2006 EVRY 0039

Thèse
Présentée à

L'Université d'Evry Val d'Essonne

Par

Kadda ZEMALACHE MEGUENNI

Pour obtenir le diplôme de

Docteur de L'Université d'Evry Val d'Essonne

Spécialité : Robotique

Commande d'un système sous-actionné :

Application à un drone à Quatre Hélices

Soutenance 20 Décembre 2006

Devant le jury composé de :

K. Madani Professeur à l'Université de Créteil Rapporteur

P. Souères Chargé de Recherche au LAAS-CNRS Rapporteur
V. Perdereau Professeur à l'Université de Pierre et Marie Curie Examinatrice
H. Frigui Professeur à l'Université de Louisville, USA Examinateur
L. Beji Maître de Conférence à l'Université d'Évry Examinateur
H. Maaref Professeur à l'Université d'Évry Directeur de thèse
Table des matières

Table des matières i

Table des figures vii

Liste des tableaux 1

Remerciements 1

Introduction 3

1 Introduction à la conception et au contrôle-commande des drones 9

1.1 Introduction 9
1.2 Les drones hélicoptères existants 9
1.2.1 Hélicoptère Mono-rotor 10
1.2.2 Hélicoptère Bi-rotors 10
1.2.3 Hélicoptère Tri-rotor 11
1.2.4 Hélicoptère à quatre hélices 13
1.3 Systèmes sous-actionnés 14
1.4 Drones miniatures 14
1.4.1 L'épreuve 14
1.4.2 Présentation du projet XSF (X4 Stationnary Flyer) 15
1.4.3 Description du drone XSF 15
1.4.4 Principe de fonctionnement 16
1.4.5 Pivotement des supports moteurs 1 et 3 17
1.5 Constitution du drone 18
1.5.1 Les batteries 18
1.5.2 Les propulseurs 19
1.5.3 Le capteur 19
1.6 Système d'acquisition embarqué du XSF 22
ii T A B L E DES MATIÈRES

1.7 Application et perspectives 22

1.8 Modes de vol 23
1.8.1 Vol vertical (ascendant ou descendant) 23
1.8.2 Vol stationnaire 24
1.8.3 Vol de translation 24
1.9 Travaux portant sur le contrôle-commande des drones 24
1.10 Conclusion 28

2 Modélisation d'un drone à quatre hélices 29

2.1 Introduction 29
2.2 Caractéristiques et configurations du drone XSF 30
2.3 Cinématique 30
2.3.1 Définition des matrices de passage 31
2.4 Forces et Couples Aérodynamiques 34
2.5 Modèle de la dynamique 35
2.5.1 Dynamique d'un modèle du X4 conventionnel 36
2.5.2 Dynamique du modèle X4 bidirectionnel 39
2.6 Conclusion 42

3 C o m m a n d e robuste par la technique du backstepping et planification

de trajectoire 43
3.1 Introduction 43
3.2 Historique et domaines d'application du backstepping 44
3.3 Commande robuste basée sur le backstepping 44
3.3.1 Stabilisation du X4 conventionnel 45
3.3.2 Stabilisation de la poursuite du X4 bidirectionnel 49
3.3.3 Commande du mouvement suivant les axes z et y 50
3.4 Planification de trajectoire et résultats de simulations 52
3.5 Étude de la robustesse 64
3.6 Conclusion 67

4 C o m m a n d e d u drone par contrôle flou 69

4.1 Introduction 69
4.2 Logique floue 69
4.2.1 Historique 70
T A B L E DES MATIÈRES in

4.3 Théorie des sous-ensembles flous 70

4.3.1 Fonctions d'appartenance 71
4.3.2 Caractéristiques d'un sous-ensemble flou 71
4.3.3 Opérations sur les sous-ensembles flous 72
4.3.4 Variables linguistiques 73
4.3.5 Raisonnement en logique floue 73
4.4 Commande floue 75
4.4.1 Structure d'une commande floue 76
4.4.2 Les contrôleurs flous usuels 79
4.5 Résultats de simulations 80
4.6 Conclusion 88

5 S y s t è m e d'Inférence Floue Optimisé 89

5.1 Introduction 89
5.2 Différentes combinaisons Flou/Neuronal 90
5.3 Architecture des systèmes neuro-flous hybrides 90
5.3.1 La méthode ANFIS (Adaptive Network based Fuzzy Inference
System) 91
5.4 Description du SIFO utilisé 92
5.5 Architecture de contrôle "JEAN" et "mini-JEAN" 93
5.6 Algorithme d'optimisation 95
5.6.1 Introduction 95
5.6.2 Formulation de l'algorithme 95
5.6.3 Résultats de simulations 98
5.7 Étude de la robustesse 107

5.8 Conclusion 111

Conclusion 111

Annexes 117

A R a p p e l s sur la théorie de la c o m m a n d e par Lyapunov 117

A.l Théorie de Lyapunov 117
A.2 Commande par la méthode de Lyapunov 119

B La forme canonique (Backstepping pour un seul intégrateur) 121

IV T A B L E DES MATIÈRES

C É t u d e des forces développées 125

C.l Système X4 conventionnel 125

Bibliographie 129
Table des figures

1.1 Avion 3D (a) et celui du laboratoire Heudiasyc (b) 10

1.2 L'hélicoptère Bi-rotor : (a) le BIROTAN, (b) HoverEye de Bertin Tech,
(c), le T-Wing et (d) l'hélicoptère classique 11
1.3 Hélicoptères à trois helices : Le Vectron (a), l'hélicoptère auto-stable (b)
et le Tri-rotor de compiègne (c) 12
1.4 Hélicoptères à quatre helices : quadrotor de pennsylvania (a), X19 quad-
tilt-rotor aircraft (b), le drone du laboratoire IBISC (c) et le drone de la
NASA (d) 13
1.5 Le chemin du parcour 15
1.6 Schéma des interconnexions des systèmes embarqués 16
1.7 Sens de rotation des rotors : X4 bidirectionnel (gauche) et X4 conven-
tionnel (droite) 17
1.8 Pivotement des supports 17
1.9 Batteries (a), hélice (b), Moteur électrique (c) et Variateur (d) 18
1.10 capteur à ultrason (a), la centrale inertielle (b), carte micro contrôleur
(intelligente) (c), GPS (d) et caméra (e) 20

2.1 Les deux repères du drone inertiel et local 31

2.2 Les angles d'Euler 33
2.3 Description des forces appliquées à la pale 35
2.4 Sens de rotation des rotors : X4 bidirectionnel (gauche) et X4 conven-
tionnel (droite) 36

3.1 Schéma bloc simplifié pour la commande du drone 45

3.2 Génération de trajectoire avec ha = 10m 54
3.3 Une trajectoire de référence avec arcs (x, y, z) en m 55
3.4 Les erreurs de déplacements : (a) X4 bidirectionnel - (b) X4 conventionnel. 55
vi T A B L E DES FIGURES

X4 bidirectionnel - (b) X4 conventionnel.......................................................................56

3.7 Les erreurs de poursuite sans planification de mouvement (zr = xr =
yr = 5 m ) : (a) X4 bidirectionnel - (b) X4 conventionnel .....57
3.8 Le tangage 0 et le roulis é sans planification de mouvement : (a) X4
bidirectionnel - (b) X4 conventionnel ... .58

ment : (a) X4 bidirectionnel - (b) X4 conventionnel ... .58

3.10 La trajectoire de référence et estimée en cas d'arcs ... .59

3.12 Les erreurs pour des connexions d'arcs .... 60

3.13 La trajectoire de référence et estimée en cas des demi-cercles .... 60

3.15 Les erreurs pour des connexions demi-cercles ..... 61

3.16 Comparaison entre le X4 bidirectionnel et le X4 conventionnel pour des
connexions arcs .... 62
3.17 Comparaison entre le X4 bidirectionnel et le X4 conventionnel pour des
connexions demi-cercles .... 63
3.18 Forces du X4 bidirectionnel dans le cas d'une défaillance du moteur 4 à
t=0.5 s .... 65
3.19 Forces du X4 bidirectionnel dans le cas d'une défaillance du moteur 4 à
t=4 s .... 65
3.20 Influence du vent avec une force de traîné de 1.4 N à gauche et de 2.1 N
à droite pour la direction suivant x .... 66

4.1 Exemples de fonctions d'appartenance 71

4.2 Exemple de représentation de variable linguistique 73
4.3 Schéma général d'un système de commande floue 77
4.4 Exemples de la sortie y correspondant aux deux cases (1) et (2) en gras

4.5 Définition des cinq fonctions d'appartenance pour e et de 81

4.6 Définition des cinq fonctions d'appartenance pour la sortie «3 81
4.7 Réalisation des connexions droites zxy en 3D 83
4.8 Les erreurs pour des connexions droites 84
T A B L E DES FIGURES VII

4.10 Réalisation des connexions arcs 85

4.11 Les erreurs pour des connexions arcs 85
4.12 Les commandes u2,x, U2,y et '«3 pour des connexions arcs 86
4.13 Réalisation des connexions demi-cercles .....86
86
4.14 Les erreurs pour des connexions demi-cercles ....87
87
4.15 Les commandes 1x2,1, '"2,y et 1x3 pour des connexions demi-cercles .... 87

5.1 L'architecture de la méthode ANFIS 91

5.2 L'architecture du système d'inférence flou optimisé 93
5.3 Architecture JEAN 94
5.4 Architecture mini-JEAN 95
5.5 Commande du vol vertical par ANFIS 99
5.6 Représentation de la traduction linguistique de la commande uz
U3 ...101
101
5.7 Évolution des 25 poids pour le déplacement suivant z ...102
102
5.8 Réalisation des connexions droites ...102
102
5.9 Les erreurs pour des connexions droites ...103
103
5.10 Les commandes U2,x, U2,y et «3 pour des connexions droites 103
5.11 Réalisation des connexions d'arcs ...104
104
5.12 Les erreurs pour des connexions d'arcs ...104
104
5.13 Les commandes U2,x, '¡¿2,?; et 1x3 pour des connexions d'arcs 105
5.14 Réalisation des connexions demi-cercles ...105
105
5.15 Les erreurs pour des connexions demi-cercles ...106
106
5.16 Les commandes U2,x, «2,y et 113 pour des connexions demi-cercles . . . . 106
5.17 Réalisation des connexions hélicoïdales ...107
107
5.18 Forces des rotors dans le cas d'une défaillance du moteur 4 à t=0.5 s . . 108
5.19 Forces des rotors dans le cas d'une défaillance du moteur 4 à t = 4 s . . . 108
5.20 Influence du vent avec une force de traîné de 1.4
1.4iV
N à gauche et de 2.1 N
à droite pour la direction suivant x ...109
109
5.21 Forces de XSF dans le cas d'une défaillance du moteur 4 à t=0.5 et 4 s . 110
5.22 Influence du vent avec une force de traîné de 1.4iV à gauche et de 2.1
2.1N
N
à droite poUR
poiir la direction suivant x ...110
110

C.l Forces appliquées pour les rotors 1-2 : X4 conventionnel ..126

126
C.2 Forces appliquées pour les rotors 3-4 : X4 conventionnel ..127
127
VIÏI T A B L E DES FIGURES
Liste des tableaux

4.1 Exemple de matrice de règles .... 78

4.2 Table linguistique déduite par expertise pour la direction suivant z pour

5.1 Les poids obtenus pour le déplacement suivant z ...100

5.2 Table linguistique déduite après traduction linguistiques pour la direction
suivant z ...100
5.3 Table linguistique déduite par expertise pour la direction suivant z . . . 101
5.4 Les poids obtenus pour le déplacement suivant x ..101
5.5 Les poids obtenus pour le déplacement suivant y ..101

C.l caractéristiques physiques du drone ..127

Introduction

Le développement des plates-formes robotiques volantes connaît un essor croissant

depuis quelques années en raison de la miniaturisation toujours plus poussée des cap-
teurs et des actionneurs, mais surtout grâce à la possibilité d'embarquer des cartes
de commande toujours plus performantes et rapides capables de réaliser une masse
de calcul considérable nécessaire au contrôle de ces dernières. En effet, la commande
des systèmes tels que les avions, les dirigeables et les hélicoptères sont fortement non-
linéaires. Il faut noter que contrairement, au robot manipulateur, la plupart de ces
systèmes précédemment cités sont sous-actionnés (le nombre d'entrées de commande
est inférieur au nombre de degrés de liberté). En effet, le manque d'actionneurs pour
ces engins induit une grande difficulté dans la conception de la commande.
Parmi ces systèmes sous-actionnés, nous trouvons les drones à quatre hélices qui
sont des véhicules complexes et difficile à commander. C'est à la fin de de la seconde
guerre mondiale que sont débutées les premières recherches sur les drones, véhicules
aériens sans pilotes. Les premiers développés, à la fin des années soixante volaient à très
haute altitude et avaient une dynamique de vol et des dimensions proches des avions.
Actuellement et avec les avancées technologiques, on a réussi à construire des drones
de tailles de plus en plus réduites de type avion ou hélicoptère. Véritables concentrés
d'électronique, ces appareils doivent, de plus, être contrôlés par des lois de commande
très sophistiquées, utilisant de nombreux capteurs afin de rendre le drone le plus au-
tonome possible. Néanmoins, l'intérêt de leur étude vient de leur versatilité et de leur
manoeuvrabilité leur permettant l'exécution d'un grand nombre de tâches. Nous pou-
vons citer, par exemple, la surveillance du trafic routier, des frontières, des barrages,
des lignes de tensions et des grands ouvrages d'art, le sauvetage de personnes en dif-
ficulté, la détection de feux en forêts, enfin, dans toutes les applications aériennes où
l'intervention humaine devient difficile ou dangereuse.

Le laboratoire IBISC 1 est parmi les premiers en France à s'être investit dans le

1
IBISC : Informatique, Biologie Intégrative et Systèmes Complexes

5
domaine de engins volants automatiques. En effets, depuis deux ans, IBISC participe à
un concours lancé en 2003 par l'ONERA 2 et la DGA 3 sur les drones miniatures avec
un projet qui a été retenu par la commission du concours. Ce projet intitulé XSF ( X 4
Stationnary Flyer) est un drone quadrirotors de faible dimension.
L'absence totale de modèle ou d'un modèle précis du système, rend dans certains
cas, l'application de l'automatique classique difficile, voire impossible pour la synthèse
d'une loi de commande performante. Une commande basée sur les techniques de la
logique floue, constitue dans ce cas une alternative intéressante. En effet, ces techniques
permettent d'une part, de formaliser le traitement de l'imprécis sur le modèle du système
et d'autre part, d'établir une interprétabilité du comportement dynamique du système
par un ensemble de règles linguistiques, traduites en langage simple et interprétable.
L'objectif de la thèse est de développer des approches pour le contrôle du drone XSF
en vol. En effet, deux méthodes sont proposées, l'un est du domaine de l'automatique
classique nécessitant donc la connaissance d'un modèle du drone et l'autre est basée sur
une démarche experte faisant appel au contrôle flou. Classiquement, deux techniques
sont appliquées : la commande par retour d'état statique (RES) et la commande par
la technique du backstepping. Pour la commande du drone, ces modèles doivent être
simplifiée pour faciliter le calcul des lois de commande, ainsi ces engins volants sont
souvent caractérisés par des modèles difficiles à établir, dont la résolution nécessite
l'emploi d'outils mathématiques complexes. Le succès de cette résolution dépend de
la complexité du problème (dimension, nature des non linéarités, couplage entre va-
riables). Une tentative de comparaison entre les deux méthodes est réalisée en terme de
performance et de robustesse.

Ce manuscrit de thèse est structuré de la manière suivante en cinq chapitres :

- Dans le premier chapitre, la structure des voilures tournantes est introduite. Nous
présentons le principe de fonctionnement de drone XSF, les modes du vol existant,
les capteurs utilisés et les équipements matériels embarqués au drone. Ensuite, nous
présentons une étude bibliographique des travaux faisant référence à la commande
des drones à quatre hélices.
- Dans le second chapitre, nous présentons deux modèles dynamiques : un est X4
conventionnel et l'autre X4 bidirectionnel. Le premier a été abordé par Lozano et
al [LOZ 03, LOZ 04, LOZ 05] par la méthode d'Euler-Langrange et par le formalisme

2
ONERA : Office National d'Études et de Recherches Aérospatiales
3
DGA : Délégation Générale pour l'Armement
 de Newton proposé par Hamel et al [HAM 00, HAM 02]. Le deuxième modèle (le
X4 bidirectionnel) diffère par l'orientation de ses axes comme présenté par Bèji et
al [BEJ 05b, BEJ 06].
- Le chapitre 3, quant à lui est consacré à la conception des lois de commande
non-linéaires basées sur la technique du backstepping pour la commande des mouve-
ments selon les trois axes z, x et y. Cette technique et une planification de trajectoire
sont combinées pour contrôler la trajectoire du drone en utilisant une stabilisation
point par point et ceci pour les deux modèles concernées. Un contrôleur basé sur la
commande par retour d'état statique conçu et appliqué dans le cas du modèle X4
bidirectionnel. Nous étudions et analysons, dans cette partie la réalisation des com-
mandes pour la poursuite de trajectoires simples telles que le suivi de lignes droites
et des trajectoires complexes (demi-cercle, coin, etc.). Une étude de la robustesse est
effectuée vis-à-vis des perturbations d'une part dans le cas d'une défaillance d'un
actionneur du XSF et d'autre part sous l'influence du vent suivant les différentes
directions du mouvement.
- Le chapitre 4 expose les principes de base du contrôle flou. Nous nous sommes
limités à présenter les différents mécanismes et les outils mathématiques nécessaires à
l'utilisation de Systèmes d'Inférence Floue (SIF). Une application de cette technique
sur le drone XSF est présenté par la suite dans la dernière partie de ce chapitre.
- Dans le chapitre 5, nous présentons une technique d'optimisation du contrôleur
flou basée sur une descente du gradient. Cette méthode permet aux caractéristiques
du contrôleur flou de s'adapter en ligne afin de résoudre la tâche qui lui est assignée.
Ce contrôleur optimisé est comparé au contrôleur classique basée sur la commande
par retour d'état statique, dans le cas d'une perturbation due à l'influence du vent
et dans le cas d'une panne d'un actionneur du XSF.
Ce manuscrit s'achève par un ensemble de commentaires et de remarques générales
sur les résultats obtenus et quelques discussions sur les perspectives à mener.
Chapitre 1

Introduction à la conception et au
contrôle-commande des drones

1.1 Introduction

Les drones sont des engins volants auto-pilotés ou pilotés à distance. Ils sont ca-
pables de transporter des caméras, des capteurs, des équipements de communication
ou d'autres dispositifs. Ils ont joué un rôle depuis 1950 pour réaliser des missions de
reconnaissance, de recherche d'informations voire des opérations de combat.

Dans ce chapitre, nous présentons d'une part les configurations aérodynamiques

les plus couramment utilisées. Notre présentation se limite aux mini-véhicules aériens
capables de réaliser un vol stationnaire. Nous classifions les multi-rotors en fonction du
nombre des rotors. D'autre part, nous traitons les différents modes du vol et le principe
de fonctionnement suivant les différents axes. Nous décrivons également les capteurs
utilisés ainsi que l'équipement embarqué et nous terminons ce chapitre par une étude
bibliographique sur les différentes approches proposées pour le contrôle-commande du
drone.

