Mémoire Pid

REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET
POPULAIRE
MINISTERE DE L’ENSEIGNEMENT SUPERIEUR ET DE LA
RECHERCHE SCIENTIFIQUE
UNIVERSITE SAAD DAHLEB BLIDA 1
INSTITUT D’AERONAUTIQUE ET DES ETUDES SPATIALES

Département de Navigation Aérienne
Projet de fin d’études

Pour obtenir le diplôme de Master en Aéronautique
Spécialité : Navigation Aérienne
Option : CNS/ATM
Thème
Contribution au développement d’un estimateur d’état d’un
vecteur aérien avec application sur la commande d’un système
Quadrotor
Présenté par : Dirigé par :

- MELIANI Amani Meryem - Dr ALLAM Ahmed ESTA
- Dr AZEMDROUB Bousaad IAES
IAES
2021 - 2022
I
Résumé
Le travail présenté s’inscrit dans le cadre de la navigation inertielle et la commande
des systèmes volants. En effet, il s’agit de concevoir un estimateur d’état d’un
vecteur aérien (les angles d’Euler et les coordonnées cartésiennes) en utilisant les
données issues des capteurs disponibles (Gyromètres, accéléromètres,
magnétomètres et récepteur GPS). L’estimation de l’état est faite en s’appuyant sur
la technique de fusion des données utilisant le Filtre complémentaire. Ce travail est
divisé deux parties, une partie de simulation sous Matlab-Simulink de l’estimateur
d’état et de la commande d’un Quadrotor, suivie par une partie expérimentale, i.e.,
implémentation sous la carte Arduino-UNO en utilisant des capteurs physiques
(MPU6050, HMC5883).
‫ملخص‬
‫ يتضمن هذا العمل القيام‬،‫يندرج العمل المقدم في هذه الوثيقة ضمن إطار المالحة بالقصور الذاتي والتحكم في أنظمة الطيران‬
‫ المستشعرات‬.‫بتصميم محاكاة وتنفيذ تجريبي لخوارزمية مستشعر لحالة نظام الطيران بتمثيل زوايا أولر واالحداثيات الجغرافية‬
‫ ثالثة مقاييس للسرعة الزاوية وثالثة مقاييس للحقل المغناطيسي ومستقبل نظام‬،‫المستخدمة لتنفيذ الع مل هي ثالثة مقاييس تسارع‬
.GPS ‫تحديد المواقع العالمي‬
‫ هذا العمل ينقسم الى محاكاة المستشعر ونظام‬.)‫تقدير الحالة لنظام الطيران قيد الدراسة يعتمد على تقنية دمج البيانات (مرشح إضافي‬
Arduino ‫ متبوع بتنفيذ تجريبي للمستشعر المدروس خالل هذه الوثيقة على لوحة‬Simulink R2020a ‫التحكم على برنامج‬
.(MPU6050, HMC5883). ‫ باستعمال المستشعرات الفيزيائية المتوفرة‬Uno
Abstract
The present work falls within the framework of inertial navigation and the control of
flying systems. Indeed, it is a question of designing a state estimator of an aerial
vector (the Euler angles and the Cartesian coordinates) by using the data resulting
from the available sensors (Gyrometers, accelerometers, magnetometers and GPS
receiver). The estimation of the state is made based on the data fusion technique
using the Complementary filter. This work is divided into two parts, a simulation part
under Matlab-Simulink of the state estimator and the state control of a Qudarotor,
followed by an experimental implementation part, i.e., under the Arduino-UNO board
using the physical sensors (MPU6050, HMC5883).
II
Table des matières

Résumé ....................................................................................................................... I
‫ ملخص‬............................................................................................................................. I
Abstract ....................................................................................................................... I
Table des matières ..................................................................................................... II
Liste des figures ......................................................................................................... V
Liste des abréviations :............................................................................................ VIII
Introduction Générale ............................................................................................. 1
Introduction générale .............................................................................................. 2
I. Chapitre I : Généralité sur la Navigation ........................................................ 3
I.1 Navigation : ................................................................................................... 4
I.2 Navigation inertielle : ..................................................................................... 4
I.3 Système de coordonnées : ........................................................................... 4
I.4 Les méthodes de représentation d’attitude : ................................................. 6
I.4.1 Les matrices de rotations :...................................................................... 6
I.4.2 Les quaternions : .................................................................................... 6
I.4.3 Les angles d’Euler : ................................................................................ 7
I.4.4 Comparaison entre les méthodes de représentation d’attitude :............. 8
I.5 Capteur utilisées à la navigation : ................................................................. 9
I.5.1 Capteurs intrinsèque :............................................................................. 9
I.5.2 Capteurs extrinsèques .......................................................................... 12
Conclusion : .......................................................................................................... 13
II. Chapitre II: Conception de l’estimation d’état d’un Quadrotor ............... 14
II.1 Introduction : ............................................................................................... 15
II.2 Description du Quadrotor : .......................................................................... 15
II.2.1 Les mouvements d’un quadrotor : ........................................................ 17
II.3 Modélisation du Quadrotor : ........................................................................ 20
 Hypothèse de la modélisation : ................................................................... 20
II.3.1 Les vitesses angulaires : ...................................................................... 21
II.3.2 Les vitesses linéaires :.......................................................................... 21
II.3.3 Les effets physiques agissant sur la structure du quadrotor : ............... 21
II.3.4 Modèle dynamique ............................................................................... 24
II.3.5 Modèle cinématique : ........................................................................... 25
III
II.4 La commande PID : .................................................................................... 26

II.4.1 Le contrôleur PID : ................................................................................ 26
II.4.2 Structure du contrôleur PID : ................................................................ 27
II.4.3 Contrôle d’altitude : ............................................................................... 27
II.4.4 Contrôle de l’attitude et la position : ...................................................... 29
II.5 Structure de l’estimateur d’état :.................................................................. 32
II.6 Modèles mathématique des capteurs et fusion de données : ..................... 33
II.6.1 Le filtre complémentaire : ..................................................................... 34
II.6.2 Fusion de données gyroscopes accéléromètre : .................................. 34
II.6.3 Modèle du capteur magnétomètre : ...................................................... 35
II.6.4 Fusion GPS - accelerometer ................................................................ 36
II.6.5 Les inconvénients de la prédiction des angles d’Euler : ....................... 36
II.7 Résultats de simulation : ............................................................................. 37
II.7.1 IMU sans bruit ...................................................................................... 37
II.7.2 IMU bruité : ........................................................................................... 41
II.8 Conclusion : ................................................................................................ 45
III. Chapitre III : Mise en œuvre de l’estimateur ............................................. 46
III.1 Introduction ................................................................................................. 47
III.2 Présentation du matériels de la plateforme ................................................. 47
III.2.1 Arduino Uno.......................................................................................... 47
III.2.2 Capteur MPU6050 : .............................................................................. 49
III.2.3 Magnétomètre HMC5883L ................................................................... 50
III.2.4 Afficheur LCD ....................................................................................... 51
III.2.5 Le Bus I2C ............................................................................................ 53
III.3 Schéma de câblage .................................................................................... 53
III.4 Mise en œuvre de la plateforme................................................................ 53
III.4.1 Expérience 1......................................................................................... 53
III.4.2 Expérience 2......................................................................................... 55
III.5 Algorithme de l’estimation ........................................................................... 57
III.6 L’acquisition des données : ......................................................................... 58
III.6.1 Expérience 01 ....................................................................................... 58
III.6.2 Expérience 2......................................................................................... 59
III.7 Conclusion .................................................................................................. 63
Conclusion Générale ............................................................................................ 64
IV. Annexes......................................................................................................... 66
IV
V. Annexe 01 : .................................................................................................... 67
Définition : ............................................................................................................. 67
Caractéristiques du WGN : ................................................................................... 67
Conclusion ............................................................................................................ 68
Bibliographie ............................................................................................................ 69
V
Liste des figures

Figure I-1 système de coordonnées mobile 4
Figure I-2 Système de coordonnées fixe 5
Figure I-3 : repère ENU. 6
Figure I-4 : repère NED. 6
Figure I-5 : boitier d’accéléromètre [7] 9
Figure I-6 Vue d’un système Gyroscope. 10
Figure I-7 : Vue d’un système Gyromètre [7]. 10
Figure I-8: centrale inertielle 11
Figure I-9: Récepteur GPS[9] 12
Figure II-1: Structure général d’un quadrirotor [10] 16
Figure II-2: Principe de fonctionnement du quadrotor[11] 16
Figure II-3: mouvement de roulis [12] 17
Figure II-4: mouvement de tangage d’un quadrotor [12] 18
Figure II-5: mouvement lacet d’un quadrotor [12]. 18
Figure II-6: Mouvement vertical d’un quadrotor[12] 19
Figure II-7 : mouvement de translation horizontale [12] 19
Figure II-8: présentation des repères fixe et mobile [10] 20
Figure II-9 : Implémentation sous Matlab du modèle dynamique du quadrotor. 25
Figure II-10 : Implémentation sous Matlab du Modèle cinématique de quadrotor. 26
Figure II-11: illustration de la structure de commande d’un Quadrotor. 27
Figure II-12: schéma de la boucle de contrôleur PID 27
Figure II-13: régulateur PID d'altitude 28
Figure II-14: Altitude contrôler par PID 28
Figure II-15: régulateur PID de Roulis 29
Figure II-16: Angle de roulis 29
Figure II-17: correcteur PID de tangage 30
Figure II-18: correction PID de tangage 30
Figure II-19: correcteur PID de lacet 31
Figure II-20: correction PID de lacet 31
Figure II-21 Modèle mathématique de gyroscope. 33
Figure II-22 Modèle mathématique de l’accéléromètre. 34
Figure II-23 Fusion de données des accéléromètres-gyroscopes par filtre
complémentaire. 35
Figure II-24: Structure de la fusion GPS-Accéléromètre 36
Figure II-25: allure de l’angle de roulis 𝝋(𝒕) 38
Figure II-26: allure de l’angle de tangage 𝜽(𝒕) 38
Figure II-27 l’allure de l’angle de lacet 𝝍(𝒕) 38
Figure II-28: allure de l’abscisse X(t) 39
Figure II-29: allure de l’ordonné Y(t) 39
Figure II-30: allure de Z(t) 40
Figure II-31: allure de vitesse linéaire U(t) 40
Figure II-32: allure de vitesse linéaire V(t) 40
Figure II-33: allure de vitesse linéaire W(t) 41
Figure II-34 : l’allure de l’angle de roulis (t) 41
Figure II-35: allure de l'angle de tangage 𝜽(𝒕) 42
VI
Figure II-36: l’allure de l’angle lacet 𝝍(𝒕) 42

Figure II-37: l’allure de l’abscisse X(t). 43
Figure II-38: l’allure de l’ordonné de Y(t). 43
Figure II-39: l’allure de Z(t). 43
Figure II-40: allure de vitesse linéaire U(t). 44
Figure II-41: L’allure de vitesse linéaire V(t) 44
Figure II-42: L’allure de vitesse linéaire W(t) 44
Figure III-1 Vue de la carte Arduino Uno. 47
Figure III-2: Logiciel IDE Arduino 49
Figure III-3: Orientation de MPU6050. 50
Figure III-4: Capteur MPU6050. 50
Figure III-5: Magnétomètre HMC5883L GY-273. 51
Figure III-6: branchement afficheur LCD avec Arduino Uno. 52
Figure III-7: schéma de câblage des capteurs avec la carte Arduino. 53
Figure III-8: L’allure des accélérations linéaires. 54
Figure III-9: L’allure des vitesses angulaires. 54
Figure III-10: les allures des angles 𝝋(𝒕) 𝒆𝒕 𝜽(𝒕). 55
Figure III-11: L’allure de l’angle de lacet 𝝍 à l’état de repos. 55
Figure III-12: les allures des accélérations linéaires. 56
Figure III-13: les allures des vitesses angulaires p(t), q(t) et r(t). 56
Figure III-14: les allures des angles 𝝋(𝒕) et 𝜽(𝒕). 57
Figure III-15: allure de l’angle de lacet 𝝍 avec des bruits et mouvements 57
Figure III-16: les allures des angles 𝝋 et 𝜽 l’état de repos. 58
Figure III-17: L’allure de 𝝍 à l’état de repos. 59
Figure III-18: l’allure de 𝝋(𝒕) et 𝜽(𝒕) lorsque 𝜽=45°. 60
Figure III-19: l’allure de 𝝍 lorsque 𝜽=45°. 60
Figure III-20: l’allure de 𝝋(𝒕) et 𝜽(𝒕) lorsque 𝝋=45°. 61
Figure III-21: l’allure de 𝝍(𝒕) lorsque 𝝋(𝒕)=45° 61
Figure III-22: allure de φ et θ lorsque φ=-45° 62
Figure III-23: allure de 𝝍lorsque 𝝋=-45° 62
Figure III-24:allure de 𝝋 et θ lorsque θ=-45° 63
Figure III-25: allure de 𝝍 lorsque 𝜽=-45° 63
VII
Liste des tableaux

