M9 - Etalonnage et identification des robots (INSA)
16
50
3
x
* CT : contrôle terminal, CC contrôle continu ; **Les étudiants de l’INSA de Strasbourg (option Génie Electrique) qui suivent le module « automatique avancée » à l’INSA obtiennent par équivalence les modules M5-M6
COMPETENCES A ACQUERIR :
Modélisation de commande des manipulateurs robotiques et des robots mobiles
Commande avancées des systèmes linéaires (commandes robustes et commandes optimales)
Les techniques d’observation des états des systèmes linéaires et non linéaires, en particulier le filtre de Kalman
Bases pour la modélisation et la commande des systèmes non linéaires
Conception et modélisation des systèmes mécaniques complexes
Techniques d’identification des modèles de robot
TYPE D’ENSEIGNEMENT :
CM : h présentielles
CI : 85 à 95 h présentielles
TD : h présentielles
TP : h présentielles
Autre : (spécifier, exposés, visites …) h présentielles
Charge horaire totale pour l’étudiant : ~ 350 h
Crédits ECTS : 15
Les enseignements assurés par des intervenants extérieurs :
Les enseignements M8 et M9 sont assurés par Olivier Piccin et Pierre Renaud, Maîtres de Conférences à l’INSA de Strasbourg, spécialistes de la CAO robotique.
MUTUALISATION :
UE obligatoire pour le master :
OUI
Peut constituer une UE optionnelle pour d’autres masters :
NON
Peut constituer une UE libre :
NON
UE : Automatique et Robotique
M1 ROBOTIQUE : Manipulation et Commande
Semestre S3
ECTS : 3
CM
20 h
CI
TD
TP
Projet
Total d’heures
(HTD)
30h
Enseignant : GANGLOFF Jacques, MdC, section 61
LSIIT
Tél : 03 90 24 44 68
Fax : 03 90 24 44 80
Mél : jacques@eavr.u-strasbg.fr
Module au choix : oui
Pré-requis : Mathématiques pour l’ingénieur, mécanique des corps rigides, automatique linéaire.
OBJECTIFS DE L’ENSEIGNEMENT
Ce cours a pour but de fournir les bases théoriques de la robotique. Il se focalise sur l’étude des robots manipulateurs :
Modélisation géométrique, cinématique et dynamique des manipulateurs
A l’issue de cet enseignement, l’étudiant aura appris à modéliser un robot manipulateur série. Il sera capable de choisir un robot en fonction d’un cahier des charges en ayant une connaissance complète de toutes ses caractéristiques. Il sera également capable de comprendre le fonctionnement du contrôleur et d’intervenir au niveau de sa programmation haut et bas-niveau.
Ce cours a pour objectif de présenter les techniques nécessaires à la navigation autonome des robots mobiles. Pour cela, les étudiants découvriront une discipline transversale dont l'étude nécessite les qualités d'un ingénieur généraliste. En effet, mécanique, génie électrique, automatique et informatique sont nécessaires à la bonne compréhension globale des enjeux de la robotique mobile.
Le cours se propose de montrer comment la combinaison perception-action permet de conférer une véritable autonomie à un système mobile, en offrant des solutions au difficile problème de navigation d'un robot mobile. Il présente tant les aspects théoriques que technologiques, permettant à l'étudiant d'acquérir une vision globale de la discipline.
Chap. 1 – Introduction(présentation des robots mobiles, différents types de locomotion ; les problèmes en robotique mobile ; cadre et objectifs du cours)
Chap. 2 - Modélisation (modélisation des robots mobiles à roues ; notion de système non holonôme ; commandabilité des robots mobiles à roues)
Chap. 3 - Perception (technologie des capteurs en robotique mobile ; localisation et fusion de données pour la navigation)
Chap. 4 - Navigation (planification de mouvements ; commande des robots mobiles à roues)
A l’issue de cet enseignement, l’étudiant aura appris à distinguer les différents problèmes posés par la navigation d'un robot mobile autonome. A l'aide des outils acquis, il sera également en mesure de résoudre les problèmes les plus classiques et d'avoir un avis critique sur les avantages et inconvénients des différentes techniques existantes.
----------------------------------------------------------------------------------------------------------------------------------------------- Dispositif d’évaluation des enseignements et modalités d'examen :
Les étudiants seront évalués sur un travail de lecture et commentaire d'articles scientifiques de référence.
