Modélisation et simulation d’un bras robotisé sous
Matlab/Simulink
Contrôle de la position angulaire d’un bras robotisé par la méthode de référence en utilisant
l’intelligence artificielle (Les réseaux de neurones artificiels).
Figure : schéma du système ou processus à contrôler.
Equation du mouvement du système
En application la RFD on a :
Avec :
: la position angulaire
: la tension de commande du moteur CC.
Modèle de référence choisi.
Avec :
: la réponse du modèle de référence
: le signal position angulaire de référence
Schéma synoptique du système contrôlé.
Figure : Schéma synoptique du système.
Schéma sous Matlab Simulink.
Figure : Système sous le logiciel Matlab/Simulink.
Description des différents blocs du système
a. Le bloc « Model Reference Controller » : Ce bloc est notre système de commande par le
modèle de référence en utilisant les réseaux de neurones, il continent en lui seul 3 blocs :
Le bloc « Reference Model » qui constitut notre modèle de référence
Le bloc « NN plant model » qui constitut notre modèle de mécanisme d’adaptation
Le bloc « NN Controller » qui constitut notre Contrôleur ou régulateur intégrant
réseaux de neurones plutôt les les PID classiques
Figure : Vue Interne du bloc « Model Reference Controller »
b. Le bloc « Plan (Robot Arm) » qui contient notre système ou procédé à contrôler qui a pour
actionneur un moteur CC commandé en position angulaire.
Figure : Modèle sous Matlab/Simulink du procédé à contrôler.
c. Le bloc « Random reference » qui constitut notre signal de consigne (position angulaire
désirée).
Résultats et discussion.
Figure : Graphe de poursuite de la consigne(position angulaire) par le bras robotisé
Figure : Comparaison entre la réponse du modèle (Yr) et la réponse du bras robotisé (Yt)
Discussion
Notons que ces deux graphes sont tracés en temps réel car la commande adaptative s’applique sur des
systèmes dont les paramètres peuvent varier brusquement et de façon aléatoire dans le temps et dans
l’espace.
Au niveau du premier graphe nous avons une tracée en temps réel de la consigne (position
angulaire souhaitée) que reçoit le nôtre bras robotisé (piloté par un moteur CC) et de la
réponse que fournit celui-ci (angle thêta), on voit sur ces tracées que la réponse obtenue
poursuit au mieux la consigne avec une précision élevée et une rapidité meilleure (temps de
réponse inférieur à 1s)
Sur le deuxième graphe , on a fait une comparaison entre la réponse du modelé de référence
(Yr) et la réponse du bras robotisé en question(Yt) et on observe que les temps de réponse de
ces deux modèles sont presque les même ,mais il existe un petit écart entre les deux réponses
en régime permanent ; alors nous pouvons que cet écart est dû dans un premier temps aux
erreurs de calcul liées à l’échantillonnage du système et deuxième étant donné qu’on utilisé
un modèle d’intelligence artificielle, les données d’entraînement doivent être suffisantes pour
un apprentissage complet du modèle et précises pour qu’on ait meilleur résultat .
Généralement ces données sont prétraitées, normalisé afin d’obtenir un bon entraînement du
modèle.
