Home » Évènement

Soutenance de thèse de Vincenzo Di Paola

Vincenzo Di Paola, doctorant au sein de l’équipe RoMaS, présentera sa thèse intitulée :

 » Contributions à des problèmes ouverts sur les robots entraînés par câble et les manifolds persistants pour la synthèse de mécanismes »

Elle aura lieu le 15.12.23 à 15h30, à l’Université de Bologne, Faculté d’Ingénierie, salle: Aula Magna (2ème étage)

Lien visio: https://ec-nantes.zoom.us/j/8407091835

Jury :

Directeurs de thèse :
1) Matteo Zoppi, Professeur ordinaire à l’Université de Gênes (Italie)
2) Stéphane Caro, HDR ECN et Chercheur au CNRS (France)
– Co-superviseur :
1) Marco Carricato, Professeur ordinaire à l’Université de Bologne (Italie)
2) Alexandre Goldsztejn, Chercheur au CNRS (France)

– Rapporteurs :
1) Andreas Müeller, directeur du centre de robotique à l’université Johannes Kepler (JKU) (Autriche)
2) Xianwen Kong, Professeur associé à l’Université Heriot-Watt (Ecosse)
3) Christine Chavallerau, HDR ECN et chercheur au CNRS (France)
4) Matteo Verotti, Professeur associé à l’Université de Gênes (Italie)

Résumé : Malgré les nombreux efforts en cours pour développer des questions dans le domaine de la robotique, il existe tout autant de problèmes ouverts et non résolus. Cette thèse se propose donc de s’attaquer à certains défis, dans le but d’effleurer la surface et de faire émerger de nouvelles idées ou de nouvelles voies. Les thèmes abordés seront divisés en deux parties. La première concerne le développement et l’amélioration des techniques de contrôle des systèmes robotiques à câbles. La seconde se concentre sur l’étude des variétés persistantes constituant des aspects de la cinématique théorique. En détail,
– la partie I concerne les robots parallèles à câbles. Elle développe à la fois une technique de calcul des tensions à appliquer aux câbles et la conception d’un contrôleur robuste.
L’objectif est donc d’améliorer les deux éléments de base constituant le schéma de commande général d’un robot afin d’accroître les performances lors de l’exécution d’une task;
– La deuxième partie est dédiée à la cinématique théorique. La découverte et la classification des systèmes \textit{invariants} de torseurs ont permis d’éclairer de nombreux aspects de la mobilité et de la synthèse des chaînes cinématiques. De plus, cette dernière a généré l’émergence de nouvelles idées et de questions encore non résolues. Parmi celles- ci, l’une des plus connues concerne l’identification et la classification des variétés persistantes à 5 dimensions.

Mots-clés : Plateformes à câbles, contrôle adaptatif, cinématique théorique, systemes persistants

Abstract : Although many efforts are continuously devoted to the advancement of robotics, there are still many open and unresolved problems to be faced. This thesis, therefore, sets out to tackle some of them with the aim of scratching the surface and look a little further for new ideas or solutions. The topics covered are mainly two. The first part deals with the development and improvement of control techniques for cable-driven robot. The second focuses on the study of persistent manifolds seen as constituting aspects of theoretical kinematics. In detail,
– part I deals with cable-driven platforms. In it, both techniques for selecting cable tensions and the design of a robust controller are developed. The aim is,
therefore, to enhance the two building blocks of the overall control scheme in order to improve the performance of these robots during the execution of tracking tasks.
– Part II delves into theoretical kinematics. The discovery and classification of invariant screw systems shed light on numerous aspects of robot mobility and synthesis. Nevertheless, this generated the emergence of new ideas and questions that are still unresolved. Among them, one of the more notable concerns the identification and classification of 5- dimensional.

 

Keywords: Cable-Driven Platforms, Adaptive Control, Theoretical Kinematics, Persistent Screw Systems

Soutenance de thèse Marceau Métillon

Marceau Métillon, doctorant au sein de l’équipe RoMaS, présentera sa thèse intitulée :

« Modélisation, Commande et Analyse de Performance de Cobots Parallèles à Câbles »

Elle aura lieu le 30.06.23 à 09h30, Amphi S, École Centrale de Nantes

 

La soutenance sera suivie d’un pot dans le hall du bâtiment S à 16h, auquel vous êtes toutes et tous convié(e)s.

