Développement d'une commande à modèle partiel appris: analyse théorique et étude pratique

173 Pages·2017·8.01 MB·French

by  Huu Phuc Nguyen

Par Huu Phuc NGUYEN

Développement d’une commande à modèle partiel

appris : analyse théorique et étude pratique

Thèse présentée
pour l’obtention du grade
de Docteur de l’UTC

Soutenue le 16 décembre 2016
Spécialité : Technologies de l’Information et des Systèmes
D2323
niversité de echnologie de ompiègne
U T C
eudiasyc 7253
H UMR CNRS/UTC
hèse
T
présentée pour l’obtention du grade de Docteur de l’UTC
par
Huu Phuc NGUYEN
éveloppement d une commande à
D ’
modèle partiel appris
.
nalyse théorique et tude pratique
A É
16 2016
Thèse soutenue le Décembre devant le jury composé de :
uc ugard
M. L D DR CNRS, Gipsa-lab, Grenoble (Rapporteur)
ascal orin
M. P M Professeur, ISIR, UMPC (Rapporteur)
ominique eizel
M. D M Professeur Émérite, Univ. de Limoges (Examinateur)
sabelle antoni
Mme. I F DR CNRS, Heudiasyc, UTC (Examinatrice)
li harara
M. A C Professeur, Heudiasyc, UTC (Co-Directeur de thèse)
érôme e iras
M. J D M Maître de Conférences, Heudiasyc, UTC (Directeur de thèse)

À mon fils...

able des matières
T
able des matières
T v
iste des figures
L ix
otations
N xiii
emerciements
R xv
ésumé
R xvii
1 onception de la commande
C 3
11 ommande par modèle tabulé de comportement 5
. C . . . . . . . . . . . .
1.1.1 Conceptdecommande . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.2 Algorithmed’interpolation. . . . . . . . . . . . . . . . . . . . . . . . . 8
1.1.3 Algorithmed’optimisation . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.1.4 Remarques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
12 ommande en mode entrée sortie 16
. C - . . . . . . . . . . . . . . . . . . . . . .
1.2.1 Modèledeprédictionenmodeentrée-sortie . . . . . . . . . . . . . . . 16
1.2.2 Schémad’unecommandeenmodeentrée-sortie . . . . . . . . . . . . . 17
onclusion 18
C . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2 tratégie d apprentissage
S ’ 19
21 pprentissage de modèle 21
. A . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.1.1 RéseauxàfonctionsdebaseradialesRBF . . . . . . . . . . . . . . . . . 21
2.1.2 Méthodeànoyaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.1.3 Processusgaussien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
22 ommande par apprentissage 26
. C . . . . . . . . . . . . . . . . . . . . . . . . .
2.2.1 Processusdedécisionmarkovien . . . . . . . . . . . . . . . . . . . . . 26
2.2.2 Commandeparapprentissagesansmodèle . . . . . . . . . . . . . . . . 28
2.2.3 Commandeparapprentissagebaséesurlemodèle . . . . . . . . . . . . 31
23 ne commande par apprentissage de modèle 32
. U . . . . . . . . . . . . . . .
2.3.1 Correctionitérativebaséesurlafonctiongaussienne . . . . . . . . . . . 32
2.3.2 Évolutiondelacommandebaséesurlemodèletabulédecomportement 35
2.3.3 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
v
onclusion 44
C . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3 pplication au véhicule aérien
A 45
31 ommande d un 47
. C ’ PVTOL . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.1.1 Equationdynamique . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.1.2 Miseenœuvredel’algorithmedecommande . . . . . . . . . . . . . . 48
3.1.3 Résultatdesimulation . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.1.4 Tempsdegénérationdestables . . . . . . . . . . . . . . . . . . . . . . 55
32 ssais sur un 4 en mode le 4 56
. E X PVTOL : PVTOL-X . . . . . . . . . . . . .
3.2.1 Passaged’unquadricoptèreàunPVTOL . . . . . . . . . . . . . . . . . 56
3.2.2 ApprentissageensimulationsurlePVTOL-X4 . . . . . . . . . . . . . . 61
3.2.3 EssairéelsurlePVTOL-X4. . . . . . . . . . . . . . . . . . . . . . . . . 62
33 ommande d attitude pour le quadricoptère 63
. C ’ . . . . . . . . . . . . . .
3.3.1 Modélisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
3.3.2 Modèlecomplet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
3.3.3 Résultatensimulation . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
onclusion 74
C . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4 pplication au véhicule intelligent
A 75
41 ommande d un véhicule autonome 77
. C ’ . . . . . . . . . . . . . . . . . . . .
4.1.1 Pneumatiqueetdynamique . . . . . . . . . . . . . . . . . . . . . . . . 77
4.1.2 Equationdynamique . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
4.1.3 Modèlevéhiculecomplet . . . . . . . . . . . . . . . . . . . . . . . . . . 81
4.1.4 Suivid’unetrajectoire . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
4.1.5 Miseenœuvredel’algorithmedecommande . . . . . . . . . . . . . . 83
4.1.6 Résultatdesimulation . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
42 ommande d une voiture en drift 90
. C ’ . . . . . . . . . . . . . . . . . . . . . .
4.2.1 Equationdynamique . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
4.2.2 Miseenœuvredel’algorithmedecommande . . . . . . . . . . . . . . 91
4.2.3 Résultatdesimulation . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
43 ssais sur le véhicule réel 98
. E . . . . . . . . . . . . . . . . . . . . . . . . . .
4.3.1 Planificationdelatrajectoireetlocalisation . . . . . . . . . . . . . . . . 99
4.3.2 Estimationd’état . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
4.3.3 Résultatetcommentaire . . . . . . . . . . . . . . . . . . . . . . . . . . 105
onclusion 107
C . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5 pplication à la machine asynchrone
A 109
51 odélisation mathématique 111
. M . . . . . . . . . . . . . . . . . . . . . . . . .
5.1.1 Modèletriphasé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
5.1.2 Modèlebiphasé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
5.1.3 Miseenéquationd’état . . . . . . . . . . . . . . . . . . . . . . . . . . 115
vi
52 bservation de la vitesse mécanique 117
. O . . . . . . . . . . . . . . . . . . . .
5.2.1 Étatdel’art . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
5.2.2 Algorithmesd’observation . . . . . . . . . . . . . . . . . . . . . . . . . 118
53 pproche par formalisme d état pour extraire la vitesse mécanique 121
. A ’
5.3.1 Formulationduproblème . . . . . . . . . . . . . . . . . . . . . . . . . 121
5.3.2 Résultatsensimulation. . . . . . . . . . . . . . . . . . . . . . . . . . . 122
54 basée sur les flux 123
. MRAS . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.4.1 Formulationduproblème . . . . . . . . . . . . . . . . . . . . . . . . . 123
5.4.2 Résultatsensimulation. . . . . . . . . . . . . . . . . . . . . . . . . . . 126
55 basé sur le modèle en courants 128
. MRAS . . . . . . . . . . . . . . . . . . .
onclusion 132
C . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
onclusion générale et erspectives
C P 133
nnexes
A A 135
1 iltre de alman étendu 137
A. F K . . . . . . . . . . . . . . . . . . . . . . . . . . .
2 dentification des paramètres d une machine asynchrone 137
A. I ’ . . . . . .
ibliographie
B 139
vii

