1

Modélisation et simulation du pilotage de

fauteuils roulants électriques : objectifs et
premiers résultats
S. M. Meliani*, Z. Sari* et G. Bourhis**
*Université Aboubekr Belkaïd de Tlemcem,
Laboratoire d'Automatique, BP 230, Tlemcem 13000, Algérie,
meliani@univ-metz.fr, z-sari@mail.univ-tlemcen.dz,
**Université Paul Verlaine-Metz,
LASC, 7 rue Marconi, 57070 METZ, France,
bourhis@univ-metz.fr
• de paramétrer de façon objective le fauteuil de
Résumé— L’objectif général de ce travail est de concevoir une chaque utilisateur,
méthode d’analyse objective de la conduite en fauteuil roulant
électrique. On cherche pour cela à adapter à ce cas particulier les • de tester les capacités de conduite d’un utilisateur
modèles pilote-véhicule décrits dans la littérature. Les premiers
potentiel de fauteuil électrique,
résultats relatés dans cet article concernent le modèle dit
« crossover » : on détaille sa mise en œuvre et ses limites.
• d’expérimenter des fonctionnalités nouvelles en
Mots clés—Fauteuil roulant électrique, modèles homme- toute sécurité et en s’affranchissant des contraintes
machine, simulateur de conduite. matérielles lourdes inhérentes à la conception de
prototypes de fauteuils « intelligents »,

I. INTRODUCTION • de réaliser un apprentissage sécurisé à la conduite

L’ apport du fauteuil roulant électrique pour l’autonomie
des personnes souffrant d’une déficience motrice sévère
est considérable. Ainsi de nombreux modèles sont
commercialisés permettant de répondre à des contraintes très
diverses: fauteuils à roues motrices à l’avant, à l’arrière ou
intermédiaires, fauteuils élévateurs, fauteuils verticalisateurs,
fauteuils d’intérieur, d’extérieur ou mixtes. La prescription
d’un fauteuil résulte d’une évaluation clinique (diagnostic
médical, bilan fonctionnel) et ergonomique (mise en situation,
analyse des situations de handicap). Un déficit moteur trop
important est donc rédhibitoire à ce stade pour accéder à une
mobilité autonome. Certaines de ces personnes pourraient
cependant postuler à l’utilisation d’un fauteuil électrique
moyennant un apprentissage sécurisé et/ou l’introduction de
fonctionnalités de navigations spécifique [12], [13]. Un outil
de simulation de la conduite en fauteuil roulant électrique
serait donc ici d’une grande utilité. Il trouverait également un
champ d’application intéressant en tant qu’aide à la
configuration du fauteuil: choix des paramètres de vitesse ou
d’accélération, choix et réglage personnalisé du capteur
d’interface humain-machine par exemple.
C’est dans ce contexte général que se situe notre travail. On
cherche à développer des outils d’analyse et de tests de la
conduite en fauteuil roulant électrique qui permettent:
de fauteuil.
La méthode adoptée pour analyser la conduite du fauteuil
consiste à modéliser le système homme-véhicule avec un
double objectif. Ce dernier est tout d’abord descriptif au sens
où l’on va chercher à mieux comprendre les spécificités de la
commande d’un fauteuil électrique. La difficulté majeure est la
grande diversité des capacités fonctionnelles des personnes
handicapés moteurs concernées. Le second objectif est
normatif: le modèle pilote-fauteuil doit permettre de définir le
mode de comportement optimal de la personne dans une
situation de conduite donnée ce qui induit une méthode
d’analyse objective du pilotage de fauteuil.
Dans cet article on présentera tout d’abord la méthode
utilisée pour concevoir un simulateur de conduite. Quelques
résultats concernant la modélisation du système pilote-fauteuil
à l’aide du modèle “crossover” seront ensuite exposés et
discutés.
II. SIMULATEUR DE CONDUITE DE FAUTEUILS ELECTRIQUES
A. Conception du simulateur
La simulation est une étape importante pour valider ou
concrétiser une théorie. Même si elle ne coïncide pas
exactement avec la réalité, elle permet de gagner du temps et
de s’affranchir des dysfonctionnements techniques et des
risques durant l'étape de conception. C’est notamment le cas