Jury :

  • Directeur de thèse : Stéphane CARO (Directeur de recherche CNRS, LS2N)
  • Co-directeur de thèse : Camilo CHARRON (Maître de conférence HDR, Université de Rennes 2, LS2N)
  • Co-encadrant : Kévin SUBRIN (Maître de conférence, Nantes Université, LS2N)
  • Rapporteurs :
    • Jean-Pierre MERLET (Directeur de Recherche INRIA, INRIA Sophia-Antipolis)
    • Med Amine LARIBI (Maître de conférence HDR, Université de Poitiers, Institut Pprime
  • Examinateurs :
    • Christine CHEVALLEREAU (Directrice de Recherche CNRS, LS2N)
    • Philippe CARDOU (Professeur, Université Laval)
    • Marc GOUTTEFARDE (Directeur de Recheche CNRS, LIRMM)

Résumé :

Cette thèse de doctorat porte sur la modélisation, la commande et l’analyse des performances de Robots Parallèles à Câbles (RPC) collaboratifs. Une modélisation élasto-géométrique des éléments d’actionnement des RPC est proposée en vue de l’amélioration de leurs performances de positionnement. Différents modèles élasto-géométriques inverses sont analysés en simulation et testé expérimentalement puis font l’objet d’une analyse de sensibilité.  Ensuite, des stratégies de contrôle permettant aux RPC d’être utilisés par des opérateurs de manière physique sont proposées. Ces stratégies sont basées sur la commande en impédance et permettent la co-manipulation du RPC. Un contrôleur hybride assurant la réalisation de trajectoires et la co-manipulation est présenté et approuvé expérimentalement. Enfin, un appareil de sécurité pour la détection de proximité basé sur le principe du couplage capacitif est adapté aux RPC et testé. Finalement, des expériences utilisateurs ont été menés pour juger des performances des stratégies proposées. Trois expériences menées avec des participants volontaires permettent d’évaluer la variation de la performance et de comprendre le comportement physique de l’utilisateur au cours d’interactions physiques humain-RPC.

 

Mots-clés :

Cobots Parallèles à Câbles, Interactions Physiques Humain-Robot, contrôle en impédance, analyse des performances

Abstract : This PhD thesis addresses the modelling, control and performance analysis of collaborative Cable-Driven Parallel Robots (CDPRs). An elasto-geometric modelling of the actuation elements is proposed to improve their positioning accuracy. Different inverse elasto-geometric models are simulated and experimentally assessed then analysed in a sensitivity analysis. Then, control strategies allowing the physical interactions of operators with CDPRs are proposed. These strategies are based on the impedance control and allow the robots co-manipulation. A hybrid controller for trajectory tracking and co-manipulation is presented and experimented. A safety device for the proximity detection based on the capacitive coupling principle is fitted to CDPRs and tested. Finally, user experiments are led to determine the performance of the proposed strategies. Three experiments led with volunteer enable the performance variation evaluation and the user behaviour study during physical human-CDPR interactions.

Keywords: Cable-Driven Parallel Cobots, Physical Human-Robot Interactions, impedance control, performance analysis

Soutenance de thèse de Mathilde MONVOISIN

Mathilde MONVOISIN, doctorante au sein des équipes DUKe et RoMaS, soutiendra sa thèse intitulée :

« Modèles graphiques probabilistes appliqués aux procédés de fabrication » / « Probabilistic graphical models applied to manufacturing processes »

Le 16 décembre 2022 à 14h00 dans l’Amphithéâtre 1, bâtiment ISITEM à Polytech.

Lien zoom :

https://univ-nantes-fr.zoom.us/s/89607302697

 

Jury :

– Directeur de thèse : Philippe LERAY (Professeur des Universités, Nantes Université)

– Co-directeur : Mathieu RITOU (Maître de Conférences HDR, Nantes Université)

– Rapporteurs : Philippe WEBER (Professeur à l’Université de Lorraine), Karim TABIA (Maître de conférence HDR à l’Université d’Artois)

– Examinateurs : Bruno CASTANIER (Professeur à l’Université d’Angers), Véronique DELCROIX (Maître de conférence à l’Université Polytechnique Hauts-de-France)

– Membre invité : Adoflo SUAREZ-ROOS (expert à l‘IRT Jules Verne)

 

Résumé :

La fabrication intelligente est un domaine de recherche prometteur pour l’amélioration de la productivité et de la compétitivité dans l’industrie, par l’exploitation des données numériques obtenues lors de procédés de fabrication, tel que l’usinage à grande vitesse. Les réseaux bayésiens ont fait leurs preuves en matière de classification et de diagnostic, et ils ont notamment l’intérêt d’être grandement interprétables. Cette thèse présente une architecture générique de réseaux bayésiens pour le diagnostic à partir de capteurs, incluant un mécanisme de sélection de variables basé sur l’information mutuelle.

