Commande d’un pendule inversé stabilisé par volant d...
Transcript of Commande d’un pendule inversé stabilisé par volant d...
Université Nice Sophia Antipolis
Master Signal et Communications Numériques
Commande d’un pendule inversé
stabilisé par volant d’inertie pour la
génération de cycles limites stables
Nabil Haddad
Tuteurs : M. Ahmed CHEMORI
M. Sebastien KRUT
20 juin 2007
Table des matières
Remerciements v
Introduction vi
Présentation du laboratoire viii
0.1 Présentation générale . . . . . . . . . . . . . . . . . . . . . . . viii
0.2 Les différents départements . . . . . . . . . . . . . . . . . . . viii
0.2.1 Le département informatique . . . . . . . . . . . . . . viii
0.2.2 Le département microélectronique . . . . . . . . . . . . ix
0.2.3 Le département robotique . . . . . . . . . . . . . . . . ix
0.3 L’équipe DEXTER . . . . . . . . . . . . . . . . . . . . . . . . x
1 Modélisation mathématique du systéme 1
1.1 Préambule . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Hypothèses . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.3 Tableau récapitulatif de variables et constantes . . . . . . . . . 2
1.4 schéma de principe . . . . . . . . . . . . . . . . . . . . . . . . 3
1.5 principe de la commande . . . . . . . . . . . . . . . . . . . . . 4
1.6 Principes mécaniques . . . . . . . . . . . . . . . . . . . . . . . 6
1.7 Modèle dynamique non-linéaire . . . . . . . . . . . . . . . . . 7
1.7.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . 7
1.7.2 Energie Cinétique totale T : . . . . . . . . . . . . . . . 8
i
TABLE DES MATIÈRES ii
1.7.3 Energie potentielle V : . . . . . . . . . . . . . . . . . . 8
1.7.4 Lagrangien : . . . . . . . . . . . . . . . . . . . . . . . . 8
1.7.5 Dynamique du pendule inversé : . . . . . . . . . . . . . 8
1.8 Linéairisation autour de l’équilibre : . . . . . . . . . . . . . . . 9
2 Stabilisation autour de l’équilibre 11
2.1 Préambule . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2 Généralité sur la commande Robuste . . . . . . . . . . . . . . 11
2.3 Synthèse Linéaire Quadrarique LQ . . . . . . . . . . . . . . . 12
2.3.1 Représentation numérique du modèle . . . . . . . . . . 13
2.4 Simulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.4.1 Interprétation des résultats . . . . . . . . . . . . . . . . 14
2.5 Experimentation . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.5.1 Interprétation des résultats . . . . . . . . . . . . . . . . 14
3 Génération de cycles limites stables 18
3.1 Génération des trajectoires de référence . . . . . . . . . . . . . 18
3.2 Poursuite des trajectoires de référence . . . . . . . . . . . . . . 19
3.3 Simulations . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.3.1 Interprétation des résultats . . . . . . . . . . . . . . . . 23
3.4 Expérimentation . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.4.1 Premier scénario . . . . . . . . . . . . . . . . . . . . . 24
3.4.2 Interprétation des résultats . . . . . . . . . . . . . . . . 24
3.4.3 Deuxième scénario . . . . . . . . . . . . . . . . . . . . 26
3.4.4 Interprétation des résultats . . . . . . . . . . . . . . . . 26
Conclusion et persepectives 28
3.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.6 Perspectives . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
TABLE DES MATIÈRES iii
Annexes 32
.1 Annexe 1 : Caractéristiques du moteur . . . . . . . . . . . . . 32
.2 Annexe 2 : Autres scénario . . . . . . . . . . . . . . . . . . . . 32
Table des figures
1.1 photo du système réel. . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Schéma de principe . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 point d’équilibre . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.4 Modéle mécanique équivalent . . . . . . . . . . . . . . . . . . 7
2.1 Schéma général de la commande linéaire quadratique. . . . . . 12
2.2 Résultats de simulations . . . . . . . . . . . . . . . . . . . . . 15
2.3 Résultats de l’expérimentation . . . . . . . . . . . . . . . . . . 16
3.1 Schéma de la trajectoire de référence . . . . . . . . . . . . . . 20
3.2 Résultats de la simulation . . . . . . . . . . . . . . . . . . . . 22
3.3 Plage d’utilisation du moteur . . . . . . . . . . . . . . . . . . 24
3.4 Résultats de l’expérimentation du premier scénario . . . . . . 25
3.5 Résultats de l’expérimentation du deuxième scénario . . . . . 27
6 Caractéristiques du moteur . . . . . . . . . . . . . . . . . . . . 33
7 Résultats de l’expérimentation du troisième scénario . . . . . . 34
8 Résultats de l’expérimentation du quatrième scénario . . . . . 35
iv
Remerciements
Je tiens tout d’abord à remercier Mr Ahmed chemori et Mr Sébastien
Krut pour m’avoir accueilli au sein de leur équipe de recherche, confié ce
sujet , guidé et soutenu tout au long de mon stage.
Je remercie également tous les collègues de la salle des stagiaires avec
lesquels nous avons passés d’excellents moments. Donc merci à Nico, Dudu,
Pilou, Diana, Alexis, Mike, Seb, Clement, Sylvain, Saïd et Juan ! ! !
Merci aussi à tous mes collègues de NICE et surtout à KEVIN qui ma
beaucoup aidé le long du master,et qui été tout le temps prêt à me soutenir
même si j’étais à Montpellier...
Je remercie également Céline Berger de m’avoir aidé pour m’installer à
Montpellier
Un merci aussi à Mr Farid Rachdi pour ces précieux conseils et sa dispo-
nibilité en cas de problème.
