Observateurs et commande neuronale adaptative pour systèmes robotisés

Dans cette thèse nous proposons une méthodologie de commande neuronale adaptative pour les systèmes robotisés. Lorsque la structure du modèle est connue (c'est le cas des robots manipulateurs) et que l'état du système est mesurable, nous avons développé une commande neuronale avec une estimation en ligne des fonctions du modèle. Dans le cas où seulement une partie de l'état du système est mesurable, nous avons proposé dans un premier temps, un observateur adaptatif basé sur une technique mixte utilisant la méthode des modes glissants et les réseaux de neurones. Dans un deuxième temps, nous avons développé une commande neuronale adaptative intégrant un observateur par modes glissants. En suivant la même démarche que précédemment, une méthode neuronale de compensation des frottements dans un actionneur électrique est proposée et appliquée. Nous proposons aussi une commande neuronale adaptative des robots manipulateurs redondants dans l'espace opérationnel sans avoir recours à l'inversion de matrices. Dans les différents schémas de commande proposés, un terme de robustesse est rajouté afin de réduire l'effet de l'erreur d'approximation inhérente à l'utilisation des réseaux de neurones. Lorsque le modèle du système est inconnu, une nouvelle démarche expérimentale de commande adaptative a été proposée. Cette démarche consiste à faire un apprentissage a priori dont le but est de déterminer le degré relatif du système, ensuite d'utiliser le résultat obtenu pour la commande adaptative. Cette commande a été appliquée pour l'asservissement en force d'un vérin hydrauliqueVERSAILLES-BU Sciences et IUT (786462101) / SudocSudocFranceF