Courrier du Savoir – N°10, Avril 2010, pp.

15-22

COMMANDE D'UN BRAS MANIPULATEUR 6 D.D.L

AVEC EVITEMENT D'OBSTACLE PAR LA LOGIQUE FLOUE

HATEM GHODBANE, MANEL MOUSSAOUI & OKBA KAZAR

Université Mohamed Khider Biskra,
[email protected], [email protected], [email protected]

RÉSUMÉ
L’objectif de cet article est de proposer une méthode de contrôle d’un robot manipulateur à six degré de liberté avec évitement
d’obstacle par la logique floue. Ce bras exécute la tâche de déplacement des objets bien définis dans un environnement bien
déterminé. Cette méthode est orientée de manière à régler le problème de difficulté et parfois d’absence d’un modèle
mathématique pour la modélisation et la commande des systèmes non linéaires. Elle permet d’aider le robot pour rejoindre un
but bien défini avec la faculté d’évitement d’obstacles. Nous proposons également un simple contrôleur flou et un ensemble de
modèles géométriques qui vont faciliter le suivi des meilleurs chemins pour le robot manipulateur. Les résultats obtenus en
simulation montrent l’efficacité de l’approche proposée.

Mots clés- bras manipulateur 6.D.D.l ; évitement d’obstacle ; logique floue.

de l’exprimer avec des outils mathématiques appropriées

1 INTRODUCTION
[1] [2] [3].
Généralement les connaissances de l'univers humain sont Les techniques de l’intelligence artificielle basés sur la
imparfaites dans la mesure où elles peuvent souffrir logique floue sont considérées comme une solution très
d'incertitudes et/ou d'imprécisions. L’homme intègre
intéressante pour les systèmes non linéaire où il est difficile
naturellement ces imperfections dans la vie de tous les d’établir un modèle mathématique [4] [5] [6] [7] [8] [11]
jours, en particulier au niveau du raisonnement et de la [12] [13] [14]. L’évitement d’obstacle pour les robots
décision [1] [2] [3] [4] [5] [6] [7].
manipulateurs appartient aux problèmes de cette sorte [3]
L'utilisation des outils mathématiques de modélisation est [14] [15] [16]. La logique floue fournit un meilleur moyen
appropriée et justifiée pour les systèmes bien définis. Mais, d’automatiser les expertises humaines [4] [6] [8] [12]. Elle
quand la complexité augmente, ces outils deviennent moins permet aux experts humains d’exprimer ses connaissances
efficaces. Le traitement des systèmes complexes nécessite qui sont généralement difficiles à mettre en application lors
souvent la manipulation d'informations incertaines. De de la conception de systèmes de traitement classiques, de
façon naturelle, l'être humain est capable de manipuler de façon naturelle et que le minimum des règles est suffisant
tels systèmes. Il décrit son comportement par des méthodes pour exprimer les concepts, donc gain de temps et d'espace
approximatives au lieu de raisonner en termes mémoire, ce qui donne une rapidité considérable à ses
mathématiques [1] [2] [3] [4] [5] [6] [7]. moteurs d'inférence [6] [7] [8] [12]. Les applications
utilisant la logique floue sont plus faciles à réaliser et à
Un robot doit posséder des capacités de perception et de utiliser. Des machines complexes peuvent devenir plus
mouvement nécessaires pour qu’il puisse exécuter ses conviviales grâce à leur capacité de raisonnement avec des
tâches dans son environnement [7] [8]. La méthode informations imprécises et d’explication de leurs décisions.
générale pour contrôler un bras manipulateur consiste à Les applications de la logique floue qui ont été réalisées
calculer les modèles géométriques pour générer les dans littérature montrent les avantages de cette technique
mouvements du robot nécessaire pour l'accomplissement quand le modèle des systèmes est difficile a implémenté, ce
d'une tâche particulière [9]. Cette approche produit de bons qui en fait un outil robuste, simple et adéquat pour traiter
résultats pour des tâches répétitives dans des ces problèmes. [4] [6] [7] [8] [11] [12] [13] [14] [16] [17]
environnements connus [10]. A la base de ces idées, notre [18] [19]. Dans ce papier, notre objectif est de démontrer la
travail s’inscrit dans le contexte de la robotique et nous faisabilité de cette approche pour l'évitement d'obstacles
nous focalisons sur le principe de la démarche humaine d’un robot manipulateur à six degré de liberté.
dans le sens de capturer l’imprécision de la pensé humain et

