Architectures fondées sur la connaissance pour l'exécution et le contrôle de processus complexes

Knowledge based architectures for execution and control of complex processes

• Auteur / Autrice : Jean-Claude Heudin
• Direction : Francis Devos
• Type : Thèse de doctorat
• Discipline(s) : Physique
• Date : Soutenance en 1988
• Etablissement(s) : Paris 11
• Partenaire(s) de recherche : autre partenaire : Université de Paris-Sud. Faculté des sciences d'Orsay (Essonne)

Mots clés

Mots clés contrôlés

Commande automatique

Programmation en temps réel

Mots clés libres

Contrôle de processus complexes

Résumé

Cette thèse présente une contribution à la réalisation d'architectures fondées sur l'exploitation de la connaissance pour le contrôle en Temps Réel de processus complexes. Après avoir défini la complexité d'un sysème à partir de trois attributs fondamentaux : le parallélisme, le Temps réel et la Connaissance, nous étudions les techniques de la programmation temps réel et celles permettant la manipulation· de la connaissance. A partir de ces travaux, nous proposons un système exécutif temps réel distribué, basé sur un codage original sous la forme de règles de comportements et de tâches déclaratives. L'introduction de techniques d'Intelligence Artificielle dans le domaine du contrôle pose néanmoins un problème d'efficacité. Pour le résoudre, une architecture RISC spécialisée pour l'exécution du traitement symbolique est étudiée. En conclusion, nous donnons les résultats ct performances obtenus, ainsi que les perspectives de prolongements de ces travaux.

This thesis describes studies upon Knowledge-based architectures for real-time control of complex processes. We first introduce a definition of complexity based on three major attributes: parallelism, Real-time and Knowledge. After a careful study of Real-time programming and Knowledge-based related techniques, we present a Real-time distributed executive, called KOSTM, based on an original encoding by means of behavior rules and declarative tasks. But, the use of Artificial Intelligence techniques magnifies the efficiency problem. J Thus, to solve this problem, we design a tagged-RISC architecture for an efficient execution of symbolic processing. As a conclusion we give results and lay out future extensions of this research.