1.2 Les drones hélicoptères existants

Dans cette section, nous décrivons les configurations les plus répondues, dans les
laboratoires français et étrangers, de drones hélicoptère disposant de rotors [LOZ 05].

9
10 Introduction à la conception et au contrôle-commande des drones

1.2.1 Hélicoptère Mono-rotor

Les hélicoptère mono-rotor sont caractérisés par l'utilisation d'un seul rotor comme
actionneur principal. Dans cette catégorie, nous trouvons essentiellement les avions
appelés 3D (figure 1.1 (a)). Ces avions ont un moteur puissant qui permet un décollage
vertical et des ailerons d'une grande surface pour assurer des couples de commande
suffisamment grands afin que l'appareil soit facile à piloter. Ces avions mono-rotor se
développent de plus en plus car ils offrent l'avantage de pouvoir voler comme un avion
normal, ce qui donne la possibilité de se déplacer rapidement de manière très économique
en termes d'énergie.

(a) (b)

FIG. 1.1: Avion 3D (a) et celui du laboratoire Heudiasyc (b)

Un autre modèle développé par le laboratoire Heudiasyc, également impliqué dans

la robotisation d'hélicoptères miniatures (figure l.l(b)). Le modèle dynamique repré-
sentant ce type de drones est beaucoup plus complexe par rapport aux autres modèles
à cause de sa structure mécanique. Cette complexité apparaît surtout lorsqu'on désire
réaliser des déplacement horizontaux en plein vol. Ces déplacements sont obtenus par
la création d'une différence de pression engendrée par l'inclinaison des hélices.

1.2.2 Hélicoptère Bi-rotors

Dans le cas d'un hélicoptère Bi-rotors, nous pouvons distinguer :
- les bi-rotors à un ou deux plateaux cycliques : dans cette catégorie, nous avons
l'hélicoptère classique avec un rotor principal et un rotor de queue (figure 1.2(d)),
l'hélicoptère en tandem possédant deux rotors tournant en sens contraire mais dans
des axes différents et l'hélicoptère co-axial a deux rotors contre-rotatifs mais sur le
même axe, tel que celui mis dans le commerce par Hirobo. En France, des universi-
taires (Compiègne, projet Auryon) et des industriels construisent des prototypes de
1.2. Les drones hélicoptères existants 11

ce type d'hélicoptères. Les hélicoptères co-axiaux peuvent avoir un ou deux plateaux

cycliques.

(c) (d)

FIG. 1.2: L'hélicoptère Bi-rotor : (a) le BIROTAN, (b) HoverEye de Bertin Tech,
(c), le T-Wing et (d) l'hélicoptère classique.

- les bi-rotors à pales de pas fixe : pour ces appareils sans plateaux cycliques, il
est clair qu'avec seulement deux rotors on ne peut pas générer une force et trois
couples indépendants. Il faut donc ajouter soit des ailerons soit des mécanismes pour
faire pivoter les rotors. Ainsi nous trouvons dans cette catégorie le Bi-rotor avec des
ailerons, c'est à dire deux rotors sur des axes différents et des ailerons dans le flux
d'air des rotors pour obtenir les couples nécessaires à la commande en 3D. Les ro-
tors peuvent tourner en sens opposés ou dans le même sens. On peut citer le T-wing
de l'Université de Sydney (figure 1.2(c)). Nous avons également la possibilité d'avoir
deux rotors contre-rotatifs sur le même axe et des ailerons dans le flux d'air des rotors
(Bertin, I3S) (figure 1.2(b)). Cette dernière configuration est très compacte. Finale-
ment nous pouvons avoir deux rotors qui pivotent sur 2 axes. Cette configuration est
très compacte aussi mais le couple de tangage est relativement faible (figure 1.2(a)).

1.2.3 Hélicoptère Tri-rotor

Dans le cas d'un hélicoptère Tri-rotors, nous citons à titre d'exemple :
12 Introduction à la conception et au contrôle-commande des drones

- Le Vectron est constitué de trois rotors qui tournent dans le même sens (figure
1.3(a)). Le corps circulaire du Vectron quant à lui, tourne par conséquence dans le
sens contraire. Les vitesses des rotors sont variées à des instants très précis de manière
à obtenir des couples de tangage et de roulis.
- Le Trirotor est constitué de deux rotors qui tournent dans des sens opposés et
positionnés à l'avant de l'appareil, et d'un rotor à l'arrière avec une orientation ré-
glable. Le fonctionnement est similaire à celui d'un quadri-rotor mais la performance
en vol n'est pas aussi satisfaisante. Des expériences ont été faites sur le Tri-rotor à
Heudiasyc (figure 1.3(c)).
- L'hélicoptère Auto-Stable (blade-runner) (figure 1.3(b)), a été inventé récemment.
Il est constitué de deux rotors à pas fixe qui sont montés sur le même axe et qui
tournent dans des sens opposés. Un petit rotor de queue permet d'obtenir le couple
de tangage. Cet hélicoptère a la propriété d'être stable grâce à l'existence d'une
articulation entre les pales du rotor principal et l'axe du rotor. Étant donné son
mode de fonctionnement, cet appareil peut être utilisé uniquement en intérieur.

(c)

FIG. 1.3: Hélicoptères à trois helices : Le Vectron (a), l'hélicoptère auto-stable

(b) et le Tri-rotor de compiègne (c).
1.2. Les drones hélicoptères existants 13

1.2.4 Hélicoptère à quatre hélices

Les hélicoptères à quatre hélices sont des quadrirotors à quatre moteurs installées
sur une croix généralement en fibre de carbone d'où leur appellation les hélicoptères
X4. Des exemples sont représentés dans la figure 1.4. Dans un X4, le moteur avant

(c) (d)

F i g . 1.4: Hélicoptères à quatre helices : quadrotor de pennsylvania (a), X19 quad-

tilt-rotor aircraft (b), le drone du laboratoire IBISC (c) et le drone de la NASA
(d).

et le moteur arrière tournent dans le sens de l'aiguille d'une montre tandis que les
moteurs droit et gauche tournent dans le sens contraire. Les hélices utilisées sont à
pas fixe. Le tangage est obtenu par une différence de vitesse de rotation des rotors
avant et arrière. Le roulis est obtenu de manière similaire avec la différence de vitesse
des moteurs latéraux. Le lacet s'obtient en augmentant la vitesse des moteurs avant
et arrière tout en réduisant la vitesse des moteurs latéraux. Il existe aussi une version
de X4 dans laquelle tous les rotors tournent dans le même sens. Dans ce dernier, deux
rotors sont inclinés par rapport à l'horizontal de manière à créer un couple de lacet.
L'inclinaison peut être fixe ou variable et permet de commander le mouvement du
lacet. Étant donné que les quadri-rotors sont commandés par différence de vitesse de
rotation des rotors, il est important que l'on puisse varier rapidement la vitesse de
rotation des moteurs. Pour cela il convient d'utiliser des pales très légères et des rapports
16 Introduction à la conception et au contrôle-commande des drones

FIG. 1.6: Schéma des interconnexions des systèmes embarqués.

- Un ordinateur de bord qui est une simple carte intelligente permettant de gérer
l'ensemble du système ;
- Un GPS (Global Positioning System) ;
- Une caméra CCD ;
- Des capteurs ultrasons qui font office de sonars pour la détection d'obstacles ;
- Une station de base.

1.4.4 Principe de fonctionnement

Les rotors 1 et 2 tournent dans le sens contraire des rotors 3 et 4 afin d'élimi-
ner les anti-couples des hélices entre elles et permettre la stabilité en lacet (figure 1.7
(gauche)). A l'équilibre, le drone est soit en position stationnaire soit en mouvement
vertical (ascendant ou descendant). L'innovation du XSF par rapport au quadrirotor
existant (figure 1.7 (droite)) est le pivotement des supports qui portent les rotors 1 et 3
autour de l'axe de tangage, ce pivotement assure soit le mouvement rectiligne horizontal
soit le mouvement de rotation autour de l'axe du lacet ou une combinaison de ces deux
mouvements (le virage) [AZO 05]. Plus de détails sur les deux configurations est donné
dans le paragraphe suivant.
1.4. Drones miniatures 17

FIG. 1.7: Sens de rotation des rotors : X4 bidirectionnel (gauche) et X4 conven-

tionnel (droite).

1.4.5 Pivotement des supports moteurs 1 et 3

Pour permettre le déplacement horizontal du drone sans incliner l'ensemble, nous
avons doté les supports moteurs 1 et 3 d'un degré de liberté supplémentaire. Il s'agit

Les deux supports moteurs peuvent :

- soit pivoter dans le même sens pour créer une composante horizontale susceptible
de propulser le XSF en translation ;
- soit pivoter en sens inverse pour créer un lacet sans translation.

¡y ® y.
/I
/ !
/ I

FIG. 1.8: Pivotement des supports.

L'angle ξ£ est limité en butée à 20°. Cependant des angles intermédiaires entre 0 et
20° sont permis pour créer le mouvement de virage (mouvement couplé déplacement
horizontal-lacet). Ce mouvement de pivotement est généré par deux servo-moteurs. Il
est supposé se faire à très faible vitesse de rotation.
18 Introduction à la conception et au contrôle-commande des drones

1.5 Constitution du drone

1.5.1 Les batteries

Le développement des drones connaît un essor croissant depuis quelques années et

ce en raison des grands avancements faits dans le domaine des capteurs et des cartes
électroniques qui sont de plus en plus légers et performants, mais aussi le développement
des batteries qui a permit de réduire considérablement le poids de celle-ci pour une
autonomie plus importante.

Un des gros problème rencontré dans la navigation des drones est laduréedu vol, il a
été donc donné une grande importance à l'étude énergétique et l'économie de celle-ci, et
cela passe par le choix entre autres des moteurs des batteries et des hélices. Il faut donc,
passer par une étude complète sur les moteurs de type brushless afin de les caractériser
et de déterminer leur consommation et en deuxième temps, étudier l'autonomie réelle
des batteries (figure 1.9(a)) ainsi que l'étude des hélices.

(c) (d)

FIG. 1.9: Batteries (a), hélice (b), Moteur électrique (c) et Variateur (d).
1.5. Constitution du drone 19

1.5.2 Les propulseurs

Les propulseurs du drone XSF sont composés d'un moteur à courant continu de type
Brushless, un variateur (figure 1.9(d)) et une hélice. Ils représentent le coeur même du
drone XSF et leur consommation dépend de l'autonomie de vol du XSF.

1.5.2.1 Les hélices

Le drone XSF fonctionne avec le même principe que les hélicoptères, ceci implique
que les hélices des propulseurs (figure 1.9(b)) doivent supporter tout le poids du drone
et ainsi être capable de produire la poussée nécessaire au fonctionnement du drone.
Le XSF a un poids estimé à 2 Kg, en répartissant les efforts sur l'ensemble des
quatre propulseurs, chaque hélice doit être capable de produire une poussée de 4.9 N
à l'équilibre.

1.5.2.2 Le moteur électrique

Le choix pour la motorisation des propulseurs du XSF, porte sur l'utilisation de

moteur électrique de type brushless. Ce choix s'explique par le meilleur rapport puis-
sance/poids que présente ce genre de moteur (figure 1.9(c)). Par ailleurs, le choix de
ce moteur électrique s'inscrit dans la volonté de rendre le XSF silencieux ce qui est un
énorme atout pour le genre de mission qu'il a à accomplir.

1.5.3 Le capteur
Ces dernières années, une grande variété de systèmes capables de produire des me-
sures tridimensionnelles ont été développés pour permettre de réaliser une loi de com-
mande pour un vol autonome d'un drone. Pour cela, il faut avoir toutes les mesures
nécessaires (position, orientation, vitesse, accélération,...) et en temps réel. Ces me-
sures, dans notre cas, sont délivrées par la centrale inertielle et les capteurs ultrasons
ainsi que d'autre capteurs.

1.5.3.1 Les capteurs à ultrasons

Le capteur à ultrasons (figure 1.10(a)) est un capteur télémétrique composé d'un

émetteur, un récepteur et d'un microcontrôleur PIC. Il sert à mesurer la distance qui
le sépare d'un obstacle se situant devant lui. L'inconvénient de ces capteurs c'est qu'on
20 Introduction à la conception et au contrôle-commande des drones

Emetteur

(d)
(C)

FIG. 1.10: capteur à ultrason (a), la centrale inertielle (b), carte micro contrôleur
(intelligente) (c), GPS (d) et camera (e).

connaît pas le premier obstacle qui va être touché par l'onde émise, ou bien, durant le
mouvement de l'objet, l'onde peut tomber sur des obstacles différents à chaque instant
et à des distances différentes.

1.5.3.2 La centrale inertielle

La centrale inertielle est un capteur qui permet de mesurer en temps réel les mouve-
ments (accélération, vitesse angulaire). Conçue à partir des nouvelles micros technolo-
gies, la centrale regroupe un ensemble intégré de trois gyroscopes, trois magnétomètres
et trois accéléromètres formant un trièdre orthogonal (Figure 10(b)).
Les données fournies par les différents capteurs qui composent la centrale inertielle
sont exprimées dans un trièdre direct. Ce système de coordonnées est fixe. Il est lié à
la centrale et il est défini comme le système de coordonnées du capteur. Ce système de
coordonnées est aligné avec le boîtier de la centrale inertielle.
Étant donné que la centrale inertielle nous fourni l'accélération tri axial, il nous
faut donc l'intégrer, une fois pour obtenir la vitesse, deux fois pour obtenir la position.
Mais cette intégration numérique peut fournir une erreur importante. En effet, toute
mesure de la centrale inertielle peut être entachée d'erreurs dûes aux bruits des moteurs
par exemple ou à d'autres perturbations qu'il faut éliminer par un filtrage numérique
1.5. Constitution du drone 21

judicieux.
Pour déterminer l'orientation, donc les angles d'Euler et la vitesse angulaire, on
utilise directement les données filtrées de la centrale inertielle. Nous pouvons obtenir,
à la fois, les trois mesures ; l'accélération, les angles d'Euler et la vitesse angulaire en
envoyant la commande pour la centrale inertielle.

1.5.3.3 La carte intelligente

La carte intelligente est l'élément principal dans le drone. Cette carte doit gérer
l'ensemble des capteurs montés sur le drone (sauf la caméra, les images sont transmises
directement sur la base au sol) (figure 1.10(c)).

1.5.3.4 Localisation par le GPS

Le Global Positionning System (GPS) peut se traduire par le Système de Posi-

tionnement Général, c'est un système de positionnement par satellites. Actuellement,
en utilisant certaines techniques particulières, la précision peut atteindre le mètre, mais
dans son utilisation basique, elle est de l'ordre de 50 mètres lorsqu'il n'y a aucun filtrage.

Les applications civiles du GPS sont multiples et ce n'est pas le but ici de dresser
une liste exhaustive de son utilisation. Notons cependant quelques grands domaines
touchés :

- Navigation aérienne
- Navigation maritime
- Suivi d'itinéraire pour compagnie de transport
- Etudes géodésiques et géographiques
- Assistance aux équipes de secours
Toutes les compagnies de transport aériens sont désormais équipées du GPS, ce qui
permet notamment aux avions d'atterrir avec une grande précision et de se diriger en
automatique dans la plupart des cas. Dans les grandes courses de voiliers, la précision
obtenue par les récepteurs joue un rôle capital dans la victoire et les équipes de sauvetage
en montagne ont vu leur efficacité augmenter en utilisant ce système (figure 1.10 (d)).
22 Introduction à la conception et au contrôle-commande des drones

1.5.3.5 La caméra
Le choix d'une caméra est complexe, puisqu'il dépend de l'application même parce
que le marché offre de multiples options, solutions et marques toutes différentes (figure
1.10 (e)).
Dans le domaine de la robotique mobile terrestre, ce procédé est déjà largement ex-
ploité avec notamment l'emploi d'omnicaméras. Toutefois, dans ce genre d'applications,
la précision des données n'est pas particulièrement critique. Dans le domaine aérien, cela
est beaucoup plus problématique. En effet, de la qualité des données dépend la stabilité
de l'objet volant.

1.6 Système d'acquisition embarqué du XSF

La centrale que nous utilisons pour le drone, est un module 3DM-GX1 distribué par
la société Microstrain(c). Cette centrale associe :
- trois accéléromètres orthogonaux
- trois magnétomètres orthogonaux
- trois gyroscopes de vitesse angulaire
- un convertisseur analogique numérique 16 bits
- un microcontrôleur qui permet de donner l'orientation de la centrale de manière
statique ou dynamique
Concernant les mesures, nous pouvons les recevoir sous plusieurs formes : sous forme
de matrice, soit en quaternions ou alors en angles d'Euler. La sortie digitale peut aussi
nous donner la température pour la compensation des mesures.
Il est possible de récupérer les données de deux manières différentes, soit par le bus
de terrain RS-485 ou par une liaison série plus classique de type RS-232.

1.7 Application et perspectives

Actuellement, les drones occupent une place importante dans le domaine civil et
militaire. En effet, ces engins sans pilote présentent de nombreux avantages [HAM 05] :
- diminution des contraintes liées à la sécurité ;
- missions à haut risque, zone non accessible à l'homme ;
- réduction des coûts.
Il existe différents types de drones adaptés à chaque mission :
1.8. Modes de vol 23

- dans le domaine de la sécurité : surveillance de l'espace aérien, du trafic urbain

et interurbain ;
- Dans la gestion des risques naturels : surveillance de l'activité des volcans ;
- La protection de l'environnement : mesure de la pollution de l'air, surveillance
des forêts ;
- L'intervention dans des sites hostiles : milieux radioactifs, déminage des terrains
sans intervention humaine ;
- La gestion des grandes infrastructures : barrages, lignes à haute tension, pipelines ;
- L'agriculture : détection et traitement des cultures ;
- La prise de vue aérienne dans la production des films.
Toutes ces missions nécessitent un contrôle performant de l'appareil et par consé-
quent des informations précises sur son état absolu et/ou relatif à son environnement.

1.8 Modes de vol

Généralement il existe trois modes qui décrivent la direction de vol de l'engin, ces
modes sont :
- vol vertical
- vol stationnaire
- vol de translation

1.8.1 Vol vertical (ascendant ou descendant)

Dans le vol vertical, la résultante aérodynamique et le poids total sont deux forces
ayant la même direction mais de sens opposé. Le vol est ascendant ou descendant,
suivant que l'effet aérodynamique est supérieur ou inférieur au poids de l'appareil. Pour
effectuer un vol vertical du drone XSF, il faut respecter ces conditions fondamentales :
- Les quatre forces des moteurs F1, F2, F3 et F4 doivent fonctionner en même temps
afin d'obtenir l'équilibre de l'ensemble.
- Pour atteindre la consigne, nous agissons sur les quatre moteurs simultanément
(augmentation et diminution des forces).
On augmente ou on diminue ces forces au fur et à mesure jusqu'à ce qu'on atteint
la valeur désirée ou la référence.

m : est la masse totale de l'engin.

24 Introduction à la conception et au contrôle-commande des drones

1.8.2 Vol stationnaire

Ce vol est obtenu lorsque les normes de la force sustentatrice et celle de pesan-
teur sont égales et opposées. Dans ce cas, nous pouvons constater que l'appareil reste
immobile.

