Identification et contrôle des systèmes non linéaires : application aux robots humanoïdes

The research work in this thesis deals with both nonlinear system identification and anthropomorphic motion optimization. Firstly, we consider the identification of three systems that are: linear systems in multiple experiments case, finite degree Volterra series with infinite horizon and quadratic in-the-state systems. Thus we propose novel and efficient identification methods. Secondly, we apply the system identification techniques to synthesize and to model human locomotion. Besides, we address the optimization of humanoid robot motions, the imitation of human captured motions by a humanoid robot and finally the time parameterization of humanoid robot paths in the configuration space. The experimental validation of our proposed methods on the humanoid platform HRP-2 has pointed out that they not only outperform the conventional methods, but also provide a unified framework to control humanoid robots.Le travail de recherche dans ce mémoire aborde les problèmes de l'identification des systèmes non linéaires et également de l'application de la théorie d'optimisation. Dans une première partie, nous proposons des méthodes efficaces et nouvelles afin d'identifier les systèmes linéaires dans le cas d'expérimentations multiples, les séries de Volterra à horizon infini et les systèmes quadratiques en l'état. Dans une seconde partie, nous appliquons la théorie d'identification à la modélisation de la locomotion humaine. Nous abordons ensuite l'optimisation des mouvements des robots humanoïdes, l'imitation des mouvements humains par un robot humanoïde et enfin le paramétrage temporel des chemins dans l'espace des configurations pour un robot humanoïde. Les résultats expérimentaux de nos méthodes sur la plate-forme HRP-2 ont révélé non seulement leur efficacité, mais aussi leurs bonnes performances qui dépassent largement celles des méthodes conventionnelles