iste des figures
L
11 8
. Le schéma de la commande . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2 Discrétisation régulière dans l’espace S ×U de dimension d . . . . . . . . 9
13 2 9
. Coordonnée barycentrique dans l’espace D . . . . . . . . . . . . . . . . .
14 10
. Triangulation de COXETER-FREUDENTHAL-KUHN . . . . . . . . . . . .
15 11
. Triangulation de COXETER-FREUDENTHAL-KUHN d’un cube . . . . .
16 13
. Les opérations du simplex utilisées par la méthode de Nelder-Mead . . .
1.7 La minimisation de la fonction f(x ,x ) = (x −0.5)2 +x2 avec la mé-
1 2 1 2
14
thode de Nelder-Mead . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
18 16
. Le modèle de prédiction en mode entrée-sortie . . . . . . . . . . . . . . . .
19 17
. Le schéma de la commande en mode entrée-sortie . . . . . . . . . . . . . .
21 22
. Réseau RBF . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2 RégressionparRBFavecy = xsinx.Lescentressont x = i,i = 0,10,λ =
ci
0.02 et σ = 1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
23 26
. Le schéma d’un processus de décision markovien . . . . . . . . . . . . . .
24 28
. Le schéma d’un algorithme d’itération de la politique PI . . . . . . . . . .
25 31
. La relation entre l’apprentissage, la plannification et la commande . . . .
26 32
. Commande par apprentissage basée sur modèle ou DYNA-Q . . . . . . .
27 33
. Le schéma d’apprentissage . . . . . . . . . . . . . . . . . . . . . . . . . . .
28 36
. Apprentissage d’une fonction, la première itération . . . . . . . . . . . . .
29 36
. Apprentissage d’une fonction après 400 itérations . . . . . . . . . . . . . .
210 37
. L’évoluation d’erreur de la fonction apprise . . . . . . . . . . . . . . . . . .
211 37
. Le schéma d’une commande par apprentissage de modèle . . . . . . . . .
212 38
. Comparaison entre table de prédiction apprise et simulée . . . . . . . . .
2.13 La sortie utilisant la table apprise, le système réel avec a = 1.2 . . . . . . . 39
2.14 L’entrée utilisant la table apprise, le système réel avec a = 1.2 . . . . . . . 39
215 41
. Apprentissage de modèle pour un pendule . . . . . . . . . . . . . . . . . .
216 41
. Entrée appliquée avec apprentissage de modèle pour un pendule . . . . .
2.17 La position stabilisée sur l’axe x . . . . . . . . . . . . . . . . . . . . . . . . 42
2.18 La position stabilisée sur l’axe z . . . . . . . . . . . . . . . . . . . . . . . . . 43
219 43
. La valeur de commande . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
ix