1.8.3 Vol de translation

Correspond à tout vol en avant, en arrière ou sur le côté. Par exemple pour notre
drone, le vol suivant l'axe x est effectué par le pivotement des supports qui portent les
moteurs 1 et 3. Ainsi le vol suivant l'axe y est obtenu par le pivotement des supports
qui portent les moteurs 1 et 3. Ce mouvement est réalisé en deux étapes :
- Un mouvement de lacet (pivotement des supports qui portent les moteurs 1 et 3
dont les sens sont opposés).
- Un avancement suivant y (pivotement des support qui porte les moteurs 1 et 3
dont les sens sont identiques).
Pour stabiliser l'altitude, on doit augmenter soit les forces F1 et F2 ou F3 et F4 simulta-
nément. Dès qu'on atteint la valeur désirée, on revient à l'état d'équilibre.

1.9 Travaux portant sur le contrôle-commande des

drones
Au cours des années précédentes une grande diversité de modèle et configurations des
hélicoptères a vu le jour, ce par ajout ou retrait des différentes composantes permettant
leur commande. La configuration à quatre rotors commence à attirer de plus en plus
l'attention des chercheurs dans le domaine de l'aéronautique. Ainsi la recherche des lois
de commande simple, robuste et facilement embarquable reste aussi un domaine très
vaste. Plusieurs laboratoire travaillent sur la commande des drones et plusieurs lois de
commande ont été proposées.
Notre laboratoire développe une nouvelle conception appropriée d'un quadrotor pour
des applications extérieures avec une grande autonomie énergique, capable d'éviter des
obstacles, ayant un algorithme inclus de stabilisation et capable d'exécuter des décol-
lages et des atterrissages automatiques [AZO 05],
Les premiers travaux sur la commande non-linéaires des hélicoptères ont été orientés
vers l'extension de la technique de linéarisation entrée-sortie développée par Hauser
1.9. Travaux portant sur le contrôle-commande des drones 25

et Sastry [HAU 92] pour le contrôle d'un avion à décollage et atterrissage vertical
(PVTOL).

Un modèle dynamique de quadrirotor a été proposé (modélisation en utilisant le

formalisme de Newton) par T. Hamel et al [HAM 00,HAM 02] où la dynamique des
moteurs est prise en compte ainsi que les effets aérodynamiques et gyroscopiques des
rotors. Les problèmes auxquels il est intéressé Hamel sont, la modélisation, l'identifica-
tion de paramètres, l'estimation d'état et l'intégration de la vision dans la boucle de
commande afin d'asservir visuellement le drone à quatre hélices.

Les travaux de P. Castillo et Lozano [CAS 04, LOZ 03, LOZ 04, LOZ 05] : portent
sur la proposition d'un modèle mathématique qui tient compte de la dynamique des
moteurs (modélisation Lagrangienne) et l'obtention de lois de commande non linéaires
pour la réalisation de vol stationnaire de manière autonome. Utilisant les propriétés des
fonctions de saturation et la théorie de Lyapunov, des lois de commande pour stabiliser
l'hélicoptère à quatre rotors ont été proposées. Des plates-formes expérimentales ont
été réalisées pour appliquer et tester les lois de commande proposées.

L. A. Young et al [YOU 02] sponsorisés par l'Aerospace Directorate en NASA

Ames Research Center présentent des nouvelles configurations de mini-drones et ses
applications parmi les quelles l'hélicoptère à quatre rotors appelé Quacl-Rotor Tail-
Sitter.

P. Pound et al [POU 04], ont conçu et développé un algorithme de contrôle d'un

prototype d'un véhicule aérien à quatre hélices. Ils ont envisagé d'utiliser une centrale
inertielle pour mesurer la vitesse et l'accélération angulaire. Ils utilisent une linéarisation
du modèle dynamique pour concevoir leur algorithme de contrôle. Les résultats de la
loi de commande ont été testés en simulation.

Le problème de la stabilisation a été traité par plusieurs techniques. Par exemple

Beji et al [BEJ 05a, BEJ 04] ont proposé un algorithme de contrôle basé sur la théorie
de la platitude pour stabiliser le drone.

E. Altug et al [ALT 03a, ALT 02, ALT 03b], ont proposé un algorithme de contrôle
pour stabiliser le quadri-rotor en utilisant la vision comme capteur principal. Cette tech-
nique se compose d'une caméra terrestre et d'une caméra embarquée sur l'hélicoptère et
sont utilisées pour estimer les six degrés de liberté de l'hélicoptère. L'algorithme de la
pose est comparé par la simulation à d'autres méthodes d'estimation de la pose (telles
que la méthode des quatre points, et la méthode de stéréo vision) et s'avère moins
26 Introduction à la conception et au contrôle-commande des drones

sensible aux erreurs dans le plan image. Ils ont étudié deux techniques pour la com-
mande, la première utilise une commande par linéarisation, tandis que la seconde utilise
la technique du Backstepping. Ils ont implémenté leurs algorithmes en simulation. Ils
présentent aussi une expérience qu'ils ont faite en utilisant la vision pour mesurer l'angle
de lacet et l'altitude.
Dans [MOK 04], la commande utilisée est basée sur un modèle d'état constitué
des angles d'Euler et des positions observées. Ils ont traité la commande des angles
(roulis, tangage et lacet) plutôt que les mouvements de translation. Pour cette raison le
système a été représenté en deux boucles en cascade, la première relie le mouvement de
rotation (dont la loi de commande en boucle fermée est appliquée) et la seconde pour le
mouvement de translation. La dynamique du contrôleur par retour d'état est développée
pour transformer la partie de la boucle fermée du système en sous-ensemble linéaire,
contrôlable et découplé. L'évaluation des paramètres de vent du quadrotor est employée
pour éviter utilisation de plusieurs capteurs dans la plate forme expérimentale. Par
conséquent un estimateur des moments aérodynamiques résultants par l'intermédiaire
de fonction de Lyapunov a était développé. L'étude de la robustesse et la performance
du contrôleur proposé sont aussi examinées par la simulation.

Dans [MOK 06], une linéarisation robuste par retour d'état mixé avec le contrôleur
GH∞ linéaire est appliquée. Une saturation des actionneurs et des contraintes sur la
sortie de l'espace d'état sont introduites pour analyser les cas défavorables pour la
commande. Les résultats obtenus prouvent que le système global devient robuste lorsque
les fonctions pondérées sont choisies judicieusement. Le fonctionnement du contrôleur
est illustrée dans une étude de simulation qui tient compte des incertitudes sur les
paramètres, les perturbations externes et de bruit de mesure.

Dans [TAY 06,TAY 04], on propose un nouveau schéma de commande basé sur les
quaternions par retour d'état pour la stabilisation d'attitude d'un quadrotor. Le contrô-
leur proposé est basé sur la compensation des effets Coriolis et des couples gyroscopiques
et l'utilisation d'une structure par retour d'état, où l'action proportionnelle est repré-
sentée en terme du vecteur du quaternion. Les deux actions dérivées sont exprimées en
fonction de la vitesse angulaire du fuselage et de la vitesse du vecteur du quaternion.
Des résultats de simulation sont illustrés clans [TAY 04] pour montrer l'efficacité du
contrôleur proposé. L'étude de la stabilité asymptotique a été prouvée et testée sur une
plate-forme expérimentale [TAY 06]. Cette étude est limitée seulement au vol vertical.

Dans [BOU 04a, BOU 04b], le contrôleur Proportionnel Intégral Dérivé (PID) et le
1.9. Travaux portant sur le contrôle-commande des drones 27

contrôleur Quadratique Linéaire (LQ) ont été mis en application. Ces deux techniques
ont prouvé la possibilité de contrôler le système. Cependant, ces conceptions sont basées
sur un modèle linéarisé du quadrotor. Les contrôleurs sont performants si le quadrotor
dispose d'une configuration proche de celle du modèle à linéariser mais les performances
sont dégradées si son état est différent. Par conséquence, ces contrôleurs manifestent
des difficultés vis à vis des perturbations externes et semblent peu efficace quant à la
poursuite de la trajectoire.
Dans [BOU 05], la technique du backstepping ainsi que celle basée sur le mode
glissant sont utilisés. Ces algorithmes de commande qui, une fois mis en application sur
le même système que celui considéré dans [BOU 05], donne des meilleurs résultats par
rapport aux contrôleurs PID et LQ [BOU 04b].
Dans [HOV 02], un réseau de neurones d'une seule couche cachée (a Single Hidden
Layer Neural Network-SHL-NN) est utilisé pour compenser la dynamique inconnue
et permet l'exécution du contrôleur obtenu avec presque aucune connaissance de la
dynamique du système. Cette approche a été prolongée dans [KUT 05] permettant
à l'algorithme de contrôler le système et de satisfaire des contraintes de saturation
d'entrée de commande. Cette technique a été appliquée avec succès sur le système réel.
L'algorithme est limité à la commande du tangage du véhicule.
Dans [YAN 05], on traite le problème de la commande optimal en temps d'un qua-
drotor. Au lieu d'utiliser le Principe Minimum du Pontryagin (PMP), dans lequel on
résout un ensemble d'équations fortement nonlinéaire, une méthode de programmation
nonlinéaire (NLP) avec des algorithmes génétiques a été proposée. Cette méthode a
pour but de trouver un mouvement en temps optimal de l'hélicoptère entre deux confi-
gurations.
28 Introduction à la conception et au contrôle-commande des drones

1.10 Conclusion
Nous avons présenté dans ce chapitre un panorama des recherches sur les différentes
configurations des engins volants ainsi que les différents travaux dans la commande des
l'hélicoptère à quatre hélices. Les recherches sont nombreuses et les résultats obtenus
dans les différents cas d'applications sont très prometteurs.
Les fortes contraintes de coûts dans l'industrie imposera toujours l'utilisation de
capteurs peu chers. Il y a donc tout à gagner de la modélisation, de la fusion de données
et des nouveaux systèmes de localisation et de reconnaissance pour améliorer la qualité
de l'information et donc une navigation complètement autonome.
Dans le chapitre suivante nous décrivons le modèle générique du drone afin d'appli-
quer les techniques du backstepping et la commande par retour d'état statique. Il s'agit
d'un modèle caractérisant des véhicules sous-actionnés.
Chapitre 2

Modélisation d'un drone à quatre

hélices

2.1 Introduction
Il s'agit d'établir le modèle mathématique de la dynamique du drone à quatre hé-
lices. Ce modèle fait le lien entre les entrées de commande et les sorties à contrôler.
Identiquement à tous les engins volants, le modèle de la dynamique complet d'un drone
est relativement difficile à établir et nécessite une étude mécanique assez poussée. Cette
étude se base sur la considération de la flexibilité des pales (ailes vibrantes), de la défor-
mation de certains corps de l'engin ainsi que des couplages entre plusieurs phénomènes,
à savoir la dynamique du fuselage, les dynamiques des moteurs, les effets aérodyna-
miques et les effets gyroscopiques.
Dans ce chapitre, nous présentons la dynamique pour un drone capable de vol d'avance-
ment rapide et de vol stationnaire ou quasi-stationnaire. Un tel modèle peut être achevé
dans un repère local, lié au drone, ou encore dans un repère global, supposé fixe. Nous
évoquons le modèle global qui sera traité de point de vue commande en stabilisation
et en poursuite. Beaucoup d'auteurs se sont inspirés de la dynamique d'un corps rigide
associé au fuselage pour aborder la modélisation auquel sont ajoutés les forces aérodyna-
miques générées par les rotors. Nous citons dans ce sens les travaux de Chriette et Hamel
sur les hélicoptères [CHR 01], Lozano et Castello sur le X4 [LOZ 03,LOZ 04,LOZ 05]
et, Beji et al [BEJ 06, BEJ 05b] sur le X4 bidirectionnel. De même nous pouvons nous
référer au livre de Etkin [ETK 59] qui porte sur la dynamique de vol beaucoup plus
complexe.
Des tentatives de modélisation du drone sont enregistrées dans la littérature, tel que

29
30 Modélisation d'un drone à quatre hélices

celui établi par Lozano [LOZ 05] par la méthode Euler-Lagrange. Les résultats de la
modélisation ont conduit à deux dynamiques découplées en rotation et en translation.
Le modèle présenté par Hamel [HAM 02, HAM 00] basé sur le formalisme de Newton qui
a été obtenu à partir de la dynamique d'un corps rigide associé au fuselage auquel sont
ajoutées les forces aérodynamiques générées par les rotors. Ce modèle en plus intègre la
dynamique des actionneurs. Le modèle qu'on étudie diffère des autres par l'orientation
de ses axes par rapport à un modèle du X4 conventionnel. L'approche de la modélisation
est basée sur le formalisme de Newton.

2.2 Caractéristiques et configurations du drone XSF

Le drone XSF (X4 Stationary Flyer) est un quadrirotor de 68 x 68 cm de dimension
globale, capable d'emporter une petite charge utile de 2 Kg d'envergure 50 cm avec
une durée d'autonomie en vol est de 30 min maximum. Il est conçu en forme de croix
réalisé en fibre de carbone. Chaque bout de la croix dispose d'un rotor comprenant
un moteur électrique et une hélice quadripale carénée. Au milieu se trouve un cylindre
central contenant l'électronique embarquée, les caméras et les batteries. Le drone doit
être autonome avec la réalisation de certain mode de vol notamment, l'atterrissage, le
décollage ainsi que le vol stationnaire ou de translation. Les différents repères utilisés
pour la modélisation du drone sont le repère local et le repère inertiel (global). Le repère

centre de masse est situé dans l'intersection des deux barres. Chaque barre porte deux
moteurs. Les équipements comme par exemple les capteurs, les cartes des contrôleurs,
etc . . . , sont placées proches du centre de masse G. Le repère inertiel (figure 2.1) est

Considérons le vecteur X = (x, y, z) représentant la position du centre de masse du

véhicule dans le repère inertiel. Pour définir l'orientation au cours du temps du repère

2.3 Cinématique
L'étude du mouvement d'un drone évoluant dans l'espace, requiert la connaissance
de sa position et de son orientation. Cette localisation nécessite le choix d'au mois deux
2.3. Cinématique 31

FIG. 2.1: Les deux repères du drone inertiel et local.

repères. Le premier repère est le repère inertiel global Ko de référence. Le repère iner-
tiel est lié à la terre et peut être considéré comme Galiléen. sRQ(EX) Ey,Ez) est orienté
comme indiqué sur la figure 2.1. A savoir, Ex est orienté vers le nord, Ey est orienté
vers l'est et Ez est orienté vers le haut.

On définit un repères local ayant comme origine le centre géométrique OG. Le repère
'¡Ro(E(, ,.Ef ) appelé aussi repère relatif à la mécanique du vol dont les axes sont liés
à la géométrie de l'appareil.

2.3.1 Définition des matrices de passage

L'orientation entre les repères Ko et Ko peut être donnée par une matrice de rota-
tion orthogonale de dimension 3 x 3. La contrainte d'orthogonalité réduit le nombre de
paramètres nécessaires pour représenter cette matrice à 3 paramètres. Il existe plusieurs
manières pour paramétrer la matrice de rotation dont le choix dépend de l'application
en question.
La paramétrisation de la matrice de rotation par les angles d'Euler est souvent
32 Modélisation d'un drone à quatre hélices

utilisée dans les applications robotiques. Elle permet d'obtenir la matrice de rotation
globale par trois rotations élémentaires autour des axes E!{, et Ef respectivement.
Par ailleurs, elle a l'avantage de représenter des grandeurs physiques mesurables par des
capteurs de situation actuellement utilisés (centrales inertielles, compas magnétique,...).
Le paramétrage de l'orientation s'effectue par le vecteur :

m = (0, <i>, (2.i)

où les trois angles sont définis comme suit : les trièdres KG (G, E f . E ^ E ^ ) et Ko(C,
Ex, Ey, Ez) étant initialement confondus, on passe de Ko à Ko par trois rotations
successives figure 2.2 :
2.3. Cinématique 33

La dernière rotation d'angle de roulis Φ s'effectue autour de l'axe x2 de la nouvelle

base. Elle donne la matrice Hé entre les bases B(Ef, V,W) et B(Ef, £f,£f).

FIG. 2.2: Les angles d'Euler.

A partir de la relation (2.2), la transformation qui permet de passer du repère local

3Îg vers le repère global Ko est donnée par :

inverse sa transposée. Cette matrice forme un groupe, appelée groupe des matrices
orthogonales d'ordre 3, noté SO(3) et qui est définie par :

(2-8)
34 Modélisation d'un drone à quatre hélices

2.4 Forces et Couples Aérodynamiques

Dans cette partie, On va définir les caractéristiques des forces et couples aérodyna-
miques issue des pales. La pale se comporte comme une aile tournante. Chaque élément
de la pale dr est en contact avec le flux d'air avec une vitesse VR et selon un angle
d'attaque α. Dans le plan du propulseur, la pale est définie par le rayon R0 . Chaque
section élémentaire de la pale de la largeur dr crée une poussée dL et une résistance
dD [BAR 99], comme suit :
dL = \pCLVldS
2
(2.9)
dD = -pCoVftdS

où ρp est la densité de l'air, Ci

CL et Cq
CD représentent des coefficients de poussée et de
résistance dépendant de l'angle d'attaque a (a =
— γ7 — Φ).
$). Selon
Selon lele fait
fait que
que lele XSF
XSF
plane ou se déplace à une vitesse réduite, nous avons supposé que la poussée f pour un
propulseur à B pales (figure 2.3) :

rR

Le calcul du coefficient de poussée est souvent complexe. Il est ainsi essentiel d'éla-
borer un processus expérimental, qui laisse déterminer avec précision le coefficient KT
aussi bien que les limites de la validité de la relation.
Le couple résistant est défini identiquement comme suit :
2.5. Modèle de la dynamique 35

FIG. 2.3: Description des forces appliquées à la pale.

La compensation de ce couple au centre de gravité est assurée par la contre rotation

des rotors 1-3 et 2-4.
Avec Km : constante à déterminer expérimentalement.

2.5 Modèle de la dynamique

Dans cette partie, on présente deux modèles, la premier est appelé modèle du X4
conventionnel [LOZ 05, LOZ 04,HAM 02, HAM 00] et le second est nommé modèle du X4
bidirectionnel [BEJ 05b, BEJ 06]. Rappelons que pour le modèle du X4 conventionnel,
les rotors 2 et 4 tournent dans le sens horaire, et les rotors 1 et 3 tournent dans le sens
contraire des aiguilles d'une montre. Ceci garantit l'équilibre global en lacet (figure 2.4
droite).
La particularité du XSF (modèle du X4 bidirectionnel) par rapport aux quadrirotors
existant, et que le sens de rotation des rotors implique que les rotors 1 et 2 tournent
dans le sens horaire et les rotors 3 et 4 tournent dans le sens contraire des aiguilles d'une
montre à lesquelles s'ajoutent deux rotations internes ξ1 et ξ3 ( figure 2.1). Il s'agit des
pivotements des supports des moteurs 1 et 3 autour de l'axe de tangage. On montre
que ces pivotements assurent un mouvement rectiligne horizontal et/ou un mouvement
de rotation autour du lacet. De même, on peut obtenir une combinaison de ces deux
mouvements qui permet à l'engin de virer (figure 2.4 gauche).
36 Modélisation d'un drone à quatre hélices

FIG. 2.4: Sens de rotation des rotors : X4 bidirectionnel (gauche) et X4 conven-

tionnel (droite).

Le drone XSF est modélisé en première approximation comme un solide indéfor-

Pour élaborer la commande, on détaille le modèle dans le repère inertiel.