Le co-training est un champ émergent des algorithmes d’apprentissage à partir de données, et l’exploration de cette famille d’algorithmes est jusqu’à présent essentiellement limitée à un apprentissage supervisé ou semi-supervisé. Ce manuscrit propose plusieurs stratégies de co-training non-supervisées utilisables par tout modèle probabiliste, et détaille leur utilisation sur plusieurs jeux de données.

L’ensemble des contributions théoriques est mis à profit dans un cas d’usage sur l’usinage à grande vitesse, dans lequel deux réseaux bayésiens avec la structure générique proposée permettent d’exploiter les données de capteurs d’une électrobroche en conditions réelles d’utilisation, et dont les paramètres sont appris grâce aux stratégies de co-training non-supervisées.

 

Mots clés : Apprentissage, réseaux bayésiens, co-training, diagnostic, industrie 4.0


Abstract:

Smart manufacturing is a promising area of research for improving productivity and competitiveness in industry, by exploiting digital data obtained during manufacturing processes, such as high-speed machining. Bayesian networks have proven their worth in classification and diagnosis, and they have the particular advantage of being highly interpretable. This thesis presents a generic Bayesian network architecture for sensor-based diagnosis, including a variable selection mechanism based on mutual information.

Co-training is an emerging field of data-driven learning algorithms, and the exploration of this family of algorithms is so far mostly limited to supervised or semi-supervised learning. This manuscript proposes several unsupervised co-training strategies that can be used by any probabilistic model, and details their use on several datasets.

All the theoretical contributions are put to use in a use case on high speed machining, in which two Bayesian  networks with the proposed genericstructure are used to exploit sensor data of an electro-spindle in real conditions of use, and whose parameters are learned thanks to the unsupervised co-training strategies.

 

Keywords: Learning, Bayesian networks, co-training, diagnosis, industry 4.0

 

Soutenance de thèse de Mahmoud FERHAT

Mahmoud FERHAT, doctorante au sein de l’équipe DUKe et RoMaS, soutiendra sa thèse intitulée :

« Découverte et Généralisation des Connaissances dans les Procédés de Fabrication » / « Discovery and Generalization of Knowledge in Manufacturing Processes »

 

Le 5 Décembre 2022 à 9h00 à Polytech, sur le site de la Chantrerie, Amphithéâtre 2, bâtiment ISITEM.

Lien zoom :

https://univ-nantes-fr.zoom.us/j/81535152579?pwd=My9KN1dQYTJmZ082dU81RmFnRmdSUT09

La soutenance se fera en français.

 

Jury :

  • Directeur de thèse : Philippe LERAY (Professeur des Universités, Nantes Université)
  • Co-encadrant : Mathieu RITOU (Maître de Conférences (HDR), Nantes Université)
  • Rapporteurs : Faicel CHAMROUKHI (Professeur des Universités, IRT SystemX), Julien LE DUIGOU (Professeur des Universités, UTC Compiègne)
  • Examinateurs : Catherine DA CUNHA (Professeur des Universités, Centrale Nantes), Benoit IUNG (Professeur des Universités, Université de Lorraine),
  • Invité : Nicolas LE DU (Ingénieur, CP Georges Renault)

 

Résumé :

L’objectif de cette thèse est de proposer une nouvelle architecture dédiée à la détection de défauts dans les procédés de fabrication. Cette dernière repose sur la combinaison des techniques d’apprentissage automatique (ML) avec une Ontologie générique. L’architecture est évolutive dans le sens où de nouveaux défauts peuvent être découverts par le ML et ajoutés en tant que nouvelles connaissances dans l’ontologie de façon périodique. Cela facilite la détection des défauts dans les contextes industriels, où les défauts sont généralement rares. D’autres part, l’inspection périodique des connaissances capturées itérativement par l’Ontologie nous permet de définir des connaissances plus génériques. Celles-ci permettront dans un premier temps d’améliorer la détection de défauts dans des contextes connus et puis, dans un second temps, de reconnaître les défauts connus dans de nouveaux contextes industriels. Ces tâches sont liées aux domaines de l’apprentissage par transfert et de l’adaptation au domaine, appliquées ici pour induire de nouvelles connaissances dans l’Ontologie, et augmenter les performances du système de détection de défauts. Des expériences sur des données UCI ainsi que sur des données issues des opérations de vissage réelles nous ont permis de valider la fiabilité et la robustesse de l’approche.