Tableau I-1: caractéristiques des méthodes de représentation d’attitude 8
Tableau I-2: Les avantages et les inconvénients des télémètres 13
Tableau III-1: carractéristiques générals de la carte Arduino UNO 48
Tableau III-2- Caractéristiques générales du capteur MPU6050 50
Tableau III-3: Caractéristiques générales du magnétomètre capteur HMC5883L 51
Tableau III-4: Caractéristique d'un afficheur LCD 52
VIII
Liste des abréviations :

𝑏 : Coefficient de portance
𝑑 : La distance entre l’axe de rotation du rotor et le centre de gravité du Quadrotor
g : l’accélération gravitationnelle
𝐽 : Matrice d’inertie du système
𝐽𝑟 : Matrice d’inertie des rotors
𝐾𝑓𝑡 : Coefficient de traîné
𝐾𝑑 : Le gain dérivé du régulateur PID.
𝐾𝑖 : Le gain intégral du régulateur PID.
𝐾𝑝 : Le gain proportionnel du régulateur PID.
𝐿 : La latitude du point {a, b}
m: est la masse totale e
𝑆(Ω) : Squeusymetric matrix
𝑉 : vitesse linéaire
𝑥𝑑 : Position désiré selon x
𝑥̇ 𝑑 : Taux de variation de la position selon x
𝑦𝑑 : Position désiré selon y
𝑦̇ 𝑑 : Taux de variation de la position selon y
𝑧 : L’altitude du système quadrotor.
z𝑑 : L’altitude désirée.
ż 𝑑 : Taux de variation de l’altitude désiré.
Ω : vitesse de rotation de l’hélice
Ω𝑖 : vitesse de rotation du rotor
𝜑 : Angle de roulis.
𝜑𝑑 : Angle de roulis désiré.

IX
𝜑̇ 𝑑 : Taux de variation de l’angle de roulis désirée.
𝜃 : Angle de tangage
𝜃𝑑 : Angle de tangage désiré
𝜃̇𝑑 : Taux de variation de l’angle de tangage désiré
𝜓 : Angle de lacet
𝜓𝑑 : Angle de lacet désiré
𝜓̇ : Taux de variation de l’angle de lacet
𝜆: La longitude du point {a, b}
Δ𝐿 : La différence de latitude entre 𝐿𝑎 et𝐿𝑏 .

1
Introduction Générale
2
Chapitre01 : Généralité sur la navigation
Introduction générale
La course dans le monde entier au sujet de la robotique mobile touche

plusieurs domaines notamment la robotique marine, les véhicules routiers, la
robotique agricole ainsi que la robotique des systèmes volants autrement dit les
drones (quadrorotor, hexarotor). Plusieurs défis attendent ce domaine de
recherche comme la localisation dans un environnement dynamique, la
navigation dans un environnement social qui met en présence le robot avec
des personnes et la planification de mouvement en présence de contraintes.
Donc, le grand problème des drones n’est pas dans la partie mécanique mais
le problème majeur c’est la précision de la commande (les actionneurs) qui
provient de la précision de localisation et l’estimation de la position.
Ce document est pour objectif de concevoir et de réaliser un estimateur de la

posture d’un vecteur aérien par l’acquisition des données brutes d’une centrale
inertielle et un magnétomètre en présence de bruits et des contraintes liés aux
capteurs.
Dans le premier chapitre on va entamer la navigation et la navigation inertiel
ainsi les repères de référence en utilisant le repère ENU comme référentiel,
ensuite, on va introduire les capteurs qu’on va utiliser à la localisation des
systèmes volants.
Le deuxième chapitre est dédié à la modélisation du quadrotor, en premier lieu,
la description générale du système et ces mouvements, la modélisation
mathématique dynamique et cinématique du quadrotor. Après avoir modélisé le
système à étudier, on fait synthétiser une commande linéaire PID pour assurer
la poursuite d’une trajectoire de référence. Cette étape est cruciale afin de
pouvoir évaluer les performances de l’estimateur d’état en un scénario de vol
désiré. Par la suite, nous allons présenter le modèle mathématique de
différents capteurs utilisés à savoir le gyromètre, accéléromètre et
magnétomètres. Ensuite, l’approche de fusion de données serait illustrée
montrant le concept et le démarche d’implémentation.
Le troisième chapitre est consacré à la mise en œuvre de l’estimateur de
posture conçu. En premier, on va définir le matériel physique et logiciels utilisé
pour réaliser cet estimateur. Après, on va effectuer deux applications
expérimentales pour la mise en œuvre des capteurs MPU6050 et le
HMC5883L, l’une en état de repos et, l’autre en mouvement avec une
trajectoire désirée afin de présenter et d’évaluer les résultats données par
l’estimateur de la posture.
Enfin, on termine ce travail par une conclusion dans laquelle les résultats
obtenus sont récapitulés, suivie de quelques recommandations dans lesquelles
nous évoquons quelques perspectives à venir.
3
I. Chapitre I : Généralité sur la

Navigation
4
I.1 Navigation :
La navigation est l’ensemble des techniques qui permettent de connaître la

position d’un mobile par rapport à un système de référence, calculer la route
à suivre pour rejoindre un autre point de coordonnées connues et de
calculer toutes informations relative au déplacement de ce mobile(distance,
durée, vitesse, heure estimé d’arrivé …).
La navigation n’est pas réservée qu’aux avions mais aussi aux drones qui
sont mise au sien des autopilotes, qui se caractérise par plusieurs boucles
notant : boucles de navigation, de guidage et de stabilisation. Ces dernières
sont appelées les modes de contrôle.
On définit le plan de vol d’un robot aérien par la description de ces tâches
aux points de passage afin de réaliser le suivi de trajectoire en fonction des
états instantanés du système : position, altitude et cap.
I.2 Navigation inertielle :
La navigation inertielle, en anglais Inertial Navigation System, est une

technique de navigation utilisant des capteurs d’accélération et vitesse
angulaire pour but de déterminer le mouvement d’un véhicule. Elle est
totalement autonome de toute autre source de localisation globale.
I.3 Système de coordonnées :

Pour étudier le mouvement et l’attitude d’un corps rigide dans l’espace, deux
principaux systèmes de coordonnées sont présentés :
I.3.1.1 Système de coordonnés mobiles :

Ce système est lié à la structure du corps (Body Frame), il est composé de
trois axes orthonormés (𝑋𝐵 , 𝑌𝐵 , 𝑍𝐵 ). L’origine de ce système coïncide avec le
centre de gravité du corps et ces axes avec les axes d’inertie du solide [1].
Figure I-1 système de coordonnées mobile

5
I.3.1.2 Système de coordonnées fixes :
Pour but de navigation plusieurs systèmes de références sont présentés, le
plus utilisé pour l’analyse du mouvement et de l’attitude est le système de
navigation fixe (N) aussi appelé Local Tangent Plane [2]. Ce dernier est
composé de trois axes orthogonaux (𝑋𝑁 , 𝑌𝑁 , 𝑍𝑁 ), son origine est commune au
système fixé au corps rigide. Deux de ses axes forment un plan tangent local à
l’ellipsoïde terrestre [3].
Figure I-2 Système de coordonnées fixe
Ce système de coordonnées se décline selon deux modalités par rapport au

géoïde terrestre (Nord et gravité).
On distingue les deux conventions :
 NED : selon cette convention ; 𝑋𝑁 se dirige vers le Nord Magnétique

local, 𝑌𝑁 vers l’Est et l’axe 𝑍𝑁 vers la pesanteur.
 ENU : cette convention ressemble à la convention précédente sauf que
l’axe 𝑍𝑁 se dirige au sens opposé de la pesanteur.
La convention ENU sera utilisée par la suite de ce document.
6
Figure I-3 : repère ENU. Figure I-4 : repère NED.
I.4 Les méthodes de représentation d’attitude :
Dans le domaine aérospatiale on définit l’attitude qu’elle est la direction des

axes d’un aéronef par rapport à un repère définie.
I.4.1 Les matrices de rotations :

Une matrice de rotation permet d’identifier l’orientation de tout système de
coordonnées dans les trois dimensions de l’espace, par exemple le système mobile
(B) par rapport au système de navigation fixe (N). Cette matrice permet de
transformer tout vecteur du référentiel de navigation au référentiel mobile (lié à
l’objet) et vice versa. Elle est appelée aussi matrice de passage ou encore matrice
d’attitude. Une étude détaillée des matrices de rotations ainsi que leurs propriétés
ont été proposée par (Farrell et Barth) [3].
I.4.2 Les quaternions :

L’approche par les quaternions permet de représenter efficacement l’attitude
d’un objet et de formuler la composition de ses rotations 3D. Cette représentation,
appelée aussi paramètre symétrique d’Euler, a été mise en forme par William Rowan
Hamilton en 1843 [4] .Le quaternion est un nombre hypercomplexe de dimension 4.
Ils sont composés par une composante scalaire et une autre de forme vectoriel.
L’élément scalaire du quaternion est définit 𝑞0 et l’élément vectoriel définit par [5] :
𝑞𝑣𝑒𝑐𝑡𝑒𝑢𝑟 = 𝑖𝑞1 + 𝑗𝑞2 + 𝑘𝑞3 I-1
La représentation mathématique des quaternions est la suivante :
𝑞 = 𝑞0 + 𝑞𝑣𝑒𝑐𝑡𝑒𝑢𝑟 = 𝑞0 + 𝑖𝑞1 + 𝑗𝑞2 + 𝑘𝑞3 I-2
Avec:
𝑞1 2 + 𝑞2 2 + 𝑞3 ² + 𝑞4 ² = 1 I-3
7
Avec 𝑞0 , 𝑞1 , 𝑞2 , 𝑒𝑡 𝑞3 son des nombre réels et 𝑖, 𝑗, 𝑘 son des coefficients imaginaires
satisfaisant les conditions :
𝑖 2 = 𝑗 2 = 𝑘 2 = −1 I-4
𝑖𝑗 = −𝑗𝑖 = 𝑘 I-5
𝑖𝑘 = −𝑘𝑖 = 𝑗 I-6
𝑘𝑗 = −𝑗𝑘 = 𝑖 I-7
I.4.3 Les angles d’Euler :

