Contribution à la sécurité et à la performance des robots téléopérés avec retour d'effort
Langue Anglais
Accéder au document

Ce document est protégé en vertu du Code de la Propriété Intellectuelle.

Modalités de diffusion de la thèse :
  • Thèse consultable sur internet, en texte intégral.
  • Thèse avec 2 versions : seule la version intégrale est proposée ; sur authentification (communication intranet).
 
Auteur : Alyousef Almasalmah, Fadi
Date de soutenance : 12-06-2025

Directeur(s) de thèse : Bayle, Bernard

Président : Laroche, Edouard
Rapporteur(s) : Poisson, Gérard - Hably, Ahmad
Membre(s) du jury : De Momi, Elena - Omran, Hassan - Liu, Chao

Établissement de soutenance : Strasbourg
Laboratoire : Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....)
École doctorale : École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)
 
Discipline : Robotique
Classification : Sciences de l'ingénieur, Médecine et santé

Mots-clés libres : Téléopération bilatérale, Chirurgie robotique, Sécurité en téléopération, Commande prédictive basée sur modèle (MPC), Auto-réglage du MPC, MPC Adaptatif Robuste, Filtres de Passivité, Commande à impédance variable (VIC)
Mots-clés :
  • Chirurgie robotique
Résumé : Cette thèse aborde les défis clés de la téléopération bilatérale pour des applications critiques telles que la chirurgie. Nous nous concentrons sur l'amélioration de la sécurité, de la transparence et de la robustesse en combinant la Commande Prédictive Basée sur Modèle (MPC), l'apprentissage et la préservation de la passivité. Nous introduisons d'abord un cadre MPC avec une méthode d'auto-réglage par Optimisation Bayésienne pour optimiser la transparence tout en respectant les contraintes de sécurité. Ensuite, nous développons un contrôleur adaptatif robuste de type Tube-MPC qui utilise l'apprentissage en ligne pour gérer l'incertitude du modèle et garantir le respect robuste des contraintes. Enfin, nous proposons une Commande à Impédance Variable (VIC) passive qui assure la stabilité via une optimisation en ligne. Les validations expérimentales et par simulation démontrent l'efficacité de nos approches pour une interaction homme-robot plus sûre.
 
Type de contenu : Text
Format : PDF
 
Entrepôt d'origine : STAR : dépôt national des thèses électroniques françaises
Identifiant : 2025STRAD008
Type de ressource : Thèse