Un grand merci aussi Mr Luc Deneire qui m’a prêter son MAC.
Et merci à tous pour l’ambiance générale au sein du LIRMM.
Je ne peux terminer ces remerciements sans mentionner mes proches,
à qui je dédie ce travail et dont l’amour et le soutien m’ont été plus que
bénéfiques. Et surtout à mes parents et mes soeurs, qui m’ont aidé tout au
long de mon parcours et qui me manquent énormément ! ! ! !.
v
Introduction
Devant les problèmes délicats de modélisation et de commande de sys-
tèmes complexes, les outils utilisés deviennent de plus en plus pointus. L’un
des axes de recherche au sein du LIRMM concerne la commande de systèmes
multivariables.
Le but de ce projet est la mise en oeuvre d’une plate-forme d’essais per-
mettant de tester des lois de commande. Le choix de cette plate-forme s’est
arrêté sur un système multivariable, non linéaire et instable : le Pendule
Inversé.
Il existe de nombreuses formes du Pendule Inversé, les plus connus sont :
le Pendule Inversé Simple, le Pendule Inversé Double, le Pendule Inversé de
Furuta, le Pendule Inversé gyroscopique, le Pendule Inversé stabilisé par une
Roue d’Inertie, etc.
Dans notre cas, notre choix s’est porté sur le Pendule Inversé stabilisé
par une roue d’inertie. Le principe de fonctionnement de ce pendule est assez
simple la rotation du volant d’inertie provoque par les effets dynamiques
qu’elle induit, la rotation du pendule autour de sa liaison passive avec le
bâti.
La première partie de mon travail consiste à stabiliser le Pendule autour
de son point d’équilibre instable.
La deuxième partie consiste à générer des oscillations stable autour de ce
point d’équilibre. Dans un premier lieu trouver des trajectoires de références
vi
Introduction vii
et aprés faire une poursuite sur ces trajectoires en utilisant une commande
dynamique. Notre choix pour ces trajectoires s’est porté sur des fonctions
sinusoidale.
Présentation du laboratoire
0.1 Présentation générale
Le Laboratoire d’Informatique, de Robotique et de Microélectronique de
Montpellier (LIRMM) est une Unité Mixte de Recherche (UMR)de l’Univer-
sité Montpellier II (UMII) et du Centre National de la Recherche Scientifique
(CNRS).
Le LIRMM couvre un large spectre de compétences dans les domaines
des Sciences et Technologies de l’Information et de la Communication Sys-
tèmes (STICS). Ces activités sont réparties au sein de trois départements
scientifiques de recherche :
- Informatique (INFO)
- Microélectronique (MIC)
- Robotique (ROB)
0.2 Les différents départements
0.2.1 Le département informatique
Les thématiques de ce département intègrent l’essentiel de la recherche
menée actuellement en informatique :
Algorithmique : bioinformatique, cryptographie, graphes, réseaux ;
viii
PRÉSENTATION DU LABORATOIRE ix
Bases de Données et Systèmes d’Information : intégration de don-
nées, fouille de données, maintien de la cohérence ;
Génie Logiciel : langages de programmation, objets, composants, mo-
dèles ;
Intelligence Artificielle : apprentissage, contraintes, représentation des
connaissances, systèmes multi-agents ;
Interaction Homme/Machine : hypermédia, langage naturel, visuali-
sation, Web sémantique et e-learning.
0.2.2 Le département microélectronique
Ce département mène depuis plusieurs années des recherches de pointe
dans les domaines de la conception et du test de systèmes intégrés et de
microsystèmes, et plus précisément, sur les aspects ayant traits à la modéli-
sation et à la méthodologie. Les activités de recherche conduites au sein du
département de Microélectronique s’articulent autour de deux projets qui lui
sont propres ainsi que d’un projet applicatif commun avec le département
Robotique :
- CCSI : Conception de Circuits et Systèmes Intégrés ;
- TCSI : Test de Circuits et Systèmes Intégrés ;
- DEMAR : (DEambulation et Mouvement ARtificiel) et Modélisation
et commande du système sensori-moteur humain, neuroprothèses.
0.2.3 Le département robotique
Ce département mène des recherches en automatique/robotique, traite-
ment du signal et de l’image, productique et informatique industrielle. Les
activités de recherche conduites au sein du département Robotique s’arti-
culent autour de cinq équipes projets :
PRÉSENTATION DU LABORATOIRE x
- ARCHI : Architecture de systèmes complexes, modélisation d’entre-
prise, affectation de ressources humaines, vérification de propriétés ;
- DEMAR : (DEambulation et Mouvement ARtificiel) et Modélisation
et commande du système sensori-moteur humain, neuroprothèses ;
- DEXTER : Conception, commande, manipulation, robotique parallèle,
robotique médicale ;
- ICAR : (Image, Computing and Augmented Reality) Image, signal,
vision, modélisation 3D, informatique graphique, réalité virtuelle ;
- NERO : (NEtwork RObots) Commande collaborative de flottilles de
véhicules sous-marins et terrestres
0.3 L’équipe DEXTER
L’équipe-projet DEXTER se positionne résolument suivant un axe méca-
tronique avec pour objectif de concevoir, réaliser et commander des robots
performants et robustes destinés à la manipulation. Les thèmes scientifiques
abordés sont la définition de méthodologies de conception, le développement
de protocoles d’estimation et la synthèse de lois de commandes. Les outils
théoriques développés sont validés et mis en oeuvre dans le domaine de la
robotique parallèle pour des applications de manipulation rapide et de la
robotique médicale pour des applications de manipulation fine. Ces deux
aspects convergent actuellement vers un thème fédérateur centré sur la ma-
nipulation fine et rapide notamment dans le contexte de l’assistance aux
gestes pour des opérations en chirurgie cardiaque mini-invasive à coeur bat-
tant. L’équipe possède dans les deux domaines de la robotique parallèle et
médicale une visibilité et une lisibilité nationale et internationale.