Mots clés : Apprentissage automatique, Gestion des connaissances, Détection de défauts

 

Abstract:

The objective of this thesis is to propose a novel architecture dedicated to fault detection in manufacturing processes. It is based on the combination of Machine Learning (ML) techniques with a generic Ontology. The architecture is evolving in the sense that new defects can be discovered by the ML and added as new knowledge in the ontology periodically. This facilitates defect detection in industrial contexts, where defects are generally rare. On the other hand, the periodic inspection of the knowledge captured iteratively by the Ontology allows us to define more generic knowledge. This knowledge will first allow us to improve the detection of defects in known contexts and then, in a second step, to recognize known defects in new industrial contexts. These tasks are related to the fields of transfer learning and domain adaptation, applied here to induce new knowledge in the Ontology, and to increase the performances of the fault detection system. Experiments on several UCI datasets as well as on data from real screwing operations allowed us to validate the reliability and robustness of the approach.

 

Keywords: Machine Learning, Knowledge Management, Fault Detection

Soutenance d’HDR de Mathieu RITOU (équipe RoMaS)

Mathieu Ritou, maître de conférences de l’Université de Nantes et enseignant-chercheur au sein de l’équipe RoMaS du LS2N, soutiendra son habilitation à diriger des recherches intitulée « Contribution au Smart Manufacturing : application en usinage »

mardi 28 septembre 2021 à 14h, depuis l’amphi A-1/10 de l’IUT la Fleuriaye, à Carquefou.

La soutenance sera retransmise à l’adresse suivante : https://univ-nantes-fr.zoom.us/j/98472137577

Composition du jury :
– Benoit Iung, Rapporteur, Professeur des Universités, Université de Lorraine – CRAN
– Henri Paris, Rapporteur, Professeur des Universités, Université Grenoble Alpes – GSCOP
– Christophe Tournier, Rapporteur, Professeur des Universités, ENS Paris Saclay – LURPA
– Alain Bernard, Examinateur, Professeur des Universités, Centrale Nantes – LS2N
– Hélène Chanal, Examinatrice, Maître de conférences HDR, SIGMA Clermont – Institut Pascal
– René Mayer, Examinateur, Professeur, École Polytechnique de Montréal – LRFV, Canada
– Benoit Furet, Dir. de recherche, Professeur des Universités, Universités de Nantes – LS2N
– Virginie Charbonnier, Invitée, Responsable projets R&T usinage, Airbus Operations

Résumé :
Dans les usines modernes, d’importants volumes de données sont générés durant la production, mais ils restent souvent inexploités. La fabrication intelligente, ou Smart Manufacturing, vise ainsi à exploiter ces données captées pendant le processus de fabrication. Il s’agit là d’un levier majeur de l’Usine du Futur, pour améliorer la performance des entreprises.
Nous avons été parmi les précurseurs du développement du monitoring en usinage et de la collecte de données en temps réel lors de productions dans l’industrie. Les données étant complexes, il a été nécessaire de développer des méthodes de fouilles de données adaptées aux spécificités des procédés de fabrication. Par rapport aux approches classiques d’extraction de connaissances à partir des données, une originalité développée a été d’intégrer également des connaissances métier dans ce processus d’analyse des données afin de l’améliorer. La combinaison d’Intelligence Artificielle et de connaissances en fabrication est une solution innovante et prometteuse. L’approche proposée associe ainsi l’intégration de connaissances en fabrication (par des critères de monitoring basés sur des modèles mécaniques et des règles métier) et des apprentissages non-supervisés (par modèles de mélange gaussien).
Il en résulte un système d’aide à la décision, permettant de fouiller automatiquement les données complexes et massives qui sont collectées lors d’usinages industriels, et de transmettre des KPI répondant spécifiquement aux besoins des différents services de l’entreprise (méthodes, qualité, maintenance…).
Par ailleurs, en usinage à grande vitesse, de nombreux défauts sur les pièces résultent de problèmes vibratoires. Aussi, une approche complémentaire par simulations numériques a été développée pour une meilleure maîtrise du comportement vibratoire en usinage. Afin d’expliquer l’évolution complexe des modes à hautes vitesses de rotation, un modèle vibratoire de broche a été proposé suivant une approche phénoménologique fine. Il repose notamment sur des modèles analytiques de montages de roulements préchargés, ainsi que sur le développement d’un excitateur électromagnétique de broche qui a permis d’observer l’évolution du comportement vibratoire en fonction des conditions opératoires, telles que la vitesse de rotation ou l’usure de la broche.
Ces travaux interdisciplinaires sur le Smart Manufacturing contribuent ainsi au développement des technologies de l’Usine du Futur. L’exploitation des données collectées en cours de fabrication et les apprentissages automatiques sont des éléments clé de jumeaux numériques. Ils permettront une meilleure maîtrise de la qualité et une amélioration du processus de fabrication, grâce à des machines intelligentes et connectées.