dans le contexte des systèmes homme-véhicule. Cependant si
les simulateurs de vol ou les simulateurs de conduite
automobile sont devenus d’utilisation courante, ce n’est pas
encore le cas pour des simulateurs de conduite en fauteuil.
Nous nous proposons de contribuer à y remédier.
Le simulateur a été élaboré entièrement en C++. Il est
constitué d’une interface développeur et d’un environnement
simulé 2D (Fig. 1). Ce dernier lors de la réalisation d’une
tâche de conduite est orienté selon la direction d’avance du
fauteuil (il tourne avec le fauteuil). Les dimensions du fauteuil
par rapport à l’environnement correspondent à des conditions
réelles de conduite. Il est contrôlé par un capteur d’interface
de type proportionnel, typiquement un joystick.
Fig. 1. Environnement simulé avec 3 parcours différents.
Pour les besoins de cette étude le fauteuil simulé d’un point de
vue cinématique et dynamique est un fauteuil roulant
électrique à traction arrière StormTM (Fig. 2). Ce fauteuil est
équipé de capteurs d’environnements, d’un système
odométrique et d’un PC embarqué. Cette instrumentation
destinée principalement à la conception de primitives
automatiques de navigation (robot « VAHM ») nous permet ici
de mesurer les déplacements du fauteuil (position initiale et
coordonnées des points de la trajectoire).
2
Fig. 2. Fauteuil roulant électrique ‘Storm’ instrumenté.
B. Validation du simulateur
La validation du simulateur est un problème non-trivial que
nous n’avons pour l’heure abordé que sommairement dans le
contexte de la modélisation qui suit. On se propose de
comparer des parcours réalisés en simulation et des trajectoires
réelles dans un même environnement et pour une même
trajectoire de référence. Ce qui importe ici c’est non pas que
les trajectoires réelles et simulées coïncident parfaitement mais
qu’elles reflètent une même stratégie de pilotage du fauteuil.
Nous avons effectué 3 parcours différents et 10 tests par
parcours. Un exemple de résultat par parcours est représenté
Fig. 3. On constate sur cette figure et sur les autres résultats
une bonne corrélation entre les trajectoires obtenues en
simulation et celles obtenues en réel sur le fauteuil. Les écarts
constatés, toujours faibles, correspondent à des passages larges
(couloirs de 1,40m de large par exemple) donc peu
contraignants. On peut donc conclure, tout au moins pour ce
panel d’essais, que la stratégie de conduite est la même sur le
simulateur que sur le fauteuil électrique réel.
Ces conclusions ne sont cependant pas définitives : d’autres
paramètres seront pris en compte par la suite, notamment
l’effet des accélérations et décélérations du fauteuil sur la
conduite. Ces effets qui peuvent être importants pour une
personne handicapé moteur ne sont en effet pas reproduits sur
le simulateur pour des raisons de coût et de portabilité du
système. Il nous faudra donc probablement les faire intervenir
sous forme de perturbations dans le modèle développé.
 3

