Identification et commande des systèmes non linéaires

• SOMMAIRE
  
• INTRODUCTION GENERALE.............................................................01
  
• CHAPITRE I : MODELISATION ET IDENTIFICATION DES
  
• CHAPITRE II : LES RESEAUX DE NEURONES
  
  • II.8.MODELISATION NEURONALE DES SYSTEMES NONLINEAIRES.....24
    
  • II.9.IDENTIFICATION DES PROCESSUS PAR RESEAUX
    
• CHAPITRE III : LES TYPES DE LA COMMANDE
  
  • III.2.LES RESEAUX DE NEURONES DANS LA COMMANDE
    
  • III.3.STRUCTURE BASE DE LA COMMANDE ADAPTATIVE
    
• CHAPITRE IV : LES RESULTATS DE SIMULATION
  
• Introduction générale :
  
• Chapitre I
  
• MODELISATION ET IDENTIFICATION
  
• DES SYSTEMES NON LINEAIRES
  
  • I.1.Modélisation:
    
    • I.1.1.Modélisation de données statiques :
      
    • I.1.2.La modélisation de processus dynamiques non linéaires :
      
      • I.1.2.1.Les modèles dynamiques "boîtes noires":
        
      • I.1.2.2.Modèle de connaissance :
        
      • I.1.2.3. Modèle de représentation:
        
  • I.2.Étape de modélisation :
    
    • I.2.1. Caractérisation :
      
  • I.3.Principe de la modélisation et l'estimation [6]:
    
  • I.4.Intérêt de la modélisation:
    
  • I.5. L'identification :
    
  • I.6.Identification des systèmes statiques et dynamiques :
    
  • I.7.Procédure d'identification:
    
  • I.9.Nature des perturbations et des erreurs de modélisation dans les Schémas d'identification :
    
  • I.10.Importance et utilité de l'identification :
    
• Conclusion :
  
• Chapitre II
  
• Les Réseaux de neurones
  
• Introduction :
  
  • II.1.Les neurones artificiels :
    
  • II.2. Fonctions d'activation :
    
    • II.2.1. Fonction binaire a seuil :
      
    • II.2.2 Fonction linéaire :
      
    • II.2.3 Fonction linéaire à seuil ou multi-seuils : On peut la définir comme suit :
      
    • II.2.4 Fonction sigmoïde :
      
  • II.3.Architecture des réseaux de neurones :
    
    • II.3.1.Les réseaux non bouclés :
      
    • II.3.2.Réseaux bouclés :
      
  • II.4.L'apprentissage :
    
    • II.4.1.Types d'apprentissages :
      
      • II.4.1.2. Apprentissage non supervisé :
        
      • II.4.1.3. Apprentissage auto-supervisé :
        
    • II.4.2Les méthodes d'apprentissage :
      
      • II.4.2.1. Règle de Hebb :
        
      • II.4.2.2. Rétro-propagation du gradient de l'erreur :
        
    • II.4.3.Le perceptron :
      
      • II .4.3.1. Description :
        
  • II.5.Structure à perceptron multicouche(PMC)
    
    • 11 ??) = ?? ??[?????????? ??)] (II-10)
      II.5. 1.Mise en oeuvre des réseaux PMCs :
      
  • II.6.Structure à fonction de base radiale RBF :
    
  • II.7. Propriété des réseaux de neurones :
    
    • II.7.1 Le parallélisme :
      
    • II.7.2 La capacité d'adaptation :
      
    • II.7.3 La mémoire distribuée :
      
    • II.7.4 La capacité de généralisation :
      
  • II.8. Modélisation neuronale des systèmes non linéaires :
    
  • II.9.Identification des processus par réseaux de neurones :
    
    • II.9.1. Identification directe :
      
    • II.9.2. Identification inverse :
      
  • II.10.Avantages et Inconvénients des réseaux de neurones :
    
    • II.10.1. Avantages des réseaux de neurones :
      
    • II.10.2. Inconvénients des réseaux de neurones :
      
  • II.11.Conclusion :
    
• Chapitre III
  
• Les types de la commande
  
• Introduction :
  
  • III.1.COMMANDE DE PROCESSUS :
    
  • III.2. Les réseaux de neurones dans la commande des systèmes :
    
    • III.2 .1. La commande inverse:
      
    • III.2.2. Commande basée sur l'erreur de sortie:
      
    • III.2.3. Commande adaptative neuronale:
      
      • III.2.3.1 La commande adaptative neuronale indirecte :
        
      • Figure III.6.schéma de commande indirecte basée sur la linéarisation par retour. III.2.3.2. La commande adaptative neuronale directe :
        
  • III.3 Structure de base de la commande adaptative neuronale retour d'état :
    
    • III. 4.1. La structure de base :
      
    • III. 4.2 Les observateurs non linéaires:
      
  • III.5.Apprentissage d'un contrôleur conventionnel :
    
• Conclusion :
  
• Chapitre ÉV
  
• Résultats de simulation
  
• Introduction :
  
  • IV.1.Présentation des systèmes à identifier et Résultats :
    
  • IV.2.La simulation :
    
  • IV.3.Interprétation des résultats :
    
  • IV.4.Conclusion :
    
• Conclusion general :
  
• BIBLIOGRAPHIE