Best paper award pour l’équipe ROMAS à la 45ème « Mechanisms and Robotics Conference »

Lionel Etienne, Marceau Métillon et Stéphane Caro ont remporté le prix du meilleur article lors de la conférence IDETC/CIE (International Design Engineering Technical Conferences & Computers and Information in Engineering Conference), qui s’est tenue en ligne du 17 au 20 août 2021.

L’article intitulé « DESIGN OF A PLANAR CABLE-DRIVEN PARALLEL CRANE WITHOUT PARASITIC TILT » est le résultat de travaux menés dans le cadre du projet ANR CRAFT (https://anr.fr/Projet-ANR-18-CE10-0004) et du projet RFI AtlanSTIC 2020 – CREATOR.

Félicitations à Clément Rabreau (ancien doctorant de l’équipe RoMaS) pour son 1er prix de thèse Club Usinage – Manufacturing’21

Le jury du prix de thèse Club Usinage – Manufacturing’21 s’est réuni le 25 mai 2021, et a attribué le premier prix « Prix de thèse 2020 » à Clément Rabreau pour la thèse dirigée par Benoît Furet et qu’il a soutenue en 2018 sur la « modélisation avancée des performances dynamiques des broches UGV« .
La remise des prix a eu lieu en distanciel, lors de la conférence Manufacturing’21 le 10 juin 2021.

Soutenance de thèse de Jing Geng (équipe RoMaS)

Jing Geng, doctorante au sein de l’équipe RoMaS a soutenu sa thèse intitulée « DESIGN OF BALANCED PARALLEL MANIPULATORS WITH REDUCED CENTER OF MASS ACCELERATION »
mardi 8 juin 2021 dans l’amphi Bonnin de l’INSA de Rennes (https://zoom.us/j/99084261110?pwd=UytHZERPNmZBMmRBZVR4Z28rSHhiUT09).

Jury :
– Directeur de thèse : Vigen ARAKELYAN (Professeur des Universités, INSA Rennes / LS2N Nantes)
– Rapporteurs : Mario ACEVADO (Professor, Universidad Panamericana, Facultad de Ingeniería, Guadalajara, Mexico) ; Amine LARIBI (MdC, HDR, Université de Poitiers, Département Génie Mécanique et systèmes complexes).
– Autres membres : Philippe WENGER (Directeur de Recherche CNRS, LS2N Nantes) ; Damien CHABLAT (Directeur de Recherche CNRS, LS2N Nantes); Emmanuel DELALEAU (Professeur des Universités, ENIB, Brest); Natalie SMITH-GUERIN (Maîte de Conférences, Université Bretagne Sud, IUT Lorient)