Université Mohamed Khider – Biskra, Algérie, 2010

 H. Ghodbane & al

Notre article est structuré comme suit: dans la première Tableau 1 : Paramètres géométriques du robot Staubil RX-90
section, nous exposons la structure géométrique de notre
bras à étudier. Dans la deuxième section, nous allons J σj αj dj θj rj
modéliser notre bras manipulateur en utilisant deux 1 0 0 0 θ1 0
modèles réels qui sont le Modèle Géométrique Inverse
(M.G.I) et le Modèle Géométrique Direct (M.G.D) [9] [20]. 2 0 π /2 0 θ2 0
Puis nous allons passer à présenter la structure de notre
contrôleur flou. Finalement il y a la phase d’exécution, sont
3 0  D3 θ3 0
des résultats de simulation de notre système en utilisant un 4 0 π
 /2 0 θ4 RL4
outil du langage de programmation.
5 0 π/2 0 θ5 0
6 0 π
 /2 0 θ6 0
2 LA DESCRIPTION GEOMETRIQUE DU BRAS
La structure de notre bras est la Structure Ouverte Simple
(St.O.S) dont la quelle chaque corps a au plus deux 2.1 Modèles géométriques direct du bras
articulations. La St.O.S permet d’amener l’organe terminal
dans une situation (position et orientation) donnée [9]. Elle Le modèle géométrique direct du robot Staubil RX-90 est
est la plus utilisé et a pour avantage essentiel d’augmenter donné par les équations suivantes :
la rigidité ainsi que la précision. Le bras manipulateur à
étudier est un robot articulé à 6 D.D.L « robot Staubil RX-
90 ». Six degrés de liberté sont suffisants pour positionner
(
sx = C1 C23 (C4C5C6 − S4 S6 )− S23S5C6 ) − S1 ( S4C5C6 +C4 S6 )
l’organe terminal dans une position et orientation complet
dans l’espace [21]. La cinématique du porteur est de type
RRR et le poignet comporte trois rotations comme la figure
( )
sy = S1 C23(C4C5C6 −S4S6 )−S23S5C6 + C1 ( S4C5C6 +C4S6 )
1 l’indique [9].
sz = S 23 (C4C5C6 − S4 S6 ) + C23 S5C6

(
nx = C1 −C23 (C4C5 S6 + S4 S6 )+ S23S5C6 ) + S1 ( S4C5S6 −C4C6 )

z4 , z6
x 4 , x5 , x6 (
ny = S1 −C23(C4C5S6 − S4C6 )+ S23S5S6 ) − C1 ( S4C5S6 −C4C6 )

z5 nz = − S 23 (C4C5 S6 + S4C6 ) − C23 S5 S6

RL 4 ax = − C1 (C23C4 S5 + S23C5 ) + S1 S 4 S5
z 0 , z1
ay = − 1 S (C23C4 S5 + S23C5 ) − C1 S 4 S5
x 0 , x1 , x 2 x3
z2 D3 az = − S 23C4 S5 + C23C5
z3
px = − C1 ( S23 RL4 +C2 D3 )

py = − 1 S ( S23 RL4 +C2 D3 )

Figure 1 : Placement des repères et notation du robot Staubil RX-
90
pz = C23 RL4 + S 2 D3

Les paramètres géométriques du robot sont représentés dans avec C 23 = Cos (θ 2 + θ 3 ) et S 23 = Sin (θ 2 + θ 3 )
la figure suivante :

16
 Commande d'un bras manipulateur 6 D.D.L avec évitement d'obstacle par la logique floue

2.2 Modèles géométriques inverse du bras → → →

V deplacemen t = Vcible + V Evitement
Pour traiter le modèle géométrique inverse de notre bras
nous avons utilisé la méthode de Paul car elle est permet de
traiter séparément chaque cas (chaque type du bras
manipulateur) particulier et convient pour la plupart des →
robots industriels [10]. Après ces calculs, on obtient les
Z Veviteme
solutions suivantes: Source
Bras →
V cible

θ1 = a tan 2 ( py , px ) θ θ1 + Π θ 2 = a tan 2 ( S2 ,C2 )

