Comparaison des méthodes DIDIM et IV avec les Doubles Moindres Carrés : Application à la Robotique - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2011

Comparaison des méthodes DIDIM et IV avec les Doubles Moindres Carrés : Application à la Robotique

Résumé

L'identification des paramètres dynamiques des robots est généralement basée sur l'utilisation du modèle dynamique inverse (MDI) qui est linéaire par rapport aux paramètres dynamiques à identifier et les moindres carrés linéaires (MCL). Cette méthode nécessite une mesure précise d'une image du couple et de la position à une fréquence assez élevée d'une part, et de l'estimation des vitesses et accélérations par un filtrage passe bande de la position d'autre part. La matrice d'observation étant bruitée et l'identification étant effectuée en boucle fermée, nous avons adapté la méthode de la variable instrumentale (IV) pour remédier au problème de la matrice d'observation bruitée. Récemment, une méthode d'identification originale ne nécessitant que la mesure des couples (grandeurs d'entrée) a été appliquée avec succès sur un robot industriel à 6 degrés de liberté (DDL). Cette méthode appelée DIDIM est une méthode erreur de sortie en boucle fermée (CLOE) basée sur une simulation en boucle fermée du robot. Les résultats expérimentaux ont montré que les résultats IV et DIDIM sont numériquement égaux. Dans ce papier, nous comparons ces deux méthodes grâce à une analyse basée sur les doubles moindres carrés (2SLS). Cette étude est expérimentalement validée sur un robot 2 DDL plan.
Fichier non déposé

Dates et versions

hal-00638045 , version 1 (03-11-2011)

Identifiants

  • HAL Id : hal-00638045 , version 1

Citer

Alexandre Janot, Maxime Gautier, Pierre Olivier Vandanjon. Comparaison des méthodes DIDIM et IV avec les Doubles Moindres Carrés : Application à la Robotique. 3èmes Journées Identification et Modélisation Expérimentale, Apr 2011, France. ⟨hal-00638045⟩
266 Consultations
0 Téléchargements

Partager

Gmail Facebook X LinkedIn More