Les angles d’Euler ont été développés par Leonard Euler pour décrire l’orientation
d’un corps rigide dans un espace à trois dimensions, l’orientation d’un objet dans
l’espace tridimensionnelle peut être définit par trois rotations unitaires successives,
chacune des rotations est effectué à chaque étape autour d’un seul axe de système
de coordonné [3].
 Propriétés des angles d’Euler :
Pour passer du repère fixe N (𝑋𝑁 , 𝑌𝑁 , 𝑍𝑁 ) vers le repère mobile B (𝑋𝐵 , 𝑌𝐵 , 𝑍𝐵 ) en

utilisant les angles d’Euler, on définit trois rotations successives par exemple ZXZ :
𝑅1 La rotation  se fait autour de l’axe 𝑍𝑁 obtenant alors (𝑈, 𝑉, 𝑍𝑁 )
𝑅2 La rotation  se fait autour de l’axe 𝑈 , obtenant alors (𝑈, 𝑊, 𝑍′)
𝑅3 La dernière rotation  fait autour de l’axe 𝑍′ pour arriver au système de

coordonnées mobile (𝑋𝐵 , 𝑌𝐵 , 𝑍𝐵 ).
Dans la suite de ce document on va utiliser la combinaison ZXY qui est définit

comme suit :
𝑅1 Une rotation  ∈ [−π , π] se fait autour de l’axe 𝑍𝑁 par angle de lacet (Yaw
angle).
𝜋 𝜋
𝑅2 Une rotation  ∈ [− 2 , 2 ] se fait autour du nouvel l’axe 𝑌𝑁 (après avoir effectué la
rotation autour de 𝑍𝑁 ) par angle de tangage (Pitch angle).
𝑅3 La dernière rotation 𝜑 ∈ [−𝜋 , 𝜋] se fait autour du nouvel l’axe 𝑋𝑁 par un angle de

roulis (Roll angle).
La matrice de passage du système de coordonnées fixe N au système de

coordonnées mobile est donnée par :
𝑐𝑜𝑠 𝑠𝑖𝑛 0 𝑐𝑜𝑠𝜃 0 −𝑠𝑖𝑛𝜃 1 0 0
𝑅1 = [−𝑠𝑖𝑛 𝑐𝑜𝑠 0] 𝑅2 = [ 0 1 0 ] 𝑅3 = [0 𝑐𝑜𝑠𝜑 𝑠𝑖𝑛𝜑] I-8
0 0 1 𝑠𝑖𝑛𝜃 0 𝑐𝑜𝑠𝜃 0 −𝑠𝑖𝑛𝜑 𝑠𝑖𝑛𝜑
8
𝑐𝜑𝑐𝜃 𝑠𝜑𝑐𝜃 −𝑠𝜃
𝑅𝑁𝐵 = [−𝑠𝜑𝑐𝜃 + 𝑐𝑠𝜃𝑠𝜑 𝑐𝜑𝑐 + 𝑠𝜑𝑠𝜃𝑠 𝑐𝜃𝑠𝜑 ] I-9
𝑠𝑠𝜑 + 𝑐𝑐𝜑𝑠𝜃 −𝑐𝜑𝑠 + 𝑠𝜃𝑠𝑐𝜑 𝑐𝜃𝑐𝜑
Avec cos et sin son noté respectivement c et s.
Pour passer du système de coordonnées mobiles vers le système de coordonnées

fixe, on utilise la combinaison inverse XYZ et la matrice soit donné par :
𝑅𝐵𝑁 = (𝑅𝑁𝐵 )𝑇 I-10
I.4.4 Comparaison entre les méthodes de représentation d’attitude :

L’analyse des propriétés mathématiques des méthodes de représentation d’attitude
est synthétisée dans le tableau ci-dessous :
Tableau I-1: caractéristiques des méthodes de représentation d’attitude
Méthode Notation Avantages Inconvénients
 La matrice de
rotation ne
comporte pas de
fonctions
trigonométriques.  Six paramètres
 Absence de redondants.
Matrice de
𝑅𝑎𝑏 singularité  Neuf paramètres à
rotation
géométrique. estimer.
 L’équation associée
à la matrice de
rotation est linéaire.
 Quatre paramètres
 Les angles d’Euler
à estimer.
ne sont pas
 Pas de fonctions
directement
trigonométriques.
disponibles.
 Absence de
 La matrice de
Quaternions q singularité
transformation n’est
géométrique.
pas directement
 Un seul paramètre
disponible.
redondant.
9
 Trois paramètres  Présence de

indépendants. singularité lorsque
 Initialisation directe l’angle de tangage
des angles roulis, rapproche 90°.
Les angles tangage et lacet.  Equations
𝜑, 𝜃, 
d’Euler  Pas de paramètres différentielles non-
redondants. linéaires.
 l’ordre de rotation est
important.
I.5 Capteur utilisées à la navigation :
Le positionnement d’un robot(UAV) est basé sur les informations issues des
nombreux capteurs des systèmes embarqués, on note :
I.5.1 Capteurs intrinsèque :
Un capteur intrinsèque est un capteur qui fournit l’information propre au

comportement interne du robot ; on peut identifier les capteurs suivants :
a. Les accéléromètres :
L’accéléromètre est un capteur qui mesure l’accélération linéaire en un point
donnée. La mesure d’accélération est effectué à l’aide d’une masse d’épreuve « m »
lié au boitier du capteur [6]. Ce capteur mesure l’effort massique non gravitationnel,
le calcul du déplacement élémentaire s’effectue par double intégration de ces
informations; mais elle conduite à une accumulation d’erreur.
Figure I-5 : boitier d’accéléromètre [7]

10
b. Gyroscope
Un gyroscope est un dispositif utilisant la gravité terrestre pour déterminer

l'orientation. Les capteurs gyroscopiques sont des dispositifs détectant la vitesse
angulaire, qui est le changement d'angle de rotation par unité de temps. La vitesse
angulaire est généralement exprimée en deg/s (degrés par seconde). Il existe trois
types de gyroscopes de base : rotatifs (classique), à structure vibrante et optiques
[7].
Figure I-6 Vue d’un système Gyroscope.
c. Gyromètre
Mesurent l’orientation du robot mobile, cette mesure est intégrer pour calculer la
position. Ces aident à diminuer l’imprécision sur l’orientation dans le cas de fusion
de données.
Figure I-7 : Vue d’un système Gyromètre [7].

11
d. Gyrocompas
Le gyrocompas donne l’information sur le cap, il est constitué d’un gyroscope et

compas magnétique, il conserve le nord magnétique durant tout déplacement du
mobile.
e. Magnétomètre
Ce capteur n’est pas considérer comme capteur inertielle, mais les centrales
inertielles (IMU) à faible coût (IMU MEMES) en plus d’une triade d’accéléromètre et
une triade de gyroscope on trouve une triade de magnétomètre ; cette architecture
facilite la détermination d’attitude d’une centrale inertielle à faible coût. Les
magnétomètres permettent de mesurer le champ magnétique local qui est composé
du champ magnétique terrestre et perturbation local (perturbation lié au capteurs ou
bien lié à l’environnement extérieur).
f. La centrale inertielle :
Le capteur inertiel est un dispositif équipé par trois accéléromètres, trois
gyroscopes et un calculateur de temps réel. Ce capteur donne l’ ’information sur la
vitesse ou sur l’accélération, l’intégration de l’un des deux peut nous conduire au
calcul de la distance. Son principe est que les informations issues des
accéléromètres de chaque axe ainsi que les informations d’attitude issues des
gyroscopes (tangage, roulis et lacet) sont traitées dans l’unité de mesure inertielle,
les systèmes qui déterminent la pose de robot à partir des accéléromètres et des
gyromètres sont appelés système de navigation inertielle. Les capteurs inertiels sont
utilisés pour former des systèmes munis d'un calculateur et d'une électronique de
mise en œuvre capables de délivrer des informations utiles à la navigation et au
pilotage. Parmi ces systèmes, on cite : les INS (Inertial Navigation System), les
INS/GPS, les IRS (Inertial Reference System), les AHRS (Attitude and Heading
Reference System). Les AHRS sont des combinaisons d’instruments capables de
donner une estimation précise de roulis, de tangage et de lacet d’un véhicule en
mouvement [8].
Figure I-8: centrale inertielle

12
I.5.2 Capteurs extrinsèques
Ces capteurs sont utilisés pour collecter les informations sur l’environnement
d’évolution du système mobile. Ils représentent le complément indispensable des
capteurs intrinsèques présenté précédemment.
a. Récepteur GPS
GPS abréviation de Global Positioning System, est utilisé pour le positionnement
universel en exploitant les ondes électromagnétiques pour la localisation immédiate
à l’aide de 32 satellites (24 satellite en service à chaque instant), dispatché sur six
orbites terrestre géostationnaires avec une précision de 5 à 10m au plus.
Un récepteur GPS conventionnel est constitué de deux parties :
 Une partie analogique qui englobe l’antenne de réception, l’étage radio

fréquence qui contient un oscillateur local, un convertisseur analogique
numérique parfois associé à un AGC (Amplifier Gain Control), des filtres.
 La partie digitale contient deux autres parties : la première englobe des
canaux constitués des étages d’acquisition et de poursuite du signal, cette
parte est généralement implémentées sur des circuits ASIC (Application
Specific Integrated Circuit), la deuxième partie est réalisée par un
microprocesseur, elle est dédiée au traitement des données pour obtenir la
position du récepteur [9].
Figure I-9: Récepteur GPS[9]
b. Les télémètres
Les télémètres sont des outils de mesure de distance, les plus utilisés actuellement
sont les télémètres à bailliage laser, ils sont équipés par un faisceau laser tournant
sur un plan pour but de mesurer la distance des objets coupent ce plan. Il existe trois
types des télémètres :
 Les ultrasons : ils utilisent des ondes sonores pour calculer la distance entre
capteur et obstacle (mur, montagne, porte,…)
13
 Les télémètres infrarouges : ils utilisent la lumière infrarouge pour la détection
au lieu de l’onde sonore.
 Les télémètres laser 3D : scanner en pivotant sur un axe vertical ou sur deux
axes avec deux scanners perpendiculaires.
Tableau I-2: Les avantages et les inconvénients des télémètres

Les avantages Les inconvénients
 Haute précision.
 Mesure directe.  Très chers.
 Mesure de distance par rapport à  Non-utilisés dans les terrains
un grand nombre de points fixes accidentés.
Conclusion :
Au cours de ce chapitre, nous avons abordé les notions et les outils relatifs à la
navigation et la navigation inertielle. Ensuite, nous avons présenté les systèmes
de coordonnées ainsi que les différentes méthodes de représentation d’attitude
d’un UAV en précisant les avantages et les inconvénients de chaque méthode.
Après, nous avons cité les capteurs utilisés pour la prédiction de la pose d’un
UAV dans un espace tridimensionnel.
Dans le chapitre par la suite, nous allons aborder la modélisation mathématique

d’une machine volante (Quadri rotor) et les modèles des capteurs de l’attitude
afin d’estimer sa position dans l’espace de son évolution.
II. Chapitre II: Conception de
l’estimation d’état d’un
Quadrotor
15
Chapitre02 : Conception de l’estimation d’état d’un UAV
II.1 Introduction :
Dans le but de contrôle d’attitude et la position, la modélisation du système

occupe une partie importante. Pour cela, il est indispensable de bien connaître la
structure générale du système et son environnement d’évolution. En effet, le modèle
développé facilite l’analyse du comportement du système pour des diverses
conditions.
Les quadrotors sont classés dans la catégorie des systèmes mécaniques

complexe vu le nombre des effets physique et les forces qui affectent sa dynamique.
Le modèle du quadrotor sera obtenu en appliquant les lois de Newton qui relient la
somme des forces et des moments avec les accélérations linéaires et les vitesses
angulaires d’un corps rigide. Afin d’achevé le modèle mathématique qui représente
le système on utilise un repère local lié à la structure (repère mobile), et encore un
repère globale fixe (repère fixe).
Dans ce chapitre, nous allons développer le modèle mathématique qui décrit le

système quadrotor et ses mouvements dans l’espace d’évolution. En premier, nous
allons décrire le système à étudier, les changements de son état et les référentiels
utilisés pour le modéliser. Ensuite, nous définirons les paramètres cinématiques et
dynamiques décrivant l’évolution le système qui est considéré dans notre étude
comme un corps rigide. En appliquant les lois de Newton de la dynamique de
translation et le théorème d’Euler pour la dynamique de rotation, nous allons avoir le
modèle mathématique qui décrit la dynamique et la cinématique du quadrotor.
Enfin, nous allons définir l’estimateur qu’on va réaliser dans le chapitre suivant ainsi
que la simulation qui se fait sur Simulink R2021a en décrivant les méthodes de
fusion de données utilisés pour avoir des estimations précise et plus proche au
réalité.
II.2 Description du Quadrotor :