UE : Automatique-Robotique
M3 Vision et commande
Semestre S3
ECTS : 3
CM
20h
CI
TD
TP
Projet
Total d’heures
(HTD)
30 h
Enseignants:
Doignon Christophe, MCF, 61, LSIIT-AVR,
Tel : 0390244471 Fax : 0390244480
e-mail: christophe.doignon@ensps.u-strasbg.fr,
Jacques Gangloff, MCF, 61, LSIIT-AVR,
Tel : 0390244468 Fax : 0390244480
e-mail: jacques@eavr.u-strasbg.fr
Module au choix : oui
Pré-requis :
Electronique, traitement du signal, automatique, géométrie analytique, cinématique, outils fondamentaux en vision par ordinateur
OBJECTIFS DE L’ENSEIGNEMENT
L'élève ingénieur saura dimensionner et mettre en oeuvre les capteurs de vision. Il sera également capable de concevoir une commande en adéquation avec les objectifs souhaités de l'asservissement visuel. Il sera sensibilisé aux aspects temps-réel des asservissements visuels, depuis la caméra jusqu’à l’extraction des primitives visuelles en passant par la carte d’acquisition. De plus les différentes approches classiques d’asservissements visuels seront présentées et expliquées du point de vue théorique mais également au travers de simulations.
A l’issue de cet enseignement, l’étudiant sera capable de modéliser et d’étalonner un ensemble de capteurs de vision. Il pourra extraire, exploiter et fusionner des informations visuelles simples (essentiellement géométriques) en vue de réaliser une commande référencée vision à l'aide de plusieurs capteurs. Un ensemble de lois de commande (2D, 2D 1/2, 3D et stéréovision) sont passées en revue afin de sensibiliser l'élève aux problèmes tels que la visibilité, la précision, la robustesse et la stabilité des asservissements visuels. Il sera à même de comprendre et de pouvoir réaliser un asservissement visuel basé sur les architectures classiques : 2D, 3D, directe, indirecte.
Dispositif d’évaluation des enseignements et modalités d'examen : 2 heures d’examen écrite. Documents autorisés. Calculatrice autorisée.
UE : Automatique et Robotique
M4 : Commande Robuste
Semestre S3
ECTS : 3
CM
20h
CI
TD
TP
Projet
Total d’heures
(HTD)
30 h
Enseignants :
Michel de Mathelin, Pr. ENSPS, LSIIT-EAVR
Email : Michel.deMathelin@ensps.u-strasbg.fr
Edouard Laroche, MC ULP-IPST, LSIIT-EAVR
Email : Edouard.Laroche@ipst-ulp.u-strasbg.fr
Module au choix : oui
Pré-requis : Automatique linéaire à temps continu et à temps discret, représentation d’état des systèmes.
OBJECTIFS DE L’ENSEIGNEMENT
L'objectif de cet enseignement est de développer les compétences dans le domaine de l'asservissement des systèmes complexes, multivariables. Il s’agit d’étudier les méthodes permettant de spécifier des contraintes de robustesse et de prendre en compte l’incertitude dans la commande des systèmes.
APPLICATIONS (TD ou TP) Une application sera traitée en simulation sous forme de projet accompagné afin de mettre en oeuvre les techniques enseignées.
COMPETENCES ACQUISES
A l’issue de cet enseignement, l’étudiant sera familier avec les concepts de la commande robuste. Il sera capable de mettre en oeuvre la commande H sur un problème concret. Il sera capable de faire une analyse de robustesse sur un problème donné.
Dispositif d’évaluation des enseignements et modalités d'examen : Evaluation du projet accompagné (contrôle continu)
UE : Automatique et Robotique
M5 Commande Optimale
Semestre S3
ECTS : 3
CM
15h
CI
TD
TP
Projet
Total d’heures
(HTD)
22,5 h
Enseignants :
Jacques Gangloff, MC ULP, LSIIT-EAVR
jacques@eavr.u-strasbg.fr
Edouard Laroche, MC ULP-IPST, LSIIT-EAVR
Edouard.Laroche@ipst-ulp.u-strasbg.fr
Module au choix : oui
Pré-requis : Automatique linéaire à temps continu et à temps discret, représentation d’état des systèmes, notions de base sur les systèmes observateurs et sur les systèmes multivariables (module M6).
