons donc que ce travail aura contribué à ouvrir la voie à de nouvelles
opportunités dans le domaine de la mobilité personnelle et de la robotique.

129
Bibliographie

[1]. Daniel, R.W., Hewitt, J.R., 1991, Editorial, Mechatronics.

[2]. Kyura, N., Oho, H., 1996, Mechatronics-an industrial perspective. IEEE/ASME Transactions on
Mechatronics, 1 :10–15.

[3]. TC 4.2 IFAC , Technical Committee. Mechatronic systems, 2013.

[4]. AFNOR. Mécatronique - vocabulaire, volume Norme NF E01-010. Normes – lois et rapports de l’État,
nov. 2008.

[5]. J. A. Saglia, N. G. Tsagarakis, J. S. Dai, & D. G. Caldwell, “A high performance 2-dof over-actuated
parallel mechanism for ankle rehabilitation,” in Proceedings of the IEEE International Conference on
Robotics & Automation (ICRA ’09),pp. 2180– 2186,Kobe,Japan,May2009.

[6]. M.Bjelonic,N.Kottege, & P.Beckerle, “Proprioceptive control of an over-actuated hexapod robot in

unstructured terrain,” in Proceedings of the 2016 IEEE/RSJ International Conference on Intelligent
Robots & Systems, IROS 2016, pp. 2042–2049, Daejeon,SouthKorea,October2016.

[7]. R. Seifried, Dynamics of Underactuated Multibody Systems: Modeling, Control & Optimal
Design,vol.205 of Solid Mechanics & Its Applications, Springer International Publishing,2014.

[8]. G. Garofalo, C. Ott, & A. Albu-Schaffer, “Walking control of fully actuated robots based on the
bipedal SLIP model,” in Proceedings of International Conference on Robotics and Automation
(ICRA), pp. 1456–1463, Saint Paul, Minn, USA, 2012.

[9]. M. Khadiv, S. A. A. Moosavian, and M. Sadedel, “Dynamics modeling of fully-actuated humanoids

with general robot environment interaction,” in Proceedings of the 2014 2nd RSI/ISM International
Conference on Robotics and Mechatronics, ICRoM2014,pp.233–238,Tehran,Iran,October2014.

[10]. Y.Gu,B.Yao, & C.S.George Lee,“Exponential stabilization of fully actuated planar bipedal
robotic walking with global position tracking capabilities,” Journal of Dynamic Systems,
Measurement, and Control,vol.140,no.5,2018.

[11]. A.Choukchou-Braham,B.Cherki,M.Djema¨ı,& K.Busawon, Analysis and Control of

Underactuated Mechanical Systems,SpringerInternationalPublishing,Cham,Switzerland,2014.

[12]. K. D. Do & J. Pan, Control of Ships and Underwater Vehicles: Design for Underactuated and
Nonlinear Marine Systems, Advances in Industrial Control, Springer-Verlag ,London,UK, 2009.

[13]. P. Maserati, M. Morandini, & A. Fumagalli, “Control constraint of under actuated aerospace
systems,”Journal of Computational and Nonlinear Dynamics,vol.9,no.2,2014.

[14]. X.Xin & Y.Liu, Control Design and Analysis for Underactuated Robotic
Systems,Springer,London,UK,2014.

[15]. C. G. Lionel Birglen & T. Laliberté, Underactuated Robotic Hands, Springer

Verlag,Berlin,Germany,2008.

130
[16]. G. Boudrias & M. Egerstedt, “Symmetry-preserving normal forms of underactuated
mechanical systems,” Automatica, vol. 83, pp. 1–8, 2017.

[17]. F. Gao, M. Jain & R. Ortega, “Stabilization of Underactuated Lagrangian Systems: A

Passivity-Based Approach,” IEEE Transactions on Automatic Control, vol. 64, no. 2, pp. 624–630,
2019.

[18]. Wang, J., Xue, Q., Li, L., Liu, B., Huang, L., & Chen, Y. Dynamic analysis of simple
pendulum model under variable damping. Alexandria Engineering Journal, 61, 10563–
10575. https://doi.org/10.1016/j.aej.2022.03.064

[19]. J. Ghommam, A. Chemori, & F. Mnif, “Finite-time stabilization of underactuated mechanical

systems in the presence of uncertainties: application to the cart-pole system,” in The Inverted
Pendulum in Control Theory and Robotics: From Theory to New Innovations, pp.165–190, IET Digital
Library,2017.

[20]. J. Ramos & S. Kim, “Dynamic bilateral teleoperation of the cart- pole: a study toward the
synchronization of human operator and legged robot,”IEEE Robotics and Automation Letters, vol.3,
no.4, pp.3293–3299,2018

[21]. A. Olivares & E. Staffetti, “Embedded Optimal Control of Robot Manipulators with Passive
Joints,” Mathematical Problems in Engineering, vol.2015, Article ID 348178, 21 pages,2015.

[22]. C. Knoll & K. Rebennack, “Sliding mode control of an underactuated two-link manipulator,”
PAMM, vol.10, no.1, pp. 615-616,2010.

[23]. J. H. Yang & K. S. Yang, “An adaptive variable structure control scheme for underactuated
mechanical manipulators,” Mathematical Problems in Engineering, vol. 2012, Article ID 270649, 23
pages,2012.

