Modélisation et Commande Intelligente d’un Drone // Octorotor Modeling and Intelligent Control of an Octorotor Drone

Abstract

تقدم هذه الأطروحة إطارًا متكاملًا لنمذجة والتحكم الذكي في طائرة بدون طيار بثمانية مراوح مرتبة بشكل المحوري على اربع زوايا. تم تطوير نموذج ديناميكي غير خطي بست درجات حرية باستخدام صياغة نيوتن–أويلر، والتحقق من صحته عن طريق المحاكاة، مما يوفر أساسًا موثوقًا لتطوير أنظمة التحكم. بالاعتماد على هذا النموذج، تم تصميم استراتيجيات تحكم ذكية قائمة على المنطق الضبابي، حيث أظهرت فعاليتها في التعامل مع الديناميكيات غير الخطية والمتداخلة بقوة للمركبات الجوية متعددة المراوح. ولتعزيز المتانة، تم دراسة تقنيات تحكم هجينة تجمع بين المنطق الضبابي والتحكم بالأنماط الانزلاقية، مما أدى إلى تطوير متحكم بنمط انزلاقي معزز بمتحكم ضبابي قادر على تقليل ظاهرة الاهتزاز مع الحفاظ على المتانة في مواجهة الاضطرابات واعدادات النموذج الغير دقيقة . وتُتوَّج هذه الدراسة بهندسة استراتيجية تحكم هجينة مُحسَّنة تدمج أنظمة التحكم الضبابي المعزز بشبكات التعلم العصبي للتحكم في زوايا الاتجاه، والتحكم الانزلاقية المعزز بالمتحكم الضبابي للتحكم في الارتفاع والانحراف، إضافة إلى متحكمات PID مضبوطة الاعدادات باستخدام خوارزمية أسراب الجسيمات لتحسين تتبع الموضع. وتؤكد نتائج المحاكاة تحسن دقة التتبع، وزيادة قدرة التفوق على الاضطرابات، وتقليل جهد التحكم، مما يبرز مزايا دمج تقنيات الذكاء الاصطناعي في تحقيق التحكم الجيد في الطائرات بدون طيار خلال المهمات ذات التحكم المستقل.

This thesis presents a comprehensive framework for the modeling and intelligent control of a coaxial octorotor UAV. A nonlinear six-degree-of-freedom dynamic model is derived using the Newton–Euler formalism and validated through simulation, providing a reliable basis for control design. On this foundation, intelligent control strategies based on fuzzy logic are developed, demonstrating the effectiveness of rule-based approaches for handling nonlinear and coupled UAV dynamics. To enhance robustness, hybrid control techniques combining fuzzy logic and sliding mode control are investigated, leading to a Fuzzy Sliding Mode Controller that effectively suppresses chattering while preserving robustness against disturbances and model uncertainties.The study culminates in an optimized hybrid control architecture that integrates Adaptive Neuro-Fuzzy Inference Systems for adaptive attitude control, Fuzzy Sliding Mode Control for robust altitude and yaw regulation, and Particle Swarm Optimization–tuned PID controllers for efficient position tracking. Simulation results confirm improved tracking accuracy, disturbance rejection, and reduced control effort,highlighting the benefits of integrated computational intelligence for autonomous UAV operation.

Cette thèse présente la modélisation et le contrôle intelligent d’un drone octorotor coaxial. Un modèle dynamique non linéaire à six degrés de liberté est établi à l’aide du formalisme de Newton–Euler et validé par simulation, constituant ainsi une base fiable pour la conception des lois de commande. Sur la base de ce modèle, des stratégies de contrôle intelligent fondées sur la logique floue sont développées, démontrant l’efficacité des approches à base de règles pour traiter les dynamiques non linéaires et fortement couplées des véhicules aériens multi-rotors. Afin d’améliorer la robustesse, des techniques de commande hybrides combinant la logique floue et la commande en mode glissant sont étudiées, conduisant à un contrôleur flou en mode glissant capable de supprimer le phénomène de chattering tout en conservant une forte robustesse face aux perturbations et aux incertitudes de modélisation.Ce travail aboutit à une architecture de commande hybride optimisée intégrant des systèmes neuro-flous adaptatifs pour la régulation de l’attitude, une commande floue en mode glissant pour le contrôle robuste de l’altitude et du lacet, ainsi que des régulateurs PID optimisée par l’algorithme d’optimisation par essaim de particules pour un suivi de position efficace. Les résultats de simulation confirment une amélioration significative de la précision de suivi, de la capacité de rejet des perturbations et une réduction de l’effort de commande, mettant en évidence l’intérêt de l’intégration des techniques de l’intelligence computationnelle pour l’autonomie avancée des drones.