OBJECTIFS DE L’ENSEIGNEMENT
L'objectif de cet enseignement est de développer les compétences dans le domaine de l'asservissement des systèmes multivariables, et plus particulièrement les méthodes issues de la commande optimale et de la commande prédictive.
Chap. I.- Compléments sur les systèmes multivariables
Chap. II.- Commande optimale des systèmes à temps continu
Chap. III.- Commande optimale des systèmes à temps discret
Chap. III.- Commande LQ, LQG et LTR
Chap. IV.- Commande prédictive
APPLICATIONS (TD ou TP) Une application sera traitée en simulation sous forme de projet accompagné afin de mettre en oeuvre les techniques enseignées.
COMPETENCES ACQUISES
A l’issue de cet enseignement, l’étudiant sera familier avec les concepts de la commande optimale. Il sera capable de mettre en oeuvre les commandes LQ, LQG, LTR et prédictives. Il sera capable de faire un choix motivé entre ces différentes stratégies de commande.
Dispositif d’évaluation des enseignements et modalités d'examen : Evaluation du projet accompagné (contrôle continu)
UE : Automatique-Robotique
M6 Estimation et Filtrage Optimal
Semestre S3
ECTS : 3
CM
20h
CI
TD
TP
Projet
Total d’heures
(HTD)
30 h
Enseignant :
BARA Gabriela Iuliana, MC, ENSPS
LSIIT UMR 7005 CNRS-ULP
Tél. : 03.90.24.48.62, Fax : 03.90.24.44.80,
Email : bara@eavr.u-strasbg.fr
Module au choix : oui
Pré-requis : automatique des systèmes linéaires à temps continu et à temps discret.
OBJECTIFS DE L’ENSEIGNEMENT
De nombreux domaines de l’automatique comme la commande, le diagnostic ou la surveillance des systèmes exigent la connaissance de l’état du système. Cette exigence est difficile à satisfaire sur le plan pratique dû aux difficultés, voir à l’impossibilité, de mesure de ces variables d’état. Par conséquent, il est indispensable de reconstruire le vecteur d’état du système.
L’objectif de ce cours est d’aborder les différentes techniques d’estimation d’état autant dans le cas déterministe que dans le cas stochastique. Après une introduction à la théorie de l’estimation, nous abordons le problème de la synthèse d’observateurs linéaires et l’application de ceux-ci à la commande basée observateur. Dans le cas des processus stochastiques, nous abordons le problème du filtrage optimal linéaire en utilisant le cadre défini par Kalman. Finalement, une extension du filtre de Kalman à des problèmes d’estimation non linéaire sera présentée.
-----------------------------------------------------------------------------------------------------------------------------------------------
PROGRAMME DETAILLE
Chap. I. Introduction générale
Chap. II. Processus stochastique – éléments sur la théorie de l’estimation
Chap. III. Observateurs linéaires – application à la commande basée observateur
APPLICATIONS (TD ou TP) Plusieurs applications seront traitées en simulation afin de mettre en oeuvre les techniques enseignées.
-----------------------------------------------------------------------------------------------------------------------------------------------
COMPETENCES ACQUISES
Ce cours permettra aux étudiants d’acquérir les notions de base sur la théorie de l’estimation et d’approfondir leurs connaissances des méthodes de synthèse d’observateurs d’ordre plein et d’ordre réduit. Dans le cas de systèmes perturbés par du bruit, ils maîtriseront l’approche optimale statistique et la théorie de Kalman en vue de l’élimination optimale du bruit et l’obtention d’observateurs d’état optimaux. La présentation des nombreux exemples et applications permettra aux étudiants de se familiariser avec les aspects pratiques de la théorie de l’estimation d’état.
