Contrôle robuste des systèmes non linéaires par les approches de l’intelligence artificielle
Contrôle robuste des systèmes non linéaires par les approches de l’intelligence artificielle
Fichiers
Date
2016-03-06
Auteurs
Sahraoui Mustapha
Nom de la revue
ISSN de la revue
Titre du volume
Éditeur
Université oran1 Ahmed Ben Bella
Résumé
La présente thèse est dédiée à l'application des techniques de l'intelligence artificielle dans la commande des systèmes non linéaires afin de palier à leurs limites causées par la complexité ou l'inexistence du modèle ainsi que le choix des paramètres des contrôleurs.
En effet, la combinaison entre les réseaux de neurones et la logique floue nous permet de profiter de leurs propriétés, d'ou la présence de la commande neuro-floue adaptative et robuste.
L'approche proposée dans la première partie de ce travail consiste à appliquer une commande basée sur un réseau neuro-flou STFIS (self tuning fuzzy inference system) caractérisé par un algorithme d'apprentissage en ligne pour commander deux systèmes non linéaires, masse ressort amortisseur ensuite pendule inversé.
La deuxième approche consiste à introduire une loi de commande adaptative couple calculée (computed torque) où l'algorithme GAP-EKF (Growing and Pruning extented kalman filter) est combiné avec un contrôleur neuro-flou dans une architecture intelligente nommée SAFIS (Sequential Adaptive Fuzzy Inference System). Dans cette architecture les réseaux de neurones à fonctions de bases radiales (RBF) avec leur propriété d'approximation sont utilisés pour estimer les paramètres du modèle dynamique et compenser les incertitudes paramétriques.
L'algorithme d'apprentissage GAP-EKF en ligne est basé sur une stratégie de (GAP) pour contrôler le nombre des neurones cachés (égal à 0 au début) et un filtre de Kalman pour modifier les paramètres du réseau RBF. L'approche proposée a été appliquée pour la commande d'un robot manipulateur SCARA à 3 ddl. Les résultats obtenus sont très satisfaisants même en présence de perturbations et d'incertitudes.
La troisième approche se veut un ajustement des paramètres du contrôleur PID qui intervient comme un problème d'optimisation. D'ou l'appel à un outil de l'intelligence artificielle qui permet d'atteindre l'un des contributions de ce travail. Pour cela nous avons développé un algorithme évolutionnaire bio-inspiré pour optimiser ces paramètres afin de commander un système non linéaire ; c'est l'algorithme immunitaire artificiel (AIA). L'application de l'algorithme AIA pour l'optimisation des paramètres PID dans la commande d'un système masse ressort a donné de bons résultats.
D'autre part, nous avons effectué une étude pour tester la robustesse des lois de commande basées sur les contributions proposés dans ce travail. Elle consiste à prouver l'impact du choix des paramètres des algorithmes (STFIS, SAFIS, AIA) pour le test de la robustesse.
Description
Mots-clés
Systèmes non linéaires,
Commande adaptative,
Réseaux de neurones,
Logique floue,
Approximation,
STFIS, SAFIS,
AIA,
GAP-EKF,
Optimisation,
Contrôleur PID