| Titre : | Optimisation métaheuristique pour la conception de lois de commande | | Type de document : | texte imprimé | | Auteurs : | Guillaume Sandou, Auteur | | Editeur : | Paris : Hermes Science Publication/Lavoisier | | Année de publication : | 2013 | | Importance : | 152 p. | | Présentation : | ill. | | Format : | 23,2 cm. | | ISBN/ISSN/EAN : | 978-2-7462-4578-5 | | Langues : | Français (fre) | | Index. décimale : | 25-07 Théorie de la commande: commandes des processus | | Résumé : | Pour l’optimisation et la synthèse de lois de commande, une approche classique est généralement utilisée : elle consiste à simplifier un modèle du système à des fins de calcul de la loi. Parallèlement, les spécifications et les contraintes du cahier des charges sont reformulées pour pouvoir exprimer le problème de commande à l’aide d’un problème d’optimisation soluble. Cette approche peut atteindre ses limites lorsque le système à piloter ou les contraintes à respecter deviennent complexes, ou lorsque l’on cherche à satisfaire des spécifications et à optimiser le fonctionnement du système. La méthodologie proposée ici évite toute reformulation du problème de commande et s’attache à résoudre le problème initial à l’aide d’algorithmes stochastiques, les métaheuristiques. Illustrant chaque thème par des cas concrets, cet ouvrage traite de la régression symbolique de fonctions, de l’optimisation du réglage de correcteurs proportionnels intégraux dérivés, de l’optimisation du réglage de correcteurs H∞ avec contrainte d’ordre et de la commande prédictive de systèmes hybrides. | | Note de contenu : | Table des matières
Chapitre 1. Introduction et motivations
1.1. Introduction : automatique et optimisation
1.2. Motivations à l’utilisation des algorithmes métaheuristiques.
Chapitre 2. Régression symbolique
2.1. Identification : problématique et bref état de l’art
2.2. Enoncé et modélisation du problème
2.3. Optimisation par colonies de fourmis
2.4. Résultats numériques
2.5. Discussion
2.6. Note à propos des algorithmes génétiques pour la régression symbolique
Chapitre 3. Réglage de correcteurs PID par optimisation par essaims particulaires
3.2. Réglage du régulateur : un problème d’optimisation complexe
3.3. Mise en place de l’optimisation par essaims particulaires
3.4. Optimisation du réglage d’un correcteur PID
3.5. Optimisation multi-objectif d’un PID
Chapitre 4. Réglage et optimisation de lois de commandes H∞
4.2. Synthèse H∞
4.3. Application à la commande d’un pont roulant
4.4. Conception de retour de sortie statique
4.5. Exemples industriels
Chapitre 5. Commande prédictive de systèmes hybrides
5.1. Problématique
5.2. Commande prédictive de systèmes de production d’énergie
5.3. Procédure d’optimisation
5.4. Résultats de simulation
5.5. Conclusions et discussions
-Index |
Optimisation métaheuristique pour la conception de lois de commande [texte imprimé] / Guillaume Sandou, Auteur . - Paris : Hermes Science Publication/Lavoisier, 2013 . - 152 p. : ill. ; 23,2 cm. ISBN : 978-2-7462-4578-5 Langues : Français ( fre) | Index. décimale : | 25-07 Théorie de la commande: commandes des processus | | Résumé : | Pour l’optimisation et la synthèse de lois de commande, une approche classique est généralement utilisée : elle consiste à simplifier un modèle du système à des fins de calcul de la loi. Parallèlement, les spécifications et les contraintes du cahier des charges sont reformulées pour pouvoir exprimer le problème de commande à l’aide d’un problème d’optimisation soluble. Cette approche peut atteindre ses limites lorsque le système à piloter ou les contraintes à respecter deviennent complexes, ou lorsque l’on cherche à satisfaire des spécifications et à optimiser le fonctionnement du système. La méthodologie proposée ici évite toute reformulation du problème de commande et s’attache à résoudre le problème initial à l’aide d’algorithmes stochastiques, les métaheuristiques. Illustrant chaque thème par des cas concrets, cet ouvrage traite de la régression symbolique de fonctions, de l’optimisation du réglage de correcteurs proportionnels intégraux dérivés, de l’optimisation du réglage de correcteurs H∞ avec contrainte d’ordre et de la commande prédictive de systèmes hybrides. | | Note de contenu : | Table des matières
Chapitre 1. Introduction et motivations
1.1. Introduction : automatique et optimisation
1.2. Motivations à l’utilisation des algorithmes métaheuristiques.
Chapitre 2. Régression symbolique
2.1. Identification : problématique et bref état de l’art
2.2. Enoncé et modélisation du problème
2.3. Optimisation par colonies de fourmis
2.4. Résultats numériques
2.5. Discussion
2.6. Note à propos des algorithmes génétiques pour la régression symbolique
Chapitre 3. Réglage de correcteurs PID par optimisation par essaims particulaires
3.2. Réglage du régulateur : un problème d’optimisation complexe
3.3. Mise en place de l’optimisation par essaims particulaires
3.4. Optimisation du réglage d’un correcteur PID
3.5. Optimisation multi-objectif d’un PID
Chapitre 4. Réglage et optimisation de lois de commandes H∞
4.2. Synthèse H∞
4.3. Application à la commande d’un pont roulant
4.4. Conception de retour de sortie statique
4.5. Exemples industriels
Chapitre 5. Commande prédictive de systèmes hybrides
5.1. Problématique
5.2. Commande prédictive de systèmes de production d’énergie
5.3. Procédure d’optimisation
5.4. Résultats de simulation
5.5. Conclusions et discussions
-Index |
|  |