L'équation fondamentale de la dynamique est donnée par :

(2.14)

(2.15)

où : m : représente la masse du drone, IG son tenseur d'inertie, v sa vitesse linéaire

T 2 ), les forces et les moments extérieurs; soient le poids, les forces et les moments
aérodynamiques et des propulseurs.

2.5.1 Dynamique d'un modèle du X4 conventionnel

Rappelons qu'un modèle du X4 conventionnel est un modèle qui n'intègre pas les
deux degrés internes relatifs aux orientations de deux rotors. Nous abordons sa modé-
lisation par la suite et nous étendons les résultats au X4 bidirectionnel.

2.5.1.1 Dynamique de translation

Dans cette section on présente le modèle dynamique du drone en utilisant l'approche

de Newton, l'équation fondamentale est donnée par :
2.5. Modèle de la dynamique 37

Il convient d'écrire pour la translation :

g : représente la constante gravitationnelle,

u : la poussée, appelée aussi entrée collective.

La dynamique de translation est régie par :

2.5.1.2 Dynamique de rotation

La dynamique de rotation est définie par rapport au repère local mais exprimée
dans le repère inertiel. Le moment cinétique est défini par :

alors que la vitesse angulaire dans le repère local :

 38 Modélisation d'un drone à quatre hélices

où les moments extérieurs par rapport à G (li=l, i=1, ...,4 qui représente la distance
entre G et i, et qui sont identiques)

Finalement les couples sont donnés par :

l : distance entre le moteur et le centre de gravité,

L'équation (2.25) peut être écrite comme :

Dans un premier temps, le modèle donné ci-dessus peut être linéarisé (linéarisation
entrée-sortie) par les lois de commandes découplées suivantes :
2.5. Modèle de la dynamique 39

Le modèle dynamique découplé de la rotation peut être écrit sous la forme suivante :

En utilisant le système d'équation (2.20) et (2.31), la dynamique du drone peut être

décrite par les équations :

On remarque que la dynamique des rotations est linéaire et complètement découplée

et actionnée. Alors que la dynamique des translations est non-linéaire et sous-actionnée.

2.5.2 Dynamique du modèle X4 bidirectionnel

2.5.2.1 Dynamique de translation
Actuellement, le modèle avec lequel on travaille est un modèle simplifié, les contraintes
et les couples gyroscopiques sont négligés. Notre objectif est de commander le drone
verticalement (z) et horizontalement suivant x et y. La dynamique de translation du
véhicule, représentée sur la figure 2.1, est modélisée par les équations suivantes :

où x, y, z représentent les positions horizontale et verticale du centre de masse du

drone et η2 = (θ, Φ, Ψ)t regroupe les angles de tangage, roulis et lacet. L'entrée de
commande u3 (force de collective) ainsi que l'entrée de commande pour les mouvements
horizontaux u2 sont régies par :
40 Modélisation d'un drone à quatre hélices

Pour permettre le déplacement horizontal du drone sans incliner l'ensemble, nous

avons doté les supports des moteurs 1 et 3 de deux degrés de libertés supplémentaires ξ1

soit pivoter dans le même sens pour créer une composante horizontale susceptible de
propulser le XSF en translation, soit pivoter en sens inverse pour créer un lacet sans
translation. Les angles ξ1 et ξ3 sont limités en butée à 20°. Cependant des angles inter-
médiaires entre 0 et 20° sont permis pour créer le mouvement de virage (mouvement
couplé déplacement horizontal-lacet). Ce mouvement de pivotement est généré par deux
servo-moteurs, supposé se faire à très faible vitesse de rotation.
Il vient d'écrire :

(2.36)

2.5.2.2 Dynamique de rotation

Le mouvement peut être représenté par des vitesses angulaires du drone par rapport
au repère local exprimé dans le repère inertiel. En appliquant la théorie de la mécanique

Les couples non conservatifs sont :

2.5. Modèle de la dynamique 41

(2.38)

L'équation (2.37) peut être écrite sous la forme matricielle suivante :

(2.39)

(2.40)

(2.41)

Le modèle est réduit à l'écriture simple suivante (appelée aussi dynamique décou-
plée) .

(2.42)

En regroupant les écritures ci-dessus (2.33, 2.42), on forme la dynamique suivant de

l'XSF :

(2.43)

Remarque 1 Dans l'équation (2.43), le système équivalent de la commande présente

de pivotements ( f 1 , f2, f3, f4, ξ1 , ξ3) n'est pas bijectif. On peut utiliser l'inverse généra-
lisée de la matrice coefficient sachant que les solutions sont limitées.
42 Modélisation d'un drone à quatre hélices

2.6 Conclusion
Dans ce chapitre, nous avons cité plusieurs modèles qui existent déjà [HAM 00,
POU 02, LOZ 04], et présenté un nouveau modèle dynamique développé par [BEJ 06,
BEJ 05b] au sein du laboratoire IBISC. Ce dernier se distingue des modèles existants
par le pivotement des angles des supports qui portent les moteurs 1 et 3 (ξ1 et ξ3). Ces
modèles sont caractérisés par leur forte non-linéarité qui provient de la nature des efforts
ainsi que du choix des coordonnées permettant la paramétrisation de la configuration
du drone. Nous avons commencé par une étude cinématique en précisant les notations
utilisées, suivie par une étude dynamique.
Les algorithmes de contrôle pour stabiliser ce type d'engin continuent à se déve-
lopper. Nous supposons que beaucoup d'entre eux seront appliqués un jour car les
applications pour ces véhicules aériens augmentent de jour en jour. En plus, tous ces
travaux nécessitent la modélisation du système.
Dans le chapitre suivant, la commande pour la stabilisation du drone par la tech-
nique du backstepping est discutée et appliquée ainsi que par la commande par retour
d'état statique. Ces techniques nécessitent une connaissance explicite du modèle dyna-
mique du drone.
Chapitre 3

Commande robuste par la

technique du backstepping et
planification de trajectoire

3.1 Introduction

Malgré les efforts considérables de la communauté automatique, le problème lié

à la commande d'un drone à modèle réduit pour les manoeuvres dans les différents
axes, reste un problème difficile à résoudre. Cette difficulté est due principalement aux
changements des forces aérodynamiques exercées sur le drone en fonction des paramètres
de l'environnement dans lequel il évolue. Le but de ce chapitre est la conception des lois
de commande non linéaires basées sur la technique du backstepping pour la commande
des mouvements selon les axes z— x —y. En se basant sur la théorie de Lyapunov, il est
possible de concevoir systématiquement et de manière récursive une commande robuste
avec les fonctions construites. Nous étudions et analysons la réalisation de la poursuite
de trajectoire de type droites, arcs et demi-cercles. Dans ce chapitre, nous développons
également une commande basée sur la réalisation par retour d'état statique appliquée
au drone XSF. Enfin, nous présentons une étude comparative entre le X4 conventionnel
et le X4 bidirectionnel pour la réalisation des connexions de types arcs et demi-cercles
ainsi qu'une étude de la robustesse.

43
44 Commande robuste par la technique du backstepping et planification de trajectoire

3.2 Historique et domaines d'application du backs-

tepping
L'idée de base du backstepping est de laisser certains états du système agir en
tant qu'entrées virtuelles. La même idée est utilisée dans la conception du contrôle en
cascade et également dans la théorie de la perturbation singulière. Le backstepping
qui utilise une forme de système en chaîne d'intégrateurs, après une transformation
de coordonnées d'un système triangulaire et en se basant sur la méthode directe de
Lyapunov. A partir de là, il est possible de concevoir systématiquement et de manière
récursive des contrôleurs et les fonctions de Lyapunov correspondantes (annexe A). Bien
que la technique du backstepping ait une histoire plutôt courte mais rien n'empêche de
trouver de nombreuses applications pratiques dans la littérature. On en donne ici un
court aperçu.
C'est grâce aux travaux de Kokotovic [KOK 92], qu'un cadre mathématique est
fourni pour la conception de lois de contrôle pour différents systèmes non-linéaires en
utilisant cette technique. Ainsi, cette technique a été utilisée dans différentes applica-
tions comme par exemple la commande d'automobile [CHA 05]. On trouve également
des travaux dans l'aéronautique qui correspondent au contrôle d'un hélicoptère mi-
niature. Dans ce sens, Chriette [CHR 01] a proposé une loi de commande adaptative
basée sur une technique récursive. Altuge dans [ALT 03a, ALT 02, ALT 03b] a pro-
posé un contrôle stabilisant pour un quadri-rotor en utilisant l'asservissement visuel.
Dans [BOU 05], cette technique récursive ainsi que celle basée sur le mode glissant sont
utilisées pour stabiliser un drone à quatre hélices. Plus de détails sur cette technique et
les chaînes d'intégrateurs sont présentés en annexe B.

3.3 Commande robuste basée sur le backstepping

Dans cette section, on propose une loi de commande basée sur la technique du
backstepping pour le contrôle de deux modèles ; le modèle du X4 conventionnel et le
modèle du X4 bidirectionnel (figure 3.1). La dynamique de ces deux véhicules aériens
a été exposée au chapitre deux. On considère le problème de stabilisation en un point
désiré avec et sans planification de trajectoire ainsi que le problème de poursuite de
trajectoire sous certaines contraintes. L'intérêt de notre travail est de pouvoir minimiser
l'énergie de déplacement, par conséquent une meilleure autonomie en vol est assurée.
3.3. Commande robuste basée sur le backstepping 45

FIG. 3.1: Schéma bloc simplifié pour la commande du drone.

3.3.1 Stabilisation du X4 conventionnel

En général, la stabilisation des quadri-rotors en altitude z ne pose aucun problème.
En effet, la dynamique suivant z peut être rendue linéaire d'ordre 2 avec un premier
bouclage de la force collective en compensant le poids de l'appareil. Cette idée traduit les
résultats de tous les auteurs travaillant sur les drones à quatre hélices. Ainsi et d'après
le système d'équation (2.32), le contrôleur PD suivant stabilise asymptotiquement le
drone à la hauteur désirée.
Pour cela, rappelons que :

En boucle fermée avec la commande auxiliaire v, la dynamique de z s'est réduit à :

Remarque 2 Etant donné que les deux dynamiques de θ et Φ sont respectivement vues

attitudes. Par conséquent la commande est réduite à u3 = m (g + v).

Proposition 1 Identiquement aux autres attitudes, l'orientation de l'appareil en lacet

3.3. Commande robuste basée sur le backstepping 45

FIG. 3.1: Schéma bloc simplifié pour la commande du drone.

3.3.1 Stabilisation du X4 conventionnel

En général, la stabilisation des quadri-rotors en altitude z ne pose aucun problème.
En effet, la dynamique suivant z peut être rendue linéaire d'ordre 2 avec un premier
bouclage de la force collective en compensant le poids de l'appareil. Cette idée traduit les
résultats de tous les auteurs travaillant sur les drones à quatre hélices. Ainsi et d'après
le système d'équation (2.32), le contrôleur PD suivant stabilise asymptotiquement le
drone à la hauteur désirée.
Pour cela, rappelons que :

En boucle fermée avec la commande auxiliaire v la dynamique de z s'est réduite à :

Remarque 2 Etant donné que les deux dynamiques de θ et Φ sont respectivement vues

attitudes. Par conséquent la commande est réduite à u3 = m (g + v).

Proposition 1 Identiquement aux autres attitudes, l'orientation de l'appareil en lacet

3.3. Commande robuste basée sur le backstepping 47

si on dérive par rapport au temps, on obtient :

où Sx3 représente Sin(x3).

P r e m i è r e itération. On introduit z1 = x2 et z 2 = x2 + x1 , alors en déduit x 2 =

z2—z1.On dérive par rapport au temps, on obtient :

Nous proposons de mettre la dynamique de z2 sous la forme suivante :

D e u x i è m e itération, posons z3 = x3 —α2 , α 2 est une entrée auxiliaire à calculer

Sous la variable auxiliaire suivante :

Nous proposons la fonction de Lyapunov suivante :

48 Commande robuste par la technique du backstepping et planification de trajectoire

Nous considérons par la suite que le vol est planaire, c'est à dire que l'altitude zr

Troisième itération, posons z4 = x4 — α3, α3 est une entrée auxiliaire à calculer

Sous la commande auxiliaire suivante :

Afin de prouver le résultat ci-dessus, nous considérons pour la fonction de Lyapunov :

Quatrième itération. On pose z5 =x5 — α4, α4 est à calculer.

Par la suite, on dérive z4 par rapport au temps, on obtient :
3.3. Commande robuste basée sur le backstepping 49

Introduisons la fonction de Lyapunov suivante :

= + \z\ (3.24)

On montre par les mêmes procédures que précédemment et sous les mêmes com-
mandes données par (3.8) que le système en (x,
(x, θ)Û)estestexponentiellement
exponentiellementstable
stableet etque
que
V4 = -z\ - z\- z\- zj<0.
Maintenant, reprenons le système en (y,
{y, Φ
<j>),
),

rny = C9S*u* ^
<>
t = u5
La loi de commande pour le vol suivant la direction y, est établie suivant les mêmes
procédures détaillées précédemment [ZEM 05c,ZEM 05b]. D'où la proposition suivante :

Lemme 2 Ayant connaissance de u->, Vz, et de la position y et de sa dérivée première

ainsi que de <f>,
Φ,Φ et
<j>
de etθ,deθ 6,sous
6, sous
l'entrée
l'entrée
suivante
suivante
en en

U5 =
u:iC0C(p ~ ~

= ( 9S^Co + 4j>CtC e - ftS^Ce - 2ÔS+Se + WC+So - è^Sg + è^S^Ce )

(3.26)
(y, Φ) tendent exponentiellement vers zéro.
(y, (f>) tendent exponentiellement vers zéro.
Preuve. Les étapes sont identiques aux déplacements suivant (x, θ).
Preuve. Les étapes sont identiques aux déplacements suivant (x, 6).

3.3.2 Stabilisation de la poursuite du X4 bidirectionnel

La stabilisation de la poursuite de la trajectoire consiste à stabiliser la trajectoire
de référence réalisée point par point.
Rappelons que les deux rotors 1-3 peuvent être orientés ensemble ou différemment
produisant des forces longitudinal et/ou latéral. Ces forces contribuent aux déplacement
du véhicule selon x/y. La commande en question est celle donnée par u2. Cependant
et pour réaliser un tel déplacement, le mouvement en lacet est nécessaire. On montre

commande u2 devra changer de structure. Une commande basée sur la linéarisation par
retour d'état statique est utilisée pour réussir cette étape.
50 Commande robuste par la technique du backstepping et planification de trajectoire

3.3.3 Commande du mouvement suivant les axes 2 et y

Nous étudions, dans un premier temps, les dynamiques de (y,z) qui peuvent être
découplées par un retour d'état statique. Alors on a la proposition suivante :

La dynamique de (y,z) en boucle fermée est découplée et est exponentiellement-

Preuve. On regroupe les deux dynamiques comme suit :

qui peut être écrit sous la forme matricielle :

La matrice H = 2 x 2 est une matrice inversible. Après avoir incorporé (3.27) dans
le système d'équations (3.29), on obtient :

Les entrées auxiliaires de commande {v y ,v z ), donnée par (3.28), assurent la pour-

suite de trajectoire en y et 2. Ceci termine la démonstration.
3.3. Commande robuste basée sur le backstepping 51

3.3.3.1 Commande du déplacement horizontal suivant l'axe x

Identiquement au cas du modèle d'un X4 conventionnel, on commande le mouvement

selon x en utilisant la technique du backstepping. Le modèle en (x, θ) est donné par :

Par la technique du backstepping, on déduit la forme suivante pour la commande

u4 :

Remarque 3.1 La limite d'intervalle pour ψ ε] — π/2, π/2[ est un handicap pour la
machine si on désire se déplacer selon x avec la commande . Dans ce cas de figure, le
déplacement selon x nécessite une orientation de ψ = π/2 qui est une singularité pour
u2 (voir (3.27)). On apporte une solution à ce problème par la suite.

U n e commande u2 pour se déplacer selon x.

Le second point intérêt est d'établir une commandeu2en permettant de déplacer l'engin
dans la direction de (x, z). On montre par la suite que les dynamiques en x et z, une
fois regroupées, peuvent être découplées à l'aide d'un retour d'état statique. On a la
proposition suivante :

Proposition 3.2 Avec les nouvelles entrées de commande .

52 Commande robuste par la technique du backstepping et planification de trajectoire

Les dynamiques de x et z en boucles fermées peuvent être découplés et linéarisées,

comme auparavant par vx et vz, comme suite :

x = vx ; z — vz (3.38)

Le choix de vx et vz et de leurs gains assure la poursuite de trajectoire selon x et z.

Remarque 3.2 Les commandes uu?

2 et U3
u3 dans la proposition 3.2 assurent la stabilisa-
stabilisa-
tion et la poursuite de trajectoire dans le plan x — z. De plus, on aura besoin, dans ce cas
de figure, de stabiliser le mouvement suivant y. Le problème peut être formulé comme
dans (3.33) où cette fois-ci Φ
è est pris comme une variable d'entrée. La dynamique de
y couplée à Φ
0 est en cascade et la technique du backstepping peut être appliquée sans
difficultés.

Remarque 3.3 Pour commuter entre les deux contrôleurs (3.27) et (3.37), un pro-
pro-
blème de continuité est à résoudre qui peut engendrer un phénomène de 'peak' dans
la commande. D'où l'utilité d'imposer quelques contraintes sur les trajectoires de réfé-
réfé-
7r
rences. Ainsi, on considère que uU2(ip
2 (ψ == 0)
0) == (ψ == π/2)
/2) == 00 avec
avec Φ</>
= 0==0 θ.
= Pour
Q. Pour
un un
lacet ipψ=0,
— 0, on
on utilise
utilise (3.27)
(3.27) etet quand
quand ip 7r/2, on
ψ=— π/2, on applique
applique la
la commande
commande (3.37).
(3.37). Ainsi,
Ainsi,
à partir de (3.27) avec (3.37), on déduit que vv(Tf) = vx(Tf) et yd(7j) = xd{T]).
Prenant 4> = 9 — 0, on impose à u^ip — 0) = mg dans la relation (3.27) et
u3(tp = 7r/2) = mg dans (3.37). T'j est le temps final nécessaire pour atteindre Xd(Tj).

Pour différencier la commande «2

u2 permettant les mouvements suivant x/y.
x ¡y. On va
appeler par la suite u112.
2 , x x lalacommande
commandepermettant
permettant lelemouvement
mouvement suivant
suivant x x etetu2«2,
,y y lala-
commande permettant le mouvement suivant y.

