IMA4 2016/2017 P47
__________________________________________________________________________________________________________________________________________
Projet 47 : Modélisation d’un robot mobile
__________________________________________________________________________________________________________________________________________
Encadrant : Mr. MIDZODZI Pekpe
Etudiants : MOHAMMED Djamil & KERROUM Hamza
___________________________________________________________
INTRODUCTION :
___________________________________________________________
Objectif du projet :
La modélisation à base de données d’un robot mobile.
Description :
Le modèle d’un système permet non seulement une meilleure compréhension de son comportement mais sa bonne utilisation et sa surveillance afin d’apporter des actions correctives à temps lors de défauts ou de défaillance du système. Ce projet a pour but la modélisation d’un robot à trois roues omnidirectionnelles à savoir le Robotino. Cette modélisation se fera à partir des données recueillies sur ce robot. Ce projet se déroulera suivant les phases suivantes :
• Choix du modèle du robot
• Choix de l’algorithme d’optimisation
• Estimation du modèle
• Validation du modèle
La validation consistera à comparer le comportement du modèle à celui du robot en appliquant les mêmes commandes aux deux.
Ce qu’il faut savoir avant de commencer :
I- L’identification : consiste à déterminer un modèle numérique d’un système qui reflète fidèlement son comportement
II- Les méthodes de d’identification :
• Boîte blanche : utilise les lois de la physique uniquement
• Boîte grise : utilise les lois de la physique et les mesures recueillies sur le système
• Boîte noire : se base uniquement sur les données recueillies sur le système
CAHIER DES CHARGES :
• La prise en main du Robotino
• Identification boite noire d’un modèle linéaire du système :
- Etude des méthodes d’identification des sous-espaces
- Prise en main de la Toolbox Identification de Matlab
- Application à l’identification du robot
• Validation en simulation
• Validation sur le robot
• Identification boîte noire d’un modèle non linéaire du robot :
- Etude des méthodes d’optimisation non linéaires
- Prise en main de la Toolbox optimisation non linéaire de Matlab
- Application à l’identification du robot
• Validation sur le robot
• Comparaison des deux modèles
• Création d’une interface avec l’outil GUI de Matlab
