⚡ electrical engineering

Robust Quadcopter Motion Control Using Output Feedback

Cet article propose une stratégie de commande robuste par retour de sortie pour les quadricoptères qui utilise une approche géométrique pour transformer le modèle du système et une méthode d'observateur étendu pour synthétiser la loi de commande.

Auteurs originaux : Stanislav Kim, Anton Pyrkin, Oleg Borisov

Publié 2026-05-15

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Stanislav Kim, Anton Pyrkin, Oleg Borisov

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez un quadrirotor (un drone à quatre hélices en rotation) comme un danseur très sensible et rapide. L'objectif de cet article est d'enseigner à ce danseur comment se déplacer vers un endroit précis et maintenir cette posture parfaitement, même si la musique est forte, le sol est glissant, ou si le danseur ne connaît pas exactement le poids de son propre costume.

Voici la décomposition de la solution proposée dans l'article, expliquée par de simples analogies :

Le Problème : Danser dans le Noir

Les auteurs commencent par affirmer que contrôler un drone est incroyablement difficile. Le mouvement du drone est décrit par des mathématiques complexes qui changent constamment.

Le Défi : Habituellement, pour contrôler parfaitement un danseur, vous devez savoir exactement où il se trouve, à quelle vitesse il se déplace et à quelle vitesse il tourne. C'est comme avoir une caméra qui observe chaque articulation du danseur.
La Limite : Dans le monde réel, nous ne pouvons souvent pas tout mesurer. Nous pouvons connaître la position du drone, mais nous ne pouvons pas facilement mesurer sa vitesse ou la vitesse de son inclinaison. C'est comme essayer de guider un danseur dans le noir ; vous pouvez voir où il se trouve, mais vous ne pouvez pas sentir son élan.
Tentatives Préalables : Les méthodes passées ont essayé de simplifier les mathématiques en faisant semblant que le drone se déplace en ligne droite (linéarisation), mais cela échoue souvent lorsque le drone tente réellement des virages complexes. D'autres méthodes ont bien fonctionné mais nécessitaient ces « caméras parfaites » (mesure complète de l'état) que nous n'avons pas toujours.

La Solution : Le « Super-Observateur » et le « Double-Tampon »

Les auteurs proposent une nouvelle façon de contrôler le drone en utilisant uniquement les informations que nous pouvons voir (la sortie), sans avoir besoin de mesurer les vitesses cachées. Ils procèdent en trois étapes principales :

1. Réorganiser la Danse (La Forme Normale)

Premièrement, les auteurs prennent les mathématiques désordonnées et compliquées décrivant le drone et les réarrangent en une « forme normale ».

L'Analogie : Imaginez que le mouvement du drone est une pelote de laine emmêlée. Les auteurs la démêlent et la disposent en une ligne droite et ordonnée. Ils ajoutent également un système de « double tampon ». En électronique, un tampon lisse les signaux. Ici, ils « double-intègrent » mathématiquement l'entrée de commande.
Ce que cela signifie : Au lieu de dire au drone « pousse plus fort maintenant », le système traite la commande comme une instruction douce et progressive qui s'accumule avec le temps. Cela rend les mathématiques beaucoup plus stables et prévisibles, transformant un système chaotique en un système linéaire et soigné.

2. Le Danseur « Fantôme » (L'Observateur Étendu)

Puisque nous ne pouvons pas mesurer directement la vitesse et la rotation, les auteurs créent un « Danseur Fantôme » à l'intérieur de l'ordinateur.

L'Analogie : Imaginez que vous essayez de guider un ami dans une pièce brumeuse. Vous pouvez le voir, mais vous ne pouvez pas voir à quelle vitesse il court. Alors, vous créez une image mentale (un « Fantôme ») de votre ami. Vous observez où se trouve votre vrai ami et vous le comparez constamment à votre Fantôme.
Comment cela fonctionne : L'ordinateur exécute un algorithme spécial appelé Observateur Étendu. Cet algorithme devine ce que les vitesses et rotations cachées devraient être en fonction de la position qu'il peut voir. Il utilise un réglage à « gain élevé », ce qui équivaut à avoir un œil très vif et attentif. Si le vrai drone dérive ne serait-ce qu'un tout petit peu de l'endroit où le Fantôme s'attend à le voir, le Fantôme met immédiatement à jour sa supposition.
Le Résultat : Le contrôleur n'a pas besoin de mesurer la vitesse directement ; il demande simplement au Fantôme : « Que penses-tu que soit la vitesse ? » et utilise cette réponse pour prendre des décisions.

3. Le Filet de Sécurité (Commande Robuste)

Enfin, ils conçoivent la loi de commande réelle (les instructions envoyées aux moteurs).

L'Analogie : Même avec un bon Fantôme, le monde réel est désordonné. Il peut y avoir des rafales de vent ou le drone peut être légèrement plus lourd que prévu. Les auteurs ajoutent une fonction de « saturation ».
Ce que cela signifie : Pensez-y comme une soupape de sécurité. Si le Fantôme se trompe ou si les mathématiques suggèrent un mouvement fou et impossible, le contrôleur limite doucement l'instruction pour que le drone ne perde pas le contrôle. Cela garantit que même si le drone est imparfait ou si l'environnement est rude, il finira par se stabiliser et s'arrêter de bouger (stabilité asymptotique).

L'Essentiel

L'article prétend avoir résolu le problème du contrôle d'un drone lorsque l'on ne peut pas mesurer toutes ses parties en mouvement.