III. MODELISATION DU SYSTEME HOMME-FAUTEUIL

A. Justification
On suppose que l’utilisateur contrôle le fauteuil via un
capteur d’interface de type « proportionnel » (joystick ou un
équivalent fonctionnel). Le couplage pilote – joystick a été
modélisé par certains auteurs dans l’objectif de compenser les
vibrations occasionnées par les accélérations du fauteuil [1] ou
d’un mobile quelconque [2], ou les tremblements dus aux
difficultés de contrôle moteur du pilote handicapé [3]. Dans
[2] et [3] cette compensation s’effectue à l’aide d’une interface
à retour d’effort alors que dans [1] les auteurs proposent d’agir
sur les caractéristiques mécaniques du joystick.
L’interface homme-machine génère deux tensions de
commande permettant d’actionner deux moteurs via un module
de puissance. Le contrôleur utilisé à cet effet dans les fauteuils
du commerce est souvent sommaire. Malheureusement, peu
d’études pour l’améliorer sont relatées dans la littérature.
Dans [4] est décrit un contrôleur adaptatif prenant en compte
le poids de l’individu dans l’algorithme de calcul. Ce
paramètre est en effet une variable perturbatrice importante
pour un bon contrôle du fauteuil. Plus récemment, Ding et al.
ont proposé un contrôleur adaptatif robuste permettant de
maintenir les paramètres de vitesses linéaires et angulaires à
leurs valeurs de consigne en présence de perturbations internes
au fauteuil ou provenant de l’environnement [5]. Fujii et Wada
suggèrent quant à eux une méthode pour améliorer la
manœuvrabilité des fauteuils électriques en limitant les
accélérations trop importantes préjudiciables à des personnes
ayant des difficultés à contrôler précisément l’interface de
commande [6]. Cette dernière étude est basée sur une
modélisation du système pilote-fauteuil selon le modèle
crossover initialement introduit par McRuer et Jex pour une
tâche de pilotage d’avion [7]. Ce modèle a été validé pour un
grand nombre de tâches de compensation et de poursuite et
pour divers types de véhicule. C’est pourquoi nous l’avons
choisi pour débuter nos travaux de modélisation du système
homme-fauteuil.
Dans ce qui suit on va présenter quelques résultats
expérimentaux en simulation concernant ce modèle crossover
dans une tâche de pilotage de fauteuil. L’objectif est
d’analyser les situations dans lesquelles il est applicable et
donc d’en déduire ses limites d’utilisation.

B. Définition du modèle crossover

Le modèle crossover peut être défini à partir du schéma de
principe Fig. 4 : le pilote agit sur l’erreur e(t) entre une entrée
de commande désirée u(t) et la sortie du système s(t) en
produisant sur l'interface de commande une entrée c(t) vers
l'élément contrôlé. Sa mission est de suivre la référence malgré
les perturbations. Pour une tâche de compensation, seul le
signal e(t) est affiché. L’entrée de référence u(t) (entrée de
commande ou perturbation interne) est supposée de bande
passante ωi.
Fig. 3. Comparaisons entre trajectoires réalisées sur le fauteuil réel et sur le
fauteuil simulé

