Titre : | Contrôle robuste des systèmes dynamiques non linéaires incertains par des approches de l’intelligence artificielle. | Type de document : | document électronique | Auteurs : | CHAOUCH Djamel Eddine, Auteur | Année de publication : | 2015-2016 | Importance : | 127 p. | Accompagnement : | CD | Langues : | Français (fre) | Catégories : | Electrotechnique:automatique
| Mots-clés : | Commande robuste Mode glissant Système non linéaire Réseaux de neurone Systèmes Neuro-Flous STFIS ANFIS Robot manipulateur SLOTINE Intelligence Artificielle Stabilité Lyapunov. | Résumé : | Les réseaux de neurones et les systèmes flous constituent des approximateurs universels. Les points faibles des systèmes flous sont causés essentiellement par la difficulté à définir avec précision les fonctions d'appartenance et le manque de procédure systématique pour la transformation des connaissances d'un expert en une base de règles. Cependant, dans les réseaux neuronaux, l'inclusion, l'extraction et la représentation des connaissances sont difficiles. Ces différentes raisons ont conduit, à partir du début des années 90, à la création d'un domaine de recherche, communément désigné par "neuro-flou", cherchant à fusionner les deux techniques. Il s'agissait de les "combiner" soit de façon à conserver les avantages des deux, tout en évitant les inconvénients, soit en exploitant les analogies entre les deux. De nombreuses recherches ont été effectuées et des solutions très variées ont été proposées. Dans ce contexte, plusieurs commandes adaptatives pour des systèmes non linéaires affines dans la commande ont été présentées dans la littérature où l’approximation est assurée soit par un système flou, soit par un réseau de neurones ou un réseau neuroflou.
Cette thèse contribue à l’élaboration d’une famille de lois de commande combinant les approches de l’intelligence artificielle et la commande robuste pour le contrôle des systèmes dynamiques non-linéaires incertains. En effet, deux méthodes sont proposées, la première combinant le mode glissant avec les réseaux neuro-floues et l’autre est avec les réseaux de neurones. Le réseau neuro-flou optimisé (STFIS) est utilisé comme approximateur pour traiter le cas où aucune connaissance n’est disponible. La loi d’adaptation est également déduite de l’étude de stabilité au sens de Lyapunov.
Pour les deux approches, la robustesse est assurée à l’aide du mode glissant. Les différentes approches sont validées par simulation.
En résumé, le travail présenté dans cette thèse porte sur la combinaison de l’intelligence artificielle et du mode glissant pour résoudre le problème de poursuite des systèmes non linéaires en présence de perturbations externes. Les travaux sont validés par des simulations sous l’environnement MATLAB sur un système masse ressort, un Pendule inversé et ensuite sur des robots manipulateurs.
| Directeur de thèse : | AHMED FOITIH Zoubir |
Contrôle robuste des systèmes dynamiques non linéaires incertains par des approches de l’intelligence artificielle. [document électronique] / CHAOUCH Djamel Eddine, Auteur . - 2015-2016 . - 127 p. + CD. Langues : Français ( fre) Catégories : | Electrotechnique:automatique
| Mots-clés : | Commande robuste Mode glissant Système non linéaire Réseaux de neurone Systèmes Neuro-Flous STFIS ANFIS Robot manipulateur SLOTINE Intelligence Artificielle Stabilité Lyapunov. | Résumé : | Les réseaux de neurones et les systèmes flous constituent des approximateurs universels. Les points faibles des systèmes flous sont causés essentiellement par la difficulté à définir avec précision les fonctions d'appartenance et le manque de procédure systématique pour la transformation des connaissances d'un expert en une base de règles. Cependant, dans les réseaux neuronaux, l'inclusion, l'extraction et la représentation des connaissances sont difficiles. Ces différentes raisons ont conduit, à partir du début des années 90, à la création d'un domaine de recherche, communément désigné par "neuro-flou", cherchant à fusionner les deux techniques. Il s'agissait de les "combiner" soit de façon à conserver les avantages des deux, tout en évitant les inconvénients, soit en exploitant les analogies entre les deux. De nombreuses recherches ont été effectuées et des solutions très variées ont été proposées. Dans ce contexte, plusieurs commandes adaptatives pour des systèmes non linéaires affines dans la commande ont été présentées dans la littérature où l’approximation est assurée soit par un système flou, soit par un réseau de neurones ou un réseau neuroflou.
Cette thèse contribue à l’élaboration d’une famille de lois de commande combinant les approches de l’intelligence artificielle et la commande robuste pour le contrôle des systèmes dynamiques non-linéaires incertains. En effet, deux méthodes sont proposées, la première combinant le mode glissant avec les réseaux neuro-floues et l’autre est avec les réseaux de neurones. Le réseau neuro-flou optimisé (STFIS) est utilisé comme approximateur pour traiter le cas où aucune connaissance n’est disponible. La loi d’adaptation est également déduite de l’étude de stabilité au sens de Lyapunov.
Pour les deux approches, la robustesse est assurée à l’aide du mode glissant. Les différentes approches sont validées par simulation.
En résumé, le travail présenté dans cette thèse porte sur la combinaison de l’intelligence artificielle et du mode glissant pour résoudre le problème de poursuite des systèmes non linéaires en présence de perturbations externes. Les travaux sont validés par des simulations sous l’environnement MATLAB sur un système masse ressort, un Pendule inversé et ensuite sur des robots manipulateurs.
| Directeur de thèse : | AHMED FOITIH Zoubir |
|