[24]. X.Lai, J. She, S. X. Yang, & M. Wu, “Comprehensive unified control strategy for
underactuated two-link manipulators,” IEEE Transactions on Systems, Man, and Cybernetics, Part B:
Cybernetics, vol.39, no.2, pp.389–398,2009.

[25]. T. Henmi, M. Deng, & A. Inoue, “Nonlinear control of the underactuated two-link manipulator
using the sliding-mode type partial linearization method,” International Journal of Computer
Applications in Technology Vol. 41, No. 3-4. September 27, 2011, pp 230-235.
doi.org/10.1504/IJCAT.2011.042697

[26]. B. Lu, Y. C. Fang, & N. Sun, “Enhanced-coupling adaptive control for double pendulum
overhead cranes with payload hoisting and lowering,” Automatic, vol. 101, pp. 241–251, March 2019.

[27]. V. Puzyrov, J.Awrejcewicz, N. Losyeva, N.Savchenko “On the stability of the equilibrium
of the double pendulum with follower force: Some new results”, Journal of Sound and Vibration Vol
523, Article ID 116699,14 April 2022. https://doi.org/10.1016/j.jsv.2021.116699

131
[28]. X.Guo, G.Zhang, R. Tian” Subharmonic Bifurcation for a Non-smooth Double Pendulum with
Unilateral Impact” Journal of Nonlinear Mathematical Physics (2022) 29:349–367
https://doi.org/10.1007/s44198-022-00039-8

[29]. L.T. Aguilar, “Output feedback nonlinear H-tracking control of a non-minimum-phase 2-DOF
underactuated mechanical system,” Journal of Robotics, vol. 2009, Article ID 718728, 10 pages,2009.

[30]. B. S. Cazzolato & Z. Prime, “On the dynamics of the Furuta pendulum,” Journal of Control
Science and Engineering, vol.2011, Arti- cleID528341, 8 pages,2011.

[31]. I. Hassanzadeh & S. Mobayen, “Controller design for rotary inverted pendulum system using
evolutionary algorithms,” Mathematical Problems in Engineering, vol. 2011, Article ID 572424,17
pages ,2011.

[32]. J. A. Acosta, “Furuta’s pendulum: a conservative nonlinear model for theory and practice,”
Mathematical Problems in Engineering, vol.2010, Article ID 742894, 29 pages,2010.

[33]. T. Ortega-Montiel, R. Villafuerte-Segura, C. Vazquez-Aguilera, & L. Freidovich,

“Proportional retarded controller to stabilize underactuated systems with measurement delays: Furuta
pendulum case study,” Mathematical Problems in Engineering, vol. 2017, ArticleID2505086,12
pages,2017.

[34]. H. Ye, W. Gui, & Z.-P. Jiang, Backstepping design for cascade systems with relaxed
assumption on Lyapunov functions, IET Control Theory Applications, vol.5, no.5, pp.700–712,2011.

[35]. C. Aguilar-Avelar, R. Rodrıguez-Calderon, S. Puga-Guzman, & J. Moreno-Valenzuela,”

Effects of nonlinear friction compensation in the inertia wheel pendulum”, “Journal of Mechanical
Science and Technology”, vol.31, no.9, pp.4425–4433,2017.

[36]. L. Wang & al.,”Backstepping Control for Underactuated Mechanical Systems with Application
to an Inverted Pendulum”; International Journal of Dynamics and Control (IJDY), (2015).

[37]. S. Andary, A. Chemori, & S. Krut, “Control of the underactuated inertia wheel inverted
pendulum for stable limit cycle generation,” Advanced Robotics, vol. 23, no. 15, pp. 1999–2014, 2009.

[38]. B. Meenakshi Priya & K. Kalpana, “Modelling and control of ball and beam system using
coefficient diagram method(CDM) based PID controller,” IFAC Proceedings Volumes, vol.47, no.1,
pp.620–626,2014.

[39]. D. J. S. Ruth, K. Dhanalakshmi, & S. S. Nakshathram, “Interrogation of under sensing for an

underactuated dynamical system,” IEEE Sensors Journal, vol.15, no.4, pp.2203–2211,2015.

[40]. A.-A. D. Papadopoulos, A. A. Rompokos, & A. T. Alexandridis, “Nonlinear and observer-

based PD position and sway control of convey-crane systems,” in Proceedings of the 24th
Mediterranean Conference on Control and Automation, MED 2016, pp.696–700, Athens, Greece, June
2016.

[41]. K. NADER, D. SARSRI. Modeling and simulation of an underactuated system. MATEC Web
of Conférences 286, 02009 (2019). https://doi.org/10.1051/matecconf/201928602009

132
[42]. Huang, C.-H., Wang, W. J, Chiu, C.-H. Design and implementation of fuzzy control on a two-
wheel inverted pendulum. IEEE Trans. Ind. Electron. 58(7), 2988–3001,2011.

[43]. A. D. Lewis, Lagrangian Mechanics, Dynamics and Control, Wiley,2000.

[44]. A.-C. Huang, Y.-F. Chen, & C.-Y. Kai, “Pendubot,” In Adaptive Control of Underactuated
Mechanical Systems, pp. 189–200, World Scientific,2015.