Un quadrotor est un robot mobile aérien à quatre rotors définit dans l’espace par
6DDL (Degrés De Libertés). Ces quatre rotors sont placés aux extrémités d’une
croix, au centre se trouve tout l’équipement nécessaire au bon fonctionnement du
quadrotor.
16
Figure II-1: Structure général d’un quadrirotor [10]
Le quadrotor présente un mouvement indésirable de tourner autour de lui même,

pour l’éviter il est nécessaire que deux hélice placé aux extrémités opposés
tourne dans le même sens et les deux autres dans le sens inverse.
En variant la puissance des quatre rotors d’une façon astucieuse on peut faire
monter/descendre, incliner à gauche/droite par mouvement de roulis ou bien en
avant/arrière par mouvement de tangage ou encore faire pivoter sur lui-même
par un mouvement de lacet.
Figure II-2: Principe de fonctionnement du quadrotor[11]
En résumé, un quadrirotor possède 6 DDL, trois mouvements de rotation et trois

mouvements de translation, ces six degrés de liberté sont commandés par quatre
déclencheurs seulement, donc, c’est un système sous actionné (le nombre des
entrés est inferieurs au nombre des sorties).
17
II.2.1 Les mouvements d’un quadrotor :
En variant la vitesse de chaque rotor ou bien couple de rotor (deux rotors situé
en opposition sur la crois) on aura un mouvement différent de notre système, le
quadrotor incline vers la direction du rotor le plus lent. Comme à un hélicoptère
classique, les mouvements sont couplés, qui signifit que le quadrotor ne peut pas
réaliser une translation sans faire un mouvement de roulis ou tangage ça
implique qu’un mouvement du système affecte au moins sur trois degré de
liberté.
On distingue cinq mouvements basiques définis comme suit :
a. Mouvement de roulis (Roll) :
On applique un couple autour de l’axe 𝑥 ce qui vaut une différence de poussée

entre les rotors 2 et 4 on va donc obtenir un mouvement de roulis comme il est
montré dans la figure ci-dessous :
Figure II-3: mouvement de roulis [12]
b. Mouvement de tangage (Pitch) :
Lorsqu’on applique le couple autour de l’axe 𝑦 on va avoir donc une différence de

poussée entre les rotors 1 et 3 qui produit un mouvement de tangage. Ce dernier est
couplé avec un mouvement de translation sur l’axe𝑥.
18
Figure II-4: mouvement de tangage d’un quadrotor [12]
c. Mouvement de lacet (Yaw) :
Pour but de l’application d’un couple autour de l’axe 𝑧, nous allons appliquer une
différence de vitesse entre les 4 rotors couplés 1,3 et 2,4. Ce mouvement est le
résultat des couples réactifs résultants de la rotation des rotors ainsi que la
poussé produit par les propulseurs. La figure ci-jointe montre comment ce fait le
mouvement de lacet :
Figure II-5: mouvement lacet d’un quadrotor [12].
d. Mouvement vertical (Throtle) :
Il s’agit d’un mouvement de monter ou descendre le quadrotor. Ce mouvement est

obtenu par la variation de la vitesse de rotation des 4 rotors en produisant une
poussé, si la poussé produite est supérieur au poids du qudrotor il va monter, alors il
va descendre si le poids est supérieur.
19
Figure II-6: Mouvement vertical d’un quadrotor[12]
Mouvement de translation horizontale :
Pour translater notre quadrotor le long de l’axe 𝑥 ou 𝑦 on va appliquer donc une

force le long de l’axe voulu par un roulement ou tangage en augmentant toute la
poussée produite afin de garder la composante de𝑧.
La figure suivante montre un mouvement de translation selon l’axe y produit par

un roulement :
Figure II-7 : mouvement de translation horizontale [12]

20
II.3 Modélisation du Quadrotor :

La modélisation dynamique du quadrotor est considérer comme une tâche
délicate puisque la dynamique du système est fortement non linéaire et
pleinement couplée.
 Hypothèse de la modélisation :
Afin de déterminer le modèle dynamique certaines hypothèses simplifiant ont
été utilisées :
 La structure du quadrotor est supposée rigide.
 La structure est parfaitement symétrique, alors, la matrice d’inertie sera
supposée diagonale.
 L’origine du repère mobile lié à la structure du système est confondue avec
son centre de masse.
 Les hélices sont supposées rigides pour négliger l’effet de leur déformation.
 Les forces de portance et de traîné sont proportionnel aux carré de la vitesse
de rotation des rotors.
Pour décrire la position et l’orientation du quadrotor, deux repères sont utilisés :
 Le repère de navigation fixe N, on choisit la combinaison ENU (North East

Up).
 Le repère mobile lié à la structure du système 𝐵 (Body Frame).
 L’axe 𝑍 du repère fixe et du repère mobile sont dans la même direction
comme donnée dans la figure ci-dessous :
Figure II-8: présentation des repères fixe et mobile [10]

21
Le passage du repère fixe 𝑅𝑁 au repère mobile 𝑅𝐵 est subi en utilisant les angles
d’Euler et les matrices de rotation.
II.3.1 Les vitesses angulaires :

La vitesse angulaire notée 𝜔 = [𝑝 𝑞 𝑟]𝑇 est exprimé dans le repère mobile 𝑅𝐵 ,
on peut l’écrire en fonction des angles d’Euler comme suit :
𝑝 𝑝 𝜑̇ 0 0
̇
𝜔 = [𝑞 ] = [𝑞 ] [ 0 ] + 𝑅𝑜𝑡𝑥 (𝜑) [𝜃] + 𝑅𝑜𝑡𝑦 (𝜃)𝑅𝑜𝑡𝑥 (𝜑) [ 0 ] II-1
𝑟 𝑟 0 0 𝜓̇
Les vitesses angulaire sont définit par :
𝑝 1 𝑡𝑎𝑛𝜃𝑐𝑜𝑠𝜑 −𝑠𝑖𝑛𝜃 𝜑̇
[𝑞 ] = [0 𝑐𝑜𝑠𝜑 𝑠𝑖𝑛𝜑𝑐𝑜𝑠𝜃 ] [ 𝜃̇ ] II-2
𝑟 0 −𝑠𝑖𝑛𝜑 𝑐𝑜𝑠𝜑𝑐𝑜𝑠𝜃 𝜓̇
II.3.2 Les vitesses linéaires :

Les vitesses linéaires du centre du quadrirotor notées 𝑉𝑁 = [𝑥̇ 𝑦̇ 𝑧̇ ]𝑇 dans le
repère fixe 𝑅𝑁 en fonction des vitesses linéaires exprimées dans le repère 𝑅𝐵 (Body
Frame) 𝑉𝐵 = [𝑢 𝑣 𝑤]𝑇 données par :
𝑥̇ 𝑢
𝐵
[𝑦̇ ] = 𝑅𝑁 [ 𝑣 ] II-3
𝑧̇ 𝑤
II.3.3 Les effets physiques agissant sur la structure du quadrotor :

Comme il a été mentionné au début de ce chapitre, la structure du quadrotor est
affectée par des effets physiques suivants :
II.3.3.1 Les forces

a. Le poids du quadrotor :
Donné par 𝐹𝑔 = 𝑃 = 𝑚. 𝑔 II-4
Où m est la masse totale et g l’accélération gravitationnelle.
b. Les forces de poussée (portance):
Ces forces sont générer par la rotation des hélices, elles sont proportionnelles au
carré des vitesses de rotation des rotors et perpendiculaire au plan des hélices.
Données par l’équation suivante :
𝐹𝑡 = ∑ 𝑏. 𝛺² II-5
𝑖=1
22
Ω : vitesse de rotation de l’hélice

c. La trainé :
Cette force est le couplage entre les forces de pression et les frottements
visqueux, on distingue deux force de trainé l’une des hélices est négligeable
afin de facilité la modélisation du corps et l’autre selon les axes est exprimé
par :
𝐹𝑓 = 𝐾𝑓𝑡 . 𝑉 II-6
𝐾𝑓𝑡 : Coefficient de traîné
𝑉 : vitesse linéaire
Le modèle mathématique selon la loi de la dynamique fondamental est donné par :
𝑚𝜉̈ = 𝐹𝑔 + 𝐹𝑡 + 𝐹𝑓 II-7
II.3.3.2 Les moments

a. Les moments due à la force de poussé
On trouve trois moments le long des trois axes :
La rotation selon 𝑥 (Roll) : moment des rotors 2 et 4 donnée par :
𝑢2 = 𝑑(𝐹4 − 𝐹2 ) II-8
Avec 𝐹𝑖 = 𝑏. Ω𝑖 ²
𝑑 : La distance entre l’axe de rotation du rotor et le centre de la croix du
Quadrotor
Ω𝑖 : vitesse de rotation du rotor
La rotation selon 𝑦 (Pitch) : moment des rotors 1 et 3 donnée par :
𝑢3 = 𝑑(𝐹3 − 𝐹1 ) II-9
b. Moments due aux force de traîné
La rotation selon 𝑧 (Yaw) : moments des quatre rotors donnée par :
𝑢4 = 𝑑(Ω12 − Ω22 + Ω23 − Ω24 ) II-10

23
c. Les moments gyroscopiques

 Moments gyroscopique des hélices :
Donnée par :
4
𝑀𝑔𝑛 = ∑ 𝜔 ∧ 𝐽𝑟 [0 0 (−1)𝑖+1 Ω𝑖 ²]𝑇 II-11

𝑖=1
𝐽𝑟 : Matrice d’inertie des rotors
 Moments gyroscopique des mouvements du quadrotor :

Défini par :
𝑀𝑔𝑚 = Ω ∧ 𝐽Ω II-12
𝐽 : Matrice d’inertie du système
Le modèle mathématique selon Newton-Euler est exprimé comme suit :
𝜉̇ = 𝑉
𝑚𝜉̈ = 𝐹𝑓 + 𝐹𝑡 + 𝐹𝑔
II-13
𝑅̇ = 𝑅. 𝑆(𝛺)
{𝐽𝛺̇ = −𝛺 ∧ 𝐽𝛺 + 𝑀𝑓 − 𝑀𝑎 − 𝑀𝑔ℎ
Avec : 𝜉 = [𝑥 𝑦 𝑧]𝑇
−𝐾𝑓𝑡𝑥 0 0
𝐹𝑓 = [ 0 −𝐾𝑓𝑡𝑦 0 ].𝑉 II-14
0 0 −𝐾𝑓𝑡𝑧
0
𝐹𝑔 = 𝑚. [ 0 ] II-15
−𝑔
L’accélération gravitationnelle g est prise négative dans notre cas car on utilise le
repère ENU (North East UP).
𝑆(Ω) : Matrice antisymétrique donnée par :
0 −Ω1 Ω2
𝑆(Ω) = [ Ω3 0 −Ω3 ] II-16
−Ω2 Ω1 0
24
𝐽 : Matrice d’inertie du système :
𝐼𝑥 0 0
𝐽 = [0 𝐼𝑦 0] II-17
0 0 𝐼𝑧
𝑀𝑓 : Moment de poussé et de traîné
𝑑(𝐹4 − 𝐹2 )
𝑀𝑓 = [ 𝑑(𝐹3 − 𝐹1 ) ] II-18
2 2 2 2
𝑑(𝜔1 − 𝜔2 + 𝜔3 − 𝜔4 )
𝑀𝑔ℎ : Moment résultant des frottements visqueux
𝐾𝑓𝑎𝑥 𝜑²̇
𝑀𝑎 = 𝐾𝑓𝑎𝑦 𝜃²̇ II-19
[𝐾 𝜓²̇]
𝑓𝑎𝑧
II.3.4 Modèle dynamique

Les équations du modèle dynamique du quadrotor sont données comme suit :
𝐼𝑦 − 𝐼𝑧 𝐾𝑓𝑎𝑥 2 𝑑 𝐽𝑟
𝑝̇ = 𝑞𝑟 − 𝑝 + 𝑢2 − 𝑞
𝐼𝑥 𝐼𝑥 𝐼𝑥 𝐼𝑥
𝐼𝑧 − 𝐼𝑥 ̅
𝐽𝑟 Ω 𝐾𝑓𝑎𝑦 2 𝑑
𝑞̇ = 𝑝𝑟 − 𝑝− 𝑞 + 𝑢3 II-20
𝐼𝑦 𝐼𝑦 𝐼𝑦 𝐼𝑦
𝐼𝑥 − 𝐼𝑦 𝐾𝑓𝑎𝑧 2 𝑑
𝑟̇ = 𝑝𝑞 − 𝑟 + 𝑢4
𝐼𝑧 𝐼𝑧 𝐼𝑧
̇ϕ = 𝑝 + tan𝜃(𝑞𝑠𝑖𝑛𝜑 + 𝑟𝑐𝑜𝑠𝜃)
𝜃̇ = 𝑞𝑐𝑜𝑠𝜑 − 𝑟𝑠𝑖𝑛𝜑 II-21
1
𝜓̇ = (𝑞𝑠𝑖𝑛𝜑 + 𝑟𝑐𝑜𝑠𝜑)
𝑐𝑜𝑠𝜃
𝑈̇ 𝑝 𝑈 𝑥̈
( 𝑉̇ ) = − (𝑞 ) ∧ ( 𝑉 ) + [𝑦̈ ] II-22
𝑊̇ 𝑟 𝑊 𝑧̈
0 𝐾𝑓𝑎𝑥 𝑈
𝑥̈ 1 0 1
[𝑦̈ ] = − [ 0 ] + 𝑅𝑁𝐵 [ 0 ] − [ 𝐾𝑓𝑎𝑦 𝑉 ] II-23
𝑚 𝑢 −𝑔 𝑚
𝑧̈ 1 𝐾𝑓𝑎𝑧 𝑊
𝑎𝑥 0 0 𝐾 𝑈
𝑥̈
𝐵
1 0 𝐵
1 𝑓𝑎𝑥
[𝑎𝑦 ] = [𝑦̈ ] + 𝑅𝑁 [ 0 ] = − [ 0 ] + 2𝑅𝑁 [ 0 ] − [ 𝐾𝑓𝑎𝑦 𝑉 ] II-24
𝑎𝑧 𝑧̈ −𝑔 𝑚 𝑢 −𝑔 𝑚
1 𝐾𝑓𝑎𝑧 𝑊
25
L’implémentation du modèle dynamique se fait sous Simulink R2020a :
Figure II-9 : Implémentation sous Matlab du modèle dynamique du quadrotor.
II.3.5 Modèle cinématique :

