Résumé:
Récemment, les robots continus ont fait leur apparition et suscitent un intérêt croissant auprès d’un grand nombre de chercheurs. Contrairement aux robots rigides standards, les robots continus possèdent un degré de liberté infini et une structure flexible leur permettant d’opérer dans des espaces confinés et des environnements nécessitant un haut niveau de dextérité et de flexibilité. Cependant, les robots continus se caractérisent par une structure souple et génèrent leurs mouvements par déformation, ce qui rend les opérations de leurs modélisation cinématique et commande plus difficiles que celles des robots rigides et continuent à faire l’objet de travaux de recherches visant à développer des modèles précis et des algorithmes de commande efficaces. L’objectif, principal de cette thèse de doctorat est de développer de nouvelles méthodes pour la modélisation cinématique et la commande de manipulateurs continus, en exploitant les outils de l’intelligence artificielle tels que les réseaux de neurones et les algorithmes d’optimisation méta-heuristique.
En effet, dans ce travail, l’algorithme d’optimisation basé sur l’enseignement et l’apprentissage est utilisé pour obtenir le modèle cinématique inverse de robots continus à courbure constante et longueur variable. Le modèle cinématique inverse développé peut donner avec précision les coordonnées requises pour atteindre un point donné dans l’espace de travail, tout en évitant d’éventuels obstacles statiques. Les réseaux de neurones sont également utilisés pour construire le modèle cinématique inverse de robots continus à courbure variable.
Le problème de la modélisation dynamique des robots continus est considéré dans ce travail, et un modèle dynamique simplifié pour les robots continus à courbure variable est développé.
De plus, deux algorithmes de commande sont développés et leurs performances sont évaluées en considérant différentes trajectoires de référence. Dans le premier algorithme, deux commandes de type proportionnel intégral dérivé sont utilisées pour commander un robot continu à courbure variable. Les paramètres de commande sont optimisés en utilisant l’algorithme d’optimisation par essaim de particules adaptatif.
