La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Conception Préliminaire de Manipulateurs Mobiles et Génération de Consignes Évolutionnaires : une Méthodologie pour Intégrer la Commande dans lÉvaluation.

Présentations similaires


Présentation au sujet: "Conception Préliminaire de Manipulateurs Mobiles et Génération de Consignes Évolutionnaires : une Méthodologie pour Intégrer la Commande dans lÉvaluation."— Transcription de la présentation:

1 Conception Préliminaire de Manipulateurs Mobiles et Génération de Consignes Évolutionnaires : une Méthodologie pour Intégrer la Commande dans lÉvaluation de la Structure Sophie Sakka

2 20 septembre 2002Introduction2 Contexte Spécification du besoin Décomposition du problème Adaptation finale Prototype Prototype virtuel Conception préliminaire CONCEPTION ROBOTIQUE Détermination des variables de conception dun robot Optimisation en fonction du problème à résoudre Absence de la commande

3 20 septembre 2002Introduction3 Contraintes :réalisation de la tâche respect de lenvironnement Déterminer une chaîne cinématique ouverte, laquelle, fixée sur une plate-forme mobile connue, permet la réalisation dune tâche de manipulation mobile donnée Tâche :suivi de trajectoire par leffecteur Problématique générale Cadre :Conception Assistée par Ordinateur

4 20 septembre 2002Introduction4 Domaines détude Définir une structure mécaniquement adaptée à des besoins spécifiques Définir la commande de structures dont le type seul est déterminé

5 20 septembre 2002Introduction5 Plan de la présentation Introduction Méthodologie générale Génération de consignes : - Suivi en position rectiligne - Suivi en position avec manœuvre - Suivi en position et orientation - Configuration initiale Conclusions Perspectives

6 20 septembre 2002Méthodologie générale6 Pré-sélection des structures Évaluation partielle sur des sous-tâches caractéristiques de la tâche globale Décomposition de létude Pré-sélection des structures Évaluation partielle sur des sous-tâches caractéristiques de la tâche globale Sélection finale Choix de la meilleure structure basée sur la réalisation complète de la tâche Sélection finale Choix de la meilleure structure basée sur la réalisation complète de la tâche

7 20 septembre 2002Méthodologie générale7 Génération des consignes Fiabilité Trouver systématiquement une solution Stabilité Sadapter à la grande diversité des structures Rapidité Test de nombreuses solutions topologiques Génération de consignes en boucle ouverte Vecteur de consignes constant par morceaux Recherche par les algorithmes évolutionnaires

8 20 septembre 2002Algorithmes évolutionnaires8 Théorie de lévolution (Darwin, 1859) Lois génétiques (Mendel, 1859) Sélection naturelle Variabilité Adaptation Objectif Mutation Croisement Reproduction Survie des espèces par la survie des mieux adaptés Fabrication de nouveaux individus par la manipulation de chaînes codées Survie des espèces par la survie des mieux adaptés Fabrication de nouveaux individus par la manipulation de chaînes codées Théorie de lévolution (Darwin, 1859) Lois génétiques (Mendel, 1859)

9 20 septembre 2002Algorithmes évolutionnaires9 Sélection naturelle Variabilité Adaptation Objectif Mutation Croisement Reproduction Population Algorithmes évolutionnaires

10 20 septembre 2002Algorithmes évolutionnaires10 Sélection naturelle Variabilité Adaptation Objectif Mutation Croisement Reproduction Population Algorithmes évolutionnaires Variabilité Sélection naturelle Variabilité Sélection naturelle Variabilité Sélection naturelle

11 20 septembre 2002Algorithmes évolutionnaires11 Mutation Croisement Reproduction Population Algorithmes évolutionnaires Sélection naturelle Objectif Adaptation Objectif Adaptation Objectif Adaptation

12 20 septembre 2002Algorithmes évolutionnaires12 Population Algorithmes évolutionnaires Mutation Croisement Reproduction Sélection naturelle Adaptation Mutation Croisement Reproduction Sélection naturelle Adaptation Mutation Croisement Reproduction Sélection naturelle Adaptation Croisement Reproduction Sélection naturelle Adaptation Mutation Croisement Reproduction Sélection naturelle Adaptation Mutation Croisement Reproduction Sélection naturelle Adaptation Mutation Croisement Reproduction Sélection naturelle Adaptation Mutation Croisement Reproduction Sélection naturelle Adaptation Mutation Croisement Reproduction Sélection naturelle Adaptation Mutation Croisement Reproduction Sélection naturelle Adaptation Mutation Croisement Reproduction Sélection naturelle Adaptation Mutation Croisement Reproduction Sélection naturelle Adaptation Mutation Croisement Reproduction Sélection naturelle Adaptation Mutation Croisement Reproduction Sélection naturelle Adaptation Mutation Croisement Reproduction Sélection naturelle Adaptation Mutation Croisement Reproduction Sélection naturelle Adaptation Reproduction Mutation Croisement Sélection naturelle Adaptation Reproduction Nouvelle population Initialisation k Évaluation F Sélection Accouplement Croisement p c Mutation p m Nouvelle génération g