[45]. L. Sciavicco & B. Siciliano, Modelling and Control of Robot Manipulators, Advanced
Textbooks in Control and Signal Processing, Springer, London, Uk,2000.

[46]. R. Olfati-Saber, Nonlinear control of underactuated mechanical systems with application to

robotics and aerospace vehicles [Ph.D. thesis], Department of Electrical Engineering and Computer,
Massachusetts Institute of Technology,2001.

[47]. D. Maalouf, C. H. Moog, Y. Aoustin, & S. Li, “Classification of two- degree-of-freedom

underactuated mechanical systems,” IET Control Theory Applications, vol.9, no.10, pp.1501–1510,
2015.

[48]. J.-P. Aubin & H. Frankowska, Set-Valued Analysis, (Modern Birkhauser Classics), ISBN-13.
978-0817648473 Birkhauser Basel, Boston, Mass, USA, 2009.

[49]. V. V. Abreu, « Balance-bot », 2009.

[50]. R. Wang et al.” Stabilization of Underactuated Mechanical Systems with Unknown Dynamics
Using Adaptive Dynamic Programming”. IEEE Transactions on Cybernetics, 2020

[51]. J. Zhang et al, Adaptive Sliding Mode Control for Nonlinear Inverted Double Pendulum, IEEE
Access, 2019.

[52]. Liu, Y. Liu, & L. Wang, Robust Swing-up Control of the Acrobot: A Nonlinear Model
Predictive Control Approach. International Journal of Control, Automation, and Systems, 2019.

[53]. K. Lee & V. Coverstone-Carroll. Control algorithms for stabilizing underactuated robots.
Journal of Robotic Systems, pp. 681–697, 1998.

[54]. M. C. Lee, J. W. Lee, & J. K. Sung, Design and Control of an Inverted Pendulum System with
Inertia Wheel, the International Journal of Control, Automation and Systems, 2020.

[55]. H. Liu, X. Li, & X. Zhang” Fixed-Point-Based Adaptive Control of a Cart-Pole System”, IEEE
Transactions on Industrial Electronics, 2020.

[56]. F. Mazenc & S. S. Sastry. ” Passivity-based Control of Underactuated Mechanical Systems”

International Journal of Dynamics and Control (IJDY) (2013).

[57]. X. Li, Y. Wang, & J. Liu, Model-free control of a ball on a rail system using intelligent PID
controllers, Journal of Control Science and Engi- neering, 2019.

[58]. S. Riachy, M. Fliess, C. Join, & Jean-Pierre Barbot. Vers une simplification de la commande
non linéaire : l’exemple d’un avion à décollage vertical. In Sixième Conférence Internationale
Francophone d’Automatique, CIFA 2010, Nancy, France, 2010.

133
[59]. L. Duan, Y. Wang, & J. Liu,” Adaptive nonlinear control for mechanical systems with
unactuated cyclic variables”, the Journal of the Franklin Institute,2018

[60]. Jia, & Wang,” A Novel Nonlinear Discontinuous Feedback Control for Nonholonomic Mobile
Robots”. IEEE Transactions on Industrial Elec- tronics, 2020.

[61]. I. Kose & O. Kucukyilmaz, A Hybrid Evolutionary Approach for Trajectory Planning of Non-
Holonomic Mobile Robots.Journal of Intelligent and Robotics Systems in 2018.

[62]. Y. Hu, H. Su, L. Zhang, S. Miao, G. Chen, & A. Knoll, Nonlin- ear Model Predictive
Control for Mobile Robot Using Varying-Parameter Convergent Differential Neural Network. MDPI
journal Robotics 2019, 8,64; doi:10.3390/robotics8030064

[63]. Chen, M., Ge, S.S.: Direct adaptive neural control for a class of uncertain non affine on linear
systems based on disturbance observer. IEEE Trans. Cybern. 43(4), 1213–1225 (2013)

[64]. M. Reyhanoglu van der Schaft, A., McClamroch, N.H., Kolmanovsky, I.: Dynamics and
control of a class of underactuated mechanical systems. IEEE Trans. Autom. Control 44(9), 1663–1671
(1999).

[65]. Liu, Y., Yu, X., Chen, T., Passivity-based control of an underactuated system with a flexible
joint. IEEE Transactions on Industrial Electronics, 66(7), 5248-5256. (2019).

[66]. A. G. Beghi, L. Marconi, G. Oriolo, & F. Salerno,” A control strategy for balancing a two-
wheeled robot with a flexible payload”. the journal” Mechatronics”,2020.

[67]. A. Blankespoor, R. Roemer, Experimental verification of the dynamic model for a quarter size
self-balancing wheelchair. In: Proceedings of the 2004 American Control Conference, 2004, vol. 1, pp.
488–492. IEEE ,2004.

[68]. Pathak, K., Franch, J., Agrawal, S.K.: Velocity and position control of a wheeled inverted
pendulum by partial feedback linearization. IEEE Trans. Robot. 21(3), 505–513,2005.

[69]. Huang, C.-H., Wang, W. J, Chiu, C.-H. Design and implementation of fuzzy control on a two-
wheel inverted pendulum. IEEE Trans. Ind. Electron. 58(7), 2988–3001,2011.