Abstract: In the thesis, the method based on optimal motion planning of the common center of mass is extended on planar and spatial parallel manipulators.
Firstly, two types of planar parallel manipulators are considered: 5R and 3RRR. In these manipulators, by generating the input parameters of the actuated joints that ensure the optimal motion of the common mass center, the partial reduction of the shaking forces transmitted to the frame is achieved. It is imperative to note that the proposed balancing is carried out without adding counterweights. The obtained results showed that the generation of the trajectory of the common mass center of the manipulator by « bang-bang » profile provides a significant reduction in shaking forces. Although the goal of these studies was not the further decrease of the shaking moments but it is observed that a considerable reduction in the shaking moment is also obtained. The absence of additional masses and the optimal generation of the center of mass trajectory can explain this.
Some observations showed that the control of manipulators based on the kinematic parameters of a virtual point as a center of masses leads to additional inconvenience. For example, measurements and refinements of the displacements of the total mass center of moving links becomes pretty complex. To eliminate this drawback, the approach based on the combination of mass redistribution and motion planning has been also considered. The simulation results showed that in this case a reduction of 60% of the shaking force can be achieved.
The problem of shaking force balancing of spatial parallel manipulators was then discussed. Two types of spatial parallel manipulators have been considered: the Delta robot and the Orthoglide. It is known that due to the complexity of the spatial parallel mechanisms, the complete shaking force balancing is difficult to obtain. Therefore, the suggested balancing approach based on optimal acceleration control of the common mass center, becomes more benefits. By defining the trajectory of the common center of mass as a straight line, and parameterizing its motion with «bang-bang» profile, the maximal value of the shaking force has been reduced.
In the current industry, the errors of fabrications and assembly cannot be avoided. In the last chapter, the error-sensitivity analysis of the developed balancing strategy has been proposed in order to evaluate the parameters, which affect more errors on the shaking force and the position accuracy.
Finally, it should be noted that despite the fact that the developed balancing technique ensures only partial solution of the shaking force balancing, it appears that the suggested solution can be attractive for industrial robot applications because it can easily be implemented in practice.

Keywords: Shaking force, Balancing, Parallel Manipulators, control of the center mass acceleration, « bang-bang » profile

Soutenance de thèse de Zane ZAKE (équipe RoMaS)

Zane Zake, doctorant au sein de l’équipe RoMaS, soutiendra sa thèse intitulée « Conception et analyse de stabilité de l’asservissement visuel sur des robots parallèles à câbles pour une amélioration de la précision » / « Design and Stability Analysis of Visual Servoing on Cable-Driven Parallel Robots for Accuracy Improvement »

vendredi 12 février 2021 à 13h45, dans l’amphi S sur le site Centrale Nantes, ou sur Zoom.

Jury :
– Directeur de thèse : Stéphane CARO (Directeur de recherche CNRS, LS2N, Nantes)
– Co-directeur : François CHAUMETTE (Directeur de recherche INRIA, IRISA, Rennes)
– Co-encadrant : Nicolò PEDEMONTE (Ingénieur R&D, IRT Jules Verne, Nantes)
– Rapporteurs : Jean-Pierre MERLET (Directeur de recherche, INRIA Sophia-Antipolis) ; Marc GOUTTEFARDE (Directeur de recherche CNRS, LIRMM, Montpellier)
– Autres membres : Nicolas ANDREFF (Professeur, Université de Franche-Comté, FEMTO-ST) ; Claire DUMAS (Ingénieure de recherche – robotique, Cutii)

Résumé : Cette thèse présente l’amélioration de la précision des robots parallèles à câbles (RPC) par l’asservissement visuel (AV) et l’utilisation de l’analyse de stabilité pour évaluer la robustesse du système robotique. Les RPC sont une sorte de robots parallèles avec des câbles au lieu de liaisons rigides. Ils sont caractérisés par un grand espace de travail, une charge utile et une reconfigurabilité élevées. En revanche, ils sont généralement peu précis, ce qui les empêche d’être largement utilisés. Avec une caméra embarquée sur la plateforme mobile (PM) et en contrôlant le RPC avec un AV, il est possible d’avoir une grande précision par rapport aux objets qu’elle perçoit. En effet, comme l’objet est constamment observé, la commande ne s’arrête que lorsque la précision souhaitée est atteinte. Cependant, la PM n’est pas observée et sa pose doit être estimée.
Les contributions de cette thèse sont les suivantes. Trois méthodes d’estimation de pose de PM ont été proposées et évaluées. Il a été constaté que l’estimation par intégration de commande est la plus polyvalente. Une analyse de Lyapunov a été réalisée sur un RPC planaire et spatial. Un lien entre la pose de la PM et la stabilité du système a été déterminé et un nouvel espace de travail appelé Control Stability Workspace a été défini. Il a été calculé pour plusieurs approches d’AV sur plusieurs RPC. L’impact de différentes perturbations et erreurs de modélisation a été évalué. Il a été montré que la précision du RPC reste toujours la même tant que le système est stable. Les perturbations du système n’affectent que la trajectoire vers l’objet, qui peut être amélioré en utilisant un suivi de trajectoire. Enfin, pour traiter les pertes de tension des câbles, un algorithme de correction de tension pour l’AV a été proposé et validé.

