fPilotage et caractérisation de systèmes de positionnement à forte dynamique pour la cartographie du potentie

Abstract

Dans ce travail, le pilotage et la caractérisation de positionnement à forte dynamique pour la cartographie du potentiel de surface ont été conduits étape par étape. D’abord, une présentation de l’état de l’art concernant les électrets, le dépôt de charges par décharge couronne ou par triboélectricité a été réalisée. L’intérêt est porté sur la mesure du potentiel de surface avant que son déclin soit remarqué. Pour cela, plusieurs méthodes de positionnement rapide ont été proposées avec système et commande. Les systèmes proposés pour le positionnement sont les moteurs comme le moteur synchrone à aimants permanents et le moteur pas à pas. De plus, nous avons utilisé des robots SCARA et Delta. Plusieurs techniques de commande ont été proposées et utilisées basées sur les l’automatique avancée et l’intelligence artificielle. Nous avons utilisé la commande adaptative optimale basée sur la logique floue, la commande prédictive basée sur l’algorithme ABC et les réseaux de neurones, la commande prédictive guidée par les données, la commande neuro-floue adaptative, la commande prédictive basée sur le PSO et les réseaux de neurones ainsi que la commande neuro-floue robuste. Pour effectuer la mesure du potentiel, il faut d’abord connaitre la sonde utilisée en la caractérisant par sa PSF. Plusieurs méthodes ont été proposées pour la caractérisation de la sonde. Ensuite, la reconstitution du potentiel de surface a été abordée avec la proposition de méthodes et d’algorithmes fiables pour la déterminer avec précision. In this work, the monitoring and characterization of high dynamic positioning for surface potential mapping were conducted step by step. First, a presentation of the state of the art concerning electrets, charge deposition by corona discharge or triboelectricity was carried out. The interest is focused on measuring the surface potential before its decline is noticed. For this, several fast positioning methods have been proposed with system and control. The systems proposed for positioning are motors such as the permanent magnet synchronous motor and the stepper motor. In addition, we used SCARA and Delta robots. Several control techniques were proposed and used based on advanced automation and artificial intelligence. We used optimal adaptive control based on fuzzy logic, predictive control based on ABC algorithm and neural networks, data-driven predictive control, adaptive neurofuzzy control, predictive control based on PSO and neural networks as well as robust neuro-fuzzy control. To perform the potential measurement, it is first necessary to know the probe used by characterizing it by its PSF. Several methods have been proposed for the characterization of the probe. Then, the reconstruction of the surface potential was approached with the proposal of reliable methods and algorithms to determine it precisely