LIP6 1999/017
- Soutenance de thèse
Méthodes Connexionnistes pour la Commande des Systèmes Non Linéaires:
Application à la Régulation des Rivières - A. Toudeft
- 206 pages - 08/12/1998- document en - http://www.lip6.fr/lip6/reports/1999/lip6.1999.017.ps.gz - 1,800 Ko
- Contact : Zahia.Guessoum (at) nulllip6.fr
- Ancien Thème : APA
- Mots clés : Réseaux de Neurones, Commande Non Linéaire, Commande par Apprentissage, Connexionniste, Commande Adaptative, Modélisation Connexionniste, Systèmes à Temps de Retard Variable, Systèmes à Phase Non Minimale, Régulation des Cours d'eau.
- Directeur de la publication : Valerie.Mangin (at) nulllip6.fr
Cette thèse traite du problème de la commande connexionniste de procédés non linéaires. La difficulté d'établir des preuves de stabilité et de convergence a empêché le développement de méthodes fiables de résolution de ce problème.
Pour exploiter les caractéristiques des réseaux de neurones sans compliquer l'étude de la stabilité du système, nous avons proposé une approche neuro-adaptative utilisant un réseau de neurones comme contrôleur en boucle ouverte pour compenser les non linéarités du procédé et un contrôleur adaptatif linéaire en boucle fermée pour traiter les perturbations.
L'approche a été développée graduellement et mise en oeuvre sur un modèle de simulation d'une rivière constituant un système non linéaire, à phase non minimale, soumis à des perturbations et ayant un temps de retard variant avec son état. Cependant, l'approche peut être appliquée dans un cadre général.
Nous avons d'abord proposé un système de commande adaptatif avec un neurone linéaire à une entrée et un biais. La formulation sous forme de fonctions de transfert de la régle de Widrow-Hoff nous a permis de déterminer une règle d.ajustement en ligne du pas d.adaptation et de réaliser une linéarisation par adaptation du système de commande, permettant ainsi un traitement adéquat des perturbations agissant sur un procédé linéaire correspondant à une rivière en régime permanent.
La capacité des réseaux de neurones à capter la nature des variations du temps de retard du procédé a été mise en évidence dans une étape préalable à sa commande.
Nous avons ensuite procédé à l'apprentissage d'un réseau de neurones pour commander le procédé en boucle ouverte. Ce dernier ayant une phase non minimale, nous avons du proposer et comparer plusieurs méthodes pour aboutir à un contrôleur adéquat.
Pour traiter les perturbations, nous avons ajouté, en parallèle avec le réseau de neurones, un contrôleur adaptatif linéaire en boucle fermée.
Nous avons montré expérimentalement la faisabilité de l'approche et avons proposé une première étude de la stabilité du système. Les hypothèses restrictives posées gagneraient à être assouplies et la robustesse du système reste à évaluer.
Finalement, nous avons proposé plusieurs variantes de l'approche d'apprentissage du réseau de neurones contrôleur et avons mis en évidence leurs apports par des analyses théoriques.
Pour exploiter les caractéristiques des réseaux de neurones sans compliquer l'étude de la stabilité du système, nous avons proposé une approche neuro-adaptative utilisant un réseau de neurones comme contrôleur en boucle ouverte pour compenser les non linéarités du procédé et un contrôleur adaptatif linéaire en boucle fermée pour traiter les perturbations.
L'approche a été développée graduellement et mise en oeuvre sur un modèle de simulation d'une rivière constituant un système non linéaire, à phase non minimale, soumis à des perturbations et ayant un temps de retard variant avec son état. Cependant, l'approche peut être appliquée dans un cadre général.
Nous avons d'abord proposé un système de commande adaptatif avec un neurone linéaire à une entrée et un biais. La formulation sous forme de fonctions de transfert de la régle de Widrow-Hoff nous a permis de déterminer une règle d.ajustement en ligne du pas d.adaptation et de réaliser une linéarisation par adaptation du système de commande, permettant ainsi un traitement adéquat des perturbations agissant sur un procédé linéaire correspondant à une rivière en régime permanent.
La capacité des réseaux de neurones à capter la nature des variations du temps de retard du procédé a été mise en évidence dans une étape préalable à sa commande.
Nous avons ensuite procédé à l'apprentissage d'un réseau de neurones pour commander le procédé en boucle ouverte. Ce dernier ayant une phase non minimale, nous avons du proposer et comparer plusieurs méthodes pour aboutir à un contrôleur adéquat.
Pour traiter les perturbations, nous avons ajouté, en parallèle avec le réseau de neurones, un contrôleur adaptatif linéaire en boucle fermée.
Nous avons montré expérimentalement la faisabilité de l'approche et avons proposé une première étude de la stabilité du système. Les hypothèses restrictives posées gagneraient à être assouplies et la robustesse du système reste à évaluer.
Finalement, nous avons proposé plusieurs variantes de l'approche d'apprentissage du réseau de neurones contrôleur et avons mis en évidence leurs apports par des analyses théoriques.