Les contributions majeures de l’équipe sont donc réparties en 4 domaines :
- Robots médicaux et chirurgicaux ;
- Robots parallèles et redondance ;
PRÉSENTATION DU LABORATOIRE xi
- Robots parallèles à forts débattements angulaires ;
- Identification et commande de robots.
L’équipe est composée de 8 chercheurs/enseignants chercheurs et 8 thé-
sards.
Chapitre 1
Modélisation mathématique du
systéme
1.1 Préambule
Le Pendule Inversé stabilisé par un volant d’inertie (cf.fig1.1) est un sys-
tème constitué d’une roue d’inertie et d’un pendule. En effet la rotation de
la roue d’inertie provoque par les effets dynamiques qu’elle induit la rotation
du pendule autour de sa liaison passive avec le bâti. Notre but est de trouver
la meilleur commande qui agit sur le volant pour avoir le comportement du
pendule désiré,à savoir un comportement façon ‘métronome’ c’est à dire des
oscillations cycliques autour du point d’équilibre instable (la verticale haute).
La partie modélisation mathématique du système a été inspiré des travaux
de stage de Bruno Garabedian (stagiaire au LIRMM en 2006)
1.2 Hypothèses
Hypothèse 1 : Les masses du pendule et de la roue d’inertie sont définies
en leur centre de gravité (respectivement G1 et G2).
1
Modélisation mathématique du systéme 2
Fig. 1.1 – photo du système réel.
Hypothèse 2 : L’étude de la dynamique du Pendule Inversé RI est réa-
lisée en négligeant les phénomènes mécaniques liés aux frottements.
Hypothèse 3 : La dynamique du moteur actionneur associé à la roue
d’inertie n’est pas pris en compte dans le cadre de la modélisation du système.
1.3 Tableau récapitulatif de variables et constantes
Le tableau 1.1 regroupe l’ensemble des notations utilisées dans la modé-
lisation du Pendule Inversé RI :
Le tableau 1.2 regroupe l’ensemble des paramètres géométrique et dynamique
du Pendule Inversé RI :
Modélisation mathématique du systéme 3
Variable Unité Description ;
C1 N.m Couple perturbateur, Couple appliqué du bâti sur le pendule
C2 N.m Couple appliqué du pendule sur le volant d’inertie
θ1 rd Position angulaire du pendule
θ1 rd.s−1 Vitesse angulaire du pendule
θ1 rd.s−2 Accélération angulaire du pendule
θ2 rd Position angulaire du volant d’inertie
θ2 rd.s−1 Vitesse angulaire du volant d’inertie
θ2 rd.s−2 Accélération angulaire du volant d’inertie
θr1 rd Position angulaire de référence
θr1 rd.s−1 Vitesse angulaire de réference
θr1 rd.s−2 Accélération angulaire de réference
Tab. 1.1 – Notations utilisées dans la modélisation
1.4 schéma de principe
Le Pendule Inversé stabilisé par une Roue d’Inertie est un système méca-
nique sous actionné. Cela signifie qu’il à plus de degrés de liberté que d’ac-
tionneurs. Dans le cas du Pendule Inversé RI, deux axes de rotation pour
un actionneur (la roue d’inertie). Le système considéré est constitué de trois
corps (cf.fig1.2) : un bâti (0), une tige rigide ou pendule (1) et un volant
d’inertie (2). La tige rigide est en rotation libre autour du bâti alors que la
roue d’inertie possède un axe de rotation solidaire de cette même tige. Le
schéma ci-dessous (cf.fig 1.2) met en exergue la géométrie du système dans
un référentiel Galiléen.
Les mesures angulaires du système (position, vitesse et accélération) sont
réalisées sur la base d’un cercle trigonométrique. La verticale du repère Ga-
liléen correspond à l’angle 0 radian.
Modélisation mathématique du systéme 4
Variable Valeur Unité Description ;
m1 3.30810 kg Masse du pendule
m2 3.33081 kg Masse du volant d’inertie
l1 0.06 m Distance pivot / centre de gravité du pendule
l2 0.044 m Distance pivot / centre de gravité du pendule
i1 0.0314683 kg.m2 Moment d’inertie du pendule
i2 0.0004176 kg.m2 Moment d’inertie du volant d’inertie
E2 0.02 m Epaisseur du volant d’inertie
RE2 0.04 m Rayon extérieur du volant d’inertie
RI2 0.03 m Rayon intérieur du volant d’inertie
g 9.81 m.s−2 Accélération due à la gravité terrestre
Tab. 1.2 – Paramètres géométriques et dynamiques du système
1.5 principe de la commande
L’illustration graphique de la figure (1.3) qui suit met en avant les deux
états les plus significatifs du Pendule Inversé RI (appelés en automatique
points d’équilibres) afin de mieux appréhender les principes relatifs à la com-
mande de ce système [11] :
-Le point d’équilibre stable, qui correspond à l’état dans lequel le
pendule est dirigé vers le bas. En l’absence d’une quelconque force de contrôle,
le système reste naturellement dans cet état.
- Le point d’équilibre instable, qui correspond à l’état dans lequel le
pendule est pointé vers le haut. Ce point d’équilibre est dit instable car en
l’absence d’une force de contrôle, le pendule, sous l’effet de diverses pertur-
bations liées à son environnement, est incapable de maintenir cette position
indéfiniment.