'
1 = V →
, , deplacement
Obstacle
YZ − ε X X 2 + Y 2 − Z 2
avec C2 =
X +Y Cibl
2 2

X
XZ + ε X X + Y − Z
2 2 2
et S2 =
X +Y
2 2
Y
ε = ±1 , B1 = p xC 1 + pz S1 , X = −2 p yD3 , Y = −2 B1D3 , Figure 2 : Bras manipulateur se dirigeant vers un point cible
Z = ( RL4 ) − ( D3 ) − ( Pz ) − ( B1 )
2 2 2 2
→
Le vecteur de la cible Vcible est calculé à partir de la
θ3 = a tan 2 ( pz S2 − B1C2 + D3 / RL4 , − B1 S2 + pz C2 / RL4 ) position de la cible et le vecteur d’évitement représente la
→
sortie du contrôleur flou. VEvitement
(
θ 4 = a tan 2 S1ax − C1a y , −C23 ( C1ax + C1a y ) − S 23 az )
θ 4' = θ 4 + π
4 LE CONTROLEUR FLOU POUR L’EVITEMENT
θ5 = a tan 2 ( S5 , C5 ) L’objectif est la création d’un contrôleur flou capable
→
avec d’évaluer le vecteur d’évitement VEvitement correspondant à
la position actuelle d’obstacle.
S5 = −C4 ⎡⎣C23 ( C1ax + S1a y ) + S 23 az ⎤⎦ + S4 ( S1ax − C1a y )
Comme la figure 3 l’indique, le contrôleur possède deux
entrées et une sortie, les entées sont l’angle et la direction
C5 = − S 23 ( C1ax + S1a y ) + C23 az par apport l’obstacle et la sortie est le vecteur d’évitement.
Le bras utilise ce dernier pour calculer ses coordonnées
θ 6 = a tan 2 ( S 6 , C 6 ) absolues.
Nous avons choisi un contrôleur de type Mamdani [15],
avec
dont la conclusion est un ensemble flou. Ce modèle
S6 = −C4 ( S1 sx − C1 s y ) − S 4 ⎡⎣C23 ( C1 sx + S1 s y ) + S 23 sz ⎤⎦ présente l’avantage d'être facilement interprétable et bien
adapté à ce type de problème. La fonction d’appartenance
utilisée est gaussienne, ce type de fonction est généralement
C6 = −C4 ( S1nx − C1n y ) − S 4 ⎡⎣C23 ( C1nx + S1n y ) + S 23 nz ⎤⎦ le plus utilisé.

C1 = Cos (θ1 ) , S1 = Sin (θ1 ) ,

C4 = Cos (θ 4 ) , S4 = Sin (θ 4 ) →
Vevitemen →
Vdeplacemen
C23 = Cos (θ1 ,θ3 ) , S23 = Sin (θ 2 ,θ 3 )
t ⎛ xbras ⎞
⎛θobstacle ⎞ Controleur
⎜ ⎟
⎜⎜ ⎟⎟ flou ∑ bras ⎜ ybras⎟
⎝dobstacles⎠ ⎜z ⎟
→ ⎝ bras ⎠
3 METHODE D’EVITEMENT Vcible
La figure 2 représente l’état d’un bras manipulateur se
dirigeant vers un point cible en évitant un obstacle fixe. Figure 3 : Les entrées sorties du contrôleur

A partir de deux vecteurs cible et évitement en calculant le

vecteur de déplacement qui est égale à la somme vectorielle
→ →
des vecteurs Vcible et VEvitement

17
 H. Ghodbane & al

5 LA FUZZIFICATION 5.3 La fuzzification de l’angle d’évitement

La fuzzification est un module de codage a pour rôle de On définie la fonction d’appartenance de l’angle
convertir les données physiques réelles provenant des d’évitement par neuf sous ensembles flous appartenant à
capteurs en un label caractérisant la variable linguistique l’intervalle [-135,135]
associée pouvant être manipulés par le contrôleur, en
définissant des fonctions d'appartenance pour différentes
variables d'entrée. Le choix de la fonction d'appartenance μ
dépend de la nature des données et du problème [1] [2].
GGN GN MN PN EZ PP MP GP GGP