3.4 Planification de trajectoire et résultats de si-

mulations
Nous travaillons avec une trajectoire en ligne droite le long des l'axes z, x et y
et nous effectuons des trajectoires de type arc ou bien demi-cercle. La stabilisation
point par point est utilisée avec la planification de mouvement. Le drone doit voler
dans la direction z2 (vol vertical) suivi par un mouvement suivant x ensuite par un
mouvement suivant y. Nous appliquons cette génération de trajectoire aux deux modèles
3.4. Planification de trajectoire et résultats de simulations 53

(X4 conventionnel et X4 bidirectionnel) pour déduire le modèle le mieux approprier à

cette tâche.
La trajectoire de référence pour le vol vertical est paramétrée par l'équation suivante

final d'une phase du vol est la valeur initiale du mouvement suivant. On peut écrire la
trajectoire de référence suivant x comme :

On peut écrire le mouvement suivant y avec la formule suivante :

Ces trajectoires sont soumises à des contraintes de performance qui sont

Minimiser le temps de déplacement implique que l'engin accélère au départ et dé-

célère à l'arrivée.
La figure 3.2, illustre les trajectoires de références des vols suivant les directions x
et y ainsi que le vol vertical z. Le drone effectue un mouvement vertical de 10m puis
un mouvement suivant x d'une distance de 10m ensuite un mouvement suivant y de la
même distance.
Nous travaillons aussi avec des trajectoires pour faire par exemple des virages. Un
virage est matérialisé par un arc de cercle de rayon p et d'angle α ( t ) (angle de virage).
Cette dépendance du temps de α implique qu'on peut planifier la manière dont on veut
aborder le virage. Ainsi on peut planifier une accélération ou une décélération dans un
54 Commande robuste par la technique du backstepping et planification de trajectoire

FIG. 3.2: Génération de trajectoire avec hd = 10m.

virage. De même l'angle α , qui agit directement sur le comportement du lacet, peut
prendre des valeurs entre zéro (un angle vif) pour un changement de direction, ou 2π
pour contourner un carrefour.
Nous proposons de connecter z et x à travers les équations suivantes (figure 3.3).

et pour la transition de référence entre x et y, on prend

Pour assurer la continuité entre les dérivées par rapport au temps de xd(t) et y d (t),
c'est-à-dire en vitesse, on a :
3.4. Planification de trajectoire et résultats de simulations 55

FIG. 3.3: Une trajectoire de référence avec arcs (x,y,z) en m.

FIG. 3.4: Les erreurs de déplacements : (a) X4 bidirectionnel - (b) X4 conven-

tionnel.
56 Commande robuste par la technique du backstepping et planification de traject

FIG. 3.5: Le tangage θ et le roulis Φ : (a) X4 bidirectionnel - (b) X4 convention:

FIG. 3.6: Les commandes u2 , u3 , u4 et u5 pour les déplacements suivant zxy

X4 bidirectionnel - (b) X4 conventionnel.
3.4. Planification de trajectoire et résultats de simulations 57

FIG. 3.7: Les erreurs de poursuite sans planification de mouvement (zr = xr =

yr = 5m) : (a) X4 bidirectionnel - (b) X4 conventionnel.
70 Commande du drone par contrôle flou

systèmes experts et leur donner une aptitude de prise de décision. Les premières appli-
cations au niveau des systèmes de réglages datent de la fin des années 70, puis à partir de
1985 environ, la logique floue a commencé à être utilisée dans des produits industriels,
en particulier au Japon, pour résoudre des problèmes de réglage et de commande.

4.2.1 Historique
Le concept de la logique floue fut introduit en 1965 par Lotfi Zadeh [ZAD 65].
Freinée par la réticence à appréhender un nouveau concept et par des difficultés de
réalisation pratique, la logique floue ne débouche réellement qu'en 1990 avec l'apparition
de produits et de systèmes utilisant cette technique. Aujourd'hui, la logique floue est
arrivée à maturité et elle est utilisée dans de nombreux produits grand public. Sa mise
en oeuvre est maintenant facilitée par la disponibilité de microprocesseurs dédiés et
d'outils puissants de développement.
L.A. Zadeh connu internationalement pour ses travaux sur la théorie des systèmes,
a introduit la notion de sous-ensemble flous (fuzzy sets) généralisant ainsi l'algèbre
de la théorie classique des ensembles et aussi la logique trivaluée introduite en 1920
par Lukasiewicz. En effet la théorie des sous-ensembles flous permet d'une part de
représenter et de manipuler des connaissances imprécisément et/ou vaguement décrites
et d'autres part d'établir une interface entre des données décrites symboliquement (avec
des mots) et numériquement. Contrairement à sa dénomination, cette théorie est très
précise et s'appuie sur des fondements mathématiques solides.

4.3 Théorie des sous-ensembles flous

La notion de sous-ensemble flou (SEF) est essentiellement fondée sur l'hypothèse
que la relation "est un élément de" n'est pas simplement vraie ou fausse, mais que
son ensemble de valeurs est un intervalle réel [0,1]. Elle permet ainsi d'intégrer et de
traiter le caractère approximatif ou vague de la connaissance humaine en utilisant des
catégories aux limites mal définies comme celui des " hommes jeunes des " grandes
villes " ou des " oranges sucrées ", des situations intermédiaires entre le vrai et le faux
et d'introduire un passage progressif d'une propriété à une autre.

Soit X, un ensemble dénombrable ou non. Un sous-ensemble flou A de X est caractérisé

par sa fonction d'appartenance μ A, telle que :
4.3. Théorie des sous-ensembles flous 71

où μ a(X) représente le degré d'appartenance de x à l'ensemble flou A.

4.3.1 Fonctions d'appartenance

En général, la forme de la fonction d'appartenance dépend de l'application et peut
être monotone, triangulaire, trapézoïdale ou en forme de cloche.
Par exemple, la forme triangulaire nécessite trois paramètres (a α, β) et la fonc-
tion trapézoïdale est définie par quatre paramètres (a,b,α,β) (figure 4.1). L'univers de
discours est l'ensemble des valeurs réelles que peut prendre la variable x.

Forme triangulaire Forme trapézoïdale

FIG. 4.1: Exemples de fonctions d'appartenance.

4.3.2 Caractéristiques d'un sous-ensemble flou

Pour montrer dans quelle mesure un sous-ensemble flou A d'un référentiel X diffère
d'un sous-ensemble classique, nous définissons les caractéristiques suivantes.

1. Support d'un sous-ensemble flou

Le support d'un sous-ensemble flou A est caractérisé par l'ensemble des éléments
de X, qui sont à des degrés divers dans A, et que l'on note par Supp(A) défini
pax :
Supp(A) = {X ε X/μA(X) ≠ 0} (4.1)

2. Noyau d'un sous-ensemble flou

Le noyau d'un sous-ensemble flou A est caractérisé par l'ensemble des éléments
72 Commande du drone par contrôle flou

de X qui sont réellement dans A, et que l'on note par N(A) défini par

3. Hauteur d'un sous-ensemble flou

La hauteur H d'un sous-ensemble flou A est définie à l'aide de l'opérateur Supre-
mum, telle que :
H (A) = aup fiA(x) (4.3)
xex

4.3.3 Opérations sur les sous-ensembles flous

Disposant d'une représentation formelle de classes floues sous forme de fonctions
d'appartenance nuancées, il est naturel de chercher à faire avec ces sous-ensembles
ce que l'on fait avec des ensembles classiques. Zadeh a ainsi généralisé les opérations
d'égalité, d'inclusion, de complémentation, d'union et d'intersection, des sous-ensembles
flous.

1. Egalité
Egalité
Soient A
Aii et A
Ajj deux éléments de l'ensemble F(X). F(X) est l'ensemble de tous
les sous-ensembles flous
flous de X.

Ai = Aj Vx e X, HAi{x) = HAjix)

2. Inclusion
Inclusion
Soient A
Aii et Ah
Aj deux éléments de l'ensemble F(X).

Intersection
Soient Ai et Aj deux éléments de l'ensemble F(X).
L'intersection de Ai avec Aj définit un nouveau sous-ensemble flou
pour fonction d'appartenance μAk définie par :

4. Union
Soient Ai et Aj deux éléments de l'ensemble F(X) .
L'union de Ai avec Aj définit un nouveau sous-ensemble flou Ak, ayant pour
fonction d'appartenance μAk définie par :
4.3. Théorie des sous-ensembles flous 73

5. Complément ion
Soit Ai un élément de l'ensemble F(X).

4.3.4 Variables linguistiques

Une variable linguistique est représentée par un triplet (V,X,Tv), dans lequel V
est la variable (la température par exemple) définie sur un ensemble de référence X.
On note TV = (A1 , A 2 , ...) un ensemble fini ou infini, de sous-ensembles flous de X qui
sont utilisés pour caractériser V, définissant des restrictions des valeurs que prend V
dans X. Par exemple : {T, [0°, 100°], ("basse", "normale''', " haute" )} est une variable
linguistique (figure 4.2). Les valeurs de T " basse ", " normale " et " haute " sont

FIG. 4.2: Exemple de représentation de variable linguistique.

appelées valeurs linguistiques ou termes linguistiques ou encore termes flous.

Généralement, les supports des sous-ensembles flous associés aux valeurs linguis-
tiques ne sont pas disjoints et leur union recouvre tout l'univers de discours.

4.3.5 Raisonnement en logique floue

La représentation des connaissances fondée sur la théorie des sous-ensembles flous
conduit à un traitement souple des connaissances et contrairement aux systèmes experts,
elle évite la rigidité des règles et autorise le traitement de certaines incomplétudes.
74 Commande du drone par contrôle flou

Les Systèmes d'Inférences Floues (SIF) sont utilisés aujourd'hui dans de nombreux
domaines. On peut citer notamment le domaine du contrôle-commande où le recours
aux SIF permet de s'abstraire d'une modélisation mathématique qui n'est pas toujours
facile à réaliser.
Associés aux concepts fondamentaux du raisonnement flou, nous allons voir que
les SIF constituent une approche très intéressante pour aborder la commande de sys-
tèmes complexes, en offrant notamment la possibilité de construire une commande "
transparente ", c'est à dire explicite et donc interprétable.

4.3.5.1 Règles floues

On définit une règle floue comme une proposition floue correspondant à la mise en
relation de deux propositions floues par une implication.
Une proposition floue est dite élémentaire, si elle n'est constituée que d'un prédicat
de la forme "X est A". La composition de deux ou plusieurs variables linguistiques
constitue une proposition floue.
L'expression linguistique générale d'une règle floue peut être formalisée de la manière
suivante :

Si V est A alors W est B

où A et B sont des sous-ensembles flous et V et W sont des variables linguistiques.

On appelle prémisse, la première partie de la règle (V est A) et conclusion, la second
partie (W est B).
D'une manière générale, on peut combiner des propositions floues de type "V est
A" par des opérateurs logiques de conjonction et de disjonction ("ET" et "0U"), mis
en oeuvre respectivement par des T-normes et T-conormes. On peut alors construire
des règles floues plus complexes, dont la partie prémisse et la partie conclusion corres-
pondent à une combinaison de propositions, par exemple :

Si V1 est A1 et V2 est A2 alors W est B

4.3.5.2 Implication floue

L'implication floue entre deux propositions floues élémentaires "V est A" et "W est
B" est une proposition floue concernant le couple de variable (V, W), dont la valeur de
vérité est donnée par la fonction d'appartenance un d'une relation floue R entre X et
Y définie pour tout (x, y) de X x Y par :
4.4. Commande floue 75

4.3.5.3 M o d u s ponens généralisé

Dans la logique classique, le modus ponens ne permet d'obtenir une conclusion que
si l'on sait que la prémisse est exactement vérifiée. Sa généralisation autorise donc l'uti-
lisation d'une règle en présence d'une proposition floue éventuellement différente de sa
prémisse telle que :

Règle floue : Si V est A alors W est B

Fonctions d'appartenance : μ A μ B

Fait observé : V est A'

Fonction d'appartenance : μ A '

Conclusion : W est B'

Fonction d'appartenance : μ B '

Les informations disponibles pour déterminer la conclusion sont donc d'une part celles
relatives à la règle, quantifiées par l'implication floue μR qui décrit le lien causal "V
est A" et "W est B" et d'autre part celles relatives au fait observé, quantifiées par la
fonction d'appartenance μ A'.
La fonction d'appartenance de B' est donc calculée comme une combinaison de μR
et de μ A ' de la forme :

Vy e ^ nB> (y) = sup T (fiA> (x), fiR (x, y))

xex
par une T-norme T appelée opérateur de modus ponens généralisé [MEU 93].

4.4 Commande floue

La commande floue est une application de la logique floue au contrôle des systèmes
dynamiques pour lesquels on ne possède pas de modèles satisfaisant. Son principe est
simple : il s'agit dans la plupart des cas d'imiter le comportement d'un opérateur humain
dans la régulation d'un processus complexe, à l'aide de règles floues.
76 Commande du drone par contrôle flou

L'aide à la conduite, la commande monovariable et la commande multivariable sont

les trois types de situation où la commande floue peut être envisagée.
a) Les systèmes d'aide à la conduite concernent des processus qui possèdent déjà
des boucles de contrôle classiques. Les techniques floues peuvent être utilisées pour
différentes tâches de supervision du processus, telles que le réglage automatique, le
diagnostic, l'aide à la prise de décision, la détection de défauts, etc.
b) La commande monovariable concerne les processus ayant une seule entrée et une
seule sortie. Les contrôleurs flous sont des versions floues des traditionnels contrôleurs
PI, PD, PID ou plutôt des extensions des contrôleurs classiques. Ces contrôleurs ont
de larges plages de fonctionnement non-linéaire, ce qui leur confère une robustesse
vis-à-vis des perturbations.
c) Dans le cas où un processus multivariable peut être découplé, sa commande
s'effectue à l'aide de plusieurs contrôleurs monovariables et l'on est donc ramené
au cas précédent. Dans le cas contraire, la synthèse des lois de commande floue est
beaucoup plus délicate.

4.4.1 Structure d'une commande floue

Un système flou de commande à n entrées et une sortie est caractérisé par (figure
4.3) :
- une base de connaissances exprimée sous forme de règles du type :
Règle i : Si X i est A i1 et .... et X n est Ain alors Y est Bi
où les X i sont les variables d'entrées, Y est la variable de sortie, les Ain et les Bi sont
des sous-ensembles flous. Les règles sont connectées par des " Sinon ".
- une méthode d'évaluation des entrées par rapport aux sous-ensembles flous (fuzzyfî-
cation) et une méthode de passage du flou au réel pour la sortie Y (défuzzyfication).
- un mécanisme d'inférence permettant d'évaluer l'ensemble des règles et d'en tirer une
conclusion.

4.4.1.1 La fuzzification

La fuzzification est la traduction des valeurs numériques relatives aux entrées du

système en termes d'appartenance à des sous-ensembles flous pour pouvoir appliquer
les règles. A une variable, on associe les degrés d'appartenance correspondant à chaque
sous-ensemble flou (ce qui dépend bien sûr de la description floue adoptée).
4.4. Commande floue 77

Système d'Inférence Floue

FIG. 4.3: Schéma général d'un système de commande floue.

4.4.1.2 L'inférence floue

L'inférence floue est l'application de la caractérisation symbolique du système aux

règles floues et la déduction d'un certain nombre de résultats locaux, également exprimés
sous forme symbolique concernant les variables de sortie du système. Le but de cette
étape est d'arriver à déterminer des sorties floues, en partant d'entrées floues et en
utilisant une base de règles.
Pour pouvoir utiliser cette base de règles, on a besoin de trois opérateurs mathématiques,
pour réaliser la conjonction (ET), l'implication (Si Alors) et l'agrégation (Sinon).
Par exemple, dans le cas du contrôleur dit de Mamdani :
- le ET (si X i est A i1 ET X n est Ain) : l'opérateur associé est la t-norme Min ;
- le Si....Alors (SI X i est A i1 et .... et X n est A in ALORS Y est B i) : l'opérateur
utilisé est l'opérateur Min (pour Mamdani) ;
- Le Sinon qui sert à l'agrégation des solutions locales (si X1 est A1 et X2 est
A2 alors Y est B1 SINON si X1 est A3 et X2 est A4 alors Y est B2 ) : l'opérateur
d'implication associé est la t-conorme Max.
Il est utile de montrer une représentation qui visualise les règles : la matrice de règles.
Cette représentation sert à synthétiser le coeur du régulateur flou. A chaque case de la
matrice correspond une règle (Table 4.1). Par exemple, la case en gras correspond à la
règle suivante :
Si e1 est Z et e2 est Z alors Y est Z
La figure 4.4 représente une illustration de l'inférence floue de Mamdani dans le cas
78 Commande du drone par contrôle flou

TAB. 4.1: Exemple de matrice de règles

FIG. 4.4: Exemples de la sortie y correspondant aux deux cases (1) et (2) en gras
en fonction des entrées e1 et e 2 .
4.4. Commande floue 79

de deux règles déclenchées de la base de règle précédente.

4.4.1.3 La d é f u z z i f ï c a t i o n

Elle a pour but l'obtention d'une valeur numérique pour chaque variable de sor-
tie à partir des valeurs de sortie des différentes règles. Dans le cas de règles de type
Takagi-Sugeno, le calcul se fait simplement par une somme normalisée des valeurs as-
sociées aux règles. Dans le cas de règles de type Mamdani, une valeur numérique doit
être obtenue à partir de l'union des sous-ensembles flous correspondant aux différentes
conclusions. Parmi les nombreuses possibilités pour réaliser cette étape, nous pouvons
citer [MAA 00] :

- La méthode du centre de gravité : C'est la méthode de défuzzifïcation la plus

courante. L'abscisse du centre de gravité de la fonction d'appartenance résultant de
l'inférence correspond à la valeur de sortie du régulateur.

(4 4)
y = S g f f y '

Il apparaît que plus la fonction d'appartenance résultante est compliquée, plus le

processus de défuzzifïcation devient long et coûteux en temps de calcul.
- La méthode du premier des maxima : elle prend en compte la plus petite des
valeurs de l'univers de sortie dont le degré d'appartenance est maximum. Le décodage
retourne la valeur singleton y0
yo telle que :

VY(yo) = infyey {SupyeYHYÎy)} (4-5)

- La méthode de la moyenne des maxima : les points yyii où la fonction d'appartenance

résultante atteint son maximum sont concernés telle que :

yo = Elo f (4-6)

4.4.2 Les contrôleurs flous usuels

Un contrôleur flou est un système d'inférence floue (SIF) employé dans une technique
d'automatisation. Son rôle est de générer une valeur numérique à appliquer au système
à partir d'un jeu de variables physiques. Il existe plusieurs types de SIF, selon les choix
sur les opérateurs de conjonction, d'implication, d'agrégation des règles et selon la forme
des conclusions. On peut se limiter à l'étude de deux SIF, les plus utilisés actuellement,
80 Commande du drone pax contrôle flou

celui du type Mamdani et celui dix type Takagi-Sugeno. Pour exposer le principe
de fonctionnement de chacun d'eux, on considère l'exemple d'une base de règles de la
forme :
Règle i : Si X i est An et .... et Xn est Ain Alors Y est Bi
où A i1, Ain et Bi sont des sous-ensemble flous.
La méthode Mamdani est la plus connue et elle présente les caractéristiques suivantes
(voir détail section précédente) :
- Elle est intuitive ;
- Elle est largement utilisée ;
- Elle simule le raisonnement humain etc....
La méthode de Takagi-Sugeno [TAK 83] se caractérise par une sortie des règles non
floues. A chaque règle, on associe une sortie définie sous forme numérique comme étant
une combinaison linéaire des entrées. Les règles utilisées sont du type (dans le cas d'un
système d'inférence flou d'ordre zéro) :
Règle i : Si X i est A i1 et — et Xn est A in Alors Y = Bi
Où les valeurs Bi sont des valeurs réelles (non floues).
Les SIF de type Takagi-Sugeno permettent une meilleure représentation des fonctions
numériques et des mécanismes d'inférence plus rapides. Il a été montré expérimenta-
lement que la méthode de Takagi-Sugeno donne des résultats très voisins de celle de
Mamdani tout en permettant une réduction sensible du temps de calcul [JOU 97].