Traditionnellement, la commande du Pendule Inversé consiste, à amener
le pendule, depuis sa position d’équilibre stable jusqu’à sa position d’équilibre
Modélisation mathématique du systéme 5
Fig. 1.2 – Schéma de principe
Fig. 1.3 – point d’équilibre
Modélisation mathématique du systéme 6
instable ( Swing up control ) et de le maintenir dans cet état. Mais, dans le
cadre de ce projet, nous allons générer des cycles limites stables c’est à dire
reproduire périodiquement des oscillations autour du point d’équilibre.
1.6 Principes mécaniques
En appliquant le principe fondamental de la dynamique (PFD), on peut
démontrer très simplement la façon dont l’actionneur (roue d’inertie) in-
teragit sur le pendule afin de commander le système . Cette démonstration
s’appuie sur un modèle mécanique équivalent (La roue d’inertie est remplacée
par une barre rectiligne pour modéliser de manière imagée le couple induit
par sa rotation), pour en faciliter sa compréhension (cf.fig (1.4)). Les équa-
tions du principe fondamental de la dynamique du Pendule Inversé RI sont :
~M0FA + ~M0FB + ~M0FG1 + ~M0FG2 =∑ ~MDynamique
Soit : ~CRoueInertie + ~CPendule =∑ ~MDynamique
Avec :~CRoueInertie = ~M0FA + ~M0FB
et ~CPendule = ~M0FG1 + ~M0FG2
Le pendule est mis en mouvement lorsque le couple généré par la roue
d’inertie CRoueInertie est supérieur ou inférieur au moment résistant (MDynamique
- MPendule). La synthèse ci-après précise l’état du système en fonction de ces
différences de moment :
-∑ ~MMoment = ~0 Le pendule en équilibre statique ;
-∑ ~MMoment ≻
~0 Le pendule est en phase ascendante ;
-∑ ~MMoment ≺
~0 Le pendule est en phase descendante.
Remarque : Dans la réalité, les forces mises en jeu pour mettre en ro-
tation la roue d’inertie sont réparties homogènement sur la totalité de sa
circonférence.
Modélisation mathématique du systéme 7
Fig. 1.4 – Modéle mécanique équivalent
1.7 Modèle dynamique non-linéaire
1.7.1 Généralités
Le modèle mathématique du Pendule Inversé RI est obtenu en applicant
le formalisme de Lagrange [9]. Cette approche nécessite de déterminer les
énergies cinétiques et potentielles des composants du système en termes de
coordonnées généralisées. Le Formalisme d’Euler-Lagrange repose sur l’équa-
tion de Lagrange :ddt
[∂L∂x
] − ∂L∂x
= Qx avec L = T − V
L : Lagrangien
T : Energie cinétique
Modélisation mathématique du systéme 8
V : Energie potentielle
Q : Force généralisée non prise en compte dans T et V
x=
θ1
θ2
Le vecteur de coordonnées généralisées
1.7.2 Energie Cinétique totale T :
T = TPendule + TRoueInertie
Avec : TPendule = 1
2(m1VG1
2 + i1θ12)
Et : TRoueinertie = 1
2(m2VG2
2 + i2θ22)
Donc : T = 1
2(m1l1
2 + m2l22 + i1)θ1
2 + i2(θ1 + θ2)
1.7.3 Energie potentielle V :
V = VPendule + VRoueInertie
Avec : VPendule = m1l1g cos θ1
Et : VRoueinertie = m2l2g cos θ1
Donc :V = (m1l1 + m2l2)g cos θ1
1.7.4 Lagrangien :
L = T − V
Donc :L = 1
2Iθ1
2 + i2θ22− mlg cos θ1
avec ml = (m1l1 + m2l2)
1.7.5 Dynamique du pendule inversé :
Les équations de la dynamique du Pendule Inversé RI déduites des équa-
tions d’Euler-Lagrange décrivent l’accélération angulaire du pendule (d2θ1/dt2)
et l’accélération angulaire de la roue d’inertie (d2θ2/dt2).
- θ1 = 1
I[C1 − C2 + mlg sin θ1] : Accélération angulaire du pendule
Modélisation mathématique du systéme 9
- θ2 = 1
i2I[−i2C1 + (i2 + I)C2 − i2mlg sin θ1] :Accélération angulaire de la
roue d’inertie
Les équations de la dynamique du Pendule Inversé RI sont mises sous la
forme
G(x)x + H(x, x)x + I(x) = Qx
Donc
I + i2 i2
i2 i2
θ1
θ2
+
−mlg sin θ1
0
=
C1
C2
1.8 Linéairisation autour de l’équilibre :
La représentation d’état du Pendule Inversé RI est obtenue par la li-
néarisation de son modèle dynamique autour du point d’équilibre instable
(pendule en position verticale haute à l’arrêt) [8]. Les équations d’état sont
de la forme :
X = AX + BU
Y = CX + DU avec XT =[
θ1 θ1 θ2
]
et U =
C1
C2
D’aprés [5] la représentation d’état du systéme est la suivante :
θ1
θ1
θ1
=
0 1 0
a21 0 0
a31 0 0
θ1
θ1
θ2
+
0
b1
b2
C2
Y =
c11 0 0
0 c22 0
0 0 c33
θ1
θ1
θ2
avec : a21 = mlg
I= −a31
b21 = 1
I= −b22 = −b31, b32 = I+i2
Ii2
Modélisation mathématique du systéme 10
c11 = c22 = c33 = 1
Remarque : le couple perturbateur C1 est considéré nul est cela pour
simplifié l’analyse du Pendule Inversé RI.