5.1 La fuzzification de l’angle d’obstacle

On suppose que le robot peut percevoir un obstacle dans
une direction qui appartienne à l’intervalle [-90,90]. La
-135° -90° -60° -30° 0° 30° 60° 90° 135
fonction d’appartenance est représentée en sept sous
ensemble flous, comme la figure 4 l’indique :
ϑ
evitement

μ Figure 6 : La fuzzification d’angle d’évitement

GGN: Grand Grand Negative
GN MN PN EZ PP MP GN: Grand Negative
MN : Moyenne Négative
PN : Petite Négative
EZ : Environnement de Zéro
PP : Petite Positive
-90° -60° -30° 0° 30° 60° 90° GP : Grand Positive
θ obstacle MP : Moyenne Positive
GGP : Grand Grand Positive
Figure 4 : La fuzzification de l’angle d’obstacle

GN : Grand Négative 6 LA BASE DES REGLES FLOUES DU

PP : Petite Positive CONTROLEUR
MN : Moyenne Négative
MP : Moyenne Positive Un contrôleur flou prend généralement la forme d'une série
PN : Petite Négative de règles «Si-alors». L’inférence est basée sur des
GN : Grand Positive opérations min et max afin d’effectuer l’inférence des
EZ : Environnement de Zéro règles et l’opérateur max pour l’agrégation des règles.
Le jeu de règles peut être d’écrit sous forme d’un tableau,
ou les variables d’entrées sont l’angle d’évitement et la
5.2 La fuzzification de distance d’obstacle
distance, chaque case du tableau indique la déduction d’une
Pour la distance entre l’organe terminal et l’obstacle dobstacle, règle.
nous avons choisi seulement trois valeurs floues.
Pour cette situation on a trois cas (trois tableaux
d’inférence) :
μ 1ème cas : α obstacle supérieur à α sourcee (l’organe terminal)
et inférieur à α ciblee α obstacle ∈ [α source , α cible ] c'est-à-
P M G
dire l’évitement se fait à gauche comme la figure 7
l’indique

0 15 30 dobstacle
Figure 5 : La fuzzification de la distance d’obstacle

18
 Commande d'un bras manipulateur 6 D.D.L avec évitement d'obstacle par la logique floue

Tableau 3 : La base de règles pour l’évitement droite

Z ÉVITEMENT
Cible ϕevitemente ϕobstacle
Bras Obstacle GN MN PN EZ PP MP GP
Source P PP MP GP GGP GGP GGP GGP
Y dobstacle
M PP PP MP GP GGP GGP GGP
G EZ EZ PP MP GGP GGP GGP

α cible 3ème cas : α obstacle supérieur ou inférieur à α sourcee et

α obstacle α ciblee α obstacle ∉ [α source , α cible ] c'est-à-dire l’évitement
se fait à gauche ou à droite comme la figure 9 l’indique
αsource
X
Figure 7 : Evitement gauche ÉVITEMENT
Z
Bras
Les règles sont résumées dans le tableau suivant Source
Cible Y
Tableau 2 : La base de règles pour l’évitement gauche

ϕevitemente ϕobstacle
Obstacle
GN MN PN EZ PP MP GP
α cible
P GGN GGN GGN GGN GGN GN MN
dobstacle
M GGN GGN GGN GGN GN MN PN
α obstacle
α source
G GGN GGN GGN GN MN PN EZ
X
2ème cas : αobstacle inférieur à αsource (l’organe terminal) et Figure 9 : Evitement gauche droite
[ ]
supérieur à αciblée α obstacle ∈ α source , α cible c'est-à-dire
l’évitement se fait à droite comme la figure 8 l’indique Les règles sont résumées dans le tableau suivant :

Tableau 4 : La base de règles pour l’évitement gauche droite

Z ÉVITEMENT
ϕevitemente ϕobstacle
Bras Obstacle
GN MN PN EZ PP MP GP
Source P PP MP GP GGN GN MN PN
Y dobstacle
M PP PP MP GN MN PN PN
Cible G EZ PP PP PN GGP PN EZ

α source 7 FONCTIONNEMENT DU SYSTEME PROPOSE

α obstacle Si le chemin du bras est libre c'est-à-dire aucune présence
α cible d’obstacle, donc dans cette situation le robot manipulateur
se déplace vers la cible jusqu'à ce que un obstacle soit
X détecté. A ce point, la direction du bras est modifiée par le
contrôleur flou d’évitement d’obstacle de telle sorte que le
Figure 8 : Evitement droite
bras se déplace d'autant plus qu'il est loin de l'obstacle. Le
chemin de déplacement est représenté comme un ensemble
de points de passage reliant le point de départ au point
d’arrivée. Le principe de fonctionnement est présenté dans
la figure suivante.

