Sur la commande neuronale adaptative des systèmes non linéraires

par Asma Atig

Thèse de doctorat en Sciences et technologie

Sous la direction de Dimitri Lefebvre.

Soutenue en 2012

à Le Havre en cotutelle avec École nationale d'ingénieurs de Gabès (Tunisie) .

mots clés

• Commande adaptative indirecte
• Critère multi-objectifs
• Systèmes non linéaires
• Réseaux neuronaux (informatique)
• Systèmes adaptatifs (technologie)
• Stabilité
• Temps réel (informatique)
• Décision multicritère

Résumé

Ce travail traite de la commande des systèmes non linéaires carrés multivariables à dynamiques inconnues ou incertaines. Le schéma de commande neuronale adaptative retenu est formé d'un émulateur et d'un correcteur dont les paramètres découplés sont adaptés en temps réel à l'aide de l'algorithme "Real Time Recurrent Learning". Des nouvelles méthodes d'adaptation des paramètres du correcteur, basées sur l'étude de la stabilité au sens de Lyapunov, sont proposées pour assurer un comportement stable des systèmes non linéaires perturbés. La minimisation des critères multi-objectifs est aussi considérée pour ajuster le facteur d'adaptation du correcteur. L'apport en performances des approches développées est évalué par des simulations numériques et par des applications en temps réel sur des systèmes non linéraires perturbés.

Titre traduit

Neural adaptive control of nonlinear systems

Résumé

This work deals with the control of non linear square MIMO systems with unknown or uncertain dynamics. The retained adaptative neural control scheme consists of an emulator and a controller. The emulator and controller parameters are decoupled and adjusted in real time using the Real Time Recurrent Learning algorithm. New adptation approaches for the controller parameters, based on the Lyapunov stability study, are proposed to ensure a stable behavior of disturbed nonlinear systems. Minimization of multi-objective criteria is also considered to adjust the controller parameter. Performances of the proposed approaches were evaluated by numerical simulations and by real time applications on disturbed nonlinear systems.