Chapitre 2
Stabilisation autour de l’équilibre
2.1 Préambule
La commande du Pendule Inversé RI consiste d’une manière générale, à
stabiliser le pendule en position d’équilibre instable (position verticale du
pendule autour de 0 rad) et à le maintenir ainsi, même lorsqu’il est affecté
par des perturbations externes (rafale de vent, etc.) ou par des variations
paramétriques (modification des centres masse et de la charge utile).
2.2 Généralité sur la commande Robuste
Le but de la commande robuste est de garantir la stabilité et un niveau
de performance acceptable pour les systèmes commandés malgré des incerti-
tudes sur les paramètres et/ou des dynamiques négligées dans le modèle du
processus. Il existe plusieurs synthése pour la commande robuste citons par
exemple la synthèse linéaire quadratique LQ, la synthèse linéaire quadratique
gausienne LQG, la synthèse Hinfini etc [4]. Dans le cas de notre étude nous
allons utiliser la synthèse LQ.
11
CHAPITRE 2. STABILISATION AUTOUR DE L’ÉQUILIBRE 12
2.3 Synthèse Linéaire Quadrarique LQ
Le contrôleur Linéaire Quadratique dénommé LQ ou LQR (Linear Qua-
dratic Regulator) est conçu sur la base du modèle linéaire du Pendule Inversé
RI.
La synthèse linéaire quadratique [4] consiste en la recherche d’une matrice
de gain Kc, telle que la commande par retour d’état U = −KcX +e stabilise
le pendule autour de la position d’équilibre instable. La matrice de gain Kc
est déterminée en minimisant le critère quadratique suivant :
J =∫
∞
0 (XT QX + UT RU)dt
Q= Matrice de pondération du vecteur d’état.
R= Matrice de pondération de la commande.
Soit Kc la valeur optimale de gain K qui minimise J et Pc la solution
correspondante à l’équation de RICCATI de commande :
PcA + AT Pc − PcBR−1BT Pc + Q = 0
Donc Kc = R−1BT Pc
Le schéma bloc suivant illustre la commande
Fig. 2.1 – Schéma général de la commande linéaire quadratique.
CHAPITRE 2. STABILISATION AUTOUR DE L’ÉQUILIBRE 13
Remarque : Afin d’avoir les meilleurs résultats, il existe une méthode
qui consiste à bien ajuster la valeur de la matrice de pondération du vecteur
d’état Q avec la valeur CT C et à remplacer la matrice de pondération R par
un coefficient de pondération.
2.3.1 Représentation numérique du modèle
La représentation numérique du modèle d’état est obtenue en substituant
ses paramètres par leur valeur respective [5] :
θ1
θ1
θ1
=
0 1 0
47.4793 0 0
−47.4793 0 0
θ1
θ1
θ2
+
0
−22.7180
2417.1
C2
Y =
1 0 0
0 1 0
0 0 1
θ1
θ1
θ2
Réglage des matrices de pondérations Pour donner plus d’interêt à
la minimisation de la commande, les matrices de pondérations sont choisies
comme suit Q = Diag(1) et R = 105.
2.4 Simulation
L’objectif de cette simulation est de stabiliser le Pendule Inversé PI à par-
tir de la condition initiale X0 =[
10 0 0]T
. Les résultats de simulations
sont présentés sur la figure 2.2.
CHAPITRE 2. STABILISATION AUTOUR DE L’ÉQUILIBRE 14
Gain :Kc =[
−8.7844 −1.2780 −0.0032]
Pôles en boucle ouverte :PBO =[
0 6.89 −6.89]
Pôles en boucle fermée :PBF =[
−7, 8822 −6, 8549 −6, 6535]
2.4.1 Interprétation des résultats
D’aprés les courbes de simulation (cf.fig 2.2) on remarque que le couple
maximum dévelloppé par le moteur est 1.544Nm et que la puissance méca-
nique maximum est égale à 118W .
On remarque aussi que le système se stabilise au bout de 2sec, en effet la
vitesse angulaire max de la roue d’inertie atteint 194.6rd/s à t = 0.25s ce qui
correspond à une vitesse de rotation de moteur égale à 1858.3tr/min. Ces
résultats semblent satisfaisantes puisqu’ils correspondent à la plage d’utilisa-
tion du moteur (annexe 1)
2.5 Experimentation
Les courbes ci dessous fig 2.3 mettent en évidence les résultats de l’expéri-
mentation sur le Pendule Inversé pour une durée de 30sec et une perturbation
extérieure appliquée au système au bout de 10sec.
2.5.1 Interprétation des résultats
D’après les figures 2.3(a) on remarque que la position angulaire du pen-
dule oscille autour de 0rd et que sa vitesse angulaire est presque nulle, ces
erreurs entre la simulation et l’expérimentation sont dûes à différents fac-
teurs tels que la précision des capteurs , les forces de frottements, les facteurs
externes imprévisible. Ces derniers n’ont pas été prise en compte dans la
modélisation du système.
CHAPITRE 2. STABILISATION AUTOUR DE L’ÉQUILIBRE 15
(a) (b)
(c) (d)
Fig. 2.2 – Résultats de simulations
((a) : Dynamique du pendule, (b) :Dynamique de la roue d’inertie, (c) :
Couple de la roue d’inertie, (d) : Puissance mécanique de la roue d’inertie )
CHAPITRE 2. STABILISATION AUTOUR DE L’ÉQUILIBRE 16
(a) (b)
(c) (d)
Fig. 2.3 – Résultats de l’expérimentation
(a) : Dynamique du pendule, (b) :Dynamique de la roue d’inertie, (c) : Couple
de la roue d’inertie, (d) : Puissance mécanique de la roue d’inertie
CHAPITRE 2. STABILISATION AUTOUR DE L’ÉQUILIBRE 17
On remarque aussi que même avec une perturbation du systéme (force
), qui se manifeste par un pic à t = 10s (Fig 2.3) le pendule inversé arrive
à retrouver son équilibre et cela vérifie bien la robustesse de la commande
appliquée [6].
