La vitrine de diffusion des mémoires et thèses de l'ÉTS
RECHERCHER

Comparaison de quatre méthodes d'identification d'un modèle statique de frottement : simulations et expérimentations

Aizel, Noureddine (2005). Comparaison de quatre méthodes d'identification d'un modèle statique de frottement : simulations et expérimentations. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

[img]
Prévisualisation
PDF
Télécharger (3MB) | Prévisualisation

Résumé

Dans notre travail, nous présentons une étude comparative de quatre méthodes d'identification du frottement, basées principalement sur des modèles statiques. Pour cela, nous utilisons des estimateurs non linéaires, construits à partir de ces modèles, que nous soumettons à quatre modèles de frottement dont l'un est le frottement dynamique de LuGre. Notre objectif consiste, d'une part, à mettre en évidence les performances et les limites de chaque estimateur vis-à-vis de ces modèles statiques de frottement, et d'autre part, de soumettre le modèle de LuGre aux différents estimateurs. Les résultats obtenus ont confirmé la robustesse de chaque estimateur par rapport au modèle sur lequel sa structure est basée. Toutefois, quand le modèle appliqué est plus complexe, l'estimateur devient moins performant. D'autres résultats corroborent l'importance de prendre en considération les valeurs des paramètres constituant la dynamique interne du modèle de LuGre sur l'estimation des coefficients statiques. Finalement, des résultats expérimentaux obtenus sur un banc d'essais expérimental sont aussi exposés et discutés.

Titre traduit

Comparaison of four methods of identification of static friction model: simulations and experiments

Résumé anglais

Nowadays, control systems require more robust compensators, using more powerful methods of identification. With this in mind, we have brought up a comparative study of four methods of identification, mainly based on static friction models. The nonlinear estimators, built from these models, are subjected to four friction models, one of which, being a dynamic model named LuGre. The present work partly aims to study the performances and the limits of each estimator towards these friction models, and for the other part, to submit only the LuGre model to these various estimators in order to emphasize the influence of its internal dynamic, which is considered as a disturbance on the estimation of the static parameters.

The results obtained have confirmed the robustness of each estimator in comparison with the model on which its structure is based on. However, when the applied model is more complex, the estimator becomes less accurate. Consequently, the errors of prediction increase significantly. Other simulation results have corroborated the importance of taking into account the values allotted to the parameters that constitute the internal dynamics of the LuGre model. Indeed, these values have a considerable influence on the estimation of the static coefficient. Thus, the more important these values are, the more rigid its internal dynamic becomes, reducing the difference between the LuGre model and the static Stribeck model. Finally, the experimental results obtained on a test bench are presented and discussed.

Type de document: Mémoire ou thèse (Mémoire de maîtrise électronique)
Renseignements supplémentaires: "Mémoire présenté à l'École de technologie supérieure comme exigence partielle à l'obtention de la maîtrise en génie de la production automatisée". Bibliogr.: f. [106]-108.
Mots-clés libres: Adaptatif, Comparaison, Estimateur, Experimentation, frottement, Identification, Lineaire, Methode, Modele, Modelisation, Non, Non-Lineaire, Simulation, Statique
Directeur de mémoire/thèse:
Directeur de mémoire/thèse
Bigras, Pascal
Programme: Maîtrise en ingénierie > Génie de la production automatisée
Date de dépôt: 26 janv. 2011 15:07
Dernière modification: 31 oct. 2016 23:26
URI: http://espace.etsmtl.ca/id/eprint/320

Actions (Identification requise)

Dernière vérification avant le dépôt Dernière vérification avant le dépôt

Statistique

Plus de statistique...