Contrôle tolérant aux fautes d’un aéronef quadrirotor à l’aide d’une approche adaptative floue T-S et d’inversion de matrice linéaire

Maintenir les drones stables dans un monde désordonné

Les petits drones à quatre rotors deviennent des outils quotidiens pour des tâches comme l’inspection des cultures, les recherches de sauvetage et la prise de vues. Mais dans la réalité, leurs capteurs peuvent se dérégler et les rafales de vent peuvent les dévier, entraînant un vol saccadé voire des crashes. Cet article explore une nouvelle façon de garder un quadrirotor stable et réactif, même lorsque ses capteurs mentent et que l’air autour est imprévisible.

Pourquoi le contrôle des drones est difficile

Un quadrirotor semble simple, mais son mouvement est régi par des rotors en rotation étroitement couplés, des inclinaisons du fuselage et des changements de position. Les méthodes de contrôle traditionnelles reposent souvent sur des modèles linéaires simplifiés qui fonctionnent bien uniquement dans des conditions calmes et prévisibles. Lorsque la réalité ajoute des rafales, des vibrations et des défauts de capteurs, ces méthodes peuvent peiner, conduisant à des oscillations croissantes ou à des corrections lentes. Parallèlement, des méthodes non linéaires plus avancées peuvent exiger des calculs lourds ou des modèles très précis, ce qui n’est pas toujours pratique sur des robots volants légers.

Mêler des règles simples à des mathématiques intelligentes

Les auteurs proposent une stratégie de commande hybride combinant deux idées. La première est un système de règles floues, qui divise le comportement complexe du drone en plusieurs zones de fonctionnement plus simples, par exemple petites ou grandes inclinaisons. Chaque zone est décrite par un modèle linéaire facile à manipuler, et la logique floue les mélange en douceur au fur et à mesure que le drone évolue. La deuxième idée est un outil mathématique connu sous le nom d’inversion de matrice linéaire, utilisé ici pour calculer des gains de rétroaction qui maintiennent la stabilité du modèle flou combiné. En adaptant ces gains en temps réel, le contrôleur peut répondre aux conditions changeantes sans avoir à détecter et classifier explicitement chaque défaut.

Comment la nouvelle stratégie a été testée

Pour évaluer leur approche, les chercheurs ont construit un modèle informatique détaillé d’un quadrirotor, incluant à la fois le mouvement du fuselage et le comportement des moteurs. Ils ont ensuite injecté des défauts et des perturbations artificiels dans les mesures des capteurs. Deux types de problèmes ont été considérés : des défauts « cosinus » variant en douceur dans le temps et des défauts « rectangulaires » brusques apparaissant soudainement en courtes rafales. Le nouveau contrôleur adaptatif a été comparé à un contrôleur flou standard et à un contrôleur d’inversion de matrice linéaire standard, ainsi qu’à des approches rapportées dans des travaux antérieurs, tous utilisant le même drone simulé et les mêmes profils de perturbation.

Que s’est-il passé lorsque les choses ont mal tourné

En conditions calmes, avant l’apparition des défauts, les trois contrôleurs ont guidé les angles d’inclinaison du drone vers les valeurs souhaitées avec une précision similaire, sauf que le contrôleur purement linéaire présentait davantage d’oscillations. Les vraies différences sont apparues dès que les défauts et perturbations ont été activés. Sous des défauts de capteurs variant en douceur, les méthodes conventionnelles ont montré des oscillations croissantes en roulis, tangage et lacet ; dans certains cas l’approche linéaire n’a plus pu stabiliser le drone. Le contrôleur uniquement flou s’est finalement stabilisé mais a demandé plus de temps. En revanche, le contrôleur hybride adaptatif n’a présenté que de petites déviations brèves et a rétabli un vol stable en environ une seconde. Sous des défauts rectangulaires soudains, le schéma était similaire : le nouveau contrôleur a maintenu l’assiette du drone très proche de la trajectoire désirée tandis que les autres s’en écartèrent davantage et mirent plus de temps à récupérer.

Pourquoi c’est important pour le vol quotidien

Pour un non-spécialiste, la conclusion est que ce contrôleur hybride adaptatif permet à un quadrirotor de continuer à voler en sécurité même lorsque ses capteurs sont peu fiables et que l’air est turbulent. Plutôt que d’essayer d’identifier d’abord chaque défaut spécifique, la méthode traite les défauts et perturbations comme des éléments à rejeter automatiquement, en ajustant son comportement à la volée. En simulation, cela a permis aux angles d’inclinaison du drone de rester bien plus proches de leurs cibles que avec les approches standard, avec des erreurs plus faibles et des temps d’établissement plus rapides. Les auteurs soutiennent que de telles stratégies pourraient accroître la sécurité et la fiabilité des drones et d’autres machines non linéaires, les rendant mieux adaptées à des tâches réelles exigeantes où des réactions rapides et stables sont cruciales.

Citation: Taimoor, M., Wang, H., Bibi, S. et al. Fault-tolerant control of quadrotor unmanned aerial vehicle by using adaptive fuzzy T-S and linear matrix inversion approach. Sci Rep 16, 16181 (2026). https://doi.org/10.1038/s41598-026-46576-w

Mots-clés: drones quadrirotors, contrôle tolérant aux fautes, commande adaptative, systèmes flous, défaillances de capteurs