Chapitre 3
Génération de cycles limites
stables
La génération de cycles limites stables est le but principale du stage.
L’objectif est de reproduire périodiquement des oscillations autour du point
d’équilibre instable et cela généralement se fait en agissant sur les coordon-
nées directement commandées, qui dans notre représentent les coordonnées
de la roue d’inertie (θ2 et θ2). en effet, le but du moteur est de faire tourner
la roue d’inertie, et cette rotation peut donc provoquer des oscillations.Donc
notre but est de trouver les meilleurs trajectoires qui donnent les meilleurs
oscillations.
C’est pour ces raisons qu’on va définir des trajectoires de référence que le
pendule va suivre tout au long des cycles
3.1 Génération des trajectoires de référence
Le but est de conduire le pendule pour qu’il fasse des oscillations au-
tour de son point d’équilibre instable (position verticale). Ceci pourra être
interprété comme étant un mouvement qui part d’une certaine configuration
18
CHAPITRE 3. GÉNÉRATION DE CYCLES LIMITES STABLES 19
initiale, pour rejoindre une certaine configuration finale. Donc il faut trouver
les trajectoires permettant de réaliser ce mouvement [2].
Dans la littérature plusieurs techniques ont été proposées pour la géné-
ration de trajectoires [12]. Ces trajectoires peuvent être générées en utilisant
des oscillateurs de Vander Pol ou en utilisant des trajectoires optimales [1]qui
sont généralement utilisées dans des applications concernant les robots ma-
nipulateurs.
Le but est d’avoir des trajectoires périodiques continues, il faut donc que
les conditions initiales pour la position angulaire ainsi que pour la vitesse et
l’accélération du pendule soient les mêmes que les conditions finales.
Avec ces considérations, les trajectoires de référence proposées peuvent
être des trajectoires sinusoidales :
θr1 = Am ∗ cos(2πttf
)
θr1 = −Am ∗ (2πtf
) sin(2πttf
)
θr1 = −Am ∗ (2πtf
)2 cos(2πttf
)
θr1, θr1 et θr1 représente respectivement les trajectoires de références sur
la position, la vitesse et l’accélération de l’angle du pendule et tf représente
la durée du cycle.
Ces trajectoires de référence conduisent le Pendule Inversé à partir d’un
certain angle initial définie par Am vers le même angle tout en passant par
−Am à tf/2
3.2 Poursuite des trajectoires de référence
Pour faire la poursuite de trajectoire on a eu recours à l’utilisation d’une
commande dynamique puisqu’on va faire la poursuite sur la position et la
vitesse angulaire [9].
Comme on l’a déja indiqué dans la partie ci dessus généralement la pour-
CHAPITRE 3. GÉNÉRATION DE CYCLES LIMITES STABLES 20
Fig. 3.1 – Schéma de la trajectoire de référence
suite de trajectoire se fait sur la partie actionnée (la roue d’inertie), et dans
notre cas faire un asservissement pour la vitesse de la roue est obligatoire.
Par contre sur la position angulaire c’est presque inutile, donc c’est pour ces
raisons qu’on a décidé de faire plus tôt la parsuite sur la partie non-actionnée
(le pendule) et essayé de régler les paramétre du systéme pour avoir une tra-
jectoire cyclique de la roue d’inertie et donc converger vers un cycle limite
[3].
La représentation d’état du Pendule Inversé est la suivante :
θ1 = θ1
θ1 = a21θ1 + b1U
θ2 = a31θ2 + b2U
La loi de commande qui permet de faire la poursuite de la trajetoire de
position et de vitesse est définie par cette équation :
U = −1
b1(a21θ1 − θr1 + Kp(θ1) − θr1 + Kv(θ1 − θr1))
Avec : Kp= Gain proportionnel et Kv= Gain dérivateur
On pose Z1 = θ1 − θr1
CHAPITRE 3. GÉNÉRATION DE CYCLES LIMITES STABLES 21
En injectant la nouvelle loi de commande dans la représentation d’état
du systéme on obtient :
Z1
Z1
=
0 1 0
−Kp −Kv 0
Z1
Z1
On obtient donc un systéme autonome, il suffit donc de bien choisir les
constantes Kp et Kv pour avoir les performances désirés avec Kp et Kv dé-
fini positives et le système en boucle fermé résultant est asymptotiquement
stable.
3.3 Simulations
Le but de cette simulation est de faire osciller le pendule autour de son
point d’équilibre instable et cela sous l’effet de la rotation de la roue d’inertie.
Les courbes 3.2 présentent les résultats de la simulation pour ce scénario, dont
les paramètres sont regroupés dans le tableau 3.
Description Valeur ;
Positions angulaires initiale et finale du pendule Am = 3
Position angulaire intermédiaire du pendule Am = −3
Vitesses angulaires initiale et finale du pendule 0 tr/min
Accélérations initiale et finale du pendule 0 tr/min2
Durée d’un cycle 3s
Nombre de cycles 10
Tab. 3.1 – Paramètres du cycle
CHAPITRE 3. GÉNÉRATION DE CYCLES LIMITES STABLES 22
(a) (b)
(c) (d)
(e) (f)
Fig. 3.2 – Résultats de la simulation
(a) : Poursuite de la position du pendule ; (b) :Poursuite de la vitesse du
pendule ; (c) : Vitesse de la roue d’inertie ; (d) : Plan de phase ;(e) :Couple
de la roue d’inertie ; (f) : Puissance mécanique
CHAPITRE 3. GÉNÉRATION DE CYCLES LIMITES STABLES 23
3.3.1 Interprétation des résultats
D’après les courbes 3.2 obtenues, on constate que les trajectoires du sys-
tème en boucle fermée convergent bien vers un cycle limite stable figure(d).