Le modèle cinématique permit de prédire le mouvement du système volant
(quadrotor) par définir [𝑋, 𝑌, 𝑍, 𝑈, 𝑉, 𝑊, 𝜑, 𝜃, 𝜓] à partir des mesures de l’IMU (Inertial
Measerment Unit)[𝑝, 𝑞, 𝑟, 𝑎𝑥 , 𝑎𝑦 , 𝑎𝑧 ], les équations suivantes définir le modèle
cinématique :
𝑥̈ 𝑐𝜃𝑐𝜓 𝑐𝜃𝑠𝜓 −𝑠𝜃 𝑇 𝑈

[[𝑦̈ ] = [𝑠𝜃𝑠𝜑𝑐𝜓 − 𝑠𝜓𝑐𝜑 𝑠𝜓𝑠𝜃𝑠𝜑 + 𝑐𝜓𝑐𝜑 𝑠𝜑𝑐𝜃] [ 𝑉 ]] II-25
𝑧̈ 𝑠𝜃𝑐𝜑𝑐𝜓 + 𝑠𝜓𝑠𝜑 𝑐𝜑𝑠𝜃𝑠𝜓 − 𝑠𝜑𝑠𝜓 𝑐𝜑𝑐𝜃 𝑊
𝑈̇ 𝑎𝑥 + 𝑉𝑟 − 𝑊𝑞 + 𝑔𝑠𝑖𝑛𝜃
[ 𝑉̇ ] = [𝑎𝑦 − 𝑈𝑟 + 𝑊𝑝 − 𝑔𝑐𝑜𝑠𝜃𝑠𝑖𝑛𝜑 ] II-26
𝑊̇ 𝑎𝑧 + 𝑈𝑞 − 𝑉𝑝 − 𝑔𝑐𝑜𝑠𝜃𝑐𝑜𝑠𝜑
𝜑̇ 1 𝑠𝑖𝑛𝜑𝑡𝑎𝑛𝜃 𝑐𝑜𝑠𝜑𝑡𝑎𝑛𝜃 𝑝
̇
[ 𝜃 ] = [0 𝑐𝑜𝑠𝜑 −𝑠𝑖𝑛𝜑 ] [𝑞 ] II-27
𝜓̇ 0 𝑠𝑖𝑛𝜑𝑠𝑒𝑐𝜃 𝑐𝑜𝑠𝜑𝑠𝑒𝑐𝜃 𝑟
1
Avec 𝑠𝑒𝑐𝜃 = 𝑐𝑜𝑠𝜃
26
L’implémentation du modèle cinématique sous simink R2020a :
Figure II-10 : Implémentation sous Matlab du Modèle cinématique de quadrotor.
Le block IMU en vert c’est une unité de mesure inertielle (Inertial Measerment Unit)
se trouve dans le Toolbox de Simulink, il effectue les mêmes calculs qu’une centrale
inertielle avec trois accéléromètres et trois gyroscopes.
II.4 La commande PID :
La commande par PID est la méthode la plus utilisée à l’échelle industrielle vu sa

simplicité et facilité à programmer sur un calculateur.
II.4.1 Le contrôleur PID :
Le PID abréviation de Proportionnel Intégral Dérivé, est un contrôleur utilisé dans

l’application industrielle pour ça simplicité, rapidité de réponse et la fourniture de
bonne stabilité. Ce contrôleur consiste de trois coefficient 𝐾𝑝 (proportionnel), 𝐾𝑖
(intégral), 𝐾𝑑 (dérivé), qui se varient avec chaque application afin d’obtenir des
réponses optimales et permettent d’atteindre la valeur souhaitée à la sortie.
La figure suivante illustre comment on effectue la commande sur un quadrotor :

27
Figure II-11: illustration de la structure de commande d’un Quadrotor.
II.4.2 Structure du contrôleur PID :
La figure II-11 illustre le schéma d’un régulateur PID en montrant les gains 𝐾𝑝 , 𝐾𝑖 et
𝐾𝑑 :
Figure II-12: schéma de la boucle de contrôleur PID
Le contrôleur PID est utilisé dans l’industrie car il est simple et efficace à réduire les
erreurs pour la plupart des systèmes.
II.4.3 Contrôle d’altitude :
Un régulateur PID est développée pour contrôler l’altitude d’un système quadrotor
par générer un signal d’entrée 𝑈1 définie par :
𝑈1 = 𝐾𝑝 (𝑧 − z𝑑 ) + K 𝑑 (𝑧̇ − ż 𝑑 ) + 𝐾𝑖 ∫(𝑧 − 𝑧𝑑 )𝑑𝑡 II-28

28
𝐾𝑝 , 𝐾𝑑 , 𝐾𝑖 : Les gains du régulateur proportionnel, dérivé et intégral respectivement.
𝑧 : L’altitude du système quadrotor.
z𝑑 : L’altitude désirée.
ż 𝑑 : Taux de variation de l’altitude désiré.
L’implémentation du régulateur PID conçu pour contrôler l’altitude :
Figure II-13: régulateur PID d'altitude
Figure II-14: Altitude contrôler par PID

29
II.4.4 Contrôle de l’attitude et la position :

II.4.4.1 Contrôle de l’attitude :
 Contrôle de roulis :
Un régulateur PID est conçu pour contrôler l’angle de roulis 𝜑 , la loi de

commande vaut :
𝑈2 = 𝐾𝑝 (𝜑 − 𝜑𝑑 ) + K 𝑑 (𝜑̇ − 𝜑̇ 𝑑 ) + 𝐾𝑖 ∫(𝜑 − 𝜑𝑑 )𝑑𝑡 II-29
𝜑 : Angle de roulis.²²
𝜑𝑑 : Angle de roulis désiré.
𝜑̇ 𝑑 : Taux de variation de l’angle de roulis désirée.
L’implémentation du régulateur :
Figure II-15: régulateur PID de Roulis

Résultat de régulateur :
Figure II-16: Angle de roulis

30
 Contrôle de tangage :
Un régulateur PID désigné pour le contrôle de l’angle de tangage 𝜃 donne un signal

d’entrée 𝑈3 définit comme suit :
𝑈3 = 𝐾𝑝 (𝜃 − 𝜃𝑑 ) + K 𝑑 (𝜃̇ − 𝜃̇𝑑 ) + 𝐾𝑖 ∫(𝜃 − 𝜃𝑑 )𝑑𝑡 II-30
𝜃 : Angle de tangage
𝜃𝑑 : Angle de tangage désiré
𝜃̇𝑑 : Taux de variation de l’angle de tangage désiré
Implémentation du correcteur :
Figure II-17: correcteur PID de tangage
Le résultat de la correction PID :
Figure II-18: correction PID de tangage

31
 Contrôle de lacet :
Le régulateur PID développé pour contrôler l’angle de lacet 𝜓 injecte un signal

d’entré 𝑈4 donnée par :
𝑈4 = 𝐾𝑝 (𝜓 − 𝜓𝑑 ) + K 𝑑 (𝜓̇ − 𝜓̇𝑑 ) + 𝐾𝑖 ∫(𝜓 − 𝜓𝑑 )𝑑𝑡 II-31
𝜓 : Angle de lacet
𝜓𝑑 : Angle de lacet désiré
𝜓̇ : Taux de variation de l’angle de lacet
Figure II-19: correcteur PID de lacet

Résultat de la correction :
Figure II-20: correction PID de lacet

32
II.4.4.2 Contrôle de la position :
Après avoir acquis des contrôleurs stables pour l’attitude et l’altitude du quad rotor,
un régulateur PID est développé pour contrôler les accélérations désirées 𝑥̈ 𝑑 et𝑦̈ 𝑑 , la
loi de contrôle vaut :
𝑥̈ 𝑑 = 𝐾𝑝 (𝑥 − 𝑥𝑑 ) + K 𝑑 (𝑥̇ − 𝑥̇ 𝑑 ) + 𝐾𝑖 ∫(𝑥 − 𝑥𝑑 )𝑑𝑡 II-32
𝑦̈ 𝑑 = 𝐾𝑝 (𝑦 − 𝑦𝑑 ) + K 𝑑 (𝑦̇ − 𝑦̇ 𝑑 ) + 𝐾𝑖 ∫(𝑦 − 𝑦𝑑 )𝑑𝑡 II-33
𝑥𝑑 : Position désiré selon x
𝑦𝑑 : Position désiré selon y
𝑥̇ 𝑑 : Taux de variation de la position selon x
𝑦̇ 𝑑 : Taux de variation de la position selon y
II.5 Structure de l’estimateur d’état :
Dans ce chapitre on a développé le modèle mathématique notant le modèle

dynamique et cinématique d’un appareil volant (Quadri rotor) afin de réaliser un
estimateur de position à l’aide des capteurs inertiels (IMU) et capteur magnétique
(Magnétomètre). L’estimateur qu’on va le mise en point constitue d’une centrale
inertiel de la technologie MEMS (Microelectromechanical System) MPU6050
équipé par trois accéléromètres et trois gyroscopes sur les trois axes [𝑥, 𝑦, 𝑧] un
par axes comme montrer dans la figure (2.9), plus un magnétomètre HMC5883L
(dans notre cas HW-127). Cet estimateur est contribué pour la prédiction de la
posture d’un uav en utilisant les angles d’Euler calculés à base des données des
capteurs, mais ils présentent des erreurs de positionnement à longue terme dans
le temps (le cumul des erreurs cause la fausse prédiction des angles d’Euler ce
qui conduit à des erreurs dans le calcul de position), pour cela, un récepteur GPS
est ajouté pour corriger les valeurs du vecteur de position [𝑥 𝑦 𝑧]𝑇 Le
récepteur GPS est intégré pour ça précision de détection de la position(5-10m).
La mise en œuvre de cet estimateur se fait grâce à un microcontrôleur

Atmega328P intégré sur une carte Arduino Uno.
33
II.6 Modèles mathématique des capteurs et fusion de données :

Les accéléromètres et les gyroscopes permettent de prédire les angles d’Euler à
base des mesures des accélérations linéaires [𝑎𝑥 , 𝑎𝑦 , 𝑎𝑧 ]et les vitesses
angulaires [𝑝, 𝑞, 𝑟]exprimés dans le repère mobile lié à la structure du corps rigide
(Body Frame).
Ces mesures nous permettent de prédire les angles d’Euler à travers le modèle
mathématique de chaque capteur :
Le modèle gyroscopique est donné par les équations suivantes :
ϕ̇ = 𝑝 + tan𝜃(𝑞𝑠𝑖𝑛𝜑 + 𝑟𝑐𝑜𝑠𝜃)
𝜃̇ = 𝑞𝑐𝑜𝑠𝜑 − 𝑟𝑠𝑖𝑛𝜑 II-34
1
𝜓̇ = (𝑞𝑐𝑜𝑠𝜑 + 𝑟𝑠𝑖𝑛𝜑)
𝑐𝑜𝑠𝜃
Ces équations permettent en premiers d’obtenir les dérivés des angles d’Euler,
après une simple intégration dans le temps on peut obtenir les angles visés :
𝜑̇ 1 𝑠𝑖𝑛𝜑𝑡𝑎𝑛𝜃 𝑐𝑜𝑠𝜑𝑡𝑎𝑛𝜃 𝑝
̇
[ 𝜃 ] = [0 𝑐𝑜𝑠𝜑 −𝑠𝑖𝑛𝜑 ] [𝑞 ] II-35
𝜓̇ 0 𝑠𝑖𝑛𝜑𝑠𝑒𝑐𝜃 𝑐𝑜𝑠𝜑𝑠𝑒𝑐𝜃 𝑟
𝜑 𝜑̇
[ 𝜃 ] = ∫ [ 𝜃̇ ] 𝑑𝑡 II-36
𝜓 𝜓̇
L’implémentation des équations du modèle gyroscopique sur Simulink R2020a:
Figure II-21 Modèle mathématique de gyroscope.

