Aperçu des semaines

  • Fiche de contact

    Tout replier Tout déplier

    - Faculté: Technologie
    - Département: Géné electrique
    - Niveaux: Master-2 Automatique
    - Intitulé du cours: Commande Intelligente
    - Semestre: 3
    - Unité d’enseignement: UEF 2.1.1
    - Crédits: 4
    - Coefficient: 2

    - Mode d’évaluation: Contrôle continu: 40% ; Examen: 60%

    - Durée: 15 semaines
    - Horaire: 45h00 (Cours: 1h30, TD: 1h30)
    - Enseignant: Pr. Samir ZEGHLACHE
    - Grade: Professeur
    - Email: samir.zeghlache@univ-msila.dz

  • Objectifs

    Présenter les méthodes et outils nécessaires à l'intégration de la logique floue et des réseaux de neurones dans les schémas d'identification et de commandes de processus industriels. Donner une base théorique indispensable à la compréhension de ces approches et à leur utilisation dans les phases d'analyse, de synthèse et de mise en œuvre.

  • Prérequis

    L’étudiant devra posséder les connaissances suivantes :
            1- Systèmes asservis linéaires
            2- Systèmes échantillonnés

  • Résumé

    Dans ce cours l'étudiant va apprendre les différentes technique de commande intelligente tel que la commande par logique floue, commande et identification par les réseaux de neurone artificiel, commande par les réseaux neuro-floue et l'optimisation des commandes intelligentes par les algorithmes génétique.

  • Chapitre 1

    La logique floue suscite actuellement un intérêt général de la part des chercheurs, des ingénieurs et des industriels, et plus généralement de la part de tous ceux qui éprouvent le besoin de formaliser des méthodes empiriques, de généraliser des modes de raisonnement naturel, d’automatiser la prise de décision dans leur domaine et de construire des systèmes artificiels effectuant les tâches habituellement prises en charge par les humains.

    La logique floue est une technique pour le traitement de connaissances imprécises basées, sur des termes linguistiques; elle donne les moyens de convertir une commande linguistique basée sur le raisonnement humain, en une commande automatique, permettant ainsi la commande des systèmes complexes dont les informations sont exprimées d’une façon vague et mal définie.

  • Chapitre 2

    L’un des défis de l’homme aujourd’hui est de copier la nature et de reproduire des modes de raisonnement et de comportement qui lui sont propre. Les réseaux de neurones, sont nés de cette envie, ils constituent une famille de fonctions non linéaires paramétrées, utilisées dans de nombreux domaines (physique, chimie, biologie, finance, etc.), notamment pour la modélisation de processus et la synthèse de lois de commandes, Ce cours décrit une technique intelligente nouvellement introduite dans le monde de l’automatique. Il s’agit principalement des réseaux de neurones artificiels et les différentes structures qui leurs sont associées ainsi que nous abordons par la suite l’identification et le contrôle de processus par les réseaux de neurones pour la synthèse de lois de commandes.

  • Chapitre 3

    Jusqu'aux années 90, ces deux techniques (neuronal et flou) apparaissaient comme des approches bien distinctes, ayant chacune leurs avantages et leurs inconvénients et leurs domaines spécifiques.

    Dans le domaine du contrôle des processus, la commande floue se prêtait bien à un interfaçage avec un opérateur humain en raison de sa capacité à traiter des termes linguistiques. Par contre, il subsistait toujours une certaine part d'arbitraire dans le choix des fonctions d'appartenance et d'imprécision dans l'écriture des règles qui conduisait à une solution qui peut être assez loin de l'optimum.

  • Chapitre 4

    Les paramètres déterminés par le processus d'exploration (Algorithmes Génétiques), et qui garantissent un contrôle optimal, sont :

       - d'une part, les paramètres des prémisses,

       - et d'autre part, les paramètres des conclusions des règles.

    afin d'obtenir l'emplacement optimale des fonctions d'appartenance.

  • Travaux Dirigés N° 1

  • Travaux Dirigés N° 2

  • BIBLIOGRAPHIES

    [1] R.KETATA " Méthodologies de régulation numérique incluant la logique floue "-Thèse de Docteur L.A.A.S Toulouse – 1992

    [2] M. BAUER " Application de contrôleurs à logique floue pour la commande vectorielle des machines à induction: commande en vitesse et en position " Rapport de stage ingénieur- ESIM-22 Février 1995

    [3] A.IBALIDEN " Implantation d’un régulateur de type flou sur des commandes d’onduleurs pilotant des machines alternatives : application à la détermination des correcteurs "- Rapport d’activités 1994-1995

    [4] B. BEAUFRERE " Application de la logique floue à la planification de trajectoires de robots mobiles dans des environnements inconnus "- Thèse de Docteur de l’université de Poitiers, Décembre 1994.

    [5] P. Y. GLORONNEC " Algorithme d’apprentissage pour systèmes d’inférences floues " - INSA de Rennes (IRISIA)- 1999.

    [6] B. DEMAYA " Commande floue des systèmes à dynamiques complexes- Application à la commande d'un moteur thermique "- Thèse de Docteur LAAS Toulouse - 17 Octobre 1994