Fig. 4. Système pilote-véhicule
Le modèle crossover postule qu’un pilote bien entraîné et
concentré adapte son comportement de conduite de telle sorte
que si Yp(ω) est la fonction de transfert du pilote et Yc(ω) celle
de l’élément contrôlé, on ait [7]:
ωc e − jω τ e
YOL ( jw) = Y pYc = ; près de ωc (1)
jω
ωc (fréquence crossover) et τe sont fonctions des variables de
tâches ; τe inclut les retards du processus et de l’opérateur.
Pour nos expérimentations, il s’est avéré plus pratique de
discrétiser les équations du modèle. En passant du domaine
continu au discret, (1) devient :
− (td +1)
−1 Y (s)  Z
YOL ( Z ) = (1 − Z ) Z  OL  = ω c te
−1
 s  1− Z
Où
te = période d’échantillonnage ;
td = τe/te = nombre d’échantillons représentant le temps de
retard. Dans notre étude, le temps d’échantillonnage est fixé à
te = 66 ms.
La fonction de transfert en Z en boucle fermée du schéma
fonctionnel Fig. 4 est la suivante :
−(td+1)
S (Z ) YOL (Z ) ωc te Z
YCL (Z ) = = =
U (Z ) 1 + YOL (Z ) 1 − Z −1 + ω te Z −(td+1)
c τ e (Yc , ωi ) = τ 0 (Yc ) − ∆τ (ωi ) = 0.50 − 0.065ωi
En définitive, après transformation, le modèle discret obtenu
est donné par l’équation suivante :
s(n) = ωc te u(n − (td + 1)) + s(n − 1) − ωc te s(n − (td + 1)) (4)
C. Détermination des paramètres du modèle
On détermine expérimentalement les paramètres du modèle
ωc et τe à partir de la manipulation présentée Fig. 5. Le curseur
simulant le fauteuil est perturbé par rapport à une trajectoire de
référence. Il est demandé à l'opérateur humain de s'efforcer
d'annuler l'erreur e(t). Il s'agit donc d'une tâche de
compensation. Le fauteuil électrique qui servira à nos
expérimentations en situation réelle a été identifié, en première
4
approximation, comme un système du second ordre. On part
donc de cette hypothèse pour modéliser le comportement du
mobile.
La première étape consiste à déterminer la fréquence
crossover ωc en fonction de la bande passante ωi du signal
d'entrée. Pour cela on perturbe le mobile par un signal u(t), de
bande passante ωi, formé par une rafale de plusieurs
sinusoïdes. Chaque sinusoïde est définie par son amplitude et
sa fréquence propre. La perturbation éloigne le mobile de la
ligne de référence dans le sens horizontal. La pulsation
crossover ωc est obtenue en traçant le diagramme de
l’amplitude du signal de sortie, mesurée aux premiers instants
de perturbation, en fonction de la fréquence propre de chaque
sinusoïde. La difficulté de la manipulation réside dans la
synchronisation entre l’échantillon mesuré du signal de sortie
et la valeur maximale de chaque sinusoïde formant le signal de
référence.
(2)
Fig. 5. Schéma de principe expérimental pour la détermination des
paramètres du modèle crossover.
La deuxième étape consiste en la détermination de la valeur
du temps de retard effectif τe. On l'obtient en mesurant le
déphasage entre la portion de sinusoïde d'entrée et le signal de
sortie mesuré cette fois après compensation de l'erreur.
On retrouve alors pour les deux paramètres les résultats déjà
présentés dans [7]. On constate en particulier que ωc est à peu
près constant égal à 3.1 rd/s (il ne dépend que de l'élément
contrôlé) en fonction de ωi tant que l'on a ωi << ωc. Le second
paramètre τe décroît en fonction de ωi à peu près linéairement:
(3)
(5)
La pente ∆τ selon [7] ne dépend pas de l'élément contrôlé.
Nous n'avons pas vérifié ici ce dernier point, le mobile étant
modélisé par un second ordre uniquement.
D. Résultats
La validation du modèle consiste à comparer des parcours
réalisés manuellement à l’aide d’un joystick avec un parcours
réalisé par le modèle crossover. Dans les deux cas on suit une
trajectoire de référence tracée dans l’environnement modélisé.
Cette trajectoire est obtenue en déplaçant le mobile à l'aide du
joystick commandé par un opérateur expérimenté, habile et qui
a fait une dizaine de tests par jour pendant plus d’une semaine.
On obtient ainsi une trajectoire supposée optimale dont les
 5

coordonnées sont stockées dans un fichier de données. Ces pour des vitesses de 0.6, 0.8, 1, 1.1, 1.4, 1.5 et 1.6 m/s. Les
données seront ensuite considérées comme les échantillons du collisions indiquées sur les figures sont des frottements non-
signal de référence u(n) nécessaires pour déterminer la bande bloquants du fauteuil sur l’obstacle.
passante ωi à partir de l'analyse fréquentielle de la trajectoire
de référence (Fig. 6).
Le modèle pilote-véhicule est fonction du comportement de
conduite du pilote, comportement qui dépend de la
configuration locale de l’environnement. C’est pourquoi on a
scindé notre environnement en plusieurs parties fonctions des
conditions de conduite (tronçons OA, AB, … GH : Fig. 7, 8,
9). La bande passante ωi de chaque tronçon est déterminée par
Transformée de Fourier, le résultat étant fonction de la vitesse
du fauteuil (Fig. 6). De l’équation (5) on déduit alors les
paramètres du modèle crossover, la fréquence crossover ωc et
le temps de retard effectif τe pour chaque tronçon de la
trajectoire globale (Tab. 1).

