Contribution à la surveillance des systèmes de production à l'aide des réseaux de neurones dynamiques : application à la e-maintenance

par Mohamed Ryad Zemouri

Thèse de doctorat en Automatique et informatique

Sous la direction de Noureddine Zerhouni.

Soutenue en 2003

à Besançon , en partenariat avec Université de Franche-comté. UFR des sciences et techniques (autre partenaire) .


  • Résumé

    Cette thèse présente l'application des réseaux de neurones pour la surveillance d'équipements industriels. Nous proposons une architecture de Réseaux à Fonctions de base Radiales qui exploite les propriétés dynamiques des architectures localement récurrentes pour la prise en compte de l'aspect temporel des données. Dans cette optique, nous proposons une version améliorée de l'algorithme des k-moyennes. Des tests de validation montrent qu'à la convergence de l'algorithme d'apprentissage, le réseau de neurones se situe dans la zone de bonne généralisation. Le réseau de neurones a été ensuite décomposé en fonctions élémentaires facilement interprétables en langage automate. Le réseau de neurones chargé dans l'automate est entièrement configurable à distance par le protocole de communication TCP/IP. Une connexion Internet permet alors à un expert distant de suivre l'évolution de son équipement et également de valider l'apprentissage du réseau de neurones artificiel.

  • Titre traduit

    Contribution to the production system monitoring using dynamic neural networks : Application to the e-maintenance


  • Résumé

    This thesis presents an application of the neural networks to the industrial monitoring. We propose an architecture of Radial Basis Function Networks which exploits the dynamic properties of the locally recurrent architectures. In this sense, we propose an improved version of the k-means algorithm which allows to determine easily the neural network parameters. The validation tests show that at the convergence, the neural network is situated in the good generalization zone. The neural network was then decomposed into elementary functions easily interpretable in industrial automation languages. The applicative part of this thesis shows that a real-time monitoring treatment is possible thanks to the automation architectures. The neural network loaded in a PLC is completely configurable at distance by the TCP/IP communication protocol. An Internet connection allows then a distant expert to follow the evolution of its equipment, and also to validate the artificial neural network learning.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 264 p. ; ill. ;30 cm
  • Notes : Reproduction de la thèse autorisée
  • Annexes : Bibliogr. p.252-264

Où se trouve cette thèse ?

  • Bibliothèque :
  • Disponible pour le PEB
  • Cote : SCI.BESA.2003.13

Cette version existe également sous forme de microfiche :

Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.