Université Sultan Moulay Slimane

École Supérieure de Technologie – Béni Mellal

Département Mécatronique
DUT : Génie Industrielle et Maintenance
-GIM-

Rapport de Projet de Fin d’Etudes

Commande Numérique d’un robot

manipulateur multifonction

Effectué par : Encadré par :

▪ Amrani Salma Pr. BAGHLI Fatima Zahra
▪ EZZAHI Khaoula
▪ Elmrabti Hiba
▪ Mouhim Ilyass

Année universitaire : 2025-2026

1
Table des matières

2
Chapitre1 :
Généralités
Sur
La robotique

3
I.1 Introduction :
La robotique est une discipline scientifique et technologique en pleine expansion, située à la
croisée de plusieurs domaines tels que la mécanique, l’électronique, l’informatique et
l’intelligence artificielle. Elle vise à concevoir et développer des systèmes capables d’exécuter
des tâches variées, allant de la manipulation d’objets simples à des opérations complexes
nécessitant autonomie et adaptabilité. Les robots, qu’ils soient mobiles ou manipulateurs,
trouvent aujourd’hui des applications dans des secteurs aussi divers que l’industrie, la
médecine, l’agriculture, l’exploration spatiale ou encore l’assistance aux personnes.

L’intérêt croissant pour la robotique s’explique par sa capacité à améliorer la productivité, à

réduire les risques pour l’homme dans des environnements dangereux, et à offrir des solutions
innovantes dans la vie quotidienne. Comprendre la définition, la composition et les différents
types de robots est donc essentiel pour appréhender les enjeux actuels et futurs de cette
discipline. Ce document propose ainsi une présentation des notions fondamentales de la
robotique, en mettant l’accent sur les robots mobiles et les manipulateurs, afin de mieux saisir
leur rôle, leurs caractéristiques et leurs modes de fonctionnement.

I.2 Définition d’un robot :

Le Petit Larousse définit un robot comme étant un appareil automatique capable de
Manipuler des objets, ou d'exécuter des opérations selon un programme fixe ou modifiable.
L'Association Française de Normalisation (A.F.N.O.R.) définit également un robot comme
Étant un système mécanique de type manipulateur commandé en position, reprogrammable,
Polyvalent (i.e., à usages multiples), à plusieurs degrés de liberté, capable de manipuler des
Matériaux, des pièces, des outils et des dispositifs spécialisés, au cours de mouvements
Variables et programmés pour l'exécution d'une variété de tâches. Il a souvent l'apparence
D’un, ou plusieurs, bras se terminant par un poignet).

I.3 Composition d'un robot :

Un robot est composé de plusieurs parties, capteurs, actionneurs et une unité de
Traitement (contrôleur), le tout lié sur une base mécanique

4
 Figure 01 : Constituants matériels d'un robot

I.3.1 Les Capteurs :

Les robots utilisent une grande variété de capteurs, allant des dispositifs les plus simples
comme les interrupteurs, jusqu’aux capteurs plus sophistiqués tels que ceux de distance ou de
température. Ces capteurs jouent un rôle essentiel puisqu’ils fournissent des informations sur
deux aspects complémentaires : d’une part, le fonctionnement interne du robot grâce aux
capteurs proprioceptifs (qui mesurent par exemple la position, la vitesse ou l’état des
articulations), et d’autre part, l’état de l’environnement extérieur grâce aux capteurs
extéroceptifs (qui détectent des obstacles, des objets ou des conditions ambiantes). Cette
distinction permet au robot de combiner une perception interne de son propre état avec une
perception externe de son environnement, assurant ainsi une meilleure autonomie et une
interaction plus efficace avec le monde qui l’entoure.

5
 Figure 02 : Exemple de Capteurs.

I.3.2 Les actionneurs :

Les actionneurs constituent les organes moteurs du robot, car ce sont eux qui traduisent
les ordres de commande en mouvements ou en actions concrètes. Ils permettent ainsi au robot
de réagir et d’interagir avec son environnement en fonction des instructions reçues. On
distingue plusieurs types d’actionneurs, parmi lesquels les moteurs électriques, très répandus
pour leur précision et leur efficacité, mais aussi les actionneurs hydrauliques ou
pneumatiques, utilisés lorsque des forces importantes ou des mouvements rapides sont
nécessaires. Le choix de l’actionneur dépend donc des exigences de la tâche à accomplir et
des caractéristiques du robot.

Figure 03 : Exemples d’actionneurs

I.3.3 Unité de traitement (contrôleur) :

L’unité de traitement joue un rôle central dans le fonctionnement du robot : elle analyse
les données issues des capteurs et génère les commandes nécessaires pour piloter les
actionneurs. Elle assure ainsi la coordination entre perception et action, permettant au robot de
réagir de manière adaptée à son environnement. Après avoir présenté les définitions générales
relatives à la robotique, nous allons désormais concentrer notre attention sur les deux sous-
systèmes principaux qui composent les manipulateurs mobiles : d’une part, les structures
articulées constituant les bras manipulateurs, et d’autre part, les plateformes mobiles qui
assurent le déplacement. L’étu de de ces deux éléments est indispensable pour comprendre la
spécificité et la complexité des manipulateurs mobiles.

I.4 Les principaux types de robots :

I.4.1 Les Robots mobiles :

6
 Figure 04 : robots mobiles

Bien souvent, quand on parle de robotique mobile, on sous-entend robots mobiles à

Roues. Ce sont en effet les systèmes les plus étudiés, parce qu’ils sont plus simples à réaliser
Que les autres types de robots mobiles, ce qui permet d’en venir plus rapidement à l’étude de
Leur navigation. Ce type de robots est notamment très souvent utilisé pour l’étude des
Systèmes autonomes. Vient ensuite la robotique mobile à pattes, avec notamment la robotique
Humanoïde, mais également des robots avec un nombre de pattes plus élevés qui offrent de
Bonnes propriétés pour la locomotion en milieu difficile (milieux forestiers et agricoles). La
Stabilité des mouvements de ce type de robots est en particulier un thème de recherche
Important [3]. Il existe également de nombreux autres types de robots mobiles (robots marins
[7], sous-marins, drones volants, micro et nano robots). (Nous n’allons-nous intéresser qu’aux
Robots mobiles à roues). L’étude de ce type de robots se fait généralement dans des
Thématiques spécifiques avec des problèmes particuliers à l’application visée. La section
Suivante présente la classification des différents types de roue.

I.4.1.1 Types de roues :

La mobilité des robots mobiles étudiée dépend grandement du type de roues utilisées.
Dans [10] a présenté une classification des différents types de roues et configurations
Rencontrées en robotique mobile. Les différents types de roues que l’on rencontre sont :
 la roue fixe : cette roue n’autorise qu’un déplacement dans la direction de son plan
médian, L’orientation n’est pas modifiable,
 la roue centrée orientable : elle possède un axe d’orientation en plus de l’axe de
rotation, et Cet axe d’orientation passe par le centre de la roue,
 la roue décentrée orientable ou roue folle : son axe d’orientation ne passe pas par le
centre De la roue (c’est le cas par exemple des roues des chaises de bureau) (voir Figure 05) .

7
 Figure 05 : Différents types de roues en robotique mobile
En plus de ces roues classiques (Figure05), d’autres roues ont été développées pour
Accroitre la mobilité du robot [10]. Elles permettent d’augmenter les capacités de
déplacement
Dans toutes les directions du plan (Figure 06) Cependant, elles ne sont commandables que
dans
Certaines de ces directions. Dans cette catégorie nous trouvons notamment :
- les roues suédoises - les roues tronco-sphériques.

Figure 06 : Roue troncospherique, roue suedoise.

En associant les différents types de roues selon une structure mécanique donnée, le robot
Mobile disposera de plus ou moins de mobilité.
I.4.1.2 Types de plateformes mobiles à roues :
● Les plates-formes différentielles :

Cette structure classique est constituée de deux roues motrices placées sur le même axe,
Et d’au moins un appui supplémentaire (généralement une ou deux roues folles) (Figure08).
L’avantage de cette structure est qu’elle permet au véhicule de tourner sur place, suivant si les
Vitesses de rotation des deux roues motrices sont de signe opposé ou pas. Ainsi le robot peut

8
Pivoter rapidement, ce qui donne des capacités de déplacement intéressantes [4], Cependant,
le
Déplacement latéral n’étant pas directement réalisable, cette structure n’est pas non plus
Holonome.