19
 H. Ghodbane & al

Début

c ible
Création des paramètres du bras 1
manipulateur et de l’environnement obs tac le

Démarrage du système
déDdéémarag -1 -1
-1 s ourc e
-0.5
Transformation relative des positions -0.5
(cible, obstacle) 0
0

0.5 0.5
Calcul les données du système
( θ cible , d obstacle , θ obstacle ) 1 1

Exécution du
Vue 3D
NON
Exécution de OUI Il y a un obstacle contrôleur flou de
l’évitement détecté deplacement libre
d’obstacles -1

-0.8
Déplacement du
bras -0.6

-0.4
NON cible
Le bras atteint la -0.2
cible

OUI 0

FIN 0.2 obstacle

0.4
Figure 10 : L'architecture fonctionnelle du système proposé
0.6

source
0.8

8 VALIDATION 1
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
Dans ce papier, nous présenterons les résultats de
simulation de notre système en utilisant MATLAB. De ce Vue de haut
faite, on peut accélérer le temps de calcul, on peut élaborer
beaucoup de données, on peut varier les paramètres de 1
l’environnement comme on le désire. On peut faire
0.8
exécuter au robot ce que l’on veut, on peut aussi modifier
les données du robot, on peut visualiser tout ce qui se passe. 0.6
MATLAB qui est un environnement de travail complet, 0.4
puissant et performant. obstacle
0.2
Nous présentons ici un exemple de notre validation réalisée. cible
L’environnement est une salle carrée. Le bras possède six 0
degré de liberté. Pour déplacer un objet le bras part d’un -0.2
état de repos. Ensuite il s’oriente progressivement vers la
configuration finale correspondant à la cible avec la -0.4 source

possibilité d’éviter la collision avec l’obstacle de telle sorte -0.6

que le robot oriente d'autant plus qu'il est loin de l'obstacle.
Comme le montre la figure 11, en raison de obstacle qui se -0.8

trouve entre la position initiale et finale du bras, le robot est -1

forcé de faire un petit contournement afin d’éviter la -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1

collision.
Vue de coté
Figure 11 : exemple de validation

20
 Commande d'un bras manipulateur 6 D.D.L avec évitement d'obstacle par la logique floue

La variation des angles de chaque moteur (correspondant à Nous espérons que cet article motivera le lecteur à créer
l’exemple présenté dans la figure 11) est représentée dans la plusieurs applications avec l’exploitation des propriétés
figure suivante : intrinsèques de la logique floue.

4 3 REFERENCES
moteur 1 moteur 2
[1] P. Reignier, "Pilotage réactif d’un robot mobile étude
3
2
du lien entre la perception et l’action", Thèse
pi

2 pi Doctorat, Institut National polytechnique de Grenoble,

France, 1994.
1 pas 1 pas
[2] P. Garnier, "Contrôle d'exécution réactif de
0 50 100 150 0 50 100 150
mouvements de véhicules en environnement
1.5 moteur 3 5 dynamique structuré", Thèse Doctorat, Institut National
moteur 4
Polytechnique de Grenoble, France, 1995.
1 4
[3] J. Godjevac, "Idées nettes sur la logique floue",
pi

pi

0.5 3 Collection informatique, édition Presses

polytechniques et universitaires romandes (ppur),
0 pas 2 pas Lausanne, 1999.
0 50 100 150 0 50 100 150
3.5 3 [4] J. Yen and N. Pfluger, "A fuzzy logic based robot
moteur 5 moteur 6 navigation system", Proceedings of the, IEEE Trans. on
3 2 Systems, Man, and Cybernetics, Vol. 25, No. 6, pp.
971-978, 1992.
pi

pi

2.5 1 [5] X. Yang, M. Moallem and R-V. Patel, "A layered goal-
pas pas
oriented fuzzy motion planning strategy for mobile
2 0 robot navigation", IEEE transactions on systems, man,
0 50 100 150 0 50 100 150
and cybernetics-part B : cybernetics, Vol. 35, No. 6,
pp. 1214-1224, December 2005.