4.5 Résultats de simulations

Nous présentons dans cette partie les résultats du contrôle flou pour la commande
du drone XSF. Le XSF, intrinsèquement non-linéaire et présentant de forts couplages,
est piloté ici aussi par les commandes (u2,x ,u 2,y ,u3 ) .
Nous traitons d'abord dans cette partie l'exemple de la réalisation d'une droite pour
les mouvements zxy et plus particulièrement le vol vertical suivant z.
Afin d'accomplir cette tâche, nous avons choisi de faire des tests avec cinq fonctions
d'appartenance pour l'erreur (e), la dérivée d'erreur (de) (figure 4.5) et la sortie (figure
4.6) avec e=z-zr pour par exemple le vol vertical (zr est la référence en z).
Les gains des entrées ke et kde du contrôleur flou sont : ke = 10 et kde = 2. Le gain
de sortie est k2 = 40 dans notre simulation. La méthode de déffuzzification utilisée est
celle du centre de gravité.
4.5. Résultats de simulations 81

FIG. 4.5: Définition des cinq fonctions d'appartenance pour e et de

FIG. 4.6: Définition des cinq fonctions d'appartenance pour la sortie u3

Pour les variables d'entrées e et de, on désigne par :

- NG : le sous-ensemble flou " Négatif Grand " ;
- NP : le sous-ensemble flou " Négatif Petit " ;
- Z : le sous-ensemble flou " Zéro " ;
- P P : le sous-ensemble flou " Positif Petit " ;
- PG : le sous-ensemble flou " Positif Grand ".
Et pour la variable de sortie u3, on désigne par :
- T F : le sous-ensemble flou " Très faible" ;
- F : le sous-ensemble flou " Faible " ;
- M : le sous-ensemble flou " Moyen " ;
- G : le sous-ensemble flou " Grand " ;
- TG : le sous-ensemble flou " Très Grand ".
Les tables 4.2 et 4.3 montrent respectivement, les matrices des règles utilisées pour les
vols suivant z et x, par expertise, pour cinq fonctions d'appartenance à l'entrée ainsi
que les sorties. On note que la table 4.3 par exemple, présente un zéro central et une
symétrie parfaite par rapport à ce zéro central.
Nous donnons des exemples pour le vol vertical afin d'illustrer comment nous avons
82 Commande du drone par contrôle flou

de \ e NG NP Z PP PG
PG G G F TF TF
PP G G F TF TF
Z TG G M F TF
NP TG TG G F F
NG TG TG G F F

TAB. 4.2: Table linguistique déduite par expertise pour la direction suivant z
pour fournir la commande u3

établi les règles floues pour commander le drone.

Exemple 1 : Si l'erreur est NG (c'est-à-dire qu'on est au dessous de la référence)
et la dérivée de l'erreur est PG (c'est-à-dire que la vitesse est positive grande) alors la
commande est G (c'est-à-dire il faut augmenter les forces des quatre moteurs)
Exemple 2 : Si l'erreur est Z (la trajectoire estimée et celle de la référence coïncident)
et la dérivée de l'erreur est Z (la vitesse est constante) alors la commande est M (il faut
garder ces forces constante)
Exemple 3 : Si l'erreur est PG (qu'on est au dessus de la référence) et la dérivée
de l'erreur est NG (la vitesse est négative grande) alors la commande est F (il faut
diminuer les forces)
Exemple 4 : Si l'erreur est PG (qu'on est au dessus de la référence) et la dérivée
de l'erreur est PG (la vitesse est positive grande) alors la commande est TF (il faut
diminuer davantage les forces)

de \ e NG NP Z PP PG
PG PP PP NP NG NG
PP PP PP NP NG NG
Z PG PP Z NP NG
NP PG PG PP NP NP
NG PG PG PP NP NP

TAB. 4.3: Table linguistique déduite par expertise pour la direction suivant x ou
y pour fournir la commande U2,x ou u2, y

Les figures 4.7, 4.8 et 4.9 montrent les résultats de simulation respectivement pour
4.5. Résultats de simulations 83

la réalisation des connexions droites pour les mouvements zxy en 3D, l'erreur ainsi que
la commande . Le drone effectue un mouvement vertical de 10 m puis un mouvement
suivant x d'une distance de 10 m ensuite un mouvement suivant y de la même distance.
Les figures 4.10, 4.11, 4.12, 4.13, 4.14 et 4.15, représentent respectivement la réalisation
en 3D, l'erreur et la commande pour la trajectoire de connexions de type arc et demi-
cercle. Nous remarquons qu'à l'équilibre, la commande u3 est toujours vérifiée (us est
approximativement égal à mg). Ces figures montrent que la tâche est réalisée d'une
manière très satisfaisante en respectant les contraintes imposée.

FlG. 4.7: Réalisation des connexions droites zxy en 3D

84 Commande du drone par contrôle flou

FIG. 4.8: Les erreurs pour des connexions droites

FIG. 4.9: Les commandes u2,x , u 2,y et u 3 pour des connexions droites
4.5. Résultats de simulations 85

FlG. 4.10: Réalisation des connexions arcs

FIG. 4.11: Les erreurs pour des connexions arcs

86 Commande du drone par contrôle flou

Fig. 4.12: Les commandes u2,x, u2,y et u3 pour des connexions arcs

Fig. 4.13: Réalisation des connexions demi-cercles

 4.5. Résultats de simulations 87

FIG. 4.14: Les erreurs pour des connexions demi-cercles

R
LG. 4.15: Les commandes u2,x, u2,y et u3 pour des connexions demi-cercles
92 Système d'Inférence Floue Optimisé

Cette couche correspond à la normalisation des poids des règles.

Pour deux entrées :

Couche 4 :
Dans cette couche, chaque cellule assure la fonction

{ pi ,qi , ri sont des paramètres de la fonction de sortie de cette couche du réseau.

Couche 5 :
Dans cette couche, la cellule fait la somme de tous les signaux d'entrées et retourne
donc, en sortie, la valeur approximative de la fonction désirée.
La phase d'optimisation joue un rôle très important pour la mise en oeuvre de ces
systèmes, les résultats dépendent du nombre d'itération et de la nature des systèmes
(linéaire ou non linéaire).

5.4 Description du SIFO utilisé

La méthode présente une complète analogie structurelle avec un système d'inférence
floue de type Takagi-Sugeno d'odre zéro (c'est-à-dire dans lequel les conclusions des
règles sont nettes et donc la nécessité de défuzzification disparaît) [GLO 91]. Ce SIF
peut être schématisé sous la forme d'un réseau qui comprend quatre couches (figure
5.2) :
- La première couche reçoit les entrées ;
- La seconde couche calcule les degrés d'appartenance de ces entrées à leurs sous-
ensembles flous : les poids du réseau entre la première couche et cette couche cor-
respondent aux paramètres définissant les fonctions d'appartenance ;
- La troisième couche calcule les valeurs de vérité : les poids entre les deux couches
cachées définissent l'opérateur ET choisi ;
- La quatrième couche est la couche de sortie : les poids Wi du réseau entre la troisième
et la quatrième couche correspondent aux parties conclusions des règles.
5.5. Architecture de contrôle "JEAN" et "mini-JEAN" 93

Couche 1 Couche 2 Couche 3 Couche 4

FIG. 5.2: L'architecture du système d'inférence flou optimisé.

5.5 Architecture de contrôle "JEAN" et "mini-JEAN"

Notre motivation initiale est d'une part d'éliminer les aspects empiriques de la
construction d'un SIF pour réaliser les trois types de vol (vol vertical, vol horizontal
suivant l'axe x et vol horizontal suivant l'axe y) et d'autre part de réaliser les objectifs
suivants :
- améliorer les performances du système en accélérant la mise au point et en per-
mettant une adaptation à d'éventuelles modifications du comportement du drone (dé-
gradation, panne,...),
- conserver la lisibilité des règles afin d'en vérifier la logique.
Par ailleurs, dans le contrôle de processus dynamiques, le contrôleur doit reproduire
1a. fonction de transfert inverse du système pour déterminer la commande à fournir.
Cela est aisé dans certains cas simples, par exemple quand le système peut être mo-
délisé sous une forme linéaire, mais le plus souvent la structure du système soit est
inconnue, soit présente des non-linéarités non modélisables. Nous nous plaçons dans
cette hypothèse, c'est à dire qu'on suppose n'avoir aucune connaissance a priori sur
le processus à contrôler. Dans ce cas, Jordan [JOR 91] propose la méthode du "distal
control", reprise par [REN 94] sous le nom de JEAN (Jordan method Extended for
94 Système cl'Inférence Floue Optimisé

Adaptive Neuro-control). Cette architecture (figure 5.3) nécessite la présence de deux

réseaux de neurones :
- un premier réseau pour identifier le processus (Modèle) ;
- un second réseau pour contrôler le processus (Contrôleur).

FIG. 5.3: Architecture JEAN.

Cette méthode nécessite deux étapes successives : l'identification du processus par

le réseau modèle, puis l'optimisation du réseau contrôleur. L'ajustage des poids synap-
tiques (ou des conclusions des règles) de ce dernier est effectué en "rétropropageant" à
travers le réseau la valeur du* obtenue par rétropropagation à travers le Modèle d'une
fonction coût basée sur l'erreur en sortie : e = y-y*. Mais en fait, souvent il n'est pas
nécessaire de connaître précisément le modèle du processus (ou plus exactement son
Jacobien) pour obtenir un contrôle correct. En effet, un modèle imprécis du système
n'altère pas la minimisation de la fonction coût, il modifie seulement le trajet pris par
l'algorithme d'optimisation dans l'espace des actions : on ne suivra sans doute pas la plus
forte pente, mais on restera sur un chemin descendant [JOR 91]. Le moyen consistant à
utiliser l'approximation du Jacobien par son signe (beaucoup plus facile à connaître que
le Jacobien lui-même) [SAE 91] est une approche viable pour la commande de systèmes
simples. Nous arrivons alors à une architecture (figure 5.4) ne faisant pas intervenir
de réseau émulateur. Elle utilise un seul réseau pour le contrôleur, dont l'optimisation
s'effectue en rétropropageant directement l'erreur de sortie.
Renders [REN 94] baptise "mini JEAN" cette architecture. Comparée à l'architecture
JEAN, des performances équivalentes ont été obtenues, tant pour la vitesse d'optimi-
sation que pour l'erreur moyenne en généralisation. Par contre, le temps de calcul est
nettement en faveur de mini-JEAN. Ils ont étendu ces résultats en remplaçant dans ces
architectures le (ou les) réseau de neurones par un (des) SIF dont certains paramètres
5.6. Algorithme d'optimisation 95

FIG. 5.4: Architecture mini-JEAN.

sont à optimisés [LUT 96]. Ils ont également observé que, malgré quelques différences
dans la conduite de l'optimisation et dans la commande fournie, le recours à la ver-
sion simplifiée n'induit pas de dégradation de performances sensible. C'est pourquoi,
notre préférence va à cette méthode, efficace, rapide et facile à mettre en oeuvre. Il est
évident néanmoins qu'elle ne peut s'appliquer qu'à des systèmes dans lesquels le signe
du jacobien est constant dans le domaine de fonctionnement balayé.

5.6 Algorithme d'optimisation

5.6.1 Introduction
Plusieurs algorithmes sont utilisables pour optimiser les paramètres ajustables du
réseau. Dans notre application, nous nous contenterons d'utiliser la méthode de ré-
tropropagation de gradient pour ajuster les poids de la dernière couche du réseau. Le
principe général de cette méthode peut être résumé comme : à chaque itération, on
modifie les poids de la couche de sortie. Cette modification des poids se fait dans le sens
opposé au gradient de la fonction coût. On répète le processus jusqu'à ce que les poids
de la couche de sortie aient convergé, c'est-à-dire que l'écart entre la sortie du réseau
et la sortie désirée devienne acceptable.

5.6.2 Formulation de l'algorithme

L'optimisation est effectué entièrement en ligne en minimisant une fonction coût J
(intégrant une erreur quadratique et un terme de régression des paramètres) pour géné-
rer les paramètres Wi caractérisant la partie conclusion des règles et les ajuster. L'algo-
rithme de descente de gradient avec la régression des paramètres optimisant seulement
la partie conclusion des règles, a été adoptée pour satisfaire les objectifs fixés.
96 Système d'Inférence Floue Optimisé

La fonction coût est sous la forme :

(5.5)

avec :
(5.6)

où :
λ : constante de contrôle d'augmentation des paramètres.
ε: terme d'erreur.
Wi : poids ou paramètre
A l'aide de l'algorithme de rétropropagation du gradient, les paramètres sont modifiés
suivant la formule suivante :

η : gain d'optimisation (ou pas d'optimisation), mesurant la vitesse avec laquelle les
poids vont converger vers leur valeur finale. Plus elle est grande, plus la convergence est
rapide. Il faut toutefois éviter de prendre une valeur trop grande, car on risquerait alors
de ne pas avoir de convergence du tout (les variations de poids entre deux itérations
seraient trop importantes). A l'opposé, si cette valeur est trop faible, la convergence
risque d'être extrêmement longue.

permet d'éviter les minima locaux en faisant intervenir les variations des poids.

En fait, cette modification a été utilisée dans [CHO 95] sous le nom de "weight decay "
pour traiter des problèmes de classification par réseaux de neurones. Cette technique a
été analysée [BIS 95] dans le cadre de la théorie de l'apprentissage et il a été montré que
c'était une façon très simple d'implémenter une méthode de "régularisation" dans un
réseau de neurones afin d'optimiser le compromis entre l'erreur d'optimisation et l'erreur
5.6. Algorithme d'optimisation 97

de généralisation. A l'aide de l'algorithme classique de rétropropagation du gradient,

les paramètres sont modifiés suivant la formule suivante :

Cet algorithme intègre facilement l'effet du terme de régression dans la fonction

coût. En effet, il suffit de dériver la fonction coût J par rapport à chaque paramètre w
et en posant β = 2λη, on obtient :

Avec :
β : coefficient du terme de weight decay ou de régression ;
En se limitant dans cette étude pour l'optimisation des conclusions des sorties, ainsi on
obtient : (pour une optimisation globale d'un contrôleur flou, voir par exemple [LUT 96]
[BEN 97]).

où :
ye : valeur effective de sortie.
y d : sortie désirée.
Comme il s'agit ici d'un SIF, on adapte cette formule en multipliant par le terme de

de la règle déclenchée. Choisir (3 détermine le poids dans la fonction coût du terme de

régression par rapport à celui de l'erreur quadratique. S'il est trop petit par rapport au
gain, l'effet de la régression des poids ne se fera pas sentir. En revanche, si (3 est trop
important, les poids restent proches de zéro, car l'effet de diminution des poids sera trop
important par rapport à l'augmentation due à la rétropropagation normale. Dans ce cas,
le SIF n'apprendra rien. Il est également important que le terme de régression soit pro-
portionnel au déclenchement de la règle. Si on n'introduisait pas ce coefficient, la valeur
du paramètre wi baisserait quand la règle n'est pas déclenchée. Donc si, par exemple,
le système évoluait suffisamment longtemps sans déclencher une règle, le paramètre
98 Système d'Inférence Floue Optimisé

correspondant tendrait vers 0, et on perdrait alors de l'information. Classiquement le

coefficient de régression est choisi par essais successifs [MAA 02, BEN 97],

La valeur de sortie u est donnée par :

Pour chaque direction de vol, nous avons appliqué un système d'inférence flou opti-
misé pour générer la commande de l'engin.

5.6.3 Résultats de simulations

Partant avec une table préinitialisée, lorsque le drone commence à voler, il fait l'ac-
quisition des distances (observations), calcule la fonction coût à l'aide de l'algorithme
de rétropropagation, met à jour les règles déclenchées en temps réel, commence à se
déplacer et ainsi de suite. Les poids sont alors ajustés localement et progressivement.
La forme des fonctions d'appartenances utilisées est triangulaire. Ces fonctions d'appar-
tenances sont fixées afin d'extraire et représenter la connaissance des résultats finaux
facilement. Les univers de discours sont normalisé et partagés en cinq sous-ensembles
flous pour tout le déplacement. Dans cette partie, nous détaillons l'étude du vol vertical
seulement.
Suivant les résultats trouvés par cette méthode (ANFIS), figure 5.5, nous pouvons
dire que cette méthode assure le vol vertical du drone avec une erreur statique très
faible mais toute fois elle ne conserve pas la lisibilité des règles.
Dans la figure 5.8, nous montrons la simulation de la trajectoire de référence et
estimée en 3D. Les résultats sont obtenus avec les paramètres suivants : η = 1 , β =
0.0002 et λ = 0.05 et un pas de 0.009 sec. Les résultats de simulations sont rapportés
dans la table (5.1) pour le déplacement suivant 2 (figure 5.6).
Les tables 5.1 et 5.3 montrent respectivement les matrices de règles, par expertise
et par optimisation. La sortie optimisée est représentée par la figure 5.6 [ZEM 06c]
[ZEM 06a].
La figure 5.7, montre l'évolution des poids. La phase d'optimisation converge vers
des poids stables, cette convergence est due à l'emploi de la fonction coût regroupant
une erreur quadratique et un terme de régression.
On peut donner maintenant une interprétation linguistique à cette table (5.1). Il faut
5.6. Algorithme d'optimisation 99

pour cela convenir d'une échelle de traduction numérique-symbolique. Nous convenons

d'attribuer le concept TG (Très Grand) aux valeurs numériques comprises entre [34
42], le concept G (Grand) aux valeurs numériques comprises entre [28 32], le concept
M (Moyen) aux valeurs numériques comprises entre [19 23], le concept F (Faible) aux
valeurs comprises entre [7 11] et le concept T F (Très Faible) aux valeurs comprises entre
[15]. Ces valeurs numériques sont représentées par une traduction symbolique dans la
table 5.2.
En examinant les tables 5.2 et 5.3 (par optimisation et par expertise), nous consta-
tons que le comportement des règles est tout à fait logique et cohérent. Ce comportement
est très proche de celui d'un SIF proposée pour la même tâche par un expert humain.
Les cases avec une croix constitue la différence entre les deux tables (M remplace G et
AZ remplace F).

FIG. 5.5: Commande du vol vertical par ANFIS.