Figure 07 : Exemple de plate-forme différentielle. Pioneer 2 DX de la société Mobile

Robots. Urban Robot de la société Robot.

Ce type de plate-forme peut également être utilisé avec des chenilles ce qui fournit une
Capacité de franchissement de petits obstacles intéressante (Figure 08). Ces plates-formes
Peuvent ainsi être utilisées en extérieur ou dans des décombres.

●Les plates-formes omnidirectionnelles :

Une plateforme mobile est dite omnidirectionnelle si l’on peut agir indépendamment sur
Les vitesses : vitesse de translation suivant une direction quelconque dans le plan (x, y) et
Vitesse de rotation autour de l’axe z [10]. Une plateforme omnidirectionnelle est constituée
Généralement de trois roues décentrées orientables ou suédoises disposées aux sommets d’un
Triangle équilatéral (Figure 7).

Figure 08 : Plateforme omnidirectionnelles.

● Plateforme mobile de type tricycle (voiture) :

9
Des plates-formes non holonomes, telles que les voitures, sont également utilisées en
Robotique mobile (Figure 10). C’est plus particulièrement le cas dans le domaine des
véhicules
Intelligents. Ces plates-formes sont toutefois plus difficiles à commander car elles ne peuvent
Pas tourner sur place et doivent manœuvrer ce qui peut être difficile dans des
Environnements encombrés.

Figure 09 : Exemple de plate-forme non holonome de type Ackerman.

Des plates-formes à deux, quatre ou six pattes peuvent également être utilisées (Figure 12)
Elles ont l’avantage théorique de pouvoir se déplacer sur des terrains assez complexes, même
Si en pratique la plupart de ces plates-formes ne fonctionnent que sur des sols plans.
Nous avons dans ce paragraphe largement décrit les plateformes mobiles à roues par
Rapport à leurs caractéristiques propres. Nous allons dans ce qui suit évoquer les
particularités
De l’autre type de robots, les bras manipulateurs.
Les plates-formes à pattes :

10
 Figure 10 : Exemples de robots à pattes. Hexapode de AAI Canada, Aibo de Sony
Des plates-formes à deux, quatre ou six pattes peuvent également être utilisées (Figure 12 )
Elles ont l’avantage théorique de pouvoir se déplacer sur des terrains assez complexes, même
si en pratique la plupart de ces plates-formes ne fonctionnent que sur des sols plans.
Nous avons dans ce paragraphe largement décrit les plateformes mobiles à roues par
rapport à leurs caractéristiques propres. Nous allons dans ce qui suit évoquer les particularités
de l’autre type de robots, les bras manipulateurs.

I.5 Robots Holonomie :

Figure 11 : Robots Holonomie

Un robot holonome est un robot capable de se déplacer instantanément dans n’importe quelle
direction du plan, sans nécessiter de modification ou de reconfiguration de ses roues.
Autrement dit, il possède une liberté totale de mouvement dans son espace de déplacement. À
l’inverse, un robot non holonome est soumis à des contraintes cinématiques qui limitent ses
vitesses admissibles : il ne peut se déplacer instantanément que dans certaines directions
précises. Cette distinction entre systèmes holonomes et non holonomes est fondamentale en
robotique mobile, car elle conditionne la maniabilité et les stratégies de contrôle.

1.6 Robots manipulateurs :

Nous n’allons considérer que les robots manipulateurs ayant une structure ouverte
Simple (en omettant d’étudier les structures fermées, arborescentes ou parallèles), car c’est ce
Type de bras qui sera utilisé de notre manipulateur mobile.

11
 Figure 12 : Robot à chaîne ouverte simple.

Un bras manipulateur est un système électromécanique capable d’interagir avec son

Environnement. Il est constitué de deux parties distinctes :

 Un organe terminal :

Sous le terme organe terminal, on regroupe tout dispositif destiné à manipuler des objets
(Dispositifs de serrage, dispositifs magnétiques, à dépression, …), ou à les transformer (outils,
Torche de soudage, pistolet de peinture, …). En d'autres termes, il s'agit d'une interface
Permettant au robot d'interagir avec son environnement... On utilisera indifféremment le
Terme organe terminal, préhenseur, outil ou effecteur pour nommer le dispositif d'interaction
Fixé à l'extrémité mobile de la structure mécanique.

 Un système mécanique articulé (S.M.A.) :

C’est un mécanisme ayant une structure plus ou moins proche de celle du bras humain.
Son rôle est d'amener l'organe terminal dans une situation (position et orientation) donnée,
Son architecture est une chaîne cinématique de corps, généralement rigide, assemblés par des
Liaisons appelées articulation lient deux corps successifs.

I.5.1 Types d’articulations (liaisons) :

Articulation rotoïde : Il s'agit d'une articulation de type pivot, notée R, réduisant le

Mouvement entre deux corps à une rotation autour d'un axe qui leur est commun. La situation
Relative entre les deux corps est donnée par l'angle autour de cet axe.

Articulation prismatique : Il s'agit d'une articulation de type glissière, notée P, réduisant le

12
Mouvement entre deux corps à une translation le long d'un axe commun. La situation relative
Entre les deux corps est mesurée par la distance le long de cet axe.

Figure 13 : types de liaisons : (a) liaison rotoîde (b) liaison prismatique.

Les humanoïdes :
Les humanoïdes, qui représentent un domaine fascinent, puisqu’ils s’inspirent des êtres
Humains pour effectuer leurs tâches. Leurs utilisations possibles sont limitées (assistance aux
Personnes âgées, compagnons domestiques) [11] .

Figure 14 : Le robot humanoïde Qrio.

I.7 Modes de fonctionnement d’un robot :

Il existe deux principaux modes de fonctionnement pour un robot : télé-opéré et autonome.

I.7.1 Le mode télé-opéré :

Une personne pilote le robot à distance. Elle donne ses ordres via une interface de
Commande (joystick, clavier/souris…), et ceux-ci sont envoyés au robot via un lien de

13
Communication (internet, satellite …). D’ailleurs, suivant le niveau de télé-opération, le terme
« Robotique » est plus ou moins justifié. Le robot doit donc obéir aux ordres de l’opérateur
qui
Perçoit l’environnement autour du robot, par différents moyens (retour d’image, retour
Haptique…), de manière à donner des ordres adaptés au robot. Dans ce domaine, les efforts
de
Recherche sont beaucoup portés sur les problèmes liés au réseau de télécommunication
(Retards dans le réseau de communication, problèmes de commande, pertes de données) et sur
L’amélioration de la perception de l’environnement par l’opérateur (interfaces haptiques,
Retours d’efforts).

I.7.2 Le mode autonome :

Le robot doit prendre ses propres décisions. Cela signifie qu’il doit être capable à la
Fois de percevoir correctement son environnement, mais également de savoir comment réagir
En conséquence, suivant le niveau d’autonomie. C’est à lui de planifier son parcours et de
Déterminer avec quels mouvements il va atteindre son objectif. Les recherches dans ce
Domaine portent principalement d’une part sur la localisation du véhicule autonome et la
Cartographie de son environnement, d’autre part sur le contrôle de tels véhicules (structure de
Contrôle, stratégies de commande, planification).

I.8 Conclusion :
Dans ce chapitre, Nous avons présenté certaines notions fondamentales liées à la
Robotique en général, ensuite pour revenir au vif du sujet (manipulateurs mobiles), nous nous
Somme intéressé aux notions relatives aux robots mobiles pour une meilleur compréhension
De ce type de systèmes, et nous avons eu à relater les particularités liées aux bras
Manipulateurs par rapport à leurs constitutions, et enfin, une description des Manipulateurs
Mobiles.

14
 Chapitre 02 :
Modélisation des
robots manipulateurs

I.1 Introduction :

15
Le travail présenté dans ce chapitre concerne la modélisation des manipulateurs robotiques à
joints flexibles. En s’appuyant sur de nombreux travaux de recherche décrits dans les
ouvrages de Craig [62], Spong [8] et Siciliano [5], des études fondamentales sont menées afin
d’obtenir différents modèles nécessaires à la simplification, à la simulation du mouvement du
robot et à la conception de contrôleurs. Ainsi, ce chapitre constitue une base importante pour
les recherches qui suivent.