Figure 12 : Variation des angles

[6] H. Surmann, J. Huser and L. Peters, "A fuzzy system
for indoor mobile robot navigation", Proc. of the
Fourth IEEE Int. Conf. on Fuzzy Systems, pp. 83-86,
20, Yokohama, Japan, 1995.
9 CONCLUSION [7] P-G. Zavlangas, S-G. Tzafestas and K. Althoefer,
"Fuzzy obstacle avoidance and navigation for
Dans ce travail, nous avons proposé une expérience avec le
omnidirectional mobile robots", ESIT 2000, pp. 375-
robot manipulateur Staubil RX-90. Nous avons créé un 382, Aachen, Germany, 2000.
contrôleur basé sur la logique floue pour l’évitement
d’obstacles. Nous remarquons que l’algorithme est très [8] A. Martinez, E. Tunstel, and M. Jamshidi, "Fuzzy logic
simple et produit de bons résultats tels que : based collision avoidance for a mobile robot",
Robotica, Vol. 12, No. 6, pp. 521-527, 1994.
ƒ Il n’y a pas de collision entre le bras manipulateur
[9] E. Dombre et W. Khalil, "Modélisation, Identification
et l’obstacle. et Commande des Robots", Hermès, deuxième édition,
ƒ Le chemin de déplacement est proche de l’optimal. 1999.
[10] E. Colle, K. Nait Chabane, S. Delarue, P. Hoppenot, «
ARPH : Comparaison d’une méthode classique et
ƒ Le chemin de déplacement est proche de la
d’une méthode utilisant la coopération hommemachine
décision humaine. pour exploiter la redondance de l’assistant robotisé »,
ƒ La variation de l’angle des moteurs est réalisable, LSC CNRS FRE 2494, Université d'Evry, 2006
pas de variation brusque de l’angle. [11] I. Gupta and D. Riordan, "Mobile robot navigation : A
fuzzy logic based approach", Document of Faculty of
ƒ Quelque soit la position de l’obstacle par apport le
Computer Science, Dalhousie University, Canada,
bras et le cible on aura toujours un bon 2002.
déplacement du bras.
[12] A. Fatmi, A. Al Yahmadi, L. Khriji and N. Masmoudi,
ƒ Les techniques adoptées floue fournir une "A fuzzy logic based navigation of a mobile robot",
stratégie de comportement flexible et donne la Proceedings of World Academy of Science,
possibilité de construire une représentation de Engineering and Technology, pp. 169-175,Vol. 15,
l'environnement nécessite un espace mémoire ISSN 1307- 6884, 2006.
réduite par rapport à l'utilisation d'une description [13] H. Zimmermann, "Practical applications of fuzzy
géométrique exact. technologies", Springer Netherlands, 1999.

21
 H. Ghodbane & al

[14] Logique floue, car le monde est flou ! [18] R. Mahdaoui and H-L Mouss, "Diagnostic industriel
http://embedded.over-blog.com/article-4592528.html. par neuro-floue application à un système de
production", Laboratoire d’Automatique et Productique
[15] K. Chafaa, "Structure d’identification et de commande (LAP) Université de Batna, Algérie, 2006.
des systèmes non linéaires", Thèse Doctorat, Université
de Batna, Algérie, 2006. [19] D-J. Huh, J-H. Park, U-Y. Huh and H. Kim, "Path
planning and navigation for autonomous mobile robot",
[16] M. Mordjaoui, "Modélisation des effets Industrial Electronics Society. IECON 02, 28th Annual
électromagnétiques - Apport de la logique floue et Conference of the IEEE, pp. 1538- 1542, Vol. 2,
neuro-floue", Thèse Doctorat, Université de Batna, Sevilla, Spain, 2002.
Algérie, 2008.
[20] P. Fisette, H. Buyse et J-C. Samin, Introduction à la
[17] La logique floue, 2002. robotique, 2004.
http://www.gillesbalmisse.com/IMG/pdf/GB_Fuzzy.pdf
[21] Analyse et conception d’un manipulateur parallèle spatial à
cinq degrés de liberté. http://www.sciencedirect.com.

22