Dynamic Tracking Control for Soft Robots : Data-Driven Modeling and Robust Control Design - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2023

Dynamic Tracking Control for Soft Robots : Data-Driven Modeling and Robust Control Design

Commande de suivi dynamique pour les robots flexibles : Modélisation basée sur les données et conception de commandes robustes

Résumé

This thesis focuses on the key control problems in soft robotics. A step-by-step approach is proposed, from robot modeling to dynamic control and motion planning. In addition to the theoretical works, extensive experiments and simulations are also conducted to illustrate the effectiveness of proposed methods. The thesis at first extends the previous work of our team, in which the linear modeling and control framework is proposed based on the reduced order Finite El-ement Method model. We thoroughly discussed the usage and advantages of an improved model order reduction method that preserves the structure and stability of FEM model. This new modeling method enables the design of a disturbance ob-server based feedback-feedforward controller. However, proposed control scheme is effective but limited to a small range where the linear model is effective. To perform the dynamic control in the whole nonlinear workspace of soft robot, we extended the linear control scheme to a new linear parameter varying (LPV) control framework. The LPV model is developed using both reduced order mod-els obtained from FEM models and the data collected from the soft robots. The stability of generalized controller is guaranteed with Lyapunov stability theory and the controller design is formulated as an optimization problem under linear matrix inequalities(LMI). However, LPV model is based on linearized models. The feedforward control and motion planning tasks cannot be achieved effectively with LPV models. To achieve higher performance for the control of soft robots, we also proposed corre-sponding solutions for these issues. A novel kinematic representation of soft robot configurations combining both model and collected data is proposed, as well as a direct inverse kinematics method based on measurement data. For the feedforward control of soft robot that cannot be obtained analytically, preliminary results about functional representation of feed-forward control and feed-forward learning laws with stability guarantees are illustrated.
Cette thèse porte sur les principaux problèmes de contrôle en robotique douce. Une approche étape par étape est proposée, de la modélisation du robot au contrôle dynamique et à la planification du mouvement. En plus des travaux théoriques, de nombreuses expériences et simulations sont également menées pour illustrer l’efficacité des méthodes proposées. La thèse prolonge d’abord les travaux antérieurs de notre équipe, dans lesquels le cadre de modélisation et de contrôle linéaire est proposé sur la base du modèle de la m´méthode des éléments finis d’ordre réduit. Nous avons discuté en détail de l’utilisation et des avantages d’une m´méthode améliorée de réduction de l’ordre du modèle qui préserve la structure et la stabilité du modèle FEM. Cette nouvelle m´méthode de modélisation permet la conception d’un contrôleur de rétroaction-anticipation basé sur un observateur de perturbations. Cependant, le schéma de contrôle proposé est efficace mais limité `a une petite plage où le modèle linéaire est efficace. Pour effectuer le contrôle dynamique dans l’ensemble de l’espace de travail non linéaire du robot logiciel, nous avons étendu le schéma de contrôle linéaire à un nouveau cadre de contrôle à paramètres linéaires variables (LPV). Le modèle LPV est développé en utilisant à la fois des modèles d’ordre réduit obtenus à partir de modèles FEM et les données collectées à partir des robots mous. La stabilité du contrôleur généralisé est garantie par la théorie de la stabilité de Lyapunov et la conception du contrôleur est formulée comme un problème d’optimisation sous inégalités matricielles linéaires (LMI). Cependant, le modèle LPV est basé sur des modèles linéarisés. Les tâches de commande prédictive et de planification de mouvement ne peuvent pas être réalisées efficacement avec les modèles LPV. Pour atteindre des performances plus élevées pour le contrôle des robots mous, nous avons également proposé des solutions correspondantes à ces problèmes. Une nouvelle représentation cinématique des configurations de robots mous combinant à la fois le modèle et les données collectées est proposée, ainsi qu’une m´méthode de cinématique inverse directe basée sur les données de mesure. Pour la commande anticipative de robots souples qui ne peut être obtenue analytiquement, des résultats préliminaires sur la représentation fonctionnelle de la commande anticipative et des lois d’apprentissage anticipatif avec des garanties de stabilité sont illustrés.
Fichier principal
Vignette du fichier
Li_Shijie2.pdf (30.99 Mo) Télécharger le fichier
Origine Version validée par le jury (STAR)

Dates et versions

tel-04105148 , version 1 (24-05-2023)

Identifiants

  • HAL Id : tel-04105148 , version 1

Citer

Shijie Li. Dynamic Tracking Control for Soft Robots : Data-Driven Modeling and Robust Control Design. Automatic. Université Polytechnique Hauts-de-France, 2023. English. ⟨NNT : 2023UPHF0011⟩. ⟨tel-04105148⟩
135 Consultations
17 Téléchargements

Partager

Gmail Mastodon Facebook X LinkedIn More