[70]. Li, Z., Xia, Y., Sun, F.: Adaptive fuzzy control for multilateral cooperative teleoperation of
multiple robotic manipulators under random network-induced delays. IEEE Trans. Fuzzy Syst. 22(2),
437–450,2014.

[71]. Li, Z., Zhang, Y.: Robust adaptive motion/force control for wheeled inverted pendulums.
Automatica 46(8),1346–1353,2010.

[72]. Liu, Y., Liu, Y., & Wang, X., Robust sliding-mode control for a class of nonlinear systems
with input saturation and external disturbances. IEEE Transactions on Industrial Electronics, 66(7),
5276-5285. (2019).

[73]. Liu, Z., & Su, J. Robust Adaptive Control of Uncertain Nonlinear Systems Using Iterative
Learning Control. IEEE Transactions on Industrial Electronics, 67(5), 3936-3945. (2020).

134
[74]. Bao, J., Chen, W. Robust Synchronization of Chaotic Systems with Unknown Disturbances via
Disturbance Observer and Iterative Learning Control. IEEE Transactions on Cybernetics, 51(3), 1082-
1092. (2021).

[75]. Li, L., Li, X., Chen, Z. Adaptive control of a wheeled inverted pendulum using a CMAC-based
neural network controller. Neurocomputing, 337, 1-9. (2019).

[76]. Zhang, Y., Chen, Y., Su, Y. Neural network-based adaptive control for a wheeled inverted
pendulum using a variable structure control method. IEEE Access, 7, 123540- 123548. (2019).

[77]. Chiu, C.-H., Lin, Y.-W., Lin, C.-H.: Real-time control of a wheeled inverted pendulum based
on an intelligent model-free controller. Mechatronics 21(3), 523–533,2011.

[78]. Chiu, C.-H.: Self-tuning output recurrent cerebellar model articulation controller for a wheeled
inverted pendulum control. Neural Computer. Appl. 19(8), 1153–1164,2010.

[79]. Chen, M., Ge, S.S.: Direct adaptive neural control for a class of uncertain non-affine nonlinear
systems based on disturbance observer. IEEE Trans. Cyber. 43(4), 1213–1225 .2013.

[80]. M. F. Hamza, H. J. Yap, I. A. Choudhury, A. I. Isa, A. Y. Zimit, & T. Kumbasar, “Current

development on using Rotary Inverted Pendulum as a benchmark for testing linear and nonlinear
control algorithms,” Mechanical Systems and Signal Processing, vol.116, pp.347–369,2019.

[81]. Liu, Y. Liu, & L. Wang, Robust Swing-up Control of the Acrobot: A Nonlinear Model
Predictive Control Approach. International Journal of Control, Automation, and Systems, 2019.

[82]. K. Lee & V. Coverstone-Carroll. Control algorithms for stabilizing underactuated robots.
Journal of Robotic Systems, pp. 681–697, 1998.

[83]. O. Boubaker, “The inverted pendulum benchmark in nonlinear control theory: A survey,”
International Journal of Advanced Robotic Systems, vol.10, no.5, article 233,2013.

[84]. A´. Odry, E. Burkus, & P. Odry, “LQG control of a two-wheeled mobile pendulum system,”
The Fourth International Conference on Intelli- gent Systems and Applications (INTELLI 2015), pp.
105–112, 2015.

[85]. J. Moreno-Valenzuela & C. Aguilar-Avelar, “Identification of Underactuated Mechanical

Systems,” in Motion Control of Underactuated Mechanical Systems, vol.88ofIntelligentSystems,
Control and Automation: Science and Engineering, pp. 27–49, Springer, Cham, Switzerland,2018.

[86]. J. Moreno-Valenzuela & C. Aguilar-Avelar, Composite control of the Furuta pendulum, in

Motion Control of Underactuated Mechanical Systems, vol. 88 of Intelligent Systems, Control, and
Automation: Science and Engineering, pp. 51–68, Springer, Cham, Switzerland,2018.

[87]. J. Moreno-Valenzuela & C. Aguilar-A velar, Adaptive Neural Net- work Control of the Furuta
Pendulum, in Motion Control of Underactuated Mechanical Systems, vol.88ofIntelligentSystems,
Control and Automation: Science and Engineering, pp. 93–118, Springer, Cham, Switzerland,2018.

135
[88]. J. Moreno-Valenzuela & C. Aguilar-Avelar, “Composite control of the IWP,” in Motion
Control of Underactuated Mechanical Systems, vol. 88 of Intelligent Systems, Control and
Automation: Science and Engineering, pp.119–140, Springer, Cham, Switzerland,2018.

[89]. J. Moreno-Valenzuela & C. Aguilar-Avelar, “Feedback linearization control of the IWP” in

Motion Control of Underactuated Mechanical Systems, vol. 88 of Intelligent Systems, Control and
Automation: Science and Engineering, pp.141–158, Springer, Cham, Switzerland,2018.

[90]. J. Moreno-Valenzuela & C. Aguilar-Avelar, “Adaptive control of the IWP,” in Motion Control
of Underactuated Mechanical Systems, vol.88 of Intelligent Systems; Control and Automation: Science
and Engineering, pp.159–176, Springer, Cham, Switzerland,2018.

