This doctoral thesis proposes and validates experimentally nonlinear control strategies for a six-axis industrial robot Meca500 from Mecademic company using two approaches. The first approach aims to provide a precise dynamic trajectory tracking in Cartesian velocity space in the presence of parameter uncertainty and undesirable disturbances. While robot calibration can improve position and orientation (pose) accuracy, the only way for a user to improve the dynamic path accuracy is by “guiding” the robot with the help of an external sensor and a control algorithm running on a separate computer. For this purpose, industrial robots, which are normally controlled with pre-programmed position-mode instructions, offer sometimes the possibility to modify the pose of the robot end-effector on the fly. In the case of Mecademic’s Meca500 industrial robot, operators can indirectly modify the end-effector pose by controlling the robot joint or Cartesian velocity. In this thesis, a practical application of an active disturbance rejection control (ADRC) scheme is presented to improve the path accuracy of the Meca500. The dynamic path correction is achieved by first measuring the distance between a fixed point and the robot tooltip with a linear transducer (Renishaw’s QC20-W ballbar), and then feeding the tooltip velocity vector to the robot (via Ethernet TCP/IP). The (circular) path accuracy of the robot is significantly improved for different robot TCP velocities. For example, at 50 mm/s, the maximum radial error is less than 0.100 mm, and the mean error is 0.015 mm.

The second approach ensures manipulation of Meca500 with a six-axis finger joystick SpaceMouse in a very soft and smooth manner avoiding human-robot cross-coupling, robot’s motor perturbations, oscillation, noise, or aggressive robot response since the system dynamics in this mutual tracking control problem as well as its rate of change may significantly change in amplitude, time, and direction during the normal robot’s movements. To this end, a novel concept of a multi-stage controller connected in series is proposed and verified practically by plotting the mouse-robot mutual response along with capturing a video for all types of movements. The multi-stage controller starts with a fuzzy logic control block based on a natural description of the mouse-robot system by humans, which is better than creating a mathematical model. This provides a more feasible solution that integrates human knowledge about the relation between the input and the output at each operating point. The next stage is an admittance control block, connected in series and aiming to damp some oscillations that appear during the robot’s manipulation. Finally, an ADRC tracking differentiator is incorporated as a third and final stage to filter the noise caused by the admittance control, add an intended delay in some robot’s motion situations, and transform the position signal into velocity to be sent to the robot in velocity mode. The experimental results show the enhanced robot performance after adding the external multi-stage controller.

Cette thèse de doctorat propose et valide expérimentalement des stratégies de contrôle non linéaires pour un robot industriel six axes Meca500 de la société Mecademic en utilisant deux approches. La première approche développée vise à fournir un suivi dynamique précis de la trajectoire dans l’espace des vitesses cartésiennes en présence d’incertitude des paramètres et de perturbations indésirables. Alors que l’étalonnage du robot peut améliorer la précision de la position et de l’orientation (pose), le seul moyen pour un utilisateur d’améliorer la précision de la trajectoire dynamique est de «guider» le robot à l’aide d’un capteur externe et d’un algorithme de contrôle fonctionnant sur un ordinateur séparé. À cet effet, les robots industriels, qui sont normalement commandés avec des instructions préprogrammées en mode position, offrent parfois la possibilité de modifier à la volée la pose de l’effecteur terminal du robot. Dans le robot industriel Meca500 de Mecademic, les opérateurs peuvent modifier indirectement la pose de l’effecteur terminal en contrôlant l’articulation du robot ou la vitesse cartésienne. Dans cette thèse, une application pratique d’un schéma de contrôle actif de rejet des perturbations (ADRC) est présentée pour améliorer la précision de trajectoire du Meca500. La correction de trajectoire dynamique est obtenue en mesurant d’abord la distance entre un point fixe et l’infobulle du robot avec un transducteur linéaire (barre à billes QC20-W de Renishaw), puis en transmettant le vecteur de vitesse de l’infobulle au robot (via Ethernet TCP / IP). La précision de la trajectoire (circulaire) du robot est considérablement améliorée pour différentes vitesses TCP du robot. Par exemple, à 50 mm / s, l’erreur radiale maximale est inférieure à 0,100 mm et l’erreur moyenne est de 0,015 mm.

La deuxième approche garantit la manipulation du Meca500 avec une manette à six axes à doigt d’une manière très douce et fluide en évitant le couplage croisé homme-robot, les perturbations du moteur du robot, l’oscillation, le bruit ou la réponse agressive du robot, car la dynamique du système dans ce problème de contrôle de suivi mutuel ainsi que son taux de changement peut changer considérablement en amplitude, en temps et en direction pendant les mouvements normaux du robot. Un nouveau concept de contrôleur à plusieurs étages connectés en série est alors proposé, utilisé et vérifié pratiquement en traçant la réponse mutuelle souris-robot et en capturant deux vidéos pour tous les types de mouvements. Le premier étage du contrôleur utilise la commande floue qui se base sur une description naturelle du comportement du robot par l’humain plutôt qu’une représentation par un modèle mathématique, ce qui donne une solution faisable intégrant des connaissances humaines sur la relation entre l’entrée et la sortie à chaque point de fonctionnement. Le deuxième étage comporte un contrôle d’admittance, connecté en série après le contrôleur flou pour amortir des oscillations qui peuvent apparaître lors de la manipulation du robot. Enfin, et comme troisième étage, un différenciateur de suivi ADRC est incorporé pour filtrer le bruit causé par le contrôle d’admittance, ajouter un retard prévu dans certaines situations de mouvement du robot, puis transformer le signal de position en signal de vitesse qui sera envoyé à l’entrée du robot commandé en mode vitesse. Les résultats expérimentaux montrent les performances améliorées du robot après l’ajout des contrôleurs externes à plusieurs étages.