Fuzzy adaptive controller design for the joint space control of an agricultural robot
Conception d'un contrôleur flou autoadaptatif pour la commande articulaire d'un robot agricole
Résumé
The proper execution of agricultural robotic task needs the use of adaptative control techniques. This fact is mainly due to the nature of systems of control, which are difficult-to-model and time-varing systems. After a review of previous works concerning adaptative control, a solution using a fuzzy adaptive controller is studied for the joint control of such robots. An analytic representation of a particular fuzzy systems is first developed to deduce useful conclusions for the controller design. Then, a specilized learning architecture is used to allow the reconstruction of an error signal required for a gradient method for on-line modification of a consequent part of the inference rules of Sugeno's fuzzy controller. At the same time, a second level constituted by static rules (meta-rules) is introduced to cope with some limits of the learning architecture. Clustering of some rules is proposed to be able to learn those that are not fired most of the time but essential for unusual robot motions. Thank to this new structure, the controller is dedicaced to each meta-rule, and the number of rules with respect to a solution without meta-rule is considerably reduced. Simulation results during large in-line variations in system parameters derived from a typical example of an agricultural robot show the effectiveness of the proposed approach. The controller stability is verified by using the so-called cell-to-cell mapping algorithm. Finally, the feasibility of the implementation of this algorithm in low-end hardware is shown.
Le bon déroulement des tâches à exécuter en robotique agricole nécessite l'utilisation d'une commande adaptative. Cela est principalement dû à la nature des systèmes à commander qui sont difficiles à modéliser et variables dans le temps. Après un état de l'art en commande adaptative, une solution utilisant un système flou autoadaptatif est étudiée pour la commande articulaire de tels robots. Tout d'abord, une représentation analytique d'un système flou particulier est développée pour en déduire des conclusions utiles à la conception du contrôleur. Ensuite, une architecture d'apprentissage spécialisée est utilisée pour reconstruire un signal d'erreur nécessaire à une méthode de gradient pour la modification en ligne des conclusions d'un contrôleur flou de type Sugeno. Parallèlement, un scond niveau constitué de règles fixes (métarègles) est introduit pour répondre à certaines limitations de la structure d'apprentissage. Nous proposons de regrouper certaines règles pour la mise à jour de règles non activées la majorité du temps mais indispensables lors de déplacement inhabituels du robot. Grâce à cette nouvelle structure, on montre que le contrôleur est dédié à chaque métarègle et que le nombre de règles vis-à-vis d'une solution sans métarègle est fortement diminué. Des résultats de simulation présentent le comportement de l'ensemble proposé face à de larges variations de paramètres du modèle issus d'un exemple typique de robot agricole et montrent l'efficacité de l'approche proposée. La stabilité du contrôleur est vérifiée par l'algorithme du cell-to-cell mapping. Finalement, le faisabilité de l'implantation de l'algorithme sur une architecture à faible moyen de calcul est montrée.