Les figures 5.9 et 5.10 montrent respectivement les résultats de simulation pour la
réalisation des connexions droite pour l'erreur et la commande.
Les figures 5.11, 5.12, 5.13, 5.14, 5.15 et 5.16, représentent respectivement la réa-
lisation en 3D, l'erreur et la commande pour la trajectoire de connexions de type arc
et demi-cercle. Nous remarquons que l'erreur tend vers zéro donc la position désiré est

BU Evry
100 Système d'Inférence Floue Optimisé

atteinte. Pour valider notre démarche de stabilisation, nous montrons d'après la figure
5.17 qui représente la réalisation d'une trajectoire hélicoïdale, que notre commande
assure la poursuite de cette trajectoire parfaitement.
De même, les résultats de simulations pour le déplacement suivant x ou y sont
rapportés dans les tables 5.4 et 5.5. Les mêmes conclusions restent valables pour les
deux déplacement suivant x ou y. Ces tables de règles, obtenues après convergence des
poids, présentent un zéro central et une symétrie par rapport à ce zéro central.

de \ e NG NP Z PP PG
PG 29.62 29.71 7.59 2.55 2.99
PP 29.52 31.34 10.63 3.02 1.69
Z 34.22 29.73 19.54 4.84 2.79
NP 39.72 41.37 22.32 1.74 9.61
NG 39.92 39.82 28.27 7.96 9.62

TAB. 5.1: Les poids obtenus pour le déplacement suivant 2

de \ e NG NP Z PP PG
PG G G F TF TF
PP G G F TF TF
Z TG G M F TF
NP TG TG M* TF* F
NG TG TG G F F

TAB. 5.2: Table linguistique déduite après traduction linguistiques pour la direc-
tion suivant z
5.6. Algorithme d'optimisation 101

de \ e NG NP Z PP PG
PG G G F TF TF
PP G G F TF TF
Z TG G M F TF
NP TG TG G F F
NG TG TG G F F

TAB. 5.3: Table linguistique déduite par expertise pour la direction suivant z

de \ e NG NP Z PP PG
PG 9.91 10.09 -11.02 -20.69 -20.01
PP 10.01 13.02 -9.68 -20.78 -21.09
Z 20.02 18.25 0.79 -23.98 -20.05
NP 21.05 23.12 5.09 -18.67 -10.07
NG 20.65 19.69 9.78 -10.05 -10.2

TAB. 5.4: Les poids obtenus pour le déplacement suivant x

de \ e NG NP Z PP PG
PG 9.98 10.10 -10.38 -20.35 -20.05
PP 10.03 13.00 -9.91 -23.95 -21.19
Z 20.00 18.02 0.8 -24.11 -20.02
NP 21.02 23.10 5.95 -16.36 -10.07
NG 20.55 19.59 9.99 -10.01 -10.26

TAB. 5.5: Les poids obtenus pour le déplacement suivant y

FIG. 5.6: Représentation de la traduction linguistique de la commande u3

102 Système cl'Inférence Floue Optimisé

FlG. 5.7: Évolution des 25 poids pour le déplacement suivant z

FlG. 5.8: Réalisation des connexions droites

5.6. Algorithme d'optimisation 103

FIG. 5.9: Les erreurs pour des connexions droites

FIG. 5.10: Les commandes u2,x,U2,Y et u 3 pour des connexions droites

104 Système d'Inférence Floue Optimisé

Fig. 5.11: Réalisation des connexions d'arcs

FIG. 5.12: Les erreurs pour des connexions d'arcs

40 Modélisation d'un drone à quatre hélices

Pour permettre le déplacement horizontal du drone sans incliner l'ensemble, nous

avons doté les supports des moteurs 1 et 3 de deux degrés de libertés supplémentaires ξ1

soit pivoter dans le même sens pour créer une composante horizontale susceptible de
propulser le XSF en translation, soit pivoter en sens inverse pour créer un lacet sans
translation. Les angles ξ 1 et ξ3 sont limités en butée à 20°. Cependant des angles inter-
médiaires entre 0 et 20° sont permis pour créer le mouvement de virage (mouvement
couplé déplacement horizontal-lacet). Ce mouvement de pivotement est généré par deux
servo-moteurs, supposé se faire à très faible vitesse de rotation.
Il vient d'écrire :

(2.36)

2.5.2.2 Dynamique de rotation

Le mouvement peut être représenté par des vitesses angulaires du drone par rapport
au repère local exprimé dans le repère inertiel. En appliquant la théorie de la mécanique
classique et connaissant la matrice d'inertie IG = diag (Ixx, Iyv, Izz) du véhicule dans le

Les couples non conservatifs sont :

5.6. Algorithme d'optimisation 105

FIG. 5.13: Les commandes u2,x, u2,y et u 3 pour des connexions d'arcs

FIG. 5.14: Réalisation des connexions demi-cercles

106 Système cl'Inférence Floue Optimisé

FlG. 5.15: Les erreurs pour des connexions demi-cercles

FlG. 5.16: Les commandes u2,x, u2 ,y et u3 pour des connexions demi-cercles

5.7. Étude de la robustesse 107

FIG. 5.17: Réalisation des connexions hélicoïdales

5.7 Etude de la robustesse

Nous nous intéressons dans cette partie, aux tests de la robustesse des contrôleurs
SIFO. Nous nous plaçons toujours dans le cadre de la commande du drone XSF dans
le cas d'une défaillance du moteur 4 par exemple et sous l'influence du vent suivant
les différents axes du mouvements. Nous reprenons les mêmes tests effectués par le
contrôleur classique. Nous présentons dans cette section l'exemple du vol suivant x.
D'après les figures 5.18 et 5.19 qui montrent les forces du X4 bidirectionnel dans
le cas d'une défaillance du moteur 4 à t1 = 0.5 sec et t2 = 4 sec, nous observons que
les forces des trois moteurs qui restent, compensent la force du moteur 4 et elles sont
réparties d'une façon équivalente.
La figure 5.20 montre l'influence du vent avec une force de traînée de F t r n = 1.4
N à gauche et de F t r n = 2.1 N à droite pour la direction suivant x. Dans ce cas, le
contrôleur SIFO présente des problèmes dans la partie dynamique qui se traduisent par
un signal chahuté. La même constatation est observée pour les simulations de l'influence
de la force de traînée suivant les directions y et z.
Ici, une analyse des résultats de contrôleur SIFO et de contrôleur RES est présen-
tée dans le cas d'une présence d'une panne et dans le cas d'une force de traînée. Le
comportement des deux contrôleurs vis-à-vis de ces perturbations est étudié.
108 Système d'Inférence Floue Optimisé

Fig. 5.18: Forces des rotors dans le cas d'une défaillance du moteur 4 à t=0.5 s

FIG. 5.19: Forces des rotors dans le cas d'une défaillance du moteur 4 à t=4s
5.7. Étude de la robustesse 109

FIG. 5.20: Influence du vent avec une force de traîné de 1.4N à gauche et de 2.1N
à droite pour la direction suivant x

La figure 5.21 montre que les deux contrôleurs manifestent le même type de com-
portement vis-à-vis la panne du moteur.
Dans la figure 5.22, nous observons que les deux contrôleurs ne se comportent pas
de la même manière. Le contrôleur RES génère une erreur statique durant le vol causé
par la force de traînée. Le contrôleur SIFO présente des problèmes dans la partie dy-
namique tandis que l'effet de l'erreur statique disparaît quant le drone se maintient en
équilibre. D'après cette étude, nous pouvons déduire que les deux contrôleurs réagissent
différemment. En fait, le temps de calcul est plus important pour le contrôleur SIFO
et cela est dû à la phase d'optimisation. L'avantage de ce contrôleur est le fait qu'il ne
nécessite pas un modèle du système. Afin de pallier aux problèmes de chaque contrôleur
et réaliser un système performant de commande, nous proposons d'utiliser le contrôleur
classique (RES) dans la partie dynamique et le contrôleur SIFO pour la partie statique.
D'autre part, le contrôleur SIFO est comparé avec la méthode ANFIS. Le drone
est commandé pour effectuer vol vertical suivant la direction z en utilisant les deux
technique : le SIFO en ligne et le ANFIS hors ligne. Le contrôleur SIFO présente un
avantage, qui est la lisibilité des règles (tables 5.1 et 5.2) contrairement, au contrôleur
ANFIS qui est une boîte noire.
110 Système cl'Inférence Floue Optimisé

FIG. 5.21: Forces de XSF dans le cas d'une défaillance du moteur 4 à t=0.5 et 4
s

FIG. 5.22: Influence du vent avec une force de traîné de 1.4N à gauche et de 2.1N
à droite pour la direction suivant x
5.8 Conclusion
Dans ce chapitre, nous avons présenté une technique d'optimisation permettant
l'ajustement en lignes des paramètres d'un contrôleur flou.
L'algorithme de la descente du gradient avec ses capacités de s'adapter à des situa-
tions inconnues par le biais de ses facultés d'optimisation, et la logique floue avec ses
capacités de modélisation des connaissances empiriques, ont été combinés pour la com-
mande du drone XSF. En effet, nous avons obtenu des SIF optimisés de type Takagi-
Sugeno d'ordre 0, en partant d'une table de décision préinitialisée, par optimisation en
ligne. Nous avons pu vérifier la logique des règles de décision obtenues après optimisation
en retraduisant les résultats numériques en concepts linguistiques.
Une comparaison entre le contrôleur utilisé (SIFO) et le contrôleur déduit par ex-
pertise, montre la validité de notre démarche pour la commande de notre système. Une
analyse des deux contrôleurs (SIFO et la commande par retour d'état statique) montre
les avantages et les inconvénients des deux techniques de commande utilisées. A notre
connaissance, il n'existe pas de travaux sur la commande des drones par les techniques
floues ce qui constitue l'une des originalités de notre travail.
Conclusion

Les travaux que nous avons effectués portent sur l'étude de stabilisation avec pla-
nification de trajectoire de deux modèles du drone. Le premier est appelé modèle X4
conventionnel, le second est le modèle X4 bidirectionnel (XSF). La particularité du mo-
dèle X4 bidirectionnel par rapport au modèle existant est le pivotement des supports
qui portent les moteurs 1 et 3. Ce pivotement (de même sens) assure soit le mouvement
rectiligne horizontal soit (de sens contraire) le mouvement de rotation autour de l'axe
du lacet, ou une combinaison de ces deux mouvements qui donne le virage. Pour le drone
XSF, nous avons proposé un nouveau modèle dynamique qui est basé sur le formalisme
de Newton.

Nous avons cherché à comparer des algorithmes de commande en utilisant une tech-
nique nécessitant un modèle du système (technique du Backstepping et la commande
par retour d'état statique) et une approche experte s'affranchissant du modèle (Système
Inférence Floue Optimisé - SIFO).

Nous avons élaboré, dans un premier temps, des lois de commande non-linéaires
pour la commande des mouvements selon les différents axes. En se basant sur la théorie
de Lyapunov, il est possible de concevoir systématiquement et de manière récursive
une commande robuste avec les fonctions construites. Cette technique a été utilisée
pour concevoir des algorithmes de commande assurant le déplacement du drone d'une
position initiale vers une position d'équilibre désirée. Les résultats de simulation ont
confirmé les performances des contrôleurs utilisés. Une comparaison entre les deux mo-
dèles, pour la réalisation des connexions de type arcs et demi-cercles, a montré que le
X4 bidirectionnel est le mieux approprié à cette tâche.

Dans un second temps, un algorithme basé sur une descente du gradient avec des ca-
pacités de s'adapter en temps réel par le biais de ses facultés d'optimisation et la logique
floue avec ses capacités de modélisation des connaissances empiriques et la gestion de
l'imprécis, ont été combinés pour la commande du drone. Une structure d'optimisation
est utilisée pour l'ajustement des caractéristiques paramétriques (conclusions des règles)

113
du contrôleur flou. Nous avons ainsi généré des SIF optimisés de type Takagi-Sugeno
d'ordre 0, en partant d'une table de décision préinitialisée. Nous avons pu vérifier la
logique des règles de décision obtenues après optimisation en retraduisant les résultats
numériques en concepts linguistiques. Pour ce faire, il est essentiel que la phase d'opti-
misation converge vers des poids stables. Une comparaison au niveau linguistique entre
le contrôleur utilisé (SIFO) et le contrôleur s'appuyant sur l'expertise, montre la validité
de la démarche. Les résultats de simulation montrent un comportement satisfaisant du
système car l'engin atteint asymptotiquement la trajectoire.
Nous avons ainsi réalisé des commandes pour la poursuite de trajectoires simples
telles que le suivi de lignes droites, et complexes (demi cercle, coin, hélicoïdale ....) en
utilisant les deux techniques. Nous avons montré également l'importance (optimisation
de l'énergie) de la planification de la trajectoire par rapport à une régulation qui se
traduit par l'amplitude de la commande des moteurs qui atteint des valeurs très éle-
vées. Ces valeurs dépassent les limites physiques des moteurs utilisés et nécessitent une
consommation d'énergie plus élevée.
Nous avons étudié la robustesse des deux contrôleurs utilisés en présence de per-
turbations. Nous avons présenté deux types de perturbations, le cas d'une panne d'un
moteur ainsi qu'une rafale de vent. Les résultats mettent en évidence deux comporte-
ment différents dans le cas de la rafale de vent :
- le contrôleur par retour d'état statique RES ne compense jamais l'erreur statique.
- le SIFO génère une sortie très chahuté dans la partie transitoire du vol.

Perspectives
Des travaux complémentaires sont nécessaires afin de pouvoir proposer un système
complet permettant de répondre entre autres aux exigences du projet ONERA-DGA.
Un des problèmes que nous avons à résoudre est la mesure de l'orientation de l'appareil
en présence de perturbations électromagnétiques provenant des moteurs électriques et
variateurs ainsi que des modifications éventuelles de l'environnement et/ou des caracté-
ristiques physiques du drone. Notre objectif consiste aussi, à extraire à partir de prises
de vues des informations suffisamment fiables pour permettre au drone de suivre une
trajectoire pré-définie et d'éviter des obstacles, tel un tireur embusqué,...
Concernant les approches classiques, une conception de la commande dans le plan
local est à envisager. Ceci pour mieux aborder le cas de trajectoires très complexes et
aussi faciliter l'évitement d'obstacles éventuels.
La gestion d'obstacles et/ou le cas d'un groupe d'engins volants peut être réalisée
grâce aux facultés des SIF. En effet concernant ces derniers, leur utilisation dans ce
travail a été effectuée au bas niveau celui de la commande ce qui a constitué une première
approche. Leur utilité peut s'avérer plus importante après une expérimentation réelle
des algorithmes proposés, si le modèle proposé du drone n'est pas valide, a posteriori,
ces SIF peuvent être utilisés pour l'identifier en ligne.
Enfin, une approche floue peut être aussi utile au niveau de la fusion des données
capteurs.
Annexe A

Rappels sur la théorie de la

commande par Lyapunov

A.l Théorie de Lyapunov

Le concept de la commande par Backstepping est basé sur la théorie de Lyapunov. Le
but est de construire de proche en proche une loi de commande ramenant le système vers
des états désirés. En d'autres termes, on souhaite faire de l'état désiré un état d'équilibre
stable en boucle fermée. Dans cette section nous définissons la notion de la stabilité
au sens de Lyapunov et nous passons en revue les principaux outils utilisables pour
prouver la stabilité d'un système non linéaire. Cette section est inspirée essentiellement
des travaux de W. Khalil auquels nous nous référons pour les preuves des théorèmes de
stabilité [KHA 02].
On considère le système non linéaire décrit par l'équation différentielle suivante :

Un état xe du système est un point d'équilibre stable s'il satisfait :

f (x e ) = 0 (A.2)

Les propriétés de stabilité de ce point d'équilibre sont caractérisées par la définition A.l.

Définition A . l (Stabilité au sens de Lyapunov)

Un point d'équilibre x=xe du système (A.l) est :
-un état d'équilibre stable si et seulement si pour tout ε > 0 il existe δ (ε) > 0 tel que :

117
118 Rappels sur la théorie de la commande par Lyapunov

-un état d'équilibre asymptotiquement stable s'il est stable et s'il existe r > 0 tel
que :

-un état d'équilibre globalement asymptotiquement stable (GAS) si pour tout état initial

On introduit maintenant quelques concepts usuels de fonctions de Lyapunov.

- Une fonction scalaire V (x) est semi-définie positive si V (x) ≥ 0

Théorème A . 3
Considérons le système décrit par l'équation (A.l), avec f (0) = 0. Soit V (x) une fonc-
tion scalaire définie positive, non bornée, continue et différentiable. Si :

alors x = 0 est un point d'équilibre globalement asymptotiquement stable.

Théorème A . 4 (LaSalle-Yashizawa) [KRS 95]

A.2. Commande par la méthode de Lyapunov 119

Soit x = 0 un point d'équilibre de (A.l) et on suppose que f est localement Lip-

schitz en x . Soit V : 5?" —• une fonction continue et différent iable, définie positive
radialement non bornée telle que :

V = ^{x)f{x,t)<-W(x)<0, Vi>0, x€ÏÏn (A.4)

où W(x) est une fonction continue, alors, toutes les solutions de (A.l) sont globa-
globa-
lement uniformément bornées et satisfont :

lim W(x (t)) = 0 (A.5)

f—> oo
de plus, si W(x) est définie positive, alors le point d'équilibre x = 0 est asymptoti-
de plus, si W(x) est définie positive, alors le point d'équilibre x — 0 est asymptoti-
quement stable.
quement stable.

A.2 Commande par la méthode de Lyapunov

Nous allons donner dans cette section une méthode de synthèse d'une loi de com-
mande basée sur la théorie de Lyapunov. On considère le système non linéaire décrit
par :

x = f(x,u) (A.6)

où x est l'état du système et u est l'entrée de commande.

L'objectif de la commande est de ramener le vecteur d'état à l'origine, et que l'ori-
l'ori-
gine devienne un point d'équilibre asymptotiquement stable. L'entrée de commande est
choisie de la forme :

u = a(x) (A.7)

La dynamique du système en boucle fermée devient :

x = f(x,a(x)) (A.8)

Pour montrer que le système est GAS, nous devons construire une fonction de Lyapnuov
V(x) satisfaisant les conditions du théorème (A.3). L'approche la plus simple pour
trouver αa (x) est de sélectionner une fonction définie positive V(x), radialement non
bornée et puis choisir αa (x) tel que :

(A.9)
120 Rappels sur la théorie de la commande par Lyapunov

On doit faire un choix adéquat de V pour vérifier (A. 9). Ce qui nous amène à donner
la définition suivante.

Définition A.5 (Fonction de Lyapunov candidate)

Une fonction V(x) scalaire, différentiable définie positive et radialement non bornée est
appelée fonction de Lyapunov candidate pour le système (A.6) si :

Étant donnée une (fonction de Lyapunov candidate (CLF)) pour le système (A.8),
on peut trouver une loi de commande stabilisant globalement le système. En effet,
l'existence de cette loi est équivalent de (CLF). Cela veut dire, que pour toute loi de
commande stabilisante, on peut trouver une (CLF) correspondante et vis-versa. Cela
est vérifié dans le théorème [ART 83]. Pour illustrer cette approche, on considère le
système suivant :

Ce système est affine en la commande. On suppose que la (CLF) du système est connue.
Sontag a proposé dans [SON 89] un choix particulier de loi de commande, donnée par :

Cette loi de commande nous donne :

Elle rend donc l'origine (GAS). L'équation (A. 12) est connue sous le nom de la formule
de Sontag. Freeman et Primbs [FRE 96] ont proposé une approche où la commande u
est choisie pour minimiser l'effort de commande nécessaire pour satisfaire :

(A.14)
Annexe B

La forme canonique (Backstepping

pour un seul intégrateur)

Hypothèse B . l
On considère le système

x = f ( x ) + g(x)u, / ( 0) = 0 (B.l)

Où x G 9?" est l'état et u € 3? est l'entrée de la commande. Il existe une loi de commande
u = a (x), a (0) = 0 et une fonction non-bornée définie positive V : 5?" telle que :

T&(x)[f(x) + g(x)a(x)]<-W{x)<0, Vx G SR" (B.2)

où W : —> est semi définie positive.

L'idée du backstepping est d'augmenter le système (B.l) pai- un intégrateur. Le

lemme ci-dessous donne le résultat.