Fig. 7. Trajectoires réelles et modélisées (vitesse de 0.4 m/s)

Fig. 6. Spectres de fréquence des tronçons AB, BC et CD de la trajectoire

pour une vitesse de 1.3 m/s

Portion ωi ωc τe Fig. 8. Trajectoires réelles et modélisées (vitesse de 1.3 m/s)

OA 0.00 rad/s 3.1 500 ms
AB 1.75 rad/s 3.1 380 ms
BC 2.60 rad/s 3.1 330 ms
CD 2.08 rad/s 3.1 360 ms
DE 1.76 rad/s 3.1 380 ms
EF 1.00 rad/s 3.1 430 ms
FG 1.60 rad/s 3.1 390 ms
GH 0.00 rad/s 3.1 500 ms

Tab 1 : Paramètres du modèle crossover pour une vitesse de 1.3m/s

On compare ensuite, pour valider le modèle, des trajectoires

réalisées par celui-ci (équation (4)) avec des trajectoires
provenant d'une commande réelle via un joystick, ceci pour
une même trajectoire de référence et une même vitesse du
mobile. Trois exemples de résultats sont présentés Fig. 7, 8, 9
pour des vitesses respectivement de 0.4 m/s, 1.2 m/s et 1.3
m/s. Les mêmes courbes, non représentées ici, ont été tracées Fig. 9. Trajectoires réelles et modélisées (vitesse de 1.6 m/s)