[91]. N. Kant & R. Mukherjee, “Impulsive Dynamics and Control of the Inertia-Wheel Pendulum,”
IEEE Robotics and Automation Letters, vol.3, no.4, pp.3208–3215,2018.

[92]. D. Maravall, “Control and stabilization of the inverted pendulum via vertical forces,” in
Robotic Welding, Intelligence and Automation, vol. 299 of Lecture Notes in Control and Information
Sciences, pp. 190–211, Springer, Berlin, Germany, 2004.

[93]. S. D. Kurhe & G. S. Dangat,” Stabilization of X-Z Inverted Pendu- lum using Fractional-Order
Proportional-Integral-Derivative Controller”. the International Journal of Control and Automation in
2020

[94]. N. T. Linh& al.,”Adaptive Fuzzy Control of Underactuated Mechan- ical Systems”,

International Journal of Dynamics and Control (IJDY), (2019)

[95]. J. Moreno-Valenzuela & C. Aguilar-Avelar, “Discussion on generalizations and further

research,” in Motion Control of Underactuated Mechanical Systems, vol.88 of Intelligent Systems,
Control, and Automation: Science and Engineering, pp. 177–187, Springer, Cham, Switzerland,2018.

[96]. M. Keshmiri, A. F. Jahromi, A. Mohebbi, M. H. Amoozgar, & W.-F. Xie, “Modeling and
control of ball and beam system using model-based and non-model based control approaches,”
International Journal On Smart Sensing and Intelligent Systems, vol.5, no.1, pp.14–35,2012.

[97]. X. Xin, S. Tanaka, J. She, & T. Yamasaki, “New analytical results of energy-based swing-up
control for the Pendubot,” International Journal of Non-Linear Mechanics, vol.52, pp.110– 118,2013.

[98]. I. Chawla & A. Singla, “Real-time control of a rotary inverted pendulum using robust LQR-
based ANFIS controller,” International Journal of Nonlinear Sciences and Numerical Simulation,
vol.19, no.3-4, pp.379–389,2018.

[99]. Xu et al.,” Adaptive Neural Network Control of Pendubot with Friction Compensation”, IEEE
Transactions on Industrial Electronics, vol. 67, no. 7, pp. 5409-5419, 2020

[100]. C. Aguilar-Avelar & J. Moreno Valenzuela, “A composite controller for trajectory tracking
applied to the Furuta pendulum,” ISA Transactions, vol.57, pp.286–294,2015

136
[101]. H. Park, D. Chwa, & K.S. Hong,” A feedback linearization control of container cranes:
varying rope lengths,” International Journal of Control, Automation Systems, vol. 5, no. 4, pp. 379-
387, 2007.

[102]. Y. Yoshida & H. Tabata,” Visual feedback control of an overhead crane and its combination
with time-optimal control,” Proc. IEEE/ASME Int. Conf. Adv. Intel. Mechatronics China, pp.1114-
1119, 2008.

[103]. Zhang et al.,” Adaptive Dynamic Surface Control for Overhead Cranes,” IEEE Transactions on
Industrial Electronics, vol. 67, no. 12, pp. 9448-9459, 2020

[104]. Wang et al.,” Adaptive Neural Network Control for Underactuated Overhead Cranes Based on
Phase Plane Analysis,” IEEE Transactions on Industrial Electronics, vol. 67, no. 11, pp. 9051-9061,
2020

[105]. X. Yang, Y. Liu, L. Zhang, & X. Li.” An Improved PD-Based Control Strategy for a Boom-
Type Crane with Payload Swing Suppression”. IEEE Transactions on Control Systems Technology in
2020.

[106]. C. Aguilar-Avelar & J. Moreno-Valenzuela, “New feedback linearization-based control for

arm trajectory tracking of the Furuta pendulum,” IEEE/ASME Transactions on Mechatronics, vol.21,
no.2, pp.638–648,2016.

[107]. H. Yu, S. Li, X. Xiang, & Y. Wang, "Adaptive Sliding Mode Control of Underactuated
Mechanical Systems with Input Saturation," International Journal of Automation and Smart
Technology, vol. 8, no. 4, pp. 227-237, 2018.

[108]. C. Kien, N. Son, & H. Huy Anh, “Swing Up and Balancing Implementation for the Pendubot
Using Advanced Sliding Mode Control,” in Proceedings of the 2015 International Conference on
Electrical, Automation and Mechanical Engineering, Phuket, Thailand, July 2015.

[109]. C. VanKien, N. N. Son, & H. P. H. Anh, “A stable Lyapunov approach of advanced sliding
mode control for swing up and robust balancing implementation for the Pendubot system,” in AETA
2015: Recent Advances in Electrical Engineering and Related Sciences, vol.371 of Lecture Notes in
Electrical Engineering, pp.411–425, Springer, Cham, Switzerland,2016.

[110]. X. D. Huynh, D. K. L. Huynh, V. D. Dat, T. P. Nguyen, M. T. Nguyen, & V.D.H. Nguyen,

“Application of fuzzy algorithm in optimizing hierarchical sliding mode control for Pendubot system,”
Robotica and Management, vol.22, no.2, pp.8–12,2017.

[111]. F. Ding, J. Huang, Y. Wang, J. Zhang, & S. He, Sliding mode con-trol with an extended
disturbance observer for a class of underactuated system in cascaded form, Nonlinear Dynamics,
vol.90, no.4, pp.2571–2582,2017.

