Ghediri, AkramLamamra, Kheireddine2024-04-212024-04-212024http://dspace.univ-oeb.dz:4000/handle/123456789/18909This study presents a novel design for adaptive PID gain tuning in the context of robot manipulators’ PID Computed-Torque control. The approach incorporates Deep Deterministic Policy Gradient (DDPG) reinforcement learning to account for unmodeled dynamics and external disturbances. The main objective is to dynamically compute the outer-loop PID controller gains, ensuring minimal trajectory tracking errors while effectively rejecting disturbances and maintaining stable closed-loop dynamics. To implement the control scheme, a comprehensive understanding of the robot’s dynamics is necessary. Therefore, the study develops both the kinematic and dynamic equations for an n-link serial manipulator. The UR5e robot manipulator model is utilized, and the dynamic and kinematic parameters provided by the manufacturer and related works are considered to ensure accuracy. Simulation results demonstrate the effectiveness and robustness of the proposed approach. It successfully handles bounded internal and external disturbances, showcasing its ability to adapt and mitigate their effects. Additionally, the adaptive gain tuning offers improved trajectory tracking performance compared to conventional PID controllers. Overall, this work contributes to the advancement of control strategies for robot manipulators by integrating adaptive PID gain tuning with DDPG reinforcement learning. By addressing unmodeled dynamics and external disturbances, the proposed approach enhances the stability and tracking capabilities of robot manipulator systems. Cette étude présente une conception novatrice pour l'ajustement adaptatif des gains PID dans le contexte du contrôle PID de la commande de couple des manipulateurs robotiques. L'approche intègre l'apprentissage par renforcement Deep Deterministic Policy Gradient (DDPG) pour prendre en compte les dynamiques non modélisées et les perturbations externes. L'objectif principal est de calculer dynamiquement les gains du régulateur PID en boucle externe, garantissant des erreurs minimales de suivi de trajectoire tout en rejetant efficacement les perturbations et en maintenant une dynamique en boucle fermée stable. Pour mettre en œuvre le schéma de contrôle, une compréhension approfondie de la dynamique du robot est nécessaire. Par conséquent, l'étude développe à la fois les équations cinématiques et dynamiques pour un manipulateur série à n maillons. Le modèle de manipulateur robotique UR5e est utilisé, et les paramètres dynamiques et cinématiques fournis par le fabricant et les travaux connexes sont pris en compte pour assurer la précision. Les résultats de la simulation démontrent l'efficacité et la robustesse de l'approche proposée. Elle gère avec succès les perturbations internes et externes bornées, illustrant sa capacité à s'adapter et à atténuer leurs effets. De plus, l'ajustement adaptatif des gains offre une meilleure performance de suivi de trajectoire par rapport aux régulateurs PID classiques. Dans l'ensemble, ce travail contribue à l'avancement des stratégies de contrôle pour les manipulateurs robotiques en intégrant l'ajustement adaptatif des gains PID avec l'apprentissage par renforcement DDPG. En traitant les dynamiques non modélisées et les perturbations externes, l'approche proposée améliore la stabilité et les capacités de suivi des systèmes de manipulateurs robotiques.enUR5e robot manipulator; Adaptive PID control; Computed torque control; DDPG reinforcement learningThesis