La section 2.2 donne une brève introduction à la description spatiale et aux transformations de
coordonnées en robotique. La section 2.3 se concentre sur le problème de la cinématique du
robot. Les modèles géométriques directs et inverses, ainsi que les modèles cinématiques
directs et inverses, y sont établis. Dans la section 2.4, le modèle dynamique, le modèle de
flexibilité et le modèle de frottement du robot sont étudiés. Le logiciel SYMORO+ pour la
génération de modèles symboliques de robots est également présenté.

I.2Descriptions spatiales et transformations de coordonnées :

2.2.1 Description des positions, orientations et repères :

En général, les concepts de vecteurs de position, de plans et de repères de coordonnées sont

utilisés pour décrire la relation entre certains objets, y compris les pièces, les outils et le
manipulateur lui-même.

Dans un repère cartésien choisi {A}, un point arbitraire P dans l’espace peut être représenté
par un vecteur de position AP :

AP=[px/py/pz]

Où px,py,pz sont les coordonnées du point P dans le repère {A}.X̂ A, ŶA et ẐA sont trois
vecteurs unitaires mutuellement orthogonaux selon les axes x, y et z du repère {A}.
OA est l’origine du repère {A}, comme indiqué sur la Figure 2.

Figure 2: Position description of a point in space

En plus de la représentation d’un point, il est également nécessaire de décrire l’orientation

d’un corps dans l’espace lors du mouvement et du fonctionnement du robot manipulateur.

16
Après avoir attaché un repère à un corps, l’orientation de ce corps peut être décrite par rapport
au repère de référence {A}. Dans la Figure 2.2, le repère {B} a été attaché au corps d’une
manière connue. X̂ B, ŶB et ẐB désignent les vecteurs unitaires représentant les directions
principales du repère {B}.

Ces vecteurs unitaires peuvent également être exprimés dans le repère {A}, donnant ainsi les
cosinus directeurs AX̂ B, AŶB et AẐB.

L’orientation du corps rigide B par rapport au repère {A} peut alors être exprimée sous forme
d’une matrice 3 × 3 notée ARB :

où ARB^A R_BARB est appelée matrice de rotation, l’exposant AAA désigne le repère de
référence {A}, et l’indice BBB désigne le repère {B}.

D’après les définitions ci-dessus, la matrice de rotation du repère {B} autour de l’axe
XAX_AXA, de l’axe YAY_AYA et de l’axe ZAZ_AZA d’un angle θ\thetaθ est donnée par :

17
 Figure 2: Position and orientation description of an object

où sθs désigne sin (θ))et cθ désigne cos (θ). Cette notation sera également adoptée dans les
sections suivantes.

En robotique, un repère peut être utilisé pour décrire un système de coordonnées par rapport à
un autre. La description d’un repère peut être considérée comme un vecteur position et une
matrice de rotation.

Comme montré à la Figure 2.2, le repère {B} peut être décrit par le vecteur et la matrice de
rotation ARB en robotique (manipulateur).

où APOB est le vecteur qui localise l’origine du repère {B} par rapport au repère {A}.

2.2.2 Transformations homogènes

En supposant que les coordonnées du point PPP dans le repère {B} sont connues, les
coordonnées de ce point dans le repère {A} peuvent être déterminées à l’aide des
transformations homogènes comme suit :

18
où BATB est la matrice de transformation homogène 4×44 qui représente à la fois la
transformation de translation et la transformation de [Link] convient de noter que la
transformation homogène correspondant à une simple rotation autour d’un axe est
généralement notée Rot ; ainsi, une rotation d’un angle θ autour de l’axe zzz est :

De même, la transformation homogène correspondant à une simple translation le long d’un

axe est généralement notée Trans ; ainsi, une translation d’une distance ddd le long de l’axe
xxx est :

2.2.3 Angles fixes X-Y-Z

Afin d’obtenir une représentation minimale, un opérateur humain devant un terminal

informatique préfère utiliser une représentation plus simple ne nécessitant que trois nombres,
plutôt que de passer beaucoup de temps à saisir une matrice à neuf éléments avec des
colonnes orthonormées.

Ainsi, plusieurs représentations peuvent être utilisées, telles que les angles fixes X-Y-Z, les
angles d’Euler Z-Y-X, les angles d’Euler Z-Y-Z, etc. [5, 8, 62].

D’après les mesures effectuées sur le robot KUKA, le contrôleur du robot utilisé dans cette
recherche adopte la convention des angles fixes X-Y-Z, qui sera décrite ci-dessous.

Considérons le repère de référence fixe {A} et le repère tourné {B}, illustrés à la Figure 2.3.
L’orientation du repère {B} par rapport au repère {A} peut être définie successivement par
trois angles (γ,β,α)(\gamma, \beta, \alpha)(γ,β,α), obtenus par trois rotations successives
comme suit :

19
  Rotation du repère {A} autour de l’axe XAX_AXA d’un angle γ\gammaγ, donnant le
nouveau repère {1} ;
 Rotation du repère {1} autour de l’axe YAY_AYA d’un angle β\betaβ, donnant le
nouveau repère {2} ;
 Rotation du repère {2} autour de l’axe ZAZ_AZA d’un angle α\alphaα, donnant le
repère final {B}.

Les trois rotations ci-dessus sont effectuées autour d’axes du repère de référence fixe {A}. Par
conséquent, cette convention de description de l’orientation est appelée angles fixes X-Y-Z
(noter que ces angles ne sont pas des angles d’Euler).

Figure 3: X-Y-Z fixed angles

Puisque toutes les rotations sont effectuées par rapport au repère fixe, la matrice de
transformation résultante est donnée par :

20
où sα, sβ, sγ et cα, cβ, cγ représentent respectivement sin(α), sin(β), sin(γ), cos(α), cos(β) et
cos(γ).

Dans le cas du calcul des coordonnées d’un robot réel, la matrice de transformation résultante
est exactement la matrice de rotation qui exprime l’orientation du repère outil par rapport au
repère de base.

Par conséquent, les trois angles γ, β et α peuvent être directement déterminés à partir d’une
matrice de rotation donnée, ce qui est très utile en cinématique des robots.

2.3 Cinématique des robots

La cinématique des robots constitue une base essentielle pour l’étude des manipulateurs
robotiques.
La position, la vitesse, l’accélération ainsi que toutes les dérivées d’ordre supérieur des
variables de position sont décrites par la cinématique du robot. Cette section présente :

 la convention de Denavit-Hartenberg modifiée pour l’attribution des repères,

 la cinématique directe (forward kinematics),
 la cinématique inverse (inverse kinematics),
 la cinématique instantanée directe,
 la cinématique instantanée inverse,

qui sont toutes indispensables pour le contrôle du mouvement du manipulateur robotique.

2.3.1 Convention modifiée de Denavit-Hartenberg

En se basant sur les travaux de recherche de Khalil et Dombre, la convention modifiée de

Denavit-Hartenberg est largement adoptée pour la sélection des repères de référence dans les
applications robotiques. On présente ici une brève description de cette convention

21
 Figure 4 : Description de la convention modifiée de Denavit-Hartenberg.

Comme illustré à la Figure 4, le repère de coordonnées j, fixé au maillon j, ainsi que les
paramètres liés à la transformation de coordonnées, peuvent être définis comme suit :

 L’axe zj est aligné avec l’axe de l’articulation j.

 L’axe xj est dirigé selon la normale commune entre zj et zj+1. Si les axes zj et zj+1
sont parallèles, le choix de xj n’est pas unique.
 L’origine Oj est le point d’intersection de zj et xj.
 αj est l’angle entre zj−1 et zj autour de xj−1.
 dj est la distance entre zj−1 et zj mesurée le long de xj−1.
 θj est l’angle entre xj−1 et xj autour de zj.
 rj est la distance entre xj−1 et xj mesurée le long de zj.

La variable articulaire de l’articulation j peut s’écrire comme suit :

où, si l’articulation j est rotative (revolute), σj = 0, σj = 1 ; et si l’articulation j est prismatique,

σj = 1, σj = 0.

La valeur σj = 2 est utilisée pour indiquer que le repère courant j est fixe par rapport au repère
j − 1.

Dans cette convention, chaque matrice de transformation homogène définissant le repère j par
rapport au repère j − 1 peut être représentée comme un produit de quatre transformations de
base :

22
Le robot industriel considéré dans cette étude est un manipulateur sériel à 6 degrés de liberté
KUKA KR500-2MT, composé de six maillons mobiles et de six articulations rotatives (voir
Figure 5). Afin de simplifier la modélisation de ce robot, il est supposé que l’outil est fixé
directement sur le maillon 6 et que l’axe de la broche de l’outil coïncide avec l’axe de
l’articulation 6.

