Commande par réseaux de neurones : application au contrôle d'un préhenseur électropneumatique

par Pierre Couturier

Thèse de doctorat en Automatique industrielle

Sous la direction de Maurice Bétemps et de Janine Magnier.


  • Résumé

    Le travail présenté dans ce mémoire concerne la commande adaptative de processus non linéaires ou non stationnaires par réseaux de neurones et une application au contrôle d'un préhenseur électropneumatique. Dans une première partie, sont rappelées quelques méthodes d'identification et de commande adaptatives par réseaux de neurones. Puis, nous étudions plus particulièrement la synthèse d'une commande adaptative directe par le principe de compensation de contre-réaction. Les propriétés et les limites de cette approche sont définies et illustrées par des simulations. Dans le cadre de la commande adaptative indirecte, nous précisons des méthodes de calcul de correcteurs neuronaux boucles. Nous montrons l’intérêt, pour mener l'apprentissage, de représenter sous une forme canonique l'ensemble des réseaux impliqués. En synthèse de cette première partie, nous proposons un schéma général pour l'apprentissage d'un bloc de commande constitue de plusieurs correcteurs. Dans une seconde partie, sont présentés quelques apports des réseaux de neurones dans le domaine de la préhension robotisée. Enfin, le schéma général proposé est utilisé pour le contrôle de la position d'un préhenseur électropneumatique. Différentes stratégies de commande, qui prennent en compte les contraintes physiques du processus, sont étudiées et testées en ligne.

  • Titre traduit

    = Neural networks for control : application to the control of an electro-pneumatic gripper device.


  • Résumé

    This work addresses the adaptive control of nonlinear and nonstationary systems based on neural networks. An application to the control of an electro-pneumatic gripper is presented. In a first part the characteristics of direct or indirect control schemes are described. The synthesis of a direct control scheme using "Feedback Error Learning" is extensively studied. Properties and limitations of such an approach are discussed and illustrated in simulations. The computation of feedback networks for identification and control tasks is then examined. At this end, the interest of representing neural blacks under a canonical form is emphasized. The computation method is described in details in the case of the synthesis of an indirect control scheme using the "Specialized Learning" approach. Then, we propose a general control scheme that can involve bath the previous learning approaches. Applications of such a scheme for on line control design are discussed. In a second part, several applications of neural networks in Robotics, for grasping control tasks, are presented. The general control scheme is then used in order to control the position of an electro pneumatic gripper designed with metal bellows. Different on line control strategies are examined. Advantage is taken of the flexibility of the proposed control scheme so as to take into account the physical constraints such as saturation or non-symmetrical dynamical behavior when opening and when closing the device.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (165 p.)

Où se trouve cette thèse\u00a0?

  • Bibliothèque : Université Savoie Mont Blanc (Annecy-le-Vieux). Bibliothèque de Polytech'Annecy-Chambéry, site d'Annecy.
  • Disponible pour le PEB
  • Cote : T P1997/71
  • Bibliothèque : Institut national des sciences appliquées (Villeurbanne, Rhône). Service Commun de la Documentation Doc'INSA.
  • Disponible pour le PEB
  • Cote : C.83(2064)

Cette version existe également sous forme de microfiche :

  • Bibliothèque : Université Grenoble Alpes (Saint-Martin d'Hères, Isère). Bibliothèques et Appui à la Science Ouverte. Bibliothèque universitaire Joseph-Fourier.
  • Non disponible pour le PEB
  • Cote : MF-1997-COU
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.