Intégration de l'expertise humaine en modélisation et identification floues de systèmes

par Rubén Ruelas

Thèse de doctorat en Génie électrique

Sous la direction de Jacques Bremont.

Soutenue en 1997

à Nancy 1 .


  • Résumé

    Dans ce mémoire nous présentons nos travaux sur la modélisation et l'identification de systèmes à l'aide de la théorie des ensembles flous. Particulièrement, notre intérêt s'est porté sur la modélisation de systèmes pour lesquels nous disposons de peu d'observations du fonctionnement et où l'être humain intervient en tant que capteur ou expert. La première partie du mémoire est consacrée à la modélisation floue à partir de connaissances expertes provenant soit des experts, qui connaissent le fonctionnement du système à modéliser, soit du modélisateur. Dans un premier temps le processus de fuzzification est étudié afin d'envisager la prise en compte d'informations linguistiques. A l'aide des modificateurs linguistiques deux notions, précision et dérivation, sont proposées aux experts afin qu' ils expriment leurs connaissances. Dans cette première partie du mémoire nous utilisons principalement l'aspect précision dans la construction du modèle flou, alors que dans la dernière partie la notion de dérivation est utilisée. Finalement, cette partie se termine par une étude montrant l'influence de la forme des ensembles flous dans une démarche d'approximation de fonctions. Notre intérêt portant principalement sur les modèles flous à sortie précise utilisés classiquement en commande floue, la deuxième partie du mémoire concerne la défuzzification. Après avoir rappelé le principe de la défuzzification nous précisons les différents objectifs de ce processus à l'aide d'une classification des méthodes présentées dans la littérature. Selon la méthode, la défuzzification consiste à faire une conversion du domaine flou au domaine numérique, une conversion avec préférences, une conversion optimisée selon un critère ou une conversion sous contraintes. Après cette classification, nous proposons trois méthodes de défuzzification permettant d'exploiter les informations codées sur les ensembles flous de sortie correspondant aux connaissances des experts sur la variable de sortie du modèle. La dernière partie est consacrée à l'identification des règles d'un modèle flou principalement lorsque les observations sur le comportement du système sont imprécises et incertaines. Cette méthode est ensuite utilisée pour l'identification de règles floues dans un problème d'évaluation de confort des sièges d'automobile. Dans cet application industrielle, nous montrons la place des opérateurs humains intervenant en tant que capteurs ou en tant qu'experts dans le processus d'évaluation, puis nous appliquons notre approche à l'identification du lien entre des inconforts et les caractéristiques ressenties du siège.

  • Titre traduit

    Integration of human expertise on fuzzy modeling and fuzzy identification of systems


  • Pas de résumé disponible.


  • Résumé

    This thesis deals with the modeling and identification of systems using the fuzzy sets theory. The focus is on the modeling of a system when not enough data is available about its behavior and in which a human being participates either as a sensor or as an expert. The first section is devoted to fuzzy modeling based on expert knowledge from experts, who know the functioning of the system to be modeled, or from the designer. In the first case, the fuzzification process has be studied in order to take into account the linguistic information. Making use of linguistic modifiers we propose to the experts two notions, precision and derivation, with the intention that they express their knowledge. In the first part of this work, we mainly use the aspect of precision for the construction of a fuzzy model. In the last part, the notion of derivation is used. Finally, we present a study demonstrating the influence of the fuzzy sets shape on functions approximation. Since we are mainly interested in fuzzy models with crisp outputs, the second part of this work is focused on defuzzification. After studying tlte theoretical basis of defuzzification, we specify the different objectives of the process with a classification according to different methods presented in the literature. Depending on the defuzzification method, this consists of a conversion from the fuzzy domain to a numerical one, a conversion with preferences, an optimized conversion according to a criterion, or a conversion under constraints. Following the classification, we propose three defuzzification methods to exploit the coded information of the output fuzzy set which correspond to the expert knowledge of the model output variable. The last section addresses the identification of the rules of a fuzzy model, particularly when the observations of the behavior's system are uncertain and imprecise. This method is used for the identification of fuzzy rules in the comfort evaluation of automobile seats. With this industrial application, we demonstrate the role of human operators, either as sensors or as experts, in the evaluation process. Finally, we have applied our method to the identification of the relationship between discomforts and seat characteristics.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (222 p.)
  • Notes : Publication autorisée par le jury
  • Annexes : Bibliographie p. 199-207

Où se trouve cette thèse ?

  • Bibliothèque : Université de Lorraine (Villers-lès-Nancy, Meurthe-et-Moselle). Direction de la Documentation et de l'Edition - BU Sciences et Techniques.
  • Disponible pour le PEB
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.