Dispositif d’évaluation des enseignements et modalités d'examen : 2,5h examen écrit, documents autorisés
UE : Automatique et Robotique
M7 Systèmes Non Linéaires
Semestre S3
ECTS : 3
CM
15h
CI
TD
TP
Projet
Total d’heures
(HTD)
22,5 h
Enseignant : BOUTAYEB Mohamed
Professeur des Universités, section CNU 61
Université Louis Pasteur, LSIIT UMR CNRS 7005
Tél : 00 33 3 90 24 44 65
Mohamed.Boutayeb@ipst-ulp.u-strasbg.fr
Module au choix : oui
Pré-requis : Mathématiques pour l’ingénieur, variables et fonctions de variables complexes, représentations d’états et observateurs (Module M6)
OBJECTIFS DE L’ENSEIGNEMENT
Depuis les années 80, la théorie de la commande et de l’observation des systèmes dynamiques non linéaires a connu un essor considérable. Ceci est dû essentiellement à un grand nombre d’applications, pour lesquelles les approches linéaires se sont avérées insuffisantes, tout d’abord dans le domaine militaire et aéronautique avant de s’élargir à d’autres domaines tel que la commande des robots ou la supervision des procédés industriels. L’objectif de ce cours est de permettre aux étudiants de se familiariser et d’utiliser les outils mathématiques nécessaires à l’analyse des systèmes dynamiques non linéaires : étude de la stabilité, notions d’observabilité et de commandabilité. Quelques approches standard sur l’observation de l’état de ces systèmes seront présentées. Le deuxième volet de ce cours concerne la stabilisation de ces systèmes ainsi que la synthèse de loi de commande pour la poursuite de trajectoires. Enfin, ces techniques seront illustrées par un certain nombre d’applications.
A l’issue de cet enseignement, l’étudiant aura appris à faire la mise en équation et l’analyse des systèmes
dynamiques non linéaires. Il sera également en mesure de faire la synthèse d’observateurs et de loi de commande afin d’assurer la stabilité de ces systèmes et la poursuite de trajectoires. Des exemples de systèmes physiques seront traités afin de lui permettre une bonne maîtrise des outils et méthodes enseignés.
Pré-requis : Mathématiques pour l’ingénieur, modélisation des robots manipulateurs (module M1).
OBJECTIFS DE L’ENSEIGNEMENT
L’objectif de ce cours est de fournir les bases théoriques pour la synthèse et la modélisation de mécanismes complexes et notamment parallèles. La synthèse topologique ou structurale est envisagée par l’étude de la mobilité et la représentation des mécanismes au moyen de graphes. La synthèse dimensionnelle ou géométrique de mécanismes est abordée en présentant les principaux critères de performance et les notions de singularités. Les mécanismes seront modélisés en utilisant le formalisme des exponentielles de matrices. La problématique de conception et d’optimisation de mécanismes sera abordée au travers d’exemples.
.
A l’issue de cet enseignement, l’étudiant sera familier des principaux outils nécessaires pour effectuer la synthèse topologique. Il sera capable d’estimer les performances d’un mécanisme selon les critères exposés
Il saura critiquer une démarche de synthèse dimensionnelle à la vue d’un cahier des charges et d’une structure proposés.
Dispositif d’évaluation des enseignements et modalités d'examen : Contrôle continu sur un projet de simulation et/ou sur un travail de lecture et commentaire d'article scientifiques de référence.
UE : Automatique et Robotique
etalonnage et identification de robots
Semestre S3
ECTS : 3
CM
16h
CI
TD
TP
Projet
Total d’heures
(HTD)
24
Enseignant : RENAUD Pierre, MdC
LICIA
Tél : 03 88 14 47 61
Fax : 03 88 14 47 99
Mél : renaud.pierre@mail.insa-strasbourg.fr
Module au choix : oui
Pré-requis : Mathématiques pour l’ingénieur, modélisation des robots (module M1).
OBJECTIFS DE L’ENSEIGNEMENT
Ce cours a pour but de fournir les bases théoriques et expérimentales de l’identification des robots manipulateurs. Le cas des robots série et parallèles est traité afin de donner les outils nécessaires à la maîtrise de la précision statique et dynamique de mécanismes à cinématique complexe. Les aspects numériques et expérimentaux sont abordés afin de donner à l’étudiant une vision globale du processus d’identification dans le contexte de la robotique.
A l’issue de cet enseignement, l’étudiant aura appris les bases théoriques et expérimentales de l’identification de robots. Il sera capable de mettre en place les éléments nécessaires à l’étalonnage géométrique ou l’identification dynamique d’un robot. Il saura mettre en œuvre des méthodes analytiques et numériques pour analyser l’identifiabilité d’une structure, optimiser l’expérimentation, et être capable de critiquer le choix d’une méthode d’identification et des conditions expérimentales retenues.
Dispositif d’évaluation des enseignements et modalités d'examen : Evaluation continue au travers de travaux personnels (simulation d’étalonnage géométrique et d’identification dynamique) réalisés au long du cours.