D’aprés la courbe (a) on remarque que le systéme poursuit parfaitement
la trajectoire de référence
Pour la vitesse de la roue d’inertie, on constate qu’elle est périodique et
oscille entre 1694 et −907tr/min (cf.figure(3.2c)).
Ces résultats semblent satisfaisante cependant, cette vérification n’est pas
suffisante. Il faut vérifier aussi que la puissance maximale des moteurs action-
neurs n’est pas atteinte. Pour cela l’idée consiste à tracer la vitesse angulaire
de l’arbre du moteur [7](valeur absolue en tour/min) en fonction du couple
moteur (valeur absolue), et vérifier qu’on reste bien dans la région d’admis-
sibilité donnée par le constructeur [10].
Le rapport des réducteurs de vitesse, utilisé avec notre moteur est R =
13/3. Les formules suivantes sont utilisées pour passer de la vitesse de la
roue d’inertie à la vitesse niveau moteur, et du couple de la roue d’inertie au
couple niveau moteur :
Vmot = VRoue∗R∗60
2π
Cmot = CRoue
R
Le test de la puissance admissible des moteurs est concrétisé donc par
le tracé de la vitesse niveau moteur en fonction du couple niveau moteur. Il
est superposé au gabarit de la puissance admissible. Si le tracé reste bien à
l’intérieur du gabarit, on en déduit que les puissances sont admissibles. Dans
le cas de notre scénario de simulation ces courbes sont tracées sur la figure
3.3, qui justifie que la puissance maximale reste bien dans la zone admissible.
CHAPITRE 3. GÉNÉRATION DE CYCLES LIMITES STABLES 24
Fig. 3.3 – Plage d’utilisation du moteur
3.4 Expérimentation
3.4.1 Premier scénario
Les courbes 3.4 mettent en évidence les résultats de l’expérimentation
pour le même scénario décrit dans la partie Simulation.
3.4.2 Interprétation des résultats
Même si on n’a pas tenu compte de plusieurs facteurs lors de la linéa-
risation du systéme tels que les frottements, les erreurs de mesures et les
parasites etc... On remarque bien que les figures 3.4 présentent presque les
mêmes résultas que ceux trouvés en Simulation sauf que les courbes de l’expé-
rimentation contiennent des parasites qui sont dû à la fréquence d’envoi des
informations des capteurs. Pour la figure 3.4(c), on remarque que la vitesse
de la roue d’inertie est symétrique mais oscillant à un offset prés de la courbe
de simulation et cela est dû au passage du moteur du régime transitoire au
régime permanent.
CHAPITRE 3. GÉNÉRATION DE CYCLES LIMITES STABLES 25
(a) (b)
(c) (d)
(e) (f)
Fig. 3.4 – Résultats de l’expérimentation du premier scénario
(a) : Poursuite de la position du pendule ; (b) :Poursuite de la vitesse du
pendule ; (c) : Vitesse de la roue d’inertie ; (d) : Plan de phase ;(e) :Couple
de la roue d’inertie ; (f) : Puissance mécanique
CHAPITRE 3. GÉNÉRATION DE CYCLES LIMITES STABLES 26
3.4.3 Deuxième scénario
Dans ce scénario l’objectif est de tester la robustesse du contrôleur par
des perturbations. Les courbes 3.5 mettent en évidence les résultats de l’ex-
périmentation pour le scénario décrit dans le tableau 3.2
Description Valeur ;
Positions angulaires initiale et finale du pendule Am = 3
Position angulaire du pendule intermédiaire Am = −3
Vitesses angulaires initiale et finale du pendule 0 tr/min
Accélération initiale et finale du pendule 0 tr/min2
Durée d’un cycle 3.5s
Nombre de cycles 10
Instant de la perturbation 25s
Tab. 3.2 – Paramètres du cycle
3.4.4 Interprétation des résultats
Les résultats de la figure 3.5 témoignent de la perturbation que nous avons
fait subir au pendule à l’instant 25s. Cette perturbation se manifeste par un
pic sur les figure (a,b et c). On remarque que juste aprés la perturbation
le système retrouve rapidement son régime de fonctionnement et converge
encore une fois vers le cycle limite (cf. figure 3.5 (d)).
On peut conclure que la commande appliquée est assez robuste puisque
le système rejète les perturbation extérieures et suit la commande.
Remarque : Des résultats d’expérimentations pour d’autres scénarios
sont présent dans l’annexe2.
CHAPITRE 3. GÉNÉRATION DE CYCLES LIMITES STABLES 27
(a) (b)
(c) (d)
(e) (f)
Fig. 3.5 – Résultats de l’expérimentation du deuxième scénario
(a) : Poursuite de la position du pendule ; (b) :Poursuite de la vitesse du
pendule ; (c) : Vitesse de la roue d’inertie ; (d) : Plan de phase ; (e) :Couple
de la roue d’inertie ; (f) : Puissance mécanique
Conclusion et persepectives
3.5 Conclusion
Le travail réalisé dans ce stage rentre dans le cadre de recherche sur la
commande pour la génération de cycles limites stables pour un système non
linéaire.
Le prototype en question est un Pendule Inversé stabilisé par un volant
d’inertie. C’est un système mécanique sous-actionné constitué d’une roue
d’inertie et du pendule, Le mécanisme dispose d’un moteur actionneur placé
au niveau de la roue d’inertie.
La première démarche consiste à modéliser le système puis le linéariser
autour de son point d’équilibre instable, ensuite élaborer une loi de commande
pour le stabiliser autour de cette position. L’approche de commande proposée
pour la stabilisation est une commande optimale de type LQ.
