Titre :	Commande Neuro-floue ; Application à la commande du canal longitudinal d’un drone
Type de document :	theses et memoires
Auteurs :	Saadi Houamdi ; Lassal Nasser ; Achour Touat Mohand, Directeur de thèse
Editeur :	Tizi.Ouzou : U.M.M.T.O
Année de publication :	2020
Importance :	95 p.
Présentation :	ill.
Format :	30 cm.
Note générale :	Bibliogr.
Langues :	Français
Mots-clés :	Systèmes neuro-flous  Défuzzification  Inférence floue  Fuzzification  Drone
Résumé :	L’étude présentée dans ce mémoire a pour objectif d’aborder les techniques de l’intelligence artificielle, qui constituent une alternative aux commandes classiques, généralement utilisées en automatique afin de répondre au mieux aux objectifs de performance et de robustesse pour la régulation d’un procédé. Nous avons décrit une nouvelle architecture de commande non linéaire, l’approche proposée repose sur l’utilisation de la commande neuro-flou basée sur l’architecture ANFIS. Les lois de commande proposées sont appliquées à la stabilisation d’un vol plus précisément la stabilisation du canal longitudinal d’un avion, qui est un système qui possède des non linéarités non négligeable. Pour y parvenir nous nous sommes amenés à donner quelques définitions de base de la logique floue, qui permet de s’abstenir de l’utilisation des modèles mathématique parfois très complexes et difficiles à obtenir, aussi on a donné une représentation d’un régulateur flou et ses différents constituants. En second lieu nous avons donné quelques définitions des réseaux de neurones, ses types, ses différentes architectures et enfin les méthodes et algorithme d’apprentissage. Puis on s’est intéressé aux systèmes neuro flous qui combine la théorie puissante de la logique floue et celle des réseaux de neurones afin d’introduire des capacités d’apprentissage et d’adaptation dans les systèmes flous, on s’est basé sur l’architecture ANFIS qui est un réseau connexionniste à cinq couches, il est capable d’adapter et d’ajuster ses paramètres en temps. Ensuite nous avons effectué une étude de la dynamique du vol afin de connaitre les constituants du système, son fonctionnement et son modèle mathématique, plus précisément le modèle longitudinal. Afin qu’on puisse implémenter le contrôleur neuro flou à notre système, et par la suite simuler notre système avec les perturbations puis sans les perturbations. La commande neuro-floue a donnée de meilleurs résultats cotés performance, robustesse, poursuite et la rapidité par un meilleur temps de réponse. Nous concluant que chaque type de commande peut être avantageux dans un sens et désavantageux dans un autre sens, mais on peut affirmer que la commande neuro-floue s’avère très efficace pour le contrôle des systèmes complexes.
En ligne :	D:\CD THESES 2020\RETARDATAIRES\HOUAMDI SAADI; LASSAL NASSER.PDF
Format de la ressource électronique :	PDF
Permalink :	./index.php?lvl=notice_display&id=36094

Commande Neuro-floue ; Application à la commande du canal longitudinal d’un drone [theses et memoires] / Saadi Houamdi ; Lassal Nasser ; Achour Touat Mohand, Directeur de thèse . - Tizi.Ouzou (Tizi.Ouzou) : U.M.M.T.O, 2020 . - 95 p. : ill. ; 30 cm.
Bibliogr.
Langues : Français

Mots-clés :	Systèmes neuro-flous  Défuzzification  Inférence floue  Fuzzification  Drone
Résumé :	L’étude présentée dans ce mémoire a pour objectif d’aborder les techniques de l’intelligence artificielle, qui constituent une alternative aux commandes classiques, généralement utilisées en automatique afin de répondre au mieux aux objectifs de performance et de robustesse pour la régulation d’un procédé. Nous avons décrit une nouvelle architecture de commande non linéaire, l’approche proposée repose sur l’utilisation de la commande neuro-flou basée sur l’architecture ANFIS. Les lois de commande proposées sont appliquées à la stabilisation d’un vol plus précisément la stabilisation du canal longitudinal d’un avion, qui est un système qui possède des non linéarités non négligeable. Pour y parvenir nous nous sommes amenés à donner quelques définitions de base de la logique floue, qui permet de s’abstenir de l’utilisation des modèles mathématique parfois très complexes et difficiles à obtenir, aussi on a donné une représentation d’un régulateur flou et ses différents constituants. En second lieu nous avons donné quelques définitions des réseaux de neurones, ses types, ses différentes architectures et enfin les méthodes et algorithme d’apprentissage. Puis on s’est intéressé aux systèmes neuro flous qui combine la théorie puissante de la logique floue et celle des réseaux de neurones afin d’introduire des capacités d’apprentissage et d’adaptation dans les systèmes flous, on s’est basé sur l’architecture ANFIS qui est un réseau connexionniste à cinq couches, il est capable d’adapter et d’ajuster ses paramètres en temps. Ensuite nous avons effectué une étude de la dynamique du vol afin de connaitre les constituants du système, son fonctionnement et son modèle mathématique, plus précisément le modèle longitudinal. Afin qu’on puisse implémenter le contrôleur neuro flou à notre système, et par la suite simuler notre système avec les perturbations puis sans les perturbations. La commande neuro-floue a donnée de meilleurs résultats cotés performance, robustesse, poursuite et la rapidité par un meilleur temps de réponse. Nous concluant que chaque type de commande peut être avantageux dans un sens et désavantageux dans un autre sens, mais on peut affirmer que la commande neuro-floue s’avère très efficace pour le contrôle des systèmes complexes.
En ligne :	D:\CD THESES 2020\RETARDATAIRES\HOUAMDI SAADI; LASSAL NASSER.PDF
Format de la ressource électronique :	PDF
Permalink :	./index.php?lvl=notice_display&id=36094