Lemme B.2
Soit le système décrit par l'équation (B.l) avec un intégrateur en entrée :

x = f(x)+g(x)u(x) (B.3)

c = u (B.4)
et on suppose que (B.3) satisfait l'hypothèse B.l et on considère Ç = 5R comme
entrée de commande fictive.

i) Si W(x) est définie positive, alors :

121
122 La forme canonique (Backstepping pour un seul intégrateur)

est une fonction de Lyapunov candidate pour le système complet (B.3 et B.4), cela
veut dire qu'il existe une loi de commande en boucle fermée u = α a (x, ζ ) qui régule le
système (B.3 et B.4) vers x = 0, ζ = 0 qui devient un point (GAS) pour (B.3 et B.4).
Cette loi de commande est donnée par :

ii) Si W(x) est seulement semi-definie positive, alors il existe une loi de commande
qui rend Va < -Wa{x,Ç) < 0, telle que Wa (x, Ç) > 0 aussi bien W (x) > 0 ou bien
Ui) "

( ^ a (x). Cela garantie une convergence globale bornée et une convergence de Ç (t)

vers le plus grand ensemble invariant Ma contenu dans :

On considère que l'équation (B.3 et B.4) commandé par une loi de commande fictive
α1 (x) avec une fonction de Lyapunov Va (x). On définit une nouvelle variable z =
ζ — α (x) et les nouvelles équations du système sont obtenues comme suit :

x = f(x)+g(x)[ai{x) + z] (B.8)

¿= if (*) + 9 (x) (en (x) + z)} (B.9)

En utilisant l'équation (B.2), la dérivée de (B.5) est obtenue en remplaçant les équations
précédentes :

V*=%(f + g<x + gz) + z [ u - f ë ( f + g(a + z))] (B.10)

= %(f + 9*) + z [ u - f ë ( f + g(a + z)) + !l£g] (B.ll)

Dans laquelle les termes en z sont regroupes. En se référant aux théorèmes de l'annexe
 123

telle sorte que le terme de (B.12) entre crochets est égal a —cz1(c > 0). La fonction de
Lyapunov devient alors :

(B.13)

Il est évident que si W (x) est définie positive, le théorème A.4 garantit une stabilité
asymptotique globale de x et de z, ce qui implique que Va (x, ζ ) est une FLC et x, ζ est
un point équilibre (GAS) de (B.3 et B.4).

E x t e n s i o n à une chaîne d'intégrateurs

Dans la section précédente, nous avons présenté le cas d'un système augmenté pax un
seul intégrateur. Le même système peut être en réalité augmenté pax une chaîne d'in-
tégrateurs. Le corollaire ci-dessous énonce le résultat.

Corollaire B . 3 (Cas d'une chaîne d'intégrateurs)

Soit le système (B.l) satisfaisant l'hypothèse B.l avec α ( x ) = αo (x). Ce système

est augmenté pax k intégrateurs, la commande u est xemplacée pax ζ1 :
124 La forme canonique (Backstepping pour un seul intégrateur)

On peut considérer que ce système est une répétition des systèmes du lemme B.2 ayant
comme entrées virtuelles ζ1, ...ζ k- La fonction de Lyapunov résultante :

De plus, si W (x) est définie positive, telle que x = 0 peut être un GAS a travers ζ1,
donc (B.18) est une FLC pour (B.14) et le point d'équilibre x = 0, ζ1 = ... = ζ k = 0 est
un GAS a travers u.
Annexe C

Etude des forces développées

Dans ce paragraphe, les relations entre les forces développées par les actionneurs
et les commandes dans les différentes directions sont introduites pour le système X4
conventionnel. Rappelons que le drone est équipé de quatre moteurs de type brush-
less à courant continu. Ils sont caractérisés par leur bobinage qui est fixé au stator.
Cela permet de réduire considérablement l'inertie des moteurs et de réduire ainsi la
consommation de courant lors du démarrage et une meilleur et rapide évacuation de
la température. Mais en contre partie, les moteurs brushless nécessitent un circuit de
commande spéciale beaucoup plus complexe et plus cher. Les moteurs brushless sont
commandés par des tensions où des courants dont la variation du courant laisse ajuster
des vitesses et des forces.

C.l Système X4 conventionnel

Pour ce système, on a les commandes suivantes

«3 = / l + / 2 + / 3 + /4

on peut écrire l'équation C.l sous la forme matricielle suivante :

126 Étude des forces développées

Puisque Q est une matrice régulière, on peut calculer les forces d'entrée par :

Fig. C.l: Forces appliquées pour les rotors 1-2 : X4 conventionnel.

Les résultats de simulation sont présentés sur les figures C.l et C.2 pour le X4
conventionnel.
C.l. Système X4 conventionnel 127

FIG. C.2: Forces appliquées pour les rotors 3-4 : X4 conventionnel.

Dans ce cas, les forces des moteurs sont égaux deux à deux telles que FI — F3 et F2
= F4. Ces forces sont réparties d'une façon équitable après leur mouvement. Ainsi,
les figures (15b), (15d), (166) et (16d) présentent des zooms afin de bien illustrer le
comportement du drone.
Le tableau C.l montre les caractéristiques physiques du drone relevées expérimen-
talement.

TAB. C . l : caractéristiques physiques du drone

 Étude des forces développées
128
Bibliographie

[ A L T 02] ALTUG E . , OSTROWSKI J . P . M A H O N Y R . , Control of a quadrotor helicopter using

visual feedback, Proceeding of the IEEE International Conference on Robotics and Au-
tomation, Washington D.C., 72-77, Mai 2002.

[ALT 03a] ALTUG E., Vision based control of unmanned aerial vehicles with applications to
an autonomous four rotor helicopter quadrotor, Thèse de Doctorat de l'Université de
Pennsylvanie, Pennsylvania, 2003.
[ALT 03b] ALTUG E., OSTROWSKI J. P.TAYLOR C., Quadrotor control using dual visual
feedback, Proceeding of the IEEE International Conference on Robotics and Automation,
Taipei, Taiwan, 4294-4299, Septembre 2003.
[ART 83] ARTSTEIN Z., Stabilization with relaxed controls, Nonlinear Analysis, Theory, Me-
thods Applications, 7, 11, 1163-1183, 1983.
[AZO 05] Azouz N.BESTAOUI Y . , Modelling and simulation of a mini quad-rotor helicop-
ter, Proceeding of DTM2005, ASME Design Theory and Methodology Coferences, Long
Beach, California, USA, Septembre 2 0 0 5 .
[BAR 99] BARNES W . M C C O R M I C K J., Aerodynamics of V/STOL Flight, Darcorp, U S A , 1999.
[BEJ 04] BEJI L., ABICHOU A . S L I M R., Stabilization with motion planning of a four rotor
mini-rotorcraft for terrain missions, International Conference on Systems Design and
Application, ISDA, Budapest, Hungary, Août 2004.
[BEJ 05a] B E J I L.ABICHOU A . , Streamlined rotors mini rotorcraft : Trajectory generation and
tracking, International Journal of Automation and Systems, 03, 01, 87-99, Mars 2005.
[BEJ 05b] BEJI L., ABICHOU A.ZEMALACHE K. M., Smooth control of an X4 bidirectional
rotors flying robots, Fifth International Workshop on Robot Motion and Control, Dy-
maczewo, Poland, Juin 2005.
[BEJ 06] BEJI L., ABICHOU A . A Z O U Z N . , Robot motion and control : Recent developments
Modeling, Part II : Motion planning and control of the drones with revolving aerofoils :
An outline of the XSF project,, Lecture notes in control and information sciences. Eds
Hèrmes-Lavoisier, Vol. 335, 2006.
[BEN 97] BENREGUIEG M., Aides à la navigation d'un robot mobile dans un environnement
partiellement connus, Thèse de Doctorat de l'Université d'Evry Val d'Essonne, Evry,
Janvier 1997.

129
130 BIBLIOGRAPHIE

[BIS 95] BISHOP C. M., Regularization and complexity control in feedforward neural networks,
Proc. IEEE Int. Conf. on Neural Networks, Paris, 1, 141-148, 1995.
[BOU 04a] BOUABDALLAH S . , MURRIERI P.SIEGWART R . , Design and control of an indoor
micro quadrotor, IEEE International Conference on Robotics and Automation, New
Orleans, USA, 2004.
[BOU 04b] BOUABDALLAH S., NOTH A.SIEGWART R . , P I D vs L Q control techniques applied
to an indoor micro quadrotor, Proceedings of IEEE/RSJ Internationel Conference On
Intelligent Robots and Systems, Sendal, Japan, 2451-2456, Septembre 2004.
[BOU 05] BOUABDALLAH S.SIEGWART R., Backstepping and slinding-mode techniques applied
to an indoor micro quadrotor, Proceeding of the IEEE, International Conference on
Robotics and Automation, Barcelona, Spain, 2259-2264, Avril 2005.
[ C A S 04] CASTILLO P . , DZUL A.LOZANO R., Real-time stabilization and tracking of a four
rotor mini-rotor craft, IEEE Transactions on Control Systems Technology, 510-516, 2 0 0 4 .
[ C H A 05] CHAIBET A . , NOUVELIÈRE L . , MAMMAR S . N E T T O M . , Backstepping control syn-
thesis for automated low speed vehicle, ACC'05, Portland, 2 0 0 5 .
[CHO 95] CHOW M., An analysis of weight decay as a methodology of reducing three-layer
feedforward artificial neural network for classification problems, ICNN'94, Proc. IEEE
Int. Conf. on Neural Networks, Orlando, 1, 600-605, 1995.
[CHR 01] CHRIETTE A., Contribution à la commande et à la modélisation des hélicoptères :
Asservissement visuel et commande adaptative, Thèse de Doctorat de l'Université d'Evry
Val d'Essonne, Evry, Décembre 2001.
[ E T K 59] ETKIN B . R E I D L . D . , Dynamics of flight, John Wiley and Sons, Inc., New York,
ISBN 0 - 4 7 1 - 0 3 4 1 8 - 5 , 1959.
[ F R E 96] FREEMAN R . , PRIMBS J . , Control Lyapunov functions : New ideas from an old
source, In Proc. Of the 35th Conference on Decision and Control, 3926-3931, Décembre
1996.
[GLO 91] GLORENNEC P., An Evolutive Neuro-Fuzzy network, Procs. J,e Int. Conf "Neural
Networks and their Applications", Nîmes, 301-314, 1991.
[ H A M 00] HAMEL T . M A H O N Y R . , Visual serving of a class of under-actuated dynamic rigid-
body systems, Proceeding of the 39th IEEE Conference on Decision and Control, 2000.
[ H A M 02] HAMEL T . , MAHONY R . , LOZANO R.OSTROWSKI J . P . , Dynamic modelling and
configuration stabilization for an X4-fiyer, in IFAC 15th World Congress on Automatic
Control, Barcelona, Spain, 2 0 0 2 .
[HAM 05] HAMEL T . S O U È R E S P . , Modélisation, estimation et contrôle des drones à voilures
tournantes : Un aperçu des projets de recherche français, Rapport de NICE, 2005.
[HAU 92] HAUSER J . , SASTRY S.MEYER G., Nonlinear control design for slightly non-
minimum phase systems : Application to V/STOL aircraft, Automatica, 28, 04, 665-679,
1992.
BIBLIOGRAPHIE 131

[ H O V 02] HOVAKIMYAN N . , NARDY F . , CALISE A.NAKWAN K . , Adaptive output feedback

control of uncertain nonlinear systems using single-hidden-layer neural networks, IEEE
Trans, on Neural Networks, , 13, 1420-1431, 2 0 0 2 .

[JAN 93] JANG J . , A N F I S : adaptive-network-based fuzzy inference system, IEEE Transac-

tions System, Man and, Cybernet.23, 23, 03, 665-685, juin 1993.
[JOR 91] JORDAN M. I.RUMELHART D., Internal world models and supervised learning, Prog,
of the eighth Int. Workschop on Machine Learning, 70-74, 1991.
[JOU 97] JOUFFE L., Apprentissage de systèmes d'inférence floue par des méthodes de ren-
forcement : Application à la régulation d'ambiance dans un bâtiment d'élevage porcin,
Thèse de Doctorat de l'Université de Rennes I, 1997.
[ K H A 02] KHALIL H . , Nonlinear systems, Prentice-hall, Third Edition, 2002.

[KOK 92] KOKOTOVIC P., The joy of feedback : Nonlinear and adaptive, IEEE Control Sys-
tems Magazine, 12, 3, 7Û-17, Juin 1992.
[KRS 95] KRSTIC M., KANELLAKOPOULOS L.KOKOTOVIC P., Nonlinear and adaptative
control design, John Wiley Sons, Inc., 1995.
[ K U T 05] KUTAY A . T . , CALISE A.HOVAKIMYAN N . , Experimental results on adaptive output
feedback control using a laboratory model helicopter, IEEE Trans, on Control Systems
Technology, , 13, 196-202, 2005.

[ L O Z 03] LOZANO R., CASTILLO P . , GARCIA P . D Z U L A., Robust prediction-based control for
unstable delay systems : Application to the yaw control of a mini-helicopter, Automatica,
Septembre 2003.

[ L O Z 04] LOZANO R., CASTILLO P . D Z U L A . , Global stabilisation of the PVTOL : Real-time

application to a mini-aircraft, Int. Journal of Control, 77, 8, 735-740, Mai 2004.

[LOZ 05] LOZANO R., CASTILLO P., SALAZAR S . L A R A D., Stabilisation de véhicules aériens
à décollage vertical : Théorie et application, Rapport Heudiasyc, UMR CNRS 6599-UTC
Compiègne, 2005.
[LUT 96] LUTAUD-BRUNET M., Identification et contrôle de processus par réseaux Neuro-
Flous, Thèse de Doctorat de l'Université d'Evry Val d'Essonne, Evry, Décembre 1996.
[M A A 00] MAAREF H., Traitement de données imparfaites dans le cadre de la théorie du Flou :
Contribution à la navigation et à la localisation d'un robot mobile, HDR à l'Université
d'Evry Val d'Essonne, Evry, Janvier 2000.
[MAA 01] MAAREF H . B A R R E T C., Progressive optimization of a fuzzy inference system,
IPSA -NA F IPS "2001, Vancouver, 665-679, 2001.
[ M A A 02] MAAREF H . B A R R E T C . , Sensor-based navigation of a mobile robot in an indoor
environment, Robotics and Autonomous Systems, 38, 1-18, 2002.

[MEU 93] MEUNIER B. B., La logique floue, que sais-je, PUF, 1993.
[MOK 04] MOKHTARI A.BENALLEGUE A . , Dynamic feedback controller of Euler angles and
132 BIBLIOGRAPHIE

wind parameters estimation for a quadrotor unmanned aerial vehicle, Proceeding of the
IEEE International Conference on Intelligent Robots and Systems. 2359-2366, Avril 2004.
[ M O K 06] MOKHTARI A . , BENALLEGUE A.DAACHI B , , Robust feedback linearization and GH
infini controller for a quadrotor unmanned aerial vehicle, Journal of Electrical Enginee-
ring, 57, 01, 20-27, 2 0 0 6 .

[ P O U 02] POUND P . , MAHONY R . , HYNES P . R O B E R T S J . , Design of a four rotor aerial robot,

Proceeding of the Australasian Conference on Robotics and Automation, Auckland, 145-
150, Novembre 2002.

[ P O U 04] POUND P., MAHONY R., GRESIIAM J., CORKE P.ROBERTS J., Towards
dynamically-favourable quadrotor aerial robots, In Proc. Australian Conf. Robotics and
Automation, Canberra, Décembre 2004.

[RAC 06] RACOCEANU D., Contribution à la surveillance des systèmes de production en uti-
lisant les techniques de l'intelligence artificielle, HDR, à l'Université de FRANCHE-
COMTÉ de Besançon, Janvier 2006.
[ R E N 94] RENDERS J . M., Métaphore biologiques appliquées à la commande de processus,
Thèse de Doctorat de l'Université Libre de Bruxellese, Bruxellese, 1994.
[ S A E 91] SAERENS M . , Approche connexionniste de la commande de processus, Thèse de
Doctorat de l'Université Libre de Bruxellese, Bruxellese, 1991.
[SON 89] SONTAG E., A Universal contraction of artstein's theorem on nonlinear stabilization,
System Control Letters, Analysis, Theory, Methods Applications, 13, 117-123, 1989.
[ T A K 83] TAKAGI T . S U G E N O M . , Derivation of Fuzzy control rules from human operator's
control actions, in Proc. IFAC Symp. On Fuzzy Information, Knowledge Representation
and Decision Analysis, 55-60, Juillet 1983.
[TAY 04] TAYEBI A.MCGILVRAY S . , Attitude stabilization of a four-rotor aerial robot, 43rd
IEEE Conference on Decision and Control, Atlantis, Paradise Island, Bahamas, Dé-
cembre 2004.

[TAY 06] TAYEBI A.MCGILVRAY S . , Attitude stabilization of a VTOL quadrotor aircraft,

IEEE Transactions on Control Systems Technology, 14, 03, 562-571, Mai 2006.
[YAN 05] YANG C., LAI L.WU C., Time-optimal control of a hovering quad-Rotor helicopter,
IEEE ICSS International Conference On Systems and Signals, 295-300, 2005.

[ Y O U 02] YOUNG L . A . , AIKEN E . W . , JOHNSON J . L . , DEMBLEWSKI R . , ANDREWS J . K L E M

J., New concepts and perspectives on micro-rotorcraft and small autonomous rotary-wing
vehicles, Proceeding at the 20th AIAA Applied Aerodynamics Conference, St. Louis, MO.,
USA, 2002.

[ZAD 65] ZADEH L. A., Fuzzy set, information and control, 8, 338-353, 1965.
[ZAD 96] ZADEH L. A., The Evolution of systems analsis and control : A personal perspective,
IEEE Control Systems, , 8, 95-98, Juin 1996.
Bibliographie 133

[ZEM 05a] ZEMALACHE K. M., BEJI L.MAAREF H., Backstepping control technique : Appli-
cation to an under-actuated X4-flyer, 1st International Conference in Computer System
and Information Technology , Algeria, 1, 151-156, Juillet 2005.
[ZEM 05b] ZEMALACHE K. M . , BEJI L.MAAREF H., Control of an under-actuated system :
Application to a four rotors rotorcraft, 5th IEEE International Conference on Robotics
and Biomimetics, Hong Kong, China, 1, 160-230, Juillet 2005.
[ZEM 05c] ZEMALACHE K . M . , B E J I L . M A A R E F H . , Tracking-control investigation of two
X4-flyers, 2nd International Conference on Informatics in Control, Automation and
Robotics, Barcalona, Spain, 2, 16-23, Septembre 2005.
[ZEM 06a] ZEMALACHE K . M., BEJI L.MAAREF H . , Motion planning and stabilisation of a
X4 Bidirectional rotors using a Neuro-Fuzzy controller, 9th International Symposium
on Climbing and Walking Robots and Associated Technologies, Royal Military Academy,
Brussels, Belgium, 678-683, Septembre 2006.
[ZEM 06b] ZEMALACHE K . M . , B E J I L . M A A R E F H . , TWO inertial models of X4-Flyers dyna-
mics, motion planning and control, Journal of the Integrated Computer-Aided Enginee-
ring (ICAE), USA, 2006.
[ZEM 06c] ZEMALACHE K . M . , YAHIA W . B., BEJI L.MAAREF H., Neuro-Fuzzy system
controlling a X4-Flyer, 5th International Symposium on Robotics and Automation 2006,
San Miguel Regia Hidalgo, Mexico, 460-465, Août 2006.