34
On peut aussi calculer les angles de roulis (𝜑) et de tangage (𝜃) à partir des
mesures des accéléromètres par les équations suivantes :
𝑎𝑦
𝜑𝑎𝑐𝑐 = 𝑎𝑟𝑐𝑡𝑎𝑛 ( ) II-37
√𝑎𝑥 ² + 𝑎𝑧2
−𝑎𝑥
𝜃𝑎𝑐𝑐 = 𝑎𝑟𝑐𝑡𝑎𝑛 ( ) II-38
√𝑎𝑦2 + 𝑎𝑧2
L’implémentation du modèle accéléromètres :
Figure II-22 Modèle mathématique de l’accéléromètre.
II.6.1 Le filtre complémentaire :
II.6.2 Fusion de données gyroscopes accéléromètre :

Pour avoir une estimation plus proche à valeur réelle des angles de roulis et de
tangage en exploitant les capteurs inertiels (gyroscopes et accéléromètres) on va
faire une fusion des estimations gyroscopique et des accéléromètres. Il existe
plusieurs méthode pour effectuer cette tâche de fusion notant l’utilisation des filtres
tels que : Filtre de Kalman, Filtre à particules, Filtre complémentaire. Dans ce
document, nous avons choisi le filtre complémentaire pour finaliser la fusion des
données estimées, ce choix est motivé par la simplicité de la mise en œuvre du filtre
choisis. Les équations par la suite montrent la procédure de la fusion :
𝜙𝑒𝑠𝑡 = 𝜂𝜙𝑔𝑦𝑟𝑜 + (1 − 𝜂)𝜙𝑎𝑐𝑐é𝑙 II-39
𝜃𝑒𝑠𝑡 = 𝜂𝜃𝑔𝑦𝑟𝑜 + (1 − 𝜂)𝜃𝑎𝑐𝑐é𝑙 II-40
𝜂 : Facteur de confiance aux capteurs, généralement il prend des valeurs proche de

l’unité ( 𝜂 = 0.99).
35
Les accéléromètres permettent de compenser le drift des gyroscopes.

Le modèle de fusion sous Simulink R2020a :
Figure II-23 Fusion de données des accéléromètres-gyroscopes par filtre

complémentaire.
II.6.3 Modèle du capteur magnétomètre :

Le capteur magnétomètre permis de calculer l’angle de lacet 𝜓 en utilisant les
relations reliant le cap avec le nord magnétique en donnant à la fin la direction du
système volant (quad rotor) qui est définit par l’équation suivante :
𝜓 = 𝑎𝑡𝑎𝑛2(𝑋, 𝑌) II-41
Sachant que X et Y donné par :
𝑋 = 𝑐𝑜𝑠𝜆𝑏 𝑠𝑖𝑛Δ𝐿 II-42
𝑌 = 𝑐𝑜𝑠𝜆𝑎 𝑠𝑖𝑛𝜆𝑏 − 𝑠𝑖𝑛𝜆𝑎 𝑐𝑜𝑠𝜆𝑏 𝑐𝑜𝑠Δ𝐿 II-43
Avec :
𝜆: La longitude du point {a b}
𝐿 : La latitude du point {a b}
Δ𝐿 : La différence de latitude entre 𝐿𝑎 et 𝐿𝑏 .

36
Le capteur magnétomètre subit un bruit sur les axes x et y, c’est-à-dire lors une
rotation de roulis ou de tangage on v avoir un changement sur le lacet, pour cela, le
modèle mathématique du capteur magnétomètre vaut :
𝜓 = 𝑎𝑡𝑎𝑛2(𝑚𝑥, 𝑚𝑦) II-44
Avec :
𝑚𝑥 = 𝑍𝑠𝑖𝑛(𝜑) − 𝑌𝑐𝑜𝑠(𝜑) II-45
𝑚𝑦 = 𝑋𝑐𝑜𝑠(𝜃) + 𝑌𝑠𝑖𝑛(𝜃) 𝑠𝑖𝑛(𝜑) + 𝑍𝑠𝑖𝑛(𝜃)𝑐𝑜𝑠(𝜑) II-46
II.6.4 Fusion GPS - accelerometer
Pour effectuer cette expérience on va récupérer les données du modèle dynamique

et ajouter un bruit puis on va les fusionner par filtre complémentaire avec les
données récupérées du modèle cinématique.
Figure II-24: Structure de la fusion GPS-Accéléromètre

II.6.5 Les inconvénients de la prédiction des angles d’Euler :
L’estimation des angles d’Euler en utilisant les capteurs inertiels présente des
inconvénients relatifs aux capteurs utilisés :
 La prédiction à travers les vitesses angulaires obtenues du gyroscope

présente un cumul des erreurs dans le temps à cause des intégrations dans
le temps et les bruits relatifs du capteur, mais au cours terme, les gyroscopes
sont très précis.
 Les accéléromètres permettent de prédire que les angles 𝜑𝑎𝑐𝑐 (𝑡) et 𝜃𝑎𝑐𝑐 (𝑡) et
ne donne pas la prédiction de l’angle 𝜓(𝑡). Aussi, les accéléromètres sont très
37
sensibles aux vibrations, c’est-à-dire, l’estimation se fait dans le cas où

l’accélération est faible.
 Le magnétomètre présente des erreurs de déclinaison magnétique et bruit du
capteur.
II.7 Résultats de simulation :

Au cours de ce chapitre on a développé deux modèles décrivant le Quadrotor, le
modèle dynamique décrit la trajectoire réelle parcourus par le système, et le modèle
cinématique basé sur les calculs de l’IMU donne la description de la trajectoire
prédite.
II.7.1 IMU sans bruit

Dans cette expérience on considère l’IMU idéal (sans bruit), alors, on doit obtenu
deux trajectoires confondues (réel-prédite).
Pour effectuer l’expérience on a besoin de quatre entrés d’excitation[𝑢1 , 𝑢2 , 𝑢3 , 𝑢4 ],

on nomme la trajectoire de référence (i.e., [𝑥𝑟 , 𝑦𝑟 , 𝑧𝑟 , 𝑈𝑟 , 𝑉𝑟 , 𝑊𝑟 , 𝜑𝑟 , 𝜃𝑟 , 𝜓𝑟 ]), et la
trajectoire prédite (i.e.,[ 𝑥𝑝 , 𝑦𝑝 , 𝑧𝑝 , 𝑈𝑝 , 𝑉𝑝 , 𝑊𝑝 , 𝜑𝑝 , 𝜃𝑝 , 𝜓𝑝 ]), produite par le modèle de
cinématique du Quadrotor en utilisant les mesures nettes sans bruits de l’IMU
(i.e.,[𝑝, 𝑞, 𝑟, 𝑎𝑥 , 𝑎𝑦 , 𝑎𝑧 ]). Ce que nous prévoyons est d’obtenir deux trajectoires
identiques. Cette comparaison nous permettra d’assurer la conformité et la validité
des modèles dynamique et cinématique du quadrotor implémentés sous Simulink
(Matlab).
Les états du mouvement du quadrotor et qu’on veut représenter sont :
- Les vitesses linéaires du quadrotor exprimés dans le repère body [u,v,w ].
- Les angles de tangage, roulis, lacet du quadrotor exprimés dans le repère ENU
[ 𝜑, 𝜃, 𝜓].
- La position du centre de la masse du quadrotor (repère body) dans le repère

ENU[x,y,z].
- La mesure « prdt » représente la première estimé du modèle cinématique.
- La mesure « new_prdt » représente la nouvelle estimé du modèle cinématique en

utilisant les angles fusionné.
- La mesure «estimé » représente le résultat de la fusion des données.
Les résultats des simulations obtenues sont présentés dans les figures qui suivent :
38
Figure II-25: allure de l’angle de roulis 𝜑(𝑡)
Figure II-26: allure de l’angle de tangage 𝜃(𝑡)
Figure II-27 l’allure de l’angle de lacet 𝜓(𝑡)

39
Les mesures de l’angle de roulis 𝜑 converge vers la valeur désiré sauf que la
mesure de l’accéléromètre (phi_acc) possède une divergence dans un premier
temps après converge vers la valeur désiré, l’angle de tangage 𝜃 converge vers la
valeur désiré sauf que la mesure de l’accéléromètre diverge. L’angle de lacet 𝜓
converge vers la valeur désiré.
Figure II-28: allure de l’abscisse X(t)
Figure II-29: allure de l’ordonné Y(t)

40
Figure II-30: allure de Z(t)

La mesure de l’abscisse X converge par contre la mesure de l’ordonnée Y et
l’altitude Z dierge.
Figure II-31: allure de vitesse linéaire U(t)
Figure II-32: allure de vitesse linéaire V(t)

41
Figure II-33: allure de vitesse linéaire W(t)

II.7.2 IMU bruité :
Dans la deuxième expérience, on va faire une comparaison entre la
trajectoire réelle (i.e., mouvement en 6 DD) produite par le modèle dynamique du
quadrotor suite à l’application d’une excitation donnée (𝑢1 , 𝑢2 , 𝑢3 , 𝑢4 ), nommé la
trajectoire de référence (i.e[ 𝑥𝑟 , 𝑦𝑟 , 𝑧𝑟 , 𝑈𝑟 , 𝑉𝑟 , 𝑊𝑟 , 𝜑𝑟 , 𝜃𝑟 , 𝜓𝑟 ]), et la trajectoire prédite
(i.e.[𝑥𝑝 , 𝑦𝑝 , 𝑧𝑝 , 𝑈𝑝 , 𝑉𝑝 , 𝑊𝑝 , 𝜑𝑝 , 𝜃𝑝 , 𝜓𝑝 ]), produite par le modèle de cinématique du
quadrotor en utilisant les mesures bruités de l’IMU (parce qu’en réalité plusieurs
phénomènes interviennent et affectent les mesures relevées de l’IMU), et aussi les
estimées obtenues par les accéléromètres ainsi que les estimées obtenues par
fusion complémentaire. L’objectif est de connaitre le dégrée de fiabilité de notre
modèle d’estimation par fusion complémentaire.
Les résultats sont présentés dans les figures par la suite :
Figure II-34 : l’allure de l’angle de roulis (t)

42
Figure II-35: allure de l'angle de tangage 𝜃(𝑡)
Figure II-36: l’allure de l’angle lacet 𝜓(𝑡)

Dans ce cas le block IMU possède un bruit supposé un bruit blanc gaussien.
Les mesures des angles présentes des divergences remarquables, la mesure du
capteur accéléromètres est bornée dans le temps pour les angles de roulis et de
tangage. La mesure de l’angle de lacet 𝜓 diverge de la
43
Figure II-37: l’allure de l’abscisse X(t).
Figure II-38: l’allure de l’ordonné de Y(t).
Figure II-39: l’allure de Z(t).