E. Discussion
De l’ensemble de ces résultats on peut tirer quelques
conclusions concernant le modèle crossover. On peut
notamment constater dans les tronçons les plus difficiles (AB,
BC, CD et FG) que les trajectoires expérimentales ne
coïncident avec celles obtenues par le modèle qu’à partir d’une
certaine valeur de la bande passante ωi (pour ωi > 1.6 rd/s
environ). On peut émettre une hypothèse pour expliquer ceci :
le modèle crossover est validé pour des tâches de
compensation et, dans certaines conditions, de poursuite. Dans
une manœuvre difficile comme un passage de porte étroite le
pilotage du fauteuil à vitesse modérée ne peut plus être
assimilé à ces types de comportements mais résulte sans doute
d’un processus cognitif plus complexe. A des vitesses plus
grandes par contre on s’aperçoit que le pilotage s’approche
d’un comportement de type réflexe modélisable par le modèle
crossover.
Sur les tronçons de parcours plus faciles DE et EF le modèle
suit la trajectoire de référence sans gros écarts à toutes les
vitesses. La concordance est cependant meilleure pour les
bandes passantes ωi plus grandes. C’est un peu moins le cas
pour l’expérimentateur qui, lorsque la vitesse du mobile
augmente, a tendance à couper les trajectoires au lieu de les
lisser. Ceci pourra être pris en compte dans une amélioration
du modèle.
Enfin sur les deux tronçons en ligne droite OA et GH, la
difficulté étant nulle pour un expérimentateur maitrisant
correctement le joystick, il est difficile de tirer un
enseignement quelconque. Dans la suite de nos travaux de
modélisation il est toutefois prévu d’ajouter à la perturbation
naturelle due au parcours un bruit modélisant les imperfections
inhérentes au fauteuil (vibrations, mauvaise tenue de cap,…) et
celles découlant de problèmes moteurs du pilote
(tremblements, …). L’analyse du pilotage sur ce type de
parcours pourra alors être pertinente.
IV. CONCLUSION
Nous avons présenté dans cet article nos premiers résultats
concernant une tentative de modélisation de la tâche de
pilotage d’un fauteuil électrique. Cette étude s’inscrit dans le
contexte plus général de la conception d’un simulateur de
conduite. Le modèle devra notamment servir à analyser de
façon objective la conduite d’un utilisateur usuel ou potentiel
de fauteuil. Il ressort des premiers résultats présentés dans cet
article que le paramètre « bande passante » pourrait servir à
associer un comportement de conduite à un type de situation.
Nos travaux se poursuivent pour affiner le modèle utilisé. Les
résultats devront être ensuite à nouveau confrontés à des
situations de conduite réelle sur fauteuil pour valider la
simulation. L’étape suivante consistera à comparer les résultats
obtenus sur des personnes valides à des expérimentations avec
des personnes handicapées utilisateurs de fauteuils électriques.
6
REMERCIEMENTS
Ce travail est réalisé dans le cadre d’un programme CMEP-
Tassili (Comité Mixte d’Evaluation et de Prospective
interuniversitaire franco-algérien).
REFERENCES
[1] S. Shimada, K. Ishimura, M. Wada, “System design of electric
wheelchair for realizing adaptative operation to human intention”, IEEE
international Conference on Robotics, Intelligent Systems and Signal
processing, Changsha, China, 2003, p. 513-518.
[2] R.B. Gillespie, S. Sövényi, “Model-based cancellation of byodynamic
feedthrough using a force-reflecting joystick“, ASME Journal of
Dynamic Systems, measurement, and control, to appear.
[3] S. Pledgie, K. Barner, S. Agrawal, T. Rahman, “Tremor suppression
through force feedback”, ICORR’99, Stanford, CA, 1999, p.16-26.
[4] K.E. Brown, R.M. Inigo, B.W. Johnson, “An adaptable optimal
controller for electric wheelchairs”, Journal of Rehabilitation Research
and Development, vol.24, n°2, 1987, p. 87-98.
[5] D. Ding, R.A. Cooper, S. Guo, T.A. Corfman, “Robust velocity control
simulation of a power wheelchair, 26th annual RESNA Conference,
Atlanta, GA, 2003.
[6] F. Fujii, K. Wada, “Analysis on the manual control characteristics of the
human pilot during the operation of the powered wheelchair”, Advanced
Robotics, vol.19, n°2, p.121-139, 2005.
[7] D.T. McRuer, H.R. Jex, “A review of quasi-linear pilot models”, IEEE
Transactions on Human Factors in Electronics, Vol. HFE-8, n°3, 1967,
p. 231-249.
[8] R.A. Cooper and al., “Analysis of position and isometric joysticks for
powered wheelchair driving”, IEEE Transactions on Biomedical
Engineering, vol.47, n°7, 2000, p.902-910.
[9] P.M. Fitts, “The information capacity of the human motor system in
controlling the amplitude of movements”, Journal of experimental
psychology, vol.47, n°6, 1954, p. 381-391.
[10] D.W. Repperger, C.A. Phillips, T.L. Chelette, “A study on spatially
induced “virtual force” with an information theoretic investigation of
human performance”, IEEE Transactions on Systems, Man and
Cybernetics, vol.25, n°10, 1995, p.1392-1404.
[11] D. Corbett, P. Martinez, “Toward learning individual characteristics in a
hybrid neuro-fuzzy wheelchair controller”, International Journal of
intelligent Systems, vol.13, 1998, p. 561-570.
[12] Fehr L., Langbein W.E., Skaar S.B., “Adequacy of power wheelchair
control interfaces for persons with severe disabilities: a clinical survey”,
Journal of Rehabilitation Research and Development, vol.37, n°3,
2000.
[13] G. Bourhis, O Horn, O. Habert, A. Pruski, “Autonomous vehicle for
people with motor disabilities”, IEEE Robotics and Automation
Magazine, Special issue on "Reinventing the wheelchair", vol.7, n°1,
2001, p.20-28.
[14] R.A. Cooper and al., “Force sensing control for electric powered
wheelchairs”, IEEE Transactions on Control Systems Technology, vol.8,
n°1, 2000, p. 112-117.
[15] M. Sahnoun, A. Fattouh, G. Bourhis, “Assisted Control for a Powered
Wheelchair with a Force Feedback Joystick”, Assistive Technology :
from Virtuality to Reality, A. Pruski and H. Knops Eds., IOS Press,
p.601-605, 2005.
[16] Adachi Y. et al., "Intelligent wheelchair using visual information on
human faces", IEEE Int. Conf. On Intelligent Robots and Systems,
Victoria, Canada, octobre 1998, p. 354-359.
[17] H.V. Christensen, J.C. Garcia, “Infrared non-contact head sensor, for
control of wheelchair movements”, Assistive Technology: from
Virtuality to Reality, A. Pruski and H. Knops Eds., IOS Press, p.336-
340, 2005.
[18] F. Prieur, C. Bordet, “Un nouveau type de commande non-manuelle
pour fauteuils roulants électriques” (in french), Handicap 2000, Paris,
June 2000, p. 119-124.
[19] Yanco H.A. et Gips J., "Driver performance using single switch
scanning with a powered wheelchair: robotic assisted control versus
traditional control", RESNA'98, juin 1998, p. 298-300.