Mots-clés : Robots à câbles, précision, asservissement visuel, analyse de stabilité, espace de travail, commande


Abstract: This thesis presents accuracy improvement of Cable-Driven Parallel Robots (CDPRs) by Visual Servoing (VS) and the use of stability analysis to evaluate the robustness of the robotic system. CDPRs are a kind of parallel robots with cables instead of rigid links. They are characterized by a large workspace, a large payload capacity and reconfigurability. However, CDPRs lack accuracy, which prevents them to be widely used. With an onboard camera on the moving-platform (MP) used in VS control of CDPRs, it is possible to have high accuracy with respect to a target object. Indeed, as the object is perceived, the control is stopped only when the desired accuracy is achieved. However, the MP is not observed and its pose must thus be estimated.
The contributions of this thesis are the following. Three moving-platform pose estimation methods were proposed and evaluated on different tasks. It was found that estimation by control integration is the most versatile. Thorough Lyapunov stability analysis was performed on a planar and a spatial CDPRs. A link between the MP pose and the system stability was determined and thus a novel workspace named Control Stability Workspace was defined. It was computed for several VS approaches on multiple CDPRs. The impact of different perturbations and modeling errors was evaluated. In experimental validation it was shown that CDPR accuracy always remains the same as long as the system is stable. Perturbations in the system affect only the trajectory to the goal. It was shown that trajectory tracking greatly improves CDPR behavior despite the perturbations. Finally, to deal with cable slackness, a Tension Correction Algorithm for VS was proposed and validated.

Keywords: Cable robots, accuracy, visual servoing, stability analysis, workspace, control

Le projet TIRREX est lauréat de l’AMI EquipEx+

Frédérique Vidal, ministre de l’Enseignement supérieur, de la Recherche et de l’Innovation et Guillaume Boudy, secrétaire général pour l’investissement ont annoncé dans un communiqué de presse le 18/12/20 que le projet TIRREX (Technological Infrastructure for Robotics Research of Excellence) faisait partie des 50 lauréats (sur 135 dépôts) de l’appel à manifestations d’intérêt « équipements structurants pour la recherche – ESR / EquipEx+« .

TIRREX est le fruit de plusieurs années de recherche et de réflexion dans le domaine de la robotique. Il vise à développer de nouvelles plateformes emblématiques en robotique avec une coordination nationale pour leur accès et leur développement. Le projet rassemble tous les acteurs majeurs de la recherche académique française en robotique (CNRS, INRIA, CEA, INRAE) avec 19 partenaires. Il s’articule autour de 6 axes thématiques : Robotique humanoïde, Robotique XXL, Micro-Nano robotique, Robotique terrestre autonome, Robotique aérienne et Robotique médicale, et des axes transverses : Prototypage & Conception et Manipulation, conçus pour irriguer les axes thématiques. Amenant l’ouverture à un niveau jamais atteint en robotique, un 3ème axe transversal se concentrera sur l’infrastructure ouverte. Il vise à garantir, à normaliser l’accès et le caractère libre des données, des logiciels et des publications produites (FAIR data et logiciels open source).
Au-delà de l’intérêt scientifique de cette infrastructure pour la recherche en robotique, TIRREX s’appuie également sur le soutien de plus de cinquante entreprises ou réseaux d’entreprises, soulignant son intérêt économique majeur.

Le porteur local est Stéphane Caro, aidé de Benoit Furet.

Quelques données chiffrées :

Coût complet : 41,6M€
Aide demandée : 12,8M€ + 1M€ (8% FG) = 13,8M€
Apport : 27,8M€
19 partenaires (tutelles) dans le projet : 9 partenaires bénéficiant de fonds, 10 impliquant du personnels /et des cofinancements
23 laboratoires de recherches impliqués en tant que partenaires majeurs des plateformes
32 laboratoires partenaires de ce projet au total (23+9 autres) représentant 222 personnes (168 EC + 54 Ingénieurs) impliquées et potentiellement 750 utilisateurs en comptant les collègues.
Engagement de la part du CNRS et de l’INRIA sur les postes d’ingénieurs en développement du projet.
Soutiens :
26 de la Recherche (CNRS, CEA List, INRIA, GDR Robotique…)
15 de notre écosystème (Ministère des Armées, RobAgri, FFC Robotique…)
40 d’industriels (Airbus, Bouygues, Eiffage, PSA, Renault, Safran, Thales…)

Copyright : LS2N 2017 - Mentions Légales - 
 -