[112]. S. Ramos-Paz, F. Ornelas-Tellez, & A. G. Loukianov, “Nonlinear optimal tracking control in

combination with sliding modes: Application to the Pendubot,” in Proceedings of the 2017 IEEE

137
 International Autumn Meet- ing on Power, Electronics and Computing(ROPEC), pp.1–6, Ix tapa,
Mexico, November 2017.

[113]. N. Khalid & A. Y. Memon, “Output feedback stabilization of an Inertia Wheel Pendulum using
Sliding Mode Control,” in Proceedings of the 10th UKACC International Conference on Control,
CONTROL2014, pp.157–162, Loughborough, UK, July 2014.

[114]. Y. Sun & L. Wang,” Adaptive sliding mode control of a ball on a beam system with parametric
uncertainties». The Journal of the Franklin Institute in 2019.

[115]. L. Biao, Y. Fang, & N. Sun, “Global stabilization of inertia wheel systems with a novel sliding
mode-based strategy,” in Proceedings of the 14th International Workshop on Variable Structure
Systems, VSS2016, pp.200–205, Nanjing, China, June 2016.

[116]. J. H. Jung & al.” Nonlinear Adaptive Control of Underactuated Mechanical Systems»,
International Journal of Dynamics and Control (IJDY), (2020).

[117]. K. Majumder & B. M. Patre, “Sliding mode control for underactuated mechanical systems via
nonlinear disturbance observer: stabilization of the rotational pendulum,” International Journal of
Dynamics and Control, vol.6, no.4, pp.1663– 1672,2018.

[118]. Y. Zhang, L. Chen, L. Li,” Adaptive control for a ball-on-beam system with unknown
parameters and disturbances” IEEE Transactions on Control Systems Technology, vol. 27, no. 3, pp.
1254-1262, May 2019.

[119]. A. Shiriaev, A. Pogromsky, H. Ludvigsen, & O. Egeland, “On global properties of passivity-
based control of an inverted pendulum,” International Journal of Robust and Nonlinear Control, vol.10,
no.4, pp.283–300,2000.

[120]. S. Rudra, R.K. Barai, & M. Maitra, Block Backstepping Design of Nonlinear State Feedback
Control Law for Underactuated Mechanical Systems, Springer, Singapore,2017

[121]. S. Rudra, R. KumarBarai, & M. Maitra, “Nonlinear state feedback controller design for the
underactuated mechanical system: a modified block backstepping approach,” ISA Transactions, vol.
53, no.2, pp.317–326,2014.

[122]. S. Rudra, R. K. Barai, M. Maitra et al., “Stabilization of Furuta pendulum: a backstepping

based hierarchical sliding mode approach with disturbance estimation,” in Proceedings of the 7th
International Conference on Intelligent Systems and Control, ISCO2013, pp.99–105, Coimbatore,
India, January 2013.

[123]. S. Rudra, R.K. Barai, & M. Maitra, “Applications of the block backstepping algorithm on 2-
DOF Underactuated mechanical systems: some case studies,” in Block Backstepping Design of
Nonlinear State Feedback Control Law for Underactuated Mechanical Systems, pp.53–108, Springer,
Singapore, Singapore, 2017.

138
[124]. S. Rudra & R. K. Barai, “Design of block backstepping based nonlinear state feedback
controller for Pendubot,” in Proceedings of the 1st IEEE International Conference on Control,
Measurement, and Instrumentation, CMI 2016, pp. 479–483, Kolkata, India, January 2016.

[125]. Y. Li, Y. Liu, & Y. Liu” Passivity-Based Control of Underactuated Inertia Wheel Systems
using Block Backstepping”, IEEE Transactions on Control Systems Technology, vol. 27, no. 1, pp. 36-
46, Jan. 2019.

[126]. Q. Li, L. Li, X. Liu, & X. Liu,” Adaptive Fuzzy Sliding-Mode Control for Ball and Beam
System with Uncertainties” IEEE Access, vol. 8, pp. 127537-127547, 2020.

[127]. O. Castillo, E. Lizarraga, J. Soria, P. Melin, & F. Valdez, “New approach using ant colony
optimization with ant set partition for fuzzy control design applied to the ball and beam system,”
Information Sciences, vol.294, pp.203–215,2015.

[128]. X. Li, X. Li, & Y. Liu,” Adaptive Dynamic Surface Control of a Ball and Beam System with
Time-Varying Uncertainties”; IEEE Transactions on Industrial Electronics, vol. 67, no. 12, pp. 10203-
10214, Dec. 2020

[129]. R. Bachir Bouiadjra, M. F. Khelfi, M. Salem, & M. Sedraoui, “Nonlinear H control via
measurement feedback using neural network,” Journal of the Brazilian Society of Mechanical Sciences
and Engineering, vol.39, no.4, pp.1109–1118,2017.

[130]. Al-Zoubi & Liu” A Novel Adaptive Fuzzy Control for a Pendubot System”. IEEE Access, vol.
8, pp. 180934-180942, 2020.

[131]. History of the Segway." iSegway Prague.

https://www.isegway.cz/prague-segway-article/history-of-the-segway-pt.