Figure 5 : Robot KUKA KR500-2MT

En se basant sur la convention modifiée de Denavit-Hartenberg mentionnée ci-dessus, une

description géométrique du manipulateur robotique, incluant l’affectation des repères de
coordonnées, est donnée à la Figure 6 . Les paramètres géométriques correspondants sont
listés dans le Tableau 1

23
 Figure 6 : Description géométrique du robot

Tableau 1 : Paramètres géométriques du modèle du robot

2.3.2 Cinématique directe : Modèle géométrique direct

Le problème de la cinématique directe consiste à déterminer la position et l’orientation de

l’effecteur terminal par rapport au repère de base en fonction des variables articulaires, qui
sont les extensions des maillons dans le cas des articulations prismatiques ou coulissantes et
les angles entre les maillons dans le cas des articulations rotatives ou revolutes. Le repère fixé
sur l’effecteur terminal est généralement appelé le repère de l’outil. Le modèle géométrique
direct (DGM) peut être utilisé pour calculer la position et l’orientation du repère de l’outil en
utilisant les positions des articulations.

24
où q désigne le vecteur des positions articulaires.

X = [Ptx Pty Ptz Atx Aty Atz]^T est le vecteur définissant la position et l’orientation du repère
de l’outil par rapport au repère de base. Dans ce vecteur, Ptx, Pty et Ptz représentent la
position de l’outil, tandis qu’Atx, Aty et Atz représentent son orientation. Selon la convention
des angles fixes, il convient de noter que les trois angles du vecteur X sont exactement les
angles fixes X-Y-Z γ, β, α, qui représentent trois rotations autour d’un axe du repère de base.
Ainsi, le vecteur X peut s’écrire comme :

X = [ Ptx Pty Ptz γ β α ]^T

Typiquement, les positions des articulations sont mesurées par des capteurs montés sur les
articulations. Selon les paramètres modifiés de Denavit-Hartenberg listés dans le Tableau 1 et
l’équation , les matrices de transformation homogènes de tous les repères adjacents sont
obtenues comme suit :

où si, ci désignent respectivement sin(qi) et cos(qi), avec i ∈ [1, 6].

Ainsi, la matrice de transformation homogène définissant le repère de l’outil par rapport au

repère de base est donnée comme suit :

25
And

Évidemment, le vecteur de position 0Pt(q) et la matrice de rotation 0Rt(q) sont tous deux des
fonctions de la position des articulations q. La position de l’outil Ptx, Pty et Ptz peut être
obtenue directement à partir du vecteur de position 0Pt(q). La matrice de rotation 0Rt(q)
représente l’orientation du repère de l’outil par rapport au repère de base. Les résultats
détaillés pour le vecteur 0Pt(q) et la matrice de rotation 0Rt(q) peuvent être consultés dans
l’Annexe A.1.

En fait, la matrice de rotation 0Rt(q) est représentée en termes des angles fixes X-Y-Z γ, β et α
dans le contrôleur réel du robot KUKA, c’est-à-dire :

If

où atan2(y, x) est une fonction arc tangente à deux arguments. Cette fonction calcule
arctan(y/x) mais utilise les signes de x et y pour identifier le quadrant dans lequel se trouve
l’angle résultant. À noter que si x et y sont tous deux nuls, atan2(y, x) est indéfini.

Le signe plus ou moins dans l’expression de β peut être choisi lors du calcul de la valeur de α.

Sinon, nous obtiendrons les deux solutions suivantes :

26
2.3.3 Cinématique inverse : Modèle géométrique inverse

Le problème de la cinématique inverse consiste à trouver les valeurs des positions articulaires
en fonction de la position et de l’orientation de l’effecteur terminal.

Les stratégies de solution du problème de la cinématique inverse peuvent être divisées en

deux grandes catégories : solutions en forme fermée et solutions numériques. Les solutions en
forme fermée, également appelées solutions analytiques, sont couramment utilisées car elles
sont généralement beaucoup plus rapides que les solutions numériques et permettent
d’identifier facilement toutes les solutions possibles. Cependant, l’existence de solutions en
forme fermée dépend de la structure du robot. Pieper a étudié les manipulateurs à six degrés
de liberté, et les conditions suffisantes pour obtenir des solutions en forme fermée ont été
données : trois axes articulaires consécutifs se rencontrent en un point commun comme dans
un poignet sphérique, ou trois axes articulaires consécutifs sont parallèles. La méthode de
Paul peut être utilisée pour obtenir une solution explicite en forme fermée pour chaque
variable articulaire ici.

Pour résoudre ce problème, le modèle géométrique inverse (IGM) est établi comme suit :

où le vecteur X = [Ptx Pty Ptz γ β α]^T est donné et définit la position et l’orientation
souhaitées du repère de l’outil par rapport au repère de base. q est le vecteur des positions
articulaires à calculer.

Ainsi, la matrice de transformation homogène définissant le repère de l’outil par rapport au

repère de base est calculée comme suit :

27
En supposant que nous utilisons la matrice U₀ pour représenter la matrice de transformation
ci-dessus ⁰ Tₜ .

And

Il est évident que tous les composants de la matrice U₀ sont connus. En fait, calculer
directement la position des articulations q à partir de cette matrice est très difficile. En
multipliant successivement les deux côtés de l’équation par les matrices (T_{j−1}^j)^{-1},
pour j = 1 à 6, on obtient un nouvel ensemble d’équations qui permet d’isoler et d’identifier
les variables articulaires individuellement. Par exemple, en multipliant les deux côtés par
(T_0^1)^{-1}, on obtient :

où le côté gauche est une fonction de la variable q1, et le côté droit est une fonction de q2 à
q6. La variable q1 peut être calculée en identifiant certains éléments des deux côtés de cette
équation.

De manière similaire, un nouvel ensemble d’équations est obtenu par :

28
où U_j = (T_{j−1}^j)^{-1} U_{j−1}, et ces équations sont appelées équations directes. Dans
certains cas, il est approprié d’utiliser des équations inverses, qui sont obtenues en multipliant
successivement les deux côtés de l’équation par (T_{j−1}^j)^{-1}, pour j = 7 à 2.

(t = 7):

avec

Étape 1. Calculer q₁

En utilisant respectivement T_{Rⱼ} et T′_{Rⱼ} pour désigner les matrices du côté droit
correspondant à U₁′ et U₁′, les équations directes U₁′(2, 3) = T_{R₁}(2, 3) et U₁′(2, 4) =
T_{R₁}(2, 4) peuvent être écrites comme suit :

où L_{5t} = L₅ + L_{t} et la variable q₁ est déduite comme :

En fait, cette solution est sélectionnée selon la plage de mouvement de l’articulation, bien que
deux solutions puissent être obtenues ici.

Étape 2. Calculer q₂ et q₃

Dans les équations inverses, si nous choisissons U₁′(1, 4) = T_{R₁}(1, 4), U₁′(2, 4) = T′{R₁}
(2, 4) et U₁′(3, 4) = T′{R₁}(3, 4), alors :

29
On pose :

où M et N peuvent être calculés comme :

D’après cela, on obtient :

Ainsi, si l’on définit ∆ = (M² + N² − L₂² − L_{34}² − D₄²)/(2 L₂), la variable q₃ peut être
déduite comme suit :

q₃ = atan2(∆, ± √(L_{34}² + D₄² − ∆²)) − atan2(L_{34}, D₄)

Le signe ± dépend de la valeur de q₃ : on choisit le signe négatif si q₃ > 0, sinon le signe

positif est sélectionné.

En développant la fonction trigonométrique, on obtient :

Si l’on définit :

alors :

30
Évidemment, sin(q₂) et cos(q₂) peuvent être calculés à partir de l’équation ci-dessus, et la
variable q₂ peut être obtenue par :

Étape 3. Calculer q₄, q₅ et q₆

Dans les équations directes, si l’on choisit :U₃(2, 1) = T_{R₃}(2, 1),U₃(2, 2) = T_{R₃}(2,
2),U₃(1, 3) = T_{R₃}(1, 3), U₃(2, 3) = T_{R₃}(2, 3), et U₃(3, 3) = T_{R₃}(3, 3),et :

Ainsi, la variable q₅ peut être calculée à partir des équations ci-dessus :

q₅ = atan2(± √(1 − U₃(2, 3)²), U₃(2, 3))

Ensuite, q₄ et q₆ sont obtenus par :

q₄ = atan2(∈ U₃(3, 3), − ε U₃(1, 3))

q₆ = atan2(∈ U₃(2, 1), ε U₃(2, 2))

2.3.4 Cinématique instantanée directe : Modèle cinématique direct

Le problème de la cinématique instantanée directe consiste à déterminer les relations de

vitesse entre les coordonnées opérationnelles et les coordonnées articulaires.