13 20 septembre 2002Génération de consignes : problématique13 Génération de consignes ConsignesRobotMouvement Mouvement désiré ÉvaluationEnvironnement ROBOTROBOT U 1 =(u 1 1,…,u n 1 ) U 2 =(u 1 2,…,u n 2 ) U k =(u 1 k,…,u n k ) F1F1 F2F2 FkFk

14 20 septembre 2002Génération de consignes : problématique14 Validation de lapproche Plate-forme mobile ROMAIN non- holonome, deux roues arrières motrices à différentiel de vitesses Bras manipulateur PUMA 560 à 6 degrés de liberté (6 rotations) Structures fixes de dynamique connue Suivi en position rectiligne Gestion de la manœuvre Suivi en position et orientation

15 20 septembre 2002Optimal Evolutionary-Based Control15 Suivi en position rectiligne Droite horizontale de 5 mètres Situation initiale de leffecteur fixée Arrêt du test des consignes :Atteinte de la situation finale désirée Contact avec le mur Atteinte de lerreur limite en position Configuration initiale du robot fixée

16 20 septembre 2002Génération de consignes : suivi simple16 Problème doptimisation R Trouver U * = U(q * ) R 5 R Tel que F(X e * ) F(X e ) X e R 3.. Notations : Coordonnées généralisées:q = ( d g ) t Coordonnées opérationnelles:X e = (x e y e z e ) t Vecteur des consignes:U = (u 1 u 2 u 3 u 4 u 5 ) t Énoncé du problème doptimisation

17 20 septembre 2002Génération de consignes : suivi simple17 Initialisation Û j = j = 1,..,k û i R [0,1] Algorithme Initialisation Décodage Modèle du robot Évaluation Sélection Croisement Mutation Condition darrêt Génération aléatoire de 5 valeurs réelles comprises entre 0 et 1 Pour chaque individu Chromosome = concaténation des 5 gènes

18 20 septembre 2002Génération de consignes : suivi simple18 Décodage Consignes : u i = û i.b i j = 1,..,k u i R [0,bi] U j = ( u 1 u 2 u 3 u 4 u 5 ) t Vecteur dentrées de commande Algorithme Initialisation Décodage Modèle du robot Évaluation Sélection Croisement Mutation Condition darrêt ActionneurCouple maximal Roue droite6.25 Roue gauche6.25 Hanche9.9 Épaule14.9 Coude9.1

19 20 septembre 2002Génération de consignes : suivi simple19 Initialisation Décodage Modèle du robot Évaluation Sélection Croisement Mutation Condition darrêt Algorithme Évaluation Erreur en position Avancement sur la trajectoire Évitement dobstacles C 3 = 1 Si collision 0 Sinon C 1 = || X d - X f || || X d - X i || C 2 = (t).|| X d - X(t) || l.|| X d - X i || 1 n

20 20 septembre 2002Génération de consignes : suivi simple20 Algorithme Initialisation Décodage Modèle du robot Évaluation Sélection Croisement Mutation Condition darrêt Opérateurs Mutation : modifie la valeur dun gène avec la probabilité p m Croisement : échange la valeur de deux bit entre les parents avec la probabilité p c Sélection : proportionnelle à la valeur dadaptation

21 20 septembre 2002Génération de consignes : suivi simple21 Algorithme Initialisation Décodage Modèle du robot Évaluation Sélection Croisement Mutation Condition darrêt Opérateur additionnel 1 – Constitution dune liste des P r meilleurs individus, toutes générations confondues 2 – Ré-introduction forcée de ces P r individus dans la génération suivante Conservation des caractéristiques Beaucoup plus dévolutions permettent lapparition dune solution optimale Résultat optimal pour P r = 5

22 20 septembre 2002Génération de consignes : suivi simple22 Algorithme Initialisation Décodage Modèle du robot Évaluation Sélection Croisement Mutation Condition darrêt Conditions darrêt Atteinte du nombre de générations maximal Émergence dune solution dont la valeur dadaptation est maximale

23 20 septembre 2002Génération de consignes : suivi simple23 Résultats de simulation

24 20 septembre 2002Génération de consignes : suivi simple24 Conclusions sur le suivi en position sans manœuvre Recherche fiable Solution systématique Temps de convergence réduits Algorithme adapté Pose du problème délicate Temps de mise en place très grand


Télécharger ppt "Conception Préliminaire de Manipulateurs Mobiles et Génération de Consignes Évolutionnaires : une Méthodologie pour Intégrer la Commande dans lÉvaluation."

Présentations similaires


Annonces Google