[132]. iBOTnow." https://spinalcordinjuryzone.com/news/3004/ibot-mobility-system, 15 juin 2012

[133]. H.M. Paynter. Analysis and design of engineering systems. MIT press, 1961.

[134]. A. K. Samantaray & B. Ould Bouamama, “Model-based Process Supervision: A Bond Graph
Approach”, Springer Verlag. London, 2008, 489 p.

[135]. Bera TK, Bhattacharya K and Samantaray AK. Evaluation of antilock braking system with an
integrated model of full vehicle dynamics. Simulation Modelling Practice and Theory 2011; 19: 2131–
2150.

[136]. Dai F, Gao X, Jiang S, Guo W & Liu Y. A two-wheeled inverted pendulum robot with friction
compensation. Mechatronics 2015; 30: 116–125

[137]. K. Nader & D. Sarsri, “Modeling and simulation of an underactuated system,” MATEC Web
of Conferences, vol. 286, p. 02009, 2019.

[138]. B. Allouche, “Modélisation et commande des robots: nouvelles approches basées sur les
modèles takagi-sugeno,” 2017, https://theses.hal.science/tel-01469234.

139
 [139]. R. Cui, J. Guo, & Z. Mao, “Adaptive backstepping control of wheeled inverted pendulums
models,” Nonlinear Dynamics, vol. 79, no. 1, pp. 501–511, 2015.

[140]. Martaj, N., Mokhtari, M. (2014). Contrôle par logique floue. In : Apprendre et maîtriser
LabVIEW par ses applications. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-45335-
9_17

Table des matières

Liste des figures..........................................................................................................................4
Introduction générale..................................................................................................................1
Chapitre I :..................................................................................................................................4
Partie : Contexte et Problématique.............................................................................................4
Chapitre I Contexte et problématique....................................................................................5
1 Introduction sur les systèmes mécatronique.........................................................................5
1.1 Définition des systèmes mécatroniques :...........................................................................5
1.2 Caractéristiques et exemples de systèmes mécatroniques :...............................................6
2 Les systèmes mécaniques.....................................................................................................7
2.1 Caractéristiques des systèmes mécaniques........................................................................8
2.1.1 les systèmes mécaniques................................................................................................8
2.1.2 Les systèmes robotiques.................................................................................................8
2.1.3 Les classes de systèmes mécaniques..............................................................................8
2.2 Définition des systèmes mécaniques sous-actionnés.........................................................9
2.3 Exemples de systèmes sous-actionnés :...........................................................................10
2.3.1. Le Pendule Simple......................................................................................................10
2.3.2. Le pendule inversé sur chariot....................................................................................11
2.3.3. Le Pendubot................................................................................................................12
2.3.4. Le Pendule rotatif........................................................................................................13
2.3.5. Le Pendule inversé à roue d’inertie.............................................................................14
2.3.6. La bille sur rail.............................................................................................................14
2.3.7. Grue de transport.........................................................................................................14
2.3.8. Le pendule inversé sur deux roues..............................................................................15
3 Modèle dynamique des systèmes mécaniques sous-actionnés et Classification de ces
systèmes.................................................................................................................................15
3.1 - Modèle dynamique des systèmes mécaniques sous-actionnés......................................16
3.1.1 Formalisme de Newton-Euler.......................................................................................16

140
 3.1.2 Formalisme de Newton-Lagrange................................................................................16
3.2 Modèles mathématiques pour les exemples traités..........................................................19
3.3
3.4

4 État de l'art en Commande et Contrôle des Systèmes Mécaniques Sous-actionnés..............29

4.1.1 Commande des systèmes mécaniques sous-actionnés...............................................29
4.1.2 La commande non linéaire des systèmes mécaniques sous-actionnés :.......................30
4.1.3 Stabilisation Globale des Systèmes Sous-actionnés...................................................31
4.2 Méthodes de Contrôle pour les Systèmes Mécaniques Sous-actionnés..........................35
4.2.1 Contrôle linéaire...........................................................................................................35
4.2.2 Contrôle non linéaire..................................................................................................37
a. Linéarisation de rétroaction........................................................................................37
b. Mode glissant.............................................................................................................37
c. Contrôle basé sur la passivité.....................................................................................39
d. Backstepping..............................................................................................................40
4.2.3 Contrôle intelligent.....................................................................................................40
a. Logique floue.............................................................................................................40
b. Réseau neuronal.........................................................................................................41
3 Présentation du Segway comme exemple de système mécanique sous-actionné..................41
3.1 Présentation du sujet de recherche...................................................................................41
3.1.1 Description du Segway.................................................................................................41
3.1.2 Histoire du Segway.......................................................................................................42
3.1.3 Caractéristiques et principe de fonctionnement du Segway.........................................43
3.1.4 Composants du Segway................................................................................................44
3.1.4.1 Dispositif de commande Info Key.............................................................................44
3.1.4.2 Guidon et cadre LeanSteer :......................................................................................45
3.1.4.4. Ensemble roue / pneu et garde-boues :.....................................................................46
3.1.4.5. Base électrique :........................................................................................................46
3.1.4.6. Tapis :.......................................................................................................................46
3.1.4.7. Capteurs de présence du conducteur :......................................................................46
3.1.4.8. Centrale inertielle (Capteurs d’équilibre (BSA) :.....................................................47
3.1.4.9. Système de contrôle (CU) :......................................................................................47
3.1.4.10. Moteurs :.................................................................................................................48
3.1.4.11. Boîte à vitesses.......................................................................................................48
3.1.4.12. Batteries :................................................................................................................48
3.2 Problématique de recherche.............................................................................................48
Conclusion............................................................................................................................... 50
Chapitre II Modélisation dynamique du Segway par Bond Graph...................................51
Chapitre II : Modélisation dynamique du Segway par Bond Graph.........................................52
Introduction...............................................................................................................................52
1. Définition du Bond graph.....................................................................................................52
2 Principe de base et concept du Bond Graph..........................................................................52
3 Avantages et applications de la modélisation par Bond Graph.............................................53
3.1 Avantage de cette technique............................................................................................53
3.2 Modélisation par graphe de liaison..................................................................................53
3.2.1 Parties du modèle de graphe de liaison........................................................................54
3.2.2 Éléments à port unique.................................................................................................54
3.2.3 Éléments de base à 2 ports............................................................................................56
4 modélisation du Segway par bond graph............................................................................58