Le modèle cinématique direct (DKM), qui peut exprimer les vitesses linéaires (vₓ, vᵧ, v_z) et
les vitesses angulaires (ωₓ, ωᵧ, ω_z) du repère outil en fonction de la matrice Jacobienne et des
dérivées des variables articulaires, est obtenu en différentiant par rapport au temps l’équation
de la cinématique directe de position :

Ẋ = J(q) · q̇

31
où Ẋ = [ vₓ, vᵧ, v_z, ωₓ, ωᵧ, ω_z ]ᵀ désigne le vecteur des vitesses opérationnelles, qui
correspond à la vitesse de l’origine du repère outil combinée avec sa vitesse angulaire par
rapport au repère cartésien fixe.

q̇ = [ q̇ ₁, q̇ ₂, q̇ ₃, q̇ ₄, q̇ ₅, q̇ ₆ ]ᵀ est le vecteur des vitesses articulaires. La matrice 6 × 6 J(q) est

la matrice Jacobienne du repère outil par rapport au repère de base.

La matrice Jacobienne J(q) se compose de deux parties : La partie supérieure Jᵥ(q) permet de
calculer la vitesse linéaire v , La partie inférieure Jω(q) permet de calculer la vitesse angulaire
ω. Ainsi, l’équation peut être réécrite comme :

Les éléments de la matrice Jacobienne peuvent être obtenus en différenciant le modèle

géométrique direct X = f_{DGM}(q) par rapport aux positions articulaires q comme suit :

où i = {1, …, 6}, j = {1, …, 6}, et Jᵢⱼ est l’élément de la ith ligne et jth colonne de la matrice
Jacobienne J.

Les expressions détaillées de la matrice Jacobienne sont fournies en Annexe A.2. En plus de
calculer la vitesse totale du repère outil, la matrice Jacobienne peut également être utilisée
pour étudier la singularité, qui correspond à une configuration du robot où la matrice perd son
rang.

La transformation des forces et couples de l’outil en couples articulaires correspondants peut

également être réalisée à l’aide de la matrice Jacobienne.

La relation peut être déduite par le principe du travail virtuel comme suit :

τ = Jᵀ(q) · F

où :

 J(q) est la matrice Jacobienne du repère outil par rapport au repère de base
 F est le vecteur des forces et couples de l’outil exprimés dans le repère outil

32
  τ désigne le vecteur des couples articulaires

Les équations d’accélération peuvent être obtenues en différenciant l’équation de la

cinématique directe instantanée :

2.3.5 Cinématique Instantanée Inverse : Modèle Cinématique Inverse

Pour résoudre le problème de la cinématique instantanée inverse, le modèle cinématique

inverse (IKM) est établi afin de trouver les vitesses articulaires q̇ en utilisant les vitesses
totales de l’outil Ẋ et les positions articulaires q, c’est-à-dire

q̇ = J⁻¹(q) · Ẋ

Il faut noter que l’inverse de la matrice Jacobienne J⁻¹(q) est utilisée dans le modèle
cinématique inverse. Ainsi, les points singuliers doivent être évités lors des calculs.

Les accélérations articulaires q̈ peuvent être déduites comme suit :

2.4 Dynamique du Robot

Le modèle dynamique du manipulateur robotisé joue un rôle important pour simuler le
mouvement du robot, analyser la structure du robot et concevoir le contrôleur du robot.

Les méthodes pour construire un modèle dynamique d’un robot industriel sont présentées
dans plusieurs ouvrages.

Cette section présente la modélisation dynamique du robot, la flexibilité et le modèle de

friction, ainsi que le modèle dynamique direct et inverse du robot.

2.4.1 Modélisation Dynamique du Robot

Pour obtenir le modèle dynamique du robot, les approches les plus courantes sont la
formulation de Lagrange, la formulation de Newton-Euler et la méthode de Kane.

Comparée à la formulation de Newton-Euler, la formulation de Lagrange permet de

considérer le robot dans son ensemble plutôt que de traiter chaque axe séparément.

33
La méthode de Lagrange est basée sur la description de fonctions scalaires d’énergie du
système, incluant l’énergie cinétique K(q, q̇ ) et l’énergie potentielle V(q).

Ces deux fonctions d’énergie peuvent être exprimées en fonction des positions articulaires q
et des vitesses articulaires q̇ . Ainsi, la fonction de Lagrange L du robot peut être définie
comme :

L(q, q̇ ) = K(q, q̇ ) − V(q)

En appliquant le principe de l’action minimale, l’équation de Lagrange peut être formulée

comme suit :

où i = {1, …, 6}, τ est le vecteur des couples articulaires. Ainsi, le modèle dynamique peut
être dérivé de manière directe.

En appliquant la méthode de Lagrange au corps du robot et au moteur respectivement, le

modèle dynamique du robot à articulations flexibles peut être exprimé comme suit :

M(q) · q̈ = Γ − H(q, q̇ ) − F_{fr}(q̇ ) + Jᵀ(q) · F_e

I_a · θ̈ = Γ_m − N⁻ᵀ · Γ − F_{fm}(θ̇)

- M(q) (6×6) est la matrice d’inertie symétrique, uniformément définie positive et

bornée du robot.
- H(q, q̇ ) (6×1) représente la contribution due aux couples centrifuges, de Coriolis et
gravitationnels ainsi qu’à l’accumulateur de gaz de l’axe deux.
- F_{fr}(q̇ ) (6×1) est le vecteur de friction aux articulations du robot.
- F_e (6×1) est le vecteur des efforts appliqués par l’environnement externe sur le robot,
exprimé dans le repère outil.
- Jᵀ(q) (6×6) est la matrice Jacobienne transposée du repère outil par rapport au repère
de base.
- Γ (6×1) est le vecteur de couples de sortie de la boîte de vitesses.
- q, q̇ et q̈ représentent respectivement les vecteurs des positions angulaires, vitesses et
accélérations du robot.
- I_a (6×6) est la matrice d’inertie des axes moteurs.
- Γ_m (6×1) est le vecteur des couples des moteurs.

34
 - F_{fm}(θ̇) (6×1) est le vecteur de friction aux axes moteurs.
- N⁻¹ est l’inverse de la matrice de rapport de transmission de la boîte de vitesses N.
- θ, θ̇ et θ̈ désignent respectivement les vecteurs des positions angulaires, vitesses et
accélérations des axes moteurs.

De plus, H(q, q̇ ) (6×1) est le vecteur des couples centrifuges, de Coriolis et gravitationnels du
côté robot, qui peut être exprimé comme suit :

où B(q) (6×15) désigne la matrice des coefficients des couples de Coriolis, C(q) (6×6) est la
matrice des coefficients des couples centrifuges, G(q) (6×1) est le vecteur des couples
gravitationnels, (q̇ q̇ ) (15×1) = [ q̇ ₁q̇ ₂ · · · q̇ ₁q̇ ₆, q̇ ₂q̇ ₃ · · · q̇ ₅q̇ ₆ ]ᵀ, et (q̇ ²) (6×1) = [ q̇ ₁² · · ·
q̇ ₆² ]ᵀ.

Pour le robot KUKA KR500-2MT considéré dans cette recherche, la matrice de rapport de
transmission N n’est pas diagonale et des couplages existent entre les axes 4, 5 et 6, comme
indiqué dans la forme suivante.

De plus, il faut noter que le couple du compensateur de gravité à l’axe 2 (Γ_{com2}) doit
également être pris en compte dans le modèle dynamique du robot, et la présentation détaillée
du compensateur de gravité se trouve dans [4].

2.4.2 Modèle de Flexibilité

Les robots industriels présentent deux principales sources de flexibilité : la flexibilité des bras
et celle localisée aux articulations du robot. Selon les travaux de recherche de Dumas , les
sources dominantes de flexibilité pour les robots industriels en série sont celles situées aux
articulations du robot (y compris moteurs et transmissions). Ainsi, les liaisons du robot sont
considérées comme rigides et il est supposé que les flexibilités sont uniquement localisées au
niveau des boîtes de vitesses.

