Résumé:
Le travail présenté dans ce mémoire concerne la modélisation et commande du robot manipulateur type SCARA (Selective Compliance Assembly Robot Arm) à 4 degrés de liberté. Nous nous sommes intéressés particulièrement à la commande par mode glissant et réseaux de neurones afin de résoudre le problème de poursuite de trajectoires de ce type des robots. Il est connu que les robots manipulateurs sont des systèmes hautement non linéaires soumis à des perturbations externes et à des incertitudes paramétriques. D’où, la nécessité d’utiliser une commande robuste vis-à-vis pour de tels systèmes. Nous avons appliqué la commande parmode glissant sur le robot SCARA à 4 ddls. Cette technique est de type de commande à structures variables, elle est connue par sa grande robustesse par rapport aux erreurs de modélisation et certains types de perturbations extérieures (doivent satisfaire matching-condition), et par sa rapidité de convergence en temps fini. Néanmoins, la partie discontinue de cette commande excite les non linéarités qui n’ont pas pris en compte dans la modélisation et donc l’apparition du broutement. Ce phénomène indésirable risque de conduire au vieillissement prématuré de l’actionneur. Pour surmonter ce problème, nous avons remplacé le terme discontinu par la fonction de saturation. Les résultats de simulations nous ont montré que le broutement est disparu mais l’erreur de poursuite augmente. D’où, nous avons utilisé une autre technique pour avoir une commande lisse et une erreur de poursuite minimale le plus fort possible. Pour cela, nous avons remplacé la partie discontinue par la sortie d’un réseau de neurones par régression général GRNN. Ce réseau est un réseau de neurones avec apprentissage en un seul passage donc aucune rétropropagation n'est requise et utilise les fonctions gaussiens dans la couche cachée comme fonction d'activation. L’application de la commande avec cette technique sur le robot SCARA à 4 ddls nous a donné des bons résultats qui sont meilleurs que les deux premières applications.