141
 4.1 Modélisation des composants mécaniques du Segway...................................................58
4.1.1 Carrosserie principale du véhicule...............................................................................60
4.1.2 Modélisation par bond graph du système de pendule inversé......................................66
4.1.3 Modélisation du graphe de liaison de la roue...............................................................67
4.1.4Modèle de graphe de liaison de la suspension..................................................................68
4.1.4.1Modèle de graphe de liaison du différentiel..................................................................69
4.1.5Modélisation graphique de la direction.............................................................................69
4.2 Simulation du Segway par bond graph...............................................................................70
Conclusion................................................................................................................................78
Chapitre III Modélisation mécanique du Segway par Matlab...........................................79
Introduction...............................................................................................................................79
1 Théorie de la modélisation dynamique...............................................................................79
2 Techniques de modélisation des systèmes mécaniques par Matlab...................................79
3 Modélisation du Segway par Matlab..................................................................................79
3.1.1 Le modèle dynamique :................................................................................................81
3.2 Simulation du Segway en Boucle Ouverte......................................................................82
3.2.1 Méthodologie de Simulation en Boucle Ouverte.........................................................82
3.2.1 Résultats de la Simulation en Boucle Ouverte : Réponse du pendule inversé sur deux
roues.......................................................................................................................................83
3.3. Instabilité du système.....................................................................................................85
Conclusion................................................................................................................................86

Chapitre IV : PRESENTATION DES RESULTATS DE SIMULATION ET

INTERPRETATION..............................................................................................................87
Chapitre IV : Simulation du contrôleur à retour d'état......................................................88
Introduction...............................................................................................................................88
1 Présentation du contrôleur par retour d'état...........................................................................88
Théorie du contrôle à retour d'état.........................................................................................88
1.2 Avantages et applications du contrôleur à retour d'état...................................................88
2 Conception du contrôleur à retour d'état pour le Segway...................................................88
2.1 Modélisation du contrôleur à retour d'état.......................................................................88
Pour stabiliser le système, un contrôle par retour d'état sera utilisé en utilisant la matrice de
gain de contrôle K. Avant cela, nous devons montrer que le système est contrôlable et
observable. 2.2 Notions de contrôlabilité et d’observabilité.................................................89
2.2.1 La contrôlabilité............................................................................................................89
2.2.2 L'observabilité..............................................................................................................90
3 Implémentation du contrôleur et résultats..........................................................................91
3.1 Méthodologie d'implémentation :....................................................................................91
3.1.1 Contrôle par rétroaction et choix de la matrice K........................................................91
3.1.2. Placement des pôles.....................................................................................................92
3.2 Analyse des résultats obtenus..........................................................................................93
3.2.1 Les différentes commandes existant pour la stabilisation............................................93
3.2.2 Interprétation des résultats obtenus..............................................................................94
Conclusion :..............................................................................................................................95
Chapitre V : Retour d'état modifié par PID flou.................................................................96
Introduction...............................................................................................................................96
1 Introduction au contrôle flou.................................................................................................96
1.1 Logique floue...................................................................................................................96

142
Chapitre VI : Conception du Segway : Approche complète avec CATIA.......................108
Introduction :...........................................................................................................................108
1.Introduction sur CATIA.......................................................................................................108
2............................................................................................Conception du Segway par CATIA
.................................................................................................................................................108
2.1 Les différents types de liaisons entre les composants du Segway :...............................109
2.2 Choix des Matériaux et Justification :...........................................................................111
2.3 résultat de conception....................................................................................................111
2.3.1 Pendule inversé...........................................................................................................111
2.3.2 Les roues.....................................................................................................................112
2.3.3 Support pied................................................................................................................112
3. Évaluation des Mouvements du Segway : Résultats et Comparaison avec un Segway Réel
.................................................................................................................................................114
3.1 Évaluation des Mouvements du Segway.......................................................................114
3.2 Discussion du résultat....................................................................................................115
3.3 Comparaison avec un Segway réel................................................................................115
Conclusion..............................................................................................................................116
Conclusion générale................................................................................................................117
Bibliographie...........................................................................................................................119

143