La deuxième étape était la poursuite des trajectoires de référence sur le
cycle d’oscillation. Les trajectoires de référence sont des fonctions sinusoi-
dale permettant d’aller d’une certaine configuration initiale à une certaine
configuration finale.
Les résultats prometteurs que cette étape a donnée, nous a ouvert la
porte sur plusieurs pistes à explorer qui peuvent conduire à des résultats
plus intéressants, ceci sera discuté dans la section des perspectives.
L’approche qu’on a utilisé pour la poursuite est basé sur l’utilisation d’une
28
Conclusion et persepectives 29
commande dynamique. La commande est utilisé pour poursuivre des trajec-
toires sur la partie non-actionnée (pendule)
3.6 Perspectives
Dans cette section, l’ensemble des perspectives que nous estimons abor-
dables seront présentées. Elles peuvent donner soit des améliorations, ou bien
des nouveautés aux contributions apportées par ce travail.
La perspective la plus intéressante, qui constitue l’étape suivante dans nos
travaux puisque le stage se terminera le 31 juillet 2007, est de proposer des
trajectoires de références optimales, en effet la résolution d’un problème d’op-
timisation au début de chaque cycle semble primordial car le fonctionnement
du moteur varie au cours du temps et donc cette optimisation pourra amé-
liorer le comportement global du système, de renforcer la stabilité, d’élargir
la région d’attraction, ou encore d’améliorer la robustesse.
Définir donc une nouvelle trajectoire de référence adapté au fonctionne-
ment du moteur semble trés intéressant, à moins que cela augmente signifi-
cativement le temps de calcul. Le choix des paramètres d’optimisation peut
se porter sur la configuration désirée (Am et −Am ), la période d’un cycle tf ,
ou bien sur l’ajout d’un offset.
Une autre piste intéressante consisterait à utiliser la commande prédictive.
Celle-ci est généralement utilisée pour la commande des systèmes lents à
cause du temps de calcul important qu’elle nécéssite.
Dans notre cas, la modélisation du système étant suffisamment simple,
nous espèrons respecter les temps de calcul nécessaires à une commande en
temps réel.
Bibliographie
[1] A.Chemori. Quelques contributions à la commande non linéaire des
robots marcheurs bipèdes sous-actionnés. PhD thesis, LAG, INPG, 2005.
[2] A.Chemori and M.Alamir. limit cycle generation for a class of non-
liear systems with jumps using a low dimensional predictive control.
International journal of control Vol. 78, No 15, 1998.
[3] A.Chemori and M.Alamir. Nonlinear predictive control of under-
actuated mechanical systems application the ecp 505 inverted pendu-
lum. MTNS’04 (16th International Symposium on Mathematical Theory
of Networks and Systems), Leven, Belgique., 2004.
[4] D. Arzelier and D.Peaucelle. Systèmes et asservissement non linéaires.
Cours, 1998.
[5] B.Garabedian. Etude la faisabilité d’un tramway monorail. Rapport de
stage, UM2, 2006.
[6] M.Benoit B.Garabedian and S.Krut. A futuristic monorail tramway
stabilized by an inertia wheel. International Conference on Robotics
and Automation Guangzhou, CHINA, June 2007.
[7] Fiveco. Références du constructeur du variateur de vitesse.
http ://www.fiveco.ch.
[8] H. Khalil. Nonlinear Systems. Prentice Hall, Upper Saddle River, Second
Edition, 1996.
30
BIBLIOGRAPHIE 31
[9] L.Sciavicco and B.Siciliano. Modelling and controlof robot manipulators.
ED.Springer.
[10] Maxon. Références du constructeur du moteur. http ://www.moteur.ch.
[11] P.Birr and A.Berrabeh. Commande stabilisante et observation pour le
pendule inversé ECP 505. Université PARIS-SUD, Mars 2005.
[12] L. Roussel. Génération de trajectoires optimales de marche pour un robot
bipède. PhD thesis, LAG, INPG, 1998.
Annexes
.1 Annexe 1 : Caractéristiques du moteur
.2 Annexe 2 : Autres scénario
les courbes suivantes représentent les résultats de l’expérimentation pour
d’autre scénario, dont les paramétres sont regroupés dans le tableau suivant :
Description scénario 3 scénario 4 ;
Positions angulaires initiale et finale du pendule Am = 5 Am = 4
Position angulaire intermédiaire du pendule Am = −5 Am = −4
Vitesses angulaires initiale et finale du pendule 0tr/min 0tr/min
Accélérations initiale et finale du pendule 0tr/min2 0tr/min
Durée d’un cycle 4s 3s
Nombre de cycles 7.5 20
Perturbation non oui
Tab. 3 – Paramètres des cycles
32
ANNEXES 33
Fig. 6 – Caractéristiques du moteur .
ANNEXES 34
(a) (b)
(c) (d)
(e) (f)
Fig. 7 – Résultats de l’expérimentation du troisième scénario
(a) : Poursuite de la position du pendule ; (b) :Poursuite de la vitesse du
pendule ; (c) : Vitesse de la roue d’inertie ; (d) : Plan de phase ;(e) :Couple
de la roue d’inertie ; (f) : Puissance mécanique
ANNEXES 35
(a) (b)
(c) (d)
(e) (f)
Fig. 8 – Résultats de l’expérimentation du quatrième scénario
(a) : Poursuite de la position du pendule ; (b) :Poursuite de la vitesse du
pendule ; (c) : Vitesse de la roue d’inertie ; (d) : Plan de phase ;(e) :Couple
de la roue d’inertie ; (f) : Puissance mécanique