44
Figure II-40: allure de vitesse linéaire U(t).
Figure II-41: L’allure de vitesse linéaire V(t)
Figure II-42: L’allure de vitesse linéaire W(t)

45
II.8 Conclusion :
Au cours de ce chapitre on a présenté les concepts les plus importants d'un UAV
(quadrirotor), ainsi que leur principe de fonctionnement et sa modélisation
mathématique. Les modèles cinématique et dynamique du quadrotor sont été
implémenté sous Simulink R2020a, les méthodes de perdition des angles d’Euler
s’appuyant sur les accéléromètres et les gyromètres ont été présentés. Les résultats
de simulation ont permis d’une part de valider les modèles implémentés, et d’autre
part de monter l’intérêt et l’avantage de la fusion des estimées obtenues par
accéléromètres et gyromètres afin d’obtenir une meilleure et une plus précise
estimation possible des angles d’Euler.
III. Chapitre III : Mise en œuvre
de l’estimateur
47
Chapitre03 : Mise en œuvre de l’estimateur
III.1 Introduction
Dans les deux chapitres précédents on a parlé de l’estimation de la position et
l’attitude d’un appareil volant, spécifiant cet appareil par un Quadrotor.
L’objectif de l’étude est la mise en œuvre d’un estimateur d’état de cet appareil
durant son mouvement dans un espace d’évolution bien définie. Dans ce chapitre
on va réaliser cet estimateur à l’aide des capteurs inertiels et un microcontrôleur en
visualisant les résultats sur un afficheur LCD.
La réalisation de l’estimateur est effectuée au niveau de l’Ecole Supérieur des

Techniques Aéronautique Dar El-Beida.
III.2 Présentation du matériels de la plateforme

III.2.1 Arduino Uno
Définition
Arduino est un ensemble matériel et logiciel qui permet d'apprendre l'électronique
(en s'amusant) tout en se familiarisant avec la programmation informatique. Une
carte Arduino est un cerveau qui permet de rendre intelligent des systèmes
électroniques et d'animer des dispositifs mécaniques.
La carte Arduino Uno :

C’est une carte électronique programmable (dotée d'un processeur et de mémoire)
sur laquelle nous pouvons brancher des capteurs de température, d'humidité, de
vibration ou de lumière, une caméra, des boutons, des potentiomètres de réglage,
des contacts électriques…etc. Il y a aussi des connecteurs pour brancher des LED,
des moteurs, des relais, des afficheurs, un écran…etc.
Figure III-1 Vue de la carte Arduino Uno.

48
Tableau III-1: carractéristiques générals de la carte Arduino UNO
Alimentation via port USB
7 à 12 V sur connecteur alim 5,5 x 2,1 mm
Microprocesseur ATMega328
Mémoire flash 32KB
Mémoire SRAM 2KB
Interfaces 14 broches d'E/S dont 6 PWM 6 entrées analogiques
10 bits Bus série, I2C et SPI
Dimensions 74 x 53 x 15 mm
Cadencement 16MHz
Logiciel IDE Arduino :

Les créateurs d’Arduino ont développé un logiciel pour que la programmation des
cartes Arduino soit simple et complète à la fois. C'est ce que l'on appelle une IDE,
qui signifie Integrated Development Environment ou Environnement de
Développement.
L'IDE Arduino est le logiciel qui permet de programmer les cartes Arduino. Il affiche
une fenêtre graphique qui contient un éditeur de texte et tous les outils nécessaires
à l'activité de programmation.
49
Figure III-2: Logiciel IDE Arduino

III.2.2 Capteur MPU6050 :
Définition :
Il s’agit d’une centrale inertielle de la technologie MEMS, se compose de trois
accéléromètres et trois gyroscopes. Il est disponible sur plusieurs sites de vente des
matériels électronique à un faible cout et on peut dire qu’il est performant.
Les gyroscopes retournent les vitesses angulaires de rotation sur les trois
axes(𝑋, 𝑌, 𝑍) , les trois accéléromètres retournent une force ou une accélération
exprimé en (𝑚⁄𝑠 2 ) sur les trois axes.
50
Figure III-3: Orientation de MPU6050. Figure III-4: Capteur MPU6050.
Le module MPU6050 est très utilisé dans les projets Arduino et c’est ce qu’on va
utiliser dans la partie de test et mesure. Il fonctionne sur un bus I2C pour assurer le
transfert des données entre MPU6050 et la carte Arduino Uno.
Tableau III-2- Caractéristiques générales du capteur MPU6050
Alimentation 2.3 à 3.4Vcc
Accéléromètres Plage de mesure ±2g ±4g ±8g ±16g
Tolérance ±3%
Gyroscopes Plage de mesure ±250/500/1000/2000°/s
Tolérance ±3%
Interface I2C
III.2.3 Magnétomètre HMC5883L
Le magnétomètre module GY-273 est basé sur le capteur HMC5883L d'Honeywell

est un instrument permettant de mesurer le champ magnétique local qui est
généralement constitué d’une combinaison du champ magnétique terrestre et de
perturbations locales avec une interface numérique. Ces perturbations locales,
peuvent soit provenir de sources permanentes fixées au capteur, ou encore faire
partie de l’environnement extérieur.
51
Figure III-5: Magnétomètre HMC5883L GY-273.

Ce module inclut un capteur électromagnétique magnéto-résistif HMC5883L à haute
sensibilité, un amplificateur, une annulation de décalage d'offset. La technologie
AMR (Anisotropic Magnetoresistive) offre une réponse linéaire, et trois (03) capteurs
croisés permettent de mesurer le champ magnétique sur 3 axes X, Y, Z, du milli
Gauss jusqu'à 8 Gauss, avec très peu de biais de mesure inter-axes.
Tableau III-3: Caractéristiques générales du magnétomètre capteur HMC5883L
Alimentation 3-5V
Taille PCB 13.9×18.5mm
Interface Simple I2C
Fonctionnement -30° à 85°C
Dimension 3×3×0.9mm
III.2.4 Afficheur LCD
LCD est l'abréviation du terme anglais "Liquid Crystal Display" qui signifie en
français "Écran à cristaux liquides". D’où afficheur LCD. C’est une technique
d'affichage où des cristaux liquides sensibles et soumis à un courant électrique
fournissent l'image désirée. Des montres aux ordinateurs portables, en passant par
les écrans plats, de nombreux appareils utilisent cette technologie.
Un cristal liquide est emprisonné entre deux plaques de verres polarisées par des
électrodes. L'image se forme par les déplacements du cristal, mais l'écran doit
forcément être retro-éclairé par l'adjonction de sources lumineuses (souvent de fins
tubes éclairants fixés sur les côtés de l'écran), qui consomment parfois d’avantage
d'énergie que l'écran lui-même.
52
Tableau III-4: Caractéristique d'un afficheur LCD
Caractéristiques Moniteurs Téléviseurs Projecteurs
Définition en 1024×768 à 1024×768 à 1920×1080

nombre de pixels 2560×1600 1920×1080
Diagonale 38 à 76 cm (15 à 38 à 279 cm (15 à -

30’’) 110’’)
Angle de vision 178° 178° -

horizontal et vertical
Contraste 600 :1 à 3000 :1 600 :1 à 5000 :1 3000 :1
Luminosité cd/m² 250 à 320 300 à 550 -
Temps de réponse 2 à 16 ms 2 à 16ms 12ms
Branchement de l’afficheur LCD
Avant d'afficher quelques choses, il faut que la communication soit faite

correctement entre la carte Arduino et l'afficheur LCD via liaison I2C. Il faut
connecter la broche Gnd du module avec celle de la carte Arduino, la broche Vcc du
module avec la broche 5V de la carte. Ensuite il faut connecter la broche SDA du
module avec la broche A4 de la carte et la broche SCL avec la broche A5 de la
carte.
Figure III-6: branchement afficheur LCD avec Arduino Uno.

53
III.2.5 Le Bus I2C
Le bus I2C (Inter Integrated Circuit Bus) est le bus historique, développé par Philips
pour les applications de domotique et d'électronique domestique au début des
années 80, notamment pour permettre de relier facilement à un microprocesseur les
différents circuits d'un téléviseur moderne [13].
Le bus I2C est constitué de deux câbles, un pour les données nommé SDA (Serial
Data) et l’autre pour l’horloge nommé SCL (Serial CLock) avec un signal de
référence « la masse » et un Vcc (5V). [14]
III.3 Schéma de câblage

La figure suivante montre le schéma de câblage (PC - Arduino – Capteur)
Figure III-7: schéma de câblage des capteurs avec la carte Arduino.
III.4 Mise en œuvre de la plateforme
III.4.1 Expérience 1
Dans la première expérience, on va procéder à l’acquisition des grandeurs mesurés

par le MPU6050 à l’état de repos (capteur immobile stationnaire) qui sont les trois
accélérations le long des trois axes (𝑎𝑥 , 𝑎𝑦 , 𝑎𝑧 ), les vitesses angulaires instantanées
exprimées dans le repère attaché au circuit intégré MPU6050 (p(t), q(t), r(t)), les
angles de roulis et de tangage ( 𝜑, 𝜃 𝑒𝑡 𝜓) respectivement.
54
Les résultats obtenus son par la suite :
Figure III-8: L’allure des accélérations linéaires.
Figure III-9: L’allure des vitesses angulaires.

55
Figure III-10: les allures des angles 𝜑(𝑡) 𝑒𝑡 𝜃(𝑡).
Figure III-11: L’allure de l’angle de lacet 𝜓 à l’état de repos.

Les résultats obtenus lorsque les capteurs sont en état de stabilité (capteur
immobile) sont presque stable.
Dans cette expérience, on va procéder à l’acquisition de mêmes grandeurs
mesurées dans l’expérience précédente avec des petits bruits et mouvement.
56
Figure III-12: les allures des accélérations linéaires.
Figure III-13: les allures des vitesses angulaires p(t), q(t) et r(t).
57
Figure III-14: les allures des angles 𝜑(𝑡) et 𝜃(𝑡).
Figure III-15: allure de l’angle de lacet 𝜓 avec des bruits et mouvements
III.5 Algorithme de l’estimation

1. Initialisation (une seule exécution) Dans cette partie on va définir les différents
variables: les lectures de gyromètre, accéléromètre les angles de tangage et de
roulis.
2. Acquisition (lecture) des mesures. On a défini les pinMod, c’est-à-dire les sorties
et les entrées du microcontrôleur Arduino UNO et la fréquence de travail de bus I2C.
3. Estimation des offsets. Pour faire une auto calibrage du capteur MPU6050 en
mesurant la moyenne de 2000 mesures par une boucle répétitive pour nous
soustrayons l’offset dans chaque mesure donnée dans la partie suivant (estimation
des angles).
58
4. Estimation des angles (boucle répétitive) Pour pouvoir estimer les angles mesurés
par le capteur MPU6050, on va procéder aux étapes suivantes :
- Acquisition (lecture) des mesures données par le MPU6050.
- Soustraire l’offset de mesures obtenues en haut.
- Calcul des angles utilisant seulement les mesures des gyroscopes on faisant
l’intégrale des vitesses angulaires données par le gyroscope et on les multiple par
un coefficient pour normaliser les valeurs des angles obtenus.
- Calcul des angles utilisant seulement les mesures des accéléromètres.
- Estimation des angles (fusion de données) par filtrage complémentaire.
- Affichage sur le moniteur PC.
III.6 L’acquisition des données :

Cette expérience est effectuée lorsque les capteurs sont en état de repos
(stationnaire, immobile), les résultats des trois angles (Roulis, Tangage et Lacet
𝜑(𝑡), 𝜃(𝑡), 𝜓(𝑡) respectivement) sont présentés comme suit :
Figure III-16: les allures des angles 𝜑 et 𝜃 l’état de repos.

59
Figure III-17: L’allure de 𝜓 à l’état de repos.
Dans la deuxième expérience, on va procéder à l’acquisition des angles mesurés
par le MPU6050 en mouvement qui sont les deux angles tangage et roulis) données
par les trois modèles, le modelé d’accélération, le modèle de prédiction, ainsi le
modèle d’estimation pour montrer la superposition de la trajectoire réel avec la
trajectoire indiqué par notre modèles. Pour cela en va utiliser l’équerre pour former
un angle de (-45°) (trajectoire réel) et on va visualiser les trajectoires données par
notre estimation, tel que dt=10ms.
 Pour 𝜃 = 45° :
60
Figure III-18: l’allure de 𝜑(𝑡) et 𝜃(𝑡) lorsque 𝜃=45°.
Figure III-19: l’allure de 𝜓 lorsque 𝜃=45°.