35
Dans cette thèse, le concept de considérer la flexibilité des articulations comme un ressort
torsionnel linéaire [20] est utilisé pour établir le modèle d’articulations [Link]
introduisant une matrice de raideur K_r, le modèle de flexibilité peut être exprimé comme suit
:

Γ = K_r q̃

où q̃ désigne la déformation du robot définie dans l’espace des articulations, et K_r est une
matrice diagonale 6×6 qui inclut la raideur équivalente des six articulations du robot.

Dans le schéma du modèle d’articulations flexibles montré à la Figure 2.7, θ_l est défini
comme le vecteur des positions angulaires des axes moteurs après la réduction de vitesse,
exprimé par:

θ_l = N⁻¹ θ

Ainsi, la déformation du robot dans l’espace des articulations peut être donnée par :

q̃ = N⁻¹ θ − q

où θ est le vecteur des positions angulaires des axes moteurs, et q est le vecteur des positions
angulaires des axes du robot.

Figure 7 : Schéma du modèle d’articulation flexible

2.4.3 Modèle de Friction

La friction est universellement présente dans le mouvement du robot, et de nombreuses études

ont été menées sur la modélisation de la friction aux axes du robot et des moteurs, y compris
les transmissions et moteurs. Des modèles de friction avancés sont décrits dans la littérature.
Un modèle dynamique de friction appelé modèle LuGre a été présenté dans certaines
recherches. Bien que ce modèle soit capable de capturer la plupart des comportements de la

36
friction, tels que l’effet Stribeck, l’hystérésis, les caractéristiques de type ressort pour la
stiction, et la force de démarrage variable, il est trop compliqué.

Dans notre recherche, un modèle de friction classique, incluant la friction visqueuse et

Coulomb, est choisi pour établir le modèle dynamique du robot. La friction aux axes du robot
et des moteurs peut être exprimée comme suit :

où B_m et B_s sont les matrices des coefficients de friction visqueuse des axes moteurs et des
articulations respectivement ; F_m et F_s sont les matrices de friction de Coulomb des axes
moteurs et des articulations respectivement

Figure 8 : Interface du logiciel SYMORO+

2.4.4 Présentation de SYMORO+

Le logiciel SYMORO+ (SYmbolic MOdelling of Robots) est un logiciel interactif dédié à la

génération automatique des modèles symboliques des robots. Il est basé sur le logiciel
Mathematica, qui possède une forte capacité de calcul symbolique. SYMORO+ fournit à
l’utilisateur des outils rapides et efficaces permettant de générer différents modèles
nécessaires pour la commande, la simulation et la conception des robots, tels que le modèle

37
géométrique direct, le modèle géométrique inverse, le modèle cinématique direct, le modèle
cinématique inverse, le modèle dynamique direct, le modèle dynamique inverse, la matrice
Jacobienne, la matrice d’inertie, ainsi que les couples centrifuges, de Coriolis et
gravitationnels.

Le logiciel utilise la convention modifiée de Denavit-Hartenberg. Après l’introduction des

paramètres nécessaires dans l’interface interactive, le logiciel est capable de générer les
modèles symboliques pouvant être utilisés directement dans les environnements Matlab,
Mathematica et même en langage C. L’interface du logiciel SYMORO+ est illustrée à la
Figure 8.

2.5 Conclusion

Dans ce chapitre, plusieurs modèles essentiels d’un robot manipulateur avec articulations
flexibles ont été établis, notamment le modèle géométrique direct, le modèle géométrique
inverse, le modèle cinématique direct, le modèle cinématique inverse, le modèle dynamique
direct et le modèle dynamique inverse.

Ces modèles sont développés sur la base des connaissances fondamentales de la modélisation
robotique, telles que les descriptions spatiales, les transformations homogènes, les angles
fixes X-Y-Z et la convention modifiée de Denavit-Hartenberg.

De plus, le modèle de flexibilité des articulations, le modèle de friction ainsi que le couple du
compensateur de gravité au niveau du deuxième axe ont également été étudiés.

Ces modèles sont extrêmement importants pour la simplification du modèle du robot, la

simulation du procédé FSW robotisé et la conception d’un contrôleur d’effort du robot.

38
 Chapitre 03 :
Commandes des
robots manipulateurs

39
1. Introduction
Dans ce chapitre, nous discutons brièvement des différentes techniques de commande des
bras manipulateurs dans l’espace libre rapportées dans la littérature, ensuite nous présentons
la commande décentralisée PD et PID, la commande PD avec compensation de gravité,
commande à couple calcule et commande de Slotine et li. Pour tester l’efficacité de ces
commandes, nous les appliquons sur le robot pelican.

2. Commande des bras manipulateur

Différentes techniques sont utilisées pour la commande des bras manipulateurs [6][7].

2.1. Commande par articulation

Cette technique est utilisée par des robots manipulateurs qui utilisent des servomoteurs avec
de forts rapports de réduction. Lorsque le système présente un comportement linéaire,
l’asservissement du mouvement peut être réalisé par des techniques classiques de
commande[14].

2.2. Commande jacobienne

Cette technique est utilisée depuis les travaux de Whitney et elle est appelée et elle est
appelée ainsi car elle utilise la matrice jacobienne inverse du bras manipulateur pour calculer
les vitesses de consigne nécessaires aux articulations. Elle est aussi connue sous le nom de
commande à mouvement résolu. Les approches les plus courantes sont de type : mouvement à
vitesse résolu, mouvement à accélération résolu et mouvement à force résolu.
Son principal inconvénient est l’utilisation de l’inverse de la matrice jacobienne, qui peut
devenir singulière dans certaines conditions [15].

2.3. Commande par découplage non linéaire

Cette technique est aussi connue sous les noms de commande dynamique ou commande par
couple calculé. Lorsque l’application exige des évolutions rapides avec des contraintes
dynamiques, la commande doit prendre en compte les forces d’interaction. Ce type de
technique considère l’ensemble des articulations et, pour les découpler, utilise la théorie du
découplage non linéaire. Cette théorie utilise le modèle dynamique du robot pour le calcul de
la loi de commande, ce qui conduit à des lois de commande centralisées non linéaires. Des
signaux d’anticipation peuvent être utilisés pour minimiser des effets non linéaires ..

2.4. Commande adaptative

Ce type de techniques vise à corriger les déficiences de la commande par découplage non
linéaire, comme la connaissance approximative des paramètres du modèle du robot ou
pour s’adapter aux différentes conditions opératoires. Ce type de schémas cherche à
estimer ou ajuster en ligne les valeurs des paramètres utilisées dans le calcul de la loi de
commande. Un des travaux les plus intéressants sur ce sujet est la commande proposée par
Slotine et li appelée commande de Slotine-Li [10].

40
 2.5. Commande fondée sur une fonction de Lyapunov [16]
Commande fondée sur une fonction de Lyapunov [16] Des méthodes basées sur une fonction
de Lyapunov ont été utilisées pour la commande des bras manipulateurs de façon satisfaisante
pour des tâches de suivi. Particulièrement lorsqu’on cherche à garantir la convergence
asymptotique et non à linéariser le système ou à obtenir le découplage.

2.6. Commande passive [17]

Cette technique considère le robot comme un système passif, c’est à dire un système qui
dissipe de l’énergie. De telles lois de commande permettent de modifier l’énergie naturelle
durobot pour qu’il réalise la tâche. En utilisant le formalisme de Hamilton, la commande
cherche à minimiser l’énergie du système en utilisant un bloc non linéaire passif dans la
boucle de retour. La commande passive tend à être plus robuste que le découplage non
linéaire, lorsque la technique ne recherche pas à annuler les non linéarités .

2.7. Commande prédictive [18]

Ce type de commande, en utilisant le modèle du système et les consignes, est capable de
prédire son évolution, de telle manière qu’il est capable d’agir en fonction de l’erreur de
prédiction. Un grand avantage de ce type d’approche est lié au fait que l’erreur de prédiction
n’est pas contaminé par les bruits de mesure mais la dépendance au modèle reste forte.

2.8. Commande robuste [19]

Dans le cas de paramètres fixes, il est connu que la technique de découplage non linéaire peut
devenir instable en présence d’incertitudes. Si les paramètres du modèle ne sont pas connus
de façon précise et si l’incertitude sur les paramètres admet des bornes connus, alors les
techniques de commande robuste peuvent être utilisées.