Ils ont simplifié les mathématiques pour rendre le comportement du drone prévisible.
Ils ont construit un « Fantôme » dans l'ordinateur qui devine les informations manquantes (vitesse et rotation) en se basant sur ce qui est visible.
Ils ont créé un système de contrôle qui utilise ces suppositions pour diriger le drone en toute sécurité vers sa cible, prouvant mathématiquement que le drone restera stable même avec des erreurs et des incertitudes.

En bref, ils ont trouvé comment conduire une voiture parfaitement en utilisant uniquement la vue à travers le pare-brise, sans avoir besoin de regarder le compteur de vitesse ou le tachymètre, en utilisant un ordinateur intelligent pour deviner la vitesse pour vous.

Résumé technique : Commande robuste du mouvement d'un quadricoptère par retour de sortie

Énoncé du problème
L'article aborde le défi de la commande du mouvement d'un quadricoptère en présence d'incertitudes paramétriques, structurelles, fonctionnelles et de signal. Bien que des recherches antérieures aient utilisé la linéarisation de modèle ou des stratégies de commande non linéaire, les solutions existantes souffrent souvent de limitations telles qu'une dégradation des performances transitoires due aux imprécisions du modèle, l'exclusion de la dynamique de l'angle de lacet, ou un réglage fastidieux des paramètres. Crucialement, les travaux antérieurs fournissant des modèles dynamiques complets pour des tâches de positionnement (spécifiquement la référence [3]) reposaient sur une mesure de l'état complet, nécessitant la connaissance des dérivées de sortie qui sont souvent indisponibles ou bruitées dans les applications pratiques. Le problème central traité ici est la synthèse d'une loi de commande robuste pour le mouvement d'un quadricoptère où les dérivées des variables de sortie ne sont pas mesurables, en utilisant uniquement un retour de sortie.

Méthodologie
Les auteurs proposent une approche de synthèse de commande basée sur une transformation géométrique et une méthode d'observateur étendu. La méthodologie procède selon les étapes suivantes :

Transformation du modèle : Le modèle non linéaire multidimensionnel du quadricoptère, qui inclut la position, la vitesse et la dynamique de l'attitude avec des effets de frottement visqueux et gravitationnels, est transformé en une forme normale. Cela est réalisé en définissant des écarts par rapport aux positions et orientations désirées et en appliquant un changement de variables spécifique.
Augmentation de l'entrée : Pour gérer les coefficients de gain variables dans le temps inhérents au modèle transformé, l'entrée de commande est soumise à une double intégration. Ce processus rend le coefficient de gain stationnaire, permettant de représenter le système sous une forme normale standard avec un vecteur d'état $\zeta \in \mathbb{R}^{16}$ et un vecteur d'entrée de commande $U$ .
Synthèse par retour d'état : Une loi de commande par retour d'état est d'abord dérivée pour la forme normale transformée. Cette loi utilise la linéarisation par retour d'état, annulant les non-linéarités et plaçant les pôles de la boucle fermée via la sélection des gains ( $\gamma_1, \gamma_2, \gamma_3, \gamma_4$ ) basée sur des polynômes caractéristiques standards (par exemple, Butterworth ou Newton).
Synthèse par retour de sortie : Reconnaissant que le vecteur d'état complet et certaines fonctions non linéaires spécifiques ne sont pas disponibles pour la mesure, les auteurs remplacent le retour d'état par une loi de retour de sortie. Cela implique :
- Observateur étendu : Un observateur est conçu pour estimer les états non mesurables et les non-linéarités inconnues. L'observateur utilise une approche à gain élevé ( $\kappa$ ) et une structure en cascade pour estimer le vecteur d'état $\hat{\zeta}$ et un terme de perturbation global $\sigma$ .
- Loi de commande : L'entrée de commande finale est générée en utilisant les états estimés et l'estimation de perturbation de l'observateur, passée à travers une fonction de saturation lisse pour assurer la bornitude.

Contributions clés

Extension des travaux antérieurs : L'article étend les résultats complets de positionnement dynamique de la référence [3] au cas où les dérivées de sortie sont non mesurables, éliminant la dépendance à la mesure de l'état complet.
Transformation géométrique : La transformation réussie du modèle complexe et variable dans le temps du quadricoptère en une forme normale stationnaire via la double intégration de l'entrée de commande.
Loi de commande robuste par retour de sortie : La synthèse d'une loi de commande garantissant la stabilité asymptotique semi-globale sans nécessiter la connaissance du vecteur d'état complet ni de l'inverse exact de la matrice de gain d'entrée et des fonctions non linéaires.

Résultats et affirmations
L'article affirme que la loi de commande proposée garantit la stabilité asymptotique semi-globale du système en boucle fermée. Les résultats théoriques indiquent que le point d'équilibre du mouvement du quadricoptère (écarts par rapport à la position et à l'orientation désirées) est asymptotiquement stable.

Signification
La signification de ce travail réside dans son applicabilité pratique à la commande de quadricoptères où les limitations des capteurs empêchent l'observation de l'état complet. En s'appuyant sur un observateur étendu plutôt que sur un retour d'état complet, la méthode proposée surmonte un obstacle majeur d'implémentation trouvé dans les stratégies de commande non linéaire précédentes. L'approche simplifie la procédure de réglage de la commande par rapport aux méthodes antérieures tout en maintenant la robustesse face aux incertitudes de modèle et aux perturbations externes, le tout sans nécessiter la mesure des dérivées de vitesse ou de taux angulaire. Ce travail est soutenu par le Ministère de la Science et de l'Enseignement supérieur de la Fédération de Russie.