61
 Pour 𝜑 = 45° :
Figure III-20: l’allure de 𝜑(𝑡) et 𝜃(𝑡) lorsque 𝜑=45°.
Figure III-21: l’allure de 𝜓(𝑡) lorsque 𝜑(𝑡)=45°

62
 Pour 𝜑 = −45° :
Figure III-22: allure de φ et θ lorsque φ=-45°
Figure III-23: allure de 𝜓lorsque 𝜑=-45°

63
 Pour 𝜃 = −45° :
Figure III-24:allure de 𝜑 et θ lorsque θ=-45°
Figure III-25: allure de 𝜓 lorsque 𝜃=-45°
III.7 Conclusion
Dans ce chapitre on a pu construire l’estimateur de la posture avec visualisation sur
le moniteur série du PC. Cet estimateur nous permet d’estimer les angles d’Euler
(Roulis et tangage) à travers le capteur MPU6050 et les visualiser sur un afficheur
LCD lié avec la carte Arduino. Enfin, on a utilisé les résultats obtenus pour monter
expérimentalement l’intérêt et l’avantage de la fusion des estimées obtenues par
accéléromètres et gyromètres afin d’obtenir une meilleure et une plus précise
estimation possible des angles d’Euler.
64
Conclusion Générale
65
Conclusion Générale
Le travail réalisé dans ce document s’inscrit dans le cadre de la localisation
robotique et la navigation inertielle. La problématique abordée était de donner une
meilleure estimation de la posture d’un vecteur aérien, à partir de l’acquisition et
prétraitement des données brutes d’une centrale inertielle se composant de trois
gyromètres, trois accéléromètres et trois magnétomètres.
Dans un premier temps, nous avons présenté des notions et les outils utilisés dans
la conception et l’implémentation expérimentale de notre algorithme d’estimation de
la posture qui sont tout ce qui concerne la navigation inertielle, les différentes
représentations de l’attitude d’un système volant en montrant les avantages et les
inconvénients, les systèmes de coordonnées et les capteurs utilisé (gyromètre et
accéléromètre). Ensuite, nous avons procédé à l’étape de modélisation pour décrire
mathématiquement le comportement du système aérien (Quadrotor) et conclure ses
équations dynamiques et cinématique afin de synthétiser sa commande linéaire de
type PID. Par la suite, nous avons présenté le modèle mathématique des capteurs
utilisés afin d’obtenir l’état de posture de Quadrotor. Ces modèles sont utilisés dans
la phase de l’estimation d’état de posture en s’appuyant sur la technique de fusion
de données utilisant le Filtre Complémentaire afin d’obtenir une meilleure et une
précise estimation des angles d’Euler.
Nous avons simulé notre estimateur d’état et la commande PID du Quadrotor sous
Simulink (Matlab) en utilisant la technique de fusion des données (filtre
complémentaire). Les Résultats de simulation sous Matlab ont montré la fiabilité de
notre modèle d’estimation qui suit la trajectoire réelle d’un vecteur aérien. Les
résultats de l’estimation de l’état de posture par le filtre complémentaire sont révélés
plus précis et plus stable comparant avec ceux obtenus par prédiction seule pour
diminuer les effets des différents bruits.
Suite aux résultats d’analyse et de simulation obtenus, on est passé par la suite à
concevoir et réaliser l’estimateur de la posture. Ce dernier permet d’estimer les
angles d’Euler en utilisant les capteurs physiques disponibles, et de les visualiser
dans une interface liée avec la carte Arduino. Enfin, une validation expérimentale sur
une trajectoire désirée (trajectoire repos, trajectoire mobile) est faite montrant de
bons résultats d’utilisation du filtre complémentaire compte tenu les paramètres
identifiés par l’estimateur réalisé via une liaison série (USB).
Comme perspectives, nous projetons d’étendre ce travail à l’utilisation de la
représentation basée Quaternion vu ses avantages qui permet de surmonter le
problème des singularités. Nous visons non-plus d’investir les nouveaux filtres de
fusion existants tels que le Filtre Madgwick et le Filtre robuste Smooth Variable
Structure Filter SVSF à travers une étude comparative. D’autre part, nous
prévoyons d’introduire le récepteur GPS et le capteur barométrique pour pouvoir
estimer la position et l’altitude d’un vecteur aérien avec précision.
66
Annexes
67
Annexe 01 :
Le bruit blanc Gaussien:

Définition :
Le bruit blanc gaussien (WGN) est un type de bruit aléatoire qui est couramment
trouvé dans de nombreux systèmes physiques et capteurs. Ce type de bruit se
caractérise par ses propriétés statistiques telles que la moyenne, la variance et la
densité spectrale, et est considéré comme étant additif en nature. Dans le contexte
des capteurs physiques, l'effet du bruit blanc gaussien est d'ajouter des fluctuations
aléatoires à la sortie du capteur, ce qui peut potentiellement introduire des erreurs
de mesure ou réduire la précision du capteur. Pour atténuer les effets du bruit blanc
gaussien dans les capteurs physiques, diverses techniques telles que le filtrage,
l'étalonnage et la correction d'erreur peuvent être utilisées.
Caractéristiques du WGN :
Le bruit blanc gaussien (WGN) est caractérisé par plusieurs équations et propriétés
mathématiques. Certaines de celles-ci incluent :
 Fonction de densité de probabilité (PDF) : La PDF du WGN est donnée par :
1 𝑥²
−
𝑓(𝑥) = 𝑒 2𝜎²
√2𝜋𝜎 2
où σ est la déviation standard du bruit et x est une variable aléatoire représentant le
bruit.
 Moyenne : La valeur moyenne du WGN est nulle, c'est-à-dire E(x) = 0.
 Variance : La variance du WGN est égale au carré de sa déviation standard,
c'est-à-dire Var(x) = σ².
 Autocorrélation : L'autocorrélation du WGN est donnée par :
𝑅(𝑡) = 𝐸[𝑥(𝑡)𝑥(𝑡 − 𝜏)] = 𝜎² ∗ 𝛿(𝑡 − 𝜏)
où x(t) et x(t-τ) sont deux échantillons du bruit à des moments t et t-τ respectivement,
δ(t-τ) est la fonction delta de Dirac, et E[x(t)x(t-τ)] représente la valeur attendue du
produit des deux échantillons.
 Densité spectrale de puissance (PSD) : La PSD du WGN est donnée par :
𝑆(𝑓) = 𝜎²
où S(f) est la densité spectrale de puissance et f est la fréquence.
Ces équations et propriétés aident à décrire la nature statistique du WGN, et elles
sont importantes pour comprendre son comportement dans diverses applications et
systèmes.
68
Conclusion
En conclusion, le bruit blanc gaussien (WGN) est un type largement utilisé de bruit
aléatoire qui se caractérise par sa distribution normale, son moyenne nulle et sa
densité spectrale plate. Ses propriétés mathématiques, telles que sa fonction de
densité de probabilité, sa moyenne, sa variance, son autocorrélation et sa densité
spectrale de puissance, permettent une caractérisation précise de son
comportement. Le WGN est fréquemment présent dans de nombreux systèmes
physiques et capteurs et peut affecter la précision des mesures. Pour atténuer ses
effets, diverses techniques telles que le filtrage, l'étalonnage et la correction d'erreur
peuvent être employées. La compréhension des propriétés et du comportement du
WGN est importante pour la conception et l'analyse de nombreux systèmes dans
divers domaines, notamment les télécommunications, le traitement du signal et la
technologie des capteurs.
69
Bibliographie
[1] Jay A. Farrel, Matthew Barth. The global positioning system and inertial
navigation (Hardback) 1998.
[2] David Titterton John. Strapdown inertial navigation technology, 2ème edition,
Institution of Engineering and Technology, London and the American institute of
Aeronautics, Reston, 2004.
[3] Hassen Fourati, Noureddine Manamanni, Yves Handrich. Fusion de données,

estimation de la posture et navigation à l’estime: Application au Bio-logging. Editions
Universitaires Européennes, 2012.
[4] David H. Titterton et John L. Weston. Strapdown Inertial Navigation Technology

2nd Edition. The Institution of Electrical Engineers, 2004.
[5] Jay A. Farrell. Aided Navigation - GPS with High Rate Sensors. The McGraw-Hill
Companies, 2008.
[6] A. Courcelle, "Localisation d’un robot mobile : Application à l’aide à la mobilité

des personnes handicapées moteur," Doctorat de l’université de METZ, France,
2000.
[7] https://ch.farnell.com/fr-CH/sensor-gyroscope-technology
[8] A. Bouchloukh, "Odométrie Visuelle 3D pour la Localisation d’un Robot Mobile

dans un Environnement Dynamique " Mémoire de Magister, EMP, 2013.
[9] Cours final Traitement de signal Satellite. DAHOUCHE Siham. IAES
[10] H.KHEBBACHE, " Tolérance aux defaults vue à la méthode backstepping des
systèmes non linéaire, application : système UAV de type quadrotoré " mémoire
magister en automatique, Faculté de technologie, Setif, 2012
[11] BELHADRI Kheira, " Contrôle Robuste d’un Quadrotor " thèse doctorat, faculté
Génie électrique, option automatique, Université Oran USTO, 2021
[12] https://wikimemoires.net/2021/02/domaines-application-mouvements-du-
quadrotor/
[13] https://www.technologuepro.com
[14] Paret "Le bus I2C principes et mise en oeuvre ",2ème edition, 1999.

Mémoire Pid

Transféré par

Droits d'auteur :

Formats disponibles

Mémoire Pid

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Mémoire Pid

Transféré par

Droits d'auteur :

Formats disponibles

REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET

INSTITUT D’AERONAUTIQUE ET DES ETUDES SPATIALES

Projet de fin d’études

Présenté par : Dirigé par :

Table des matières

II.4 La commande PID : .................................................................................... 26

Liste des figures

Figure II-36: l’allure de l’angle lacet 𝝍(𝒕) 42

Liste des tableaux

Liste des abréviations :

𝑑 : La distance entre l’axe de rotation du rotor et le centre de gravité du Quadrotor

𝐽 : Matrice d’inertie du système

𝐽𝑟 : Matrice d’inertie des rotors

𝐾𝑓𝑡 : Coefficient de traîné

𝐾𝑑 : Le gain dérivé du régulateur PID.

𝐾𝑖 : Le gain intégral du régulateur PID.

𝐾𝑝 : Le gain proportionnel du régulateur PID.

𝐿 : La latitude du point {a, b}

m: est la masse totale e

𝑆(Ω) : Squeusymetric matrix

𝑥𝑑 : Position désiré selon x

𝑥̇ 𝑑 : Taux de variation de la position selon x

𝑦𝑑 : Position désiré selon y

𝑦̇ 𝑑 : Taux de variation de la position selon y

𝑧 : L’altitude du système quadrotor.

ż 𝑑 : Taux de variation de l’altitude désiré.

Ω : vitesse de rotation de l’hélice

Ω𝑖 : vitesse de rotation du rotor

𝜑𝑑 : Angle de roulis désiré.

𝜑̇ 𝑑 : Taux de variation de l’angle de roulis désirée.

𝜃𝑑 : Angle de tangage désiré

𝜃̇𝑑 : Taux de variation de l’angle de tangage désiré

𝜓𝑑 : Angle de lacet désiré

𝜓̇ : Taux de variation de l’angle de lacet

𝜆: La longitude du point {a, b}

Δ𝐿 : La différence de latitude entre 𝐿𝑎 et𝐿𝑏 .

La course dans le monde entier au sujet de la robotique mobile touche

Ce document est pour objectif de concevoir et de réaliser un estimateur de la

I. Chapitre I : Généralité sur la

La navigation est l’ensemble des techniques qui permettent de connaître la

I.2 Navigation inertielle :

La navigation inertielle, en anglais Inertial Navigation System, est une

I.3 Système de coordonnées :

I.3.1.1 Système de coordonnés mobiles :

Figure I-1 système de coordonnées mobile

Figure I-2 Système de coordonnées fixe

Ce système de coordonnées se décline selon deux modalités par rapport au

 NED : selon cette convention ; 𝑋𝑁 se dirige vers le Nord Magnétique

Figure I-3 : repère ENU. Figure I-4 : repère NED.

I.4 Les méthodes de représentation d’attitude :

Dans le domaine aérospatiale on définit l’attitude qu’elle est la direction des

I.4.1 Les matrices de rotations :

I.4.2 Les quaternions :

𝑞𝑣𝑒𝑐𝑡𝑒𝑢𝑟 = 𝑖𝑞1 + 𝑗𝑞2 + 𝑘𝑞3 I-1

La représentation mathématique des quaternions est la suivante :

𝑞 = 𝑞0 + 𝑞𝑣𝑒𝑐𝑡𝑒𝑢𝑟 = 𝑞0 + 𝑖𝑞1 + 𝑗𝑞2 + 𝑘𝑞3 I-2

I.4.3 Les angles d’Euler :

Pour passer du repère fixe N (𝑋𝑁 , 𝑌𝑁 , 𝑍𝑁 ) vers le repère mobile B (𝑋𝐵 , 𝑌𝐵 , 𝑍𝐵 ) en

𝑅1 La rotation  se fait autour de l’axe 𝑍𝑁 obtenant alors (𝑈, 𝑉, 𝑍𝑁 )

𝑅2 La rotation  se fait autour de l’axe 𝑈 , obtenant alors (𝑈, 𝑊, 𝑍′)