2.9. Commande optimale

Pour réaliser une tâche, il peut exister un grand nombre de solutions. Dans ce cas, il peut être
souhaitable de choisir une solution qui satisfasse un certain critère. La littérature présente
différents types de critères pour la commande optimale : la commande en temps minimal, du
domaine des neurosciences la minimisation du jerk pour maximiser la souplesse du
mouvement, entre autres.

3. Lois de commande qui ne sont pas basées sur le modèle

On s’intéresse dans cette partie à la régulation [5] [8] [9].

3. [Link] de commande de type PD

La commande de type PD est une extension de la commande proportionnelle avec boucle de
vitesse. L’objectif de la régulation est de maintenir la position de la variable articulaire du
robot constante autour d’une position désirée, constante, notée La loi de commande
proportionnelle dérivée (PD) s’écrit :

41
D’où l’expression de l'erreur d’accélération articulaire :

Figure 9 : Schéma Bloc de la commande type PD.

Les points d’équilibres du système en boucle fermée sont définis par l’ensemble :

La stabilité du système bouclé est démontrée au sens de Lyaponov. En prenant pour cela la
fonction candidate suivante :

42
où et représentent respectivement l’énergie potentielle et une constante
positive choisie pour que la fonction soit définie positive. La dérivée par rapport au
temps de la relation (2.5) est :

Par le remplacement de obtenue de la relation (2.2) dans (2.6) et en exploitant la

propriété (2) nous trouvons :

qui est une fonction semi-définie négative, alors le point d’équilibre est
stable au sens de Layaponov. Mais la négativité de la relation (2.7) assure uniquement la
convergence de l’état à 0 (zéro). Pour compléter l’analyse de la stabilité on peut appliquer
le théorème de LaSalle et montrer que les états du système convergeront vers l’ensemble
(équation (2.4)) dans un temps fini.

Nous avons seulement pour ( ), alors par le remplacement de cette

dernière dans la dynamique de la boucle fermée (2.2), nous avons :

(2.8)
D’où :

(2.9)
Alors :

(2.10)

où est une borne supérieur du vecteur de gravité donnée dans la propriété 5 (chapitre 1).

43
Donc nous concluons que le système converge localement vers l’ensemble et que la
précision du système dépend de la matrice du gain .

En outre, si et sont des matrices définies positives alors toutes les solutions
convergent asymptotiquement globalement (si est grand) ou localement (si est

petit) à l’ensemble des points d’équilibre .

3.2. Loi de commande de type PID

Pour résoudre le problème des hauts gains de la commande PD, la commande PID peut être
utilisée, Pour cela, l’action intégrale peut donc être soit ajoutée à la commande PD pour agir
sur les forces de gravité qui peuvent être considérées, dans certaines mesures, comme des
perturbations constantes. Cela mène à une commande d’une structure Proportionnelle,
Intégrale et Dérivée (PID).

La loi de commande PID a la forme suivante (figure 2.2) :

(2.11)

Figure 10 : Schéma Bloc de la commande type PID.

Nous décrivons la dynamique du robot (1.5) sous la forme d'espace d'état,

Avec comme :

(2.12)
et les erreurs du vecteur d'état sont définies
comme :

44
où, dénote le vecteur des positions désirées .nous introduisons l'intégrale de l'erreur de
position plus la composante , comme un troisième état :

(2.14) Le remplacement de la commande (3.10) dans (3.11) donne :

(2.15)
Pour étudier la stabilité locale de l'équation d'erreur précitée du système, nous considérons
une approximation de sa tangente linéaire autour de l’origine,

(2.16)

avec:

, (2.17)

où décrit les termes d'ordre supérieur du développement de Taylor.

pour la dynamique du robot, satisfait : [9].

Les matrices et sont données par :

(2.18)

Si les gains , et sont choisis pour rendre le système autonome linéaire

asymptotiquement stable, les états du système en boucle fermée (2.15) tendent vers zéro.

Donc , l'erreur d'état stable peut être nulle en l'absence des perturbations.
Si est une matrice stable, nous pouvons alors définir l'équation de Lyapunov comme :

(2.19)

où est une matrice symétrique définie positive satisfaisant la condition: ,

pour . Alors nous obtenons :
(2.20)

45
(2.21)
(3.22) avec est une constante positive et est une borne supérieure pour la norme de
P. Au voisinage de l’origine, le terme carré négatif domine le terme cubique positif. Le
point d’équilibre est donc localement stable au sens de Lyaponov. Il est maintenant simple
à prouver en se basant sur le théorème des ensembles invariants que le vecteur de l’erreur
converge vers zéro. 3.3. Résultats de simulation

Les simulations qu’on a fait pour les deux loi de commande sur le modèle dynamique du

robot pelican ont été faites avec les paramètres suivants : ,

r
ad
période d’échantillonnage , le temps de simulation .

Figure 11 : trajectoire de position pour la loi de commande PD

x 10-3 x 10-3

46
 Figure 2.4 : erreurs de position pour la loi de commande PD

Interprétation des résultats

La figure (2.3) montre les tajectoires réelles et désirées des deux articulations du robot
Pelican. D’après les figures, On constate qu’il y une poursuite acceptable de trajectoire pour
les deux articulations.

La figure (2.4) montre les erreurs de poursuite de trajectoire pour les deux articulations, il est
claire que ces erreurs reste dans un intervalle acceptable.

Figure 12: trajectoires de position pour la loi de commande PID

x 10-3 x 10-3

47
Figure 13 : Les erreurs de position pour la loi de commande PID

Interprétation des résultats

Les trajectoires réelles et désirées des deux articulations sont données par la figure (2.5).

On constate qu’il y une bonne poursuite de trajectoire pour les deux articulations.

La figure (2.6) montre les erreurs de poursuite de trajectoire pour les deux articulations, il est
claire que ces erreurs reste dans un intervalle acceptable.

Si on fait une comparaison entre les résultats de PD et PID, On constate que les résultats de
PID sont meilleurs que PD.

Mais pour les deux approches, les erreurs ne sont pas nulles parce que, nous avons négligé
le couplage entre les articulations, donc nous avons enlevé une partie importante de la
dynamique du robot.

4. Lois de commande à base du modèle

4. 1. Loi de commande de type PD avec compensation de l’effet de gravité

[5][10][11]
La dynamique du système n'est pas utilisée dans l’application de loi de commande de type
PD, donc les non linéarités du système du robot ne sont pas compensées. Alors,
l'insertion de quelques termes dynamiques non linéaires dans la commande PD va

48
probablement donner de bons résultats. En effet, la compensation de la gravité agit comme
un correcteur qui compense seulement l’ensemble des forces qui crée le dépassement et le
comportement transitoire asymétrique du système.

Pour profiter de ces avantages, la commande PD est remplacée par une commande PD plus le
terme des forces de gravité.
L’objectif de cette loi de commande est de maintenir les positions articulaires du robot
manipulateur autour d’une valeur désirée constante , pour cette méthode de commande, le
couple appliqué aux actionneurs est donné par:

(2.23)

La loi de commande est composée par un terme de compensation de la gravité. En

insérant la loi de commande dans le modèle du robot, nous obtenons la dynamique
du système en boucle fermée (figure 2.7) :

(2.24) où encore :

(2.25)
D’où l’expression de l’accélération articulaire :

(2.26)

Figure 15: Schéma de la commande PD avec compensation de l’effet de gravité.

Pour montrer la stabilité du système en boucle fermée, on utilise une fonction de
Lyapunov définie positive suivante :

49
 (2.27) En dérivant par rapport au temps

(2.28)

En substituant la relation de l’accélération articulaire (2.26) dans (2.28), nous obtenons :

(2.29)

Suivant la propriété 2, (2.28) devient :

(2.30)

L’état du système en boucle fermée est borné.

On considère alors une trajectoire contenu dans l’ensemble :

(2.31)

d’après l’équation (2.26), nous avons forcément d’où .

la seule trajectoire contenue dans est le point d’équilibre du robot [Link]
d’après le théorème de Lassalle, le point d’équilibre est asymptotiquement
stable
4.1.1 Résultats de simulation

Dans ce cas, nous avons choisi :

Avec la période d’échantillonnage , et le temps de simulation

50
 Figure 16 : trajectoires de position pour la loi de commande PD avec compensation de gravité

Figure 17: erreurs de position pour la loi de commande PD avec compensation de gravité

Interprétations des résultats

La figure (2.8) montre les tajectoires réelles et désirées des deux articulations du robot
Pelican. D’après les figures, On constate qu’il y une bonne poursuite acceptable de
trajectoire pour les deux articulations. La figure (2.9) montre les erreurs de poursuite de
trajectoire pour les deux articulations, il est claire que ces erreurs reste dans un intervalle
acceptable.

