Aller au menu Aller au contenu
L'école d'ingénieur en systèmes avancés et réseaux

> Formation > Cycle Ingénieur > Filière EIS

Planification de mouvement et commande de systèmes robotiques - 4AMAC433

A+Augmenter la taille du texteA-Réduire la taille du texteImprimer le documentEnvoyer cette page par mail cet article Facebook Twitter Linked In
  • Volumes horaires

    • CM : 9.0
    • TD : 6.0
    • TP : 12.0
    • Projet : -
    • Stage : -
    • DS : -
    Crédits ECTS : 2.5
  • Responsables : Ionela PRODAN

Objectifs

Ce cours présente diverses méthodes de planification de mouvement et de commande pour les systèmes robotiques (bras de robot, drones terrestres, aériens et aquatiques). Il commence par présenter la cinématique et la dynamique de divers systèmes robotiques. L'inversion du modèle par platitude différentielle sera également utilisée pour la génération de trajectoire de référence.

Une grande partie du cours se penchera sur diverses méthodes de contrôle allant des méthodes classiques comme le PID avec anti-windup, la commande du couple calculé et la linéarisation par bouclage à des méthodes plus avancées comme la commande prédictive (MPC). Quelques informations sur les procédures d'estimation seront également fournies.

Les outils fournis tout au long de ce cours aideront à décrire et à résoudre divers problèmes impliquant la génération de chemin / trajectoire, la stabilisation du système robotique et le suivi de chemin / trajectoire. Des travaux pratiques et une introduction au ROS (Robotic Operating System) complèteront ce cours.

Contenu

1 Défis pour les systèmes robotiques du point de vue de la théorie du contrôle
1.1 Introduction à la planification de mouvement : exemples de systèmes robotiques
1.2 Cadres du système de coordonnées
1.3 Cinématique et dynamique
1.4 Planification de chemin et de trajectoire
1.5 Inversion du modèle par platitude différentielle
1.6 Génération de trajectoire

2 Commande des systèmes robotiques
2.1 PID avec anti-windup
2.2 Linéarisation par bouclage
2.3 Commande du couple calculé
2.4 Commande prédictive

3 Introduction à la stabilité, aux propriétés de robustesse et aux méthodes d'estimation
3.1. Ingrédients de stabilité
3.2. Robustesse
3.3. Méthodes d'estimation

4 Exemples, simulations, benchmarks et applications
4.1. Génération de chemin / trajectoire pour la couverture de zone
4.2. Stabilisation du système à une position cible
4.3. Suivi de chemin / trajectoire

Prérequis

Le cours est destiné aux étudiants de 4e année en sciences appliquées avec une majeure en contrôle. Une connaissance de base de la théorie du contrôle (représentation dans l'espace d'état et représentation par la fonction de transfert du système dynamique) et de la programmation Matlab / Python / C est requise.

Contrôles des connaissances

E1 = Examen écrit 1h30, 1 feuille A4 manuscrite recto-verso et calculatrice autorisées
E2 = Examen écrit 1h30, 1 feuille A4 manuscrite recto-verso et calculatrice autorisées
TP = Moyenne des notes obtenues en travaux pratiques (les notes tiennent compte des résultats obtenus au cours des séances et des comptes-rendus).
CC = Contrôle continu

Calendrier

Le cours est programmé dans ces filières :

cf. l'emploi du temps 2020/2021

Informations complémentaires

Code de l'enseignement : 4AMAC433
Langue(s) d'enseignement : FR

Le cours est rattaché aux structures d'enseignement suivantes :

Vous pouvez retrouver ce cours dans la liste de tous les cours.

Bibliographie

[1] Kravets, Alla G. (2020): Robotics: Industry 4.0 Issues & New Intelligent Control Paradigms, Springer.
[2] LaValle, Steven M (2006): Planning algorithms, Cambridge University Press.
[3] Lewis, Frank L and Dawson, DM and Abdallah, Chaouki T. (1993): Control of robot manipulators, Prentice Hall PTR.
[4] Spong, Mark W. (1998): Underactuated mechanical systems, pp. 135-150, Control problems in robotics and automation, Springer.
[5] Kroger, Torsten (2010): Literature Survey: Trajectory Generation in and Control of Robotic Systems, pp. 11-31, On-Line Trajectory Generation in Robotic Systems, Springer.
[6] J. B. Rawlings and D. Q. Mayne (2009): Model predictive control: theory and design, Nob Hill Pub., Madison, WI, USA.
[7] Koubaa, Anis (2017): Robot Operating System (ROS), Springer.
[8] Joseph, Lentin and Cacace, Jonathan (2018): Mastering ROS for Robotics Programming: Design, build, and simulate complex robots using the Robot Operating System, Packt Publishing Ltd.

A+Augmenter la taille du texteA-Réduire la taille du texteImprimer le documentEnvoyer cette page par mail cet article Facebook Twitter Linked In

mise à jour le 7 avril 2021

Université Grenoble Alpes