Online identification and control of robots using algebraic differentiators

Cette thèse traite de l'identification des paramètres dynamiques des robots, en s'appuyant sur les méthodes d'identification en robotique, qui utilisent le modèle dynamique inverse, ou le modèle de puissance, ou le modèle d'énergie du robot. Ce travail revisite le modèle d'énergie en exploitant le caractère intégral des fonctions modulatrices appliquées au modèle de puissance du robot. En outre, les procédures d'intégration sont analysées dans le domaine fréquentiel, et certains groupes de fonctions modulatrices sont sélectionnés afin d'offrir un bon comportement de filtre passe-bas. Ensuite, l'introduction d'un différentiateur algèbrique récemment développé est proposé, nommé différentiateurs de Jacobi. L'analyse est effectuée dans le domaine temporel, et dans le domaine fréquenciel, ce qui met en évidence la propriété de filtrage passe bande et permet de sélectionner les paramètres des différentiateurs. Puis, ces différentiateurs sont appliqués avec succès à l'identification de robot, ce qui prouve leur bonne performance. Les comparaisons entre les différents modèles d'identification, les différenciateurs, les techniques des moindres carrés sont présentées et des conclusions sont tirées dans le domaine de l'identification de robot.This thesis discusses the identification issues of the robot dynamic parameters. Starting with the well-known inverse dynamic identification model, power and energy identification models for robots, it extends the identification model from an energy point of view, by integrating modulating functions with robot power model. This new identification model avoids the computation of acceleration data. As well, the integration procedures are analyzed in frequency domain so that certain groups of modulating functions are selected in order to offer a good low-pass filtering property. Then, a recently developed high order algebraic differentiator is proposed and studied, named Jacobi differentiators. The analyses are done in both the time domain and in the frequency domain, which gives a clear clue about the differentiator filtering property and about how to select the differentiator parameters. Comparisons among different identification models, differentiators, least square techniques are presented and conclusions are drawn in the robot identification issues