Si on fait une comparaison entre les résultats de PD, PID et PD avec compensation de
l’effet de gravité On constate que les résultats de PD avec compensation de l’effet de
gravité sont meilleurs que les résultats de PD et PID, et cela revient à l’insertion d’une
partie de la dynamique du robot.

51
4.2. Commande à Couple Calculé [5][9]

La commande à couple calculé ou computed torque a été développée au début des années
70, dite aussi linéarisante puisqu’elle est considérée comme une application spéciale de la
linéarisation en boucle fermée des systèmes non linéaires. Elle repose sur l’idée de
l’annulation des termes non-linéaires de chaque axe .Son utilisation pour les robots
manipulateurs dépond de l’inversion de quelques termes du modèle dynamique du robot.

4.2.1. Loi de commande

Pour linéairiser et découpler chaque segment du robot, la commande est donnée comme suit :
+ +
(2.32)
En appliquant cette loi de commande au modèle dynamique du robot donné par l’équation
(1.5), nous aurons l’équation en boucle fermée suivante :

(2.33)

Puisque la matrice est régulière (inversible), nous obtenons " " systèmes linéaires
découplés :

(2.34)
où est un terme auxiliaire de la commande à designer. Le choix typique de est une
commande Proportionnelle Dérivée (figure 2.10) est exprimée ainsi :

(2.35)

Par le remplacement de (2.35) dans (2.34), nous obtenons l’équation d’erreur suivante :

(2.36)

Où (2.36) est une équation d’erreur dynamique du second ordre, et puisque et sont
des matrices diagonales définies positives appartenant à , le système est parfaitement
découplé.

52
 Figure 18 : Schéma synoptique de la commande à couple calculé.

L'équation d'erreur (2.36) est asymptotiquement stable par un choix convenable des
matrices des gains et .Pour le prouver, nous pouvons écrire l’équation d’erreur sous la
forme d’espace d’état, avec :

(2.37)

est une matrice stable puisque les matrices et sont définies positives. Donc nous
pouvons trouver, pour une matrice une matrice symétrique définie positive
satisfaisant :

(2.38)

pour démontrer que le point d’équilibre est stable, nous choisissons la fonction
candidate de Lyapunov comme suit :

(2.39)

qui est définie positive. La dérivée par rapport au temps de est :

(2.40)

le remplacement de par , nous obtenons :

53
 = (3.41)
ce qui implique :
= (3.42)
La substitution (2. 38) dans (2.42), donne :

(2.43)
Qui est une fonction définie négative, ce qui implique que le point d’équilibre
est asymptotiquement stable.

4.2.2 Résultats de simulation

Dans ce cas, nous avons choisi :

Avec la période d’échantillonnage , et le temps de simulation .
poursuites de position

Figure 19 : Les poursuites de trajectoire de position pour la loi de commande Couple

Calculé
erreurs de poursuite de position

Figure 20 : Les erreurs de poursuite de position pour la loi de commande Couple Calculé

54
 vitesses(première et deuxième articulation)

Figure 21: Les poursuites de trajectoire de vitesse pour la loi de commande à Couple Calculé
erreurs de vitesse

Figure 22 : Les erreurs de poursuite de vitesse pour la loi de commande à Couple Calculé
couple 1 et 2
50
couple1
couple2

-50

N.
M -100

-150

-200
0 0.5 1 1.5 2 2.5 3
temps(s)

Figure 23 : Les couples appliqué aux articulations pour la loi de commande Couple Calculé
Interprétation des résultats

La figure (2.11) montre les trajectoires réelles et désirées des deux articulations du robot

55
Pelican. D’après les figures, on constate qu’il y une bonne poursuite de trajectoire pour les
deux articulations.

La figure (2.12) montre les erreurs de poursuite de trajectoire pour les deux articulations, il est
claire que ces erreurs sont bonne

Les figure (2.13) montre les vitesses réelles et désirées des deux articulations du robot, on
remarque qu’il y une bonne poursuite de trajectoire de vitesse pour les deux articulations.

Les valeurs des couples appliqués aux deux articulations présentés sur la figure (2.15) sont
acceptables.

Les résultats présentés sur les figues (2.11) jusqu’à (2.15) montrent l’efficacité de la
commande à Couple Calculé sur le robot manipulateur pelican.

4. 3 .Commande PD avec compensation (Slotine et Li)[5]

C’est une technique très connu dans le milieu scientifique depuis 1987, portant le nom de
ses créateurs, le contrôleur de Slotine et Li peut s’exprimer au moyen de la loi de
commande suivante :

(2.44)
avec :

Figure 24: Schéma bloc de la commande PD avec compensation

de (1.5) et (2.44), On obtient

56
(2.45)

il est claire que

(2.46)
(2.46) peut être s’écrire sous forme matricielle comme :

(2.47)

Cette équation différentielle est non autonome et le point d’origine est un

point d’équilibre.
Preuve de stabilité soit la fonction de Lyapunov suivante

(2.48)

d’où,

(2.49)
ou encore

(2.50)

est définie positif [A8]

il est claire que

(2.51) et

(2.52) par conséquent est décroissante.

En dérivant , on trouve

57
 3)
de (2.45), (2.53) et la priorité 2, on obtient

(2.54)

avec :
ce qui nous
donne :

(2.55)
d’où :

(2.56)
c’est une fonction définie négative, donc le système est asymptotiquement globalement stable.

4.3.1 Résultat de simulation

Dans ce cas, nous avons choisi :

Avec la période d’échantillonnage , et le temps de simulation .

poursuites de position

Figure 25 : Les poursuites de trajectoire de position pour la loi de commande de Slotine et Li

58
 erreurs de poursuite de position

Figure 26 : Les erreurs de poursuite de position pour la loi de commande de Slotine et Li

vitesses(première et deuxième articulation)

Figure 27 : Les poursuites de trajectoire de vitesse pour la loi de commande Slotine et Li

erreurs de vitesse

59
Figure 28 : Les erreurs de poursuite de vitesse pour la loi de commande Slotine et Li
couple 1 et 2
200
couple1
100 couple 2

-100

N.M
-200

-300

-400

-500

-600
0 0.5 1 1.5 2 2.5 3
temps(s)

Figure 29 : Les couples appliqué aux articulations pour la loi de commande Slotine et Li

Interprétation des résultats

Les résultats de simulation obtenus montrent clairement les performances de la

commande. Nous voyons que les positions articulaires suivent les positions désirées, et
que les erreurs de poursuite de trajectoires tendent vers zéros.

Nous remarquons aussi que les commandes sont acceptables.

60
5. Conclusion
Dans ce chapitre nous avons présenté les lois de commandes qui ne sont pas basées sur le
modèle et celles qui sont basées sur le modèle du robot. Pour les approches qui ne sont pas
basées sur le modèle, nous avons présenté la commande PD et PID.

Pour les commandes à base du modèle, nous avons synthétisé la commande PD avec
compensation de gravité, la commande à couple calculé et la commande de Stoline et li ;
nous avons fait des tests de simulations de ces lois de commandes sur le modèle
dynamique du robot manipulateur rigide pelican. Les commandes étudiées dans ce
chapitre ne sont efficaces que dans le cas ou, les paramètres du système à commander
(robot) sont bien définis. Dans le prochain chapitre nous allons présenter une loi de
commande adaptative qui prend en considération les variations des paramètres, cette loi
de Commande est conçue à partir de la loi de commande de Slotine et Li.

Référence :
- Mémoire de Fin d’Etude de MASTER ACADEMIQUE ; Génération de trajectoire pour
un Robot Manipulateur Mobile pour tâche généralisée point à point : Extension de
l’approche
Des profils aléatoires de trajectoires ; Souaad LAMARA MOHAMED ; Université
Mouloud Mammeri De Tizi-Ouzou ; 11 juillet 2017.

- Khalil-Dombre_Modelisation.pdf
[Link]
Dombre_Modelisation/Khalil-Dombre_Modelisation.pdf

- [Link] [Link]

61