Contrôle sensori-moteur par réseaux neuro-mimétiques modulaires : Application au pilotage réactif en atelier flexible

par Guillaume Beslon

Thèse de doctorat en Génie informatique

Sous la direction de Frédérique Biennier.


  • Résumé

    L'accroissement de la flexibilité et de la réactivité d'un système de production, indispensable à la réduction du «temps de mise sur le marché», peut être obtenu en décentralisant totalement les fonctions de décision de l'atelier. Une telle organisation limite la diffusion des aléas, mais elle implique que chaque ressource dispose d'un contrôleur local capable d'assurer son autonomie. Nous proposons un modèle de contrôleur basé sur la combinaison des architectures réactives, permettant de réaliser des fonctions sensori-motrices complexes, et des modèles neuromimétiques qui autorisent l'apprentissage de fonctions motrices nouvelles. Devant 1' incompatibilité des caractéristiques propres à ces deux approches, nous avons été amenés à développer un modèle connexionniste spécifique, modulaire, pour le contrôle« neuro-réactif». Ce modèle est inspiré de l'organisation biologique des assemblées de neurones. Il repose sur un mode de mise à jour particulier : le mode ordonnancé, grâce auquel le réseau crée, au cours de l'apprentissage, des chemins d'activation complexes, éventuellement bouclés, reliant l'entrée et la sortie. Leur entrelacement permet 1' émergence de groupes de neurones fonctionnellement proches, analogues à des modules comportementaux ou à des assemblées de neurones. Les différents tests effectués montrent que le réseau peut ainsi apprendre par partie un problème complexe grâce à une représentation semi- localisée des informations.

  • Titre traduit

    = Sensori-motor control by modular neural networks : Application to reactive flexible manufacturing system control


  • Résumé

    In order to lower the « time to market » delays, modem factories have to increase flexibility and reactivity in their production system. In an FMS, this can be achieved thanks to a full decentralization of the decision process over the resources. Thanks to such an organization, perturbations are not able to spread from a small group of resources to the entire workshop. On another hand, it implies that each resource is able to perform autonomously its different tasks. W e have built a new controller architecture that remains both on reactive control (for autonomy and reactivity) and on neural networks (to enable the controller to adapt to new environments). Since neural networks are monolithic structures, they cannot fit with the intrinsic modularity of reactive architectures. So we have defined a specific « neuro-reactive » controller. It is a modular network based on a new update mode : the scheduled mode. This mode enables the network to build activation path from the input sensory data to the output motor neurons. The multiple crossing nodes between the different activation paths create, during the learning process, some functional neural groups comparable to the biological neural assemblies. Different testing environments have been used, showing that the network is able to learn « by parts » a complex task thanks to a semi-distributed localization of information.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (335 p.)
  • Notes : Publication autorisée par le jury
  • Annexes : Bibliogr. p

Où se trouve cette thèse ?

  • Bibliothèque : Institut national des sciences appliquées (Villeurbanne, Rhône). Service Commun de la Documentation Doc'INSA.
  • Disponible pour le PEB
  • Cote : C.83(1832)

Cette version existe également sous forme de microfiche :

  • Bibliothèque : Service interétablissements de Documentation (Saint-Martin d'Hères, Isère). Bibliothèque universitaire Joseph-Fourier.
  • Non disponible pour le PEB
  • Cote : MF-1995-BES
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.