Controle neuro-flou robuste des systèmes non-linéaires

• Chapitre I
  
  • Chapitre 1 : La logique floue
    

• La logique floue
  
  • I.1 Introduction :
    
• Depuis l'apparition de la logique floue , la philosophie de commande des procédés mal définis ou complètement inconnus qui ne peuvent pas être modélises soigneusement d'une manière mathématique , a connu un changement radical , ceci est du au fait que les lois de commande conventionnelles sont remplacées par une série de règles linguistique de type :
  
  • SI (condition ) ALORS( action )
    
  • I.2 Historique :
    
  • I.3 La théorie de la logique flou :
    
  • I.4 Concepts fondamentaux :
    
    • I.4.1 Univers de discours :
      
    • I.4.2 Les ensembles flous :
      
    • I.4.3 Propriété d'un sous-ensemble flou :
      
      • Chapitre 1 : La logique floue
        
    • I.4.4 Opérateurs en logique floue :
      
      • Chapitre 1 : La logique floue Â
        
• On obtiens A ?  = U  et A ? = .
  
  • Soient A1 , A2 , ... , An des ensembles flous définis sur les univers de discours U1 , U2 , ... , Un respectivement , leur produit cartésien est un ensemble flou ( relation flou ) noté par :
    
  • A = A1 . A2 . .... An , avec une fonction d'appartenance définis par :
    
  • a)- Conjonction / disjonction de Lukasiewic
    
• L'entropie floue est une mesure d'ambiguïté d'un sous-ensemble :
  
• 
  
• E( A) = dH (A Ac) / dH(A Ac) (I . 18)
  
  • 1.5 Les fonctions d'appartenances :
    
• - ( x - c )2
  
• Sigmoïde ( x , a , c ) = 1 / 1 + e - ( a ( x - c ) ) .
  
• 
  
  • a b c x a b c d x
    
  • Figure I.7 :(a) Fonction triangulaire .
    
  • I.6 variable linguistique
    
    
  • I.7 Relations floues :
    
  • I.7.1 Définition :
    
  • I.7.2 Définition :
    
  • I.7.3 Implication floues :
    
  • I.8 Contrôleur à logique flou :
    
  • I.9 La structure des systèmes a base de la logique flou :
    
  • I.9.1 Interface de fuzzification :
    
  • I.9.2 Base de connaissances :
    
  • I.9.3 engin d'inférence flou (régulateur flou) :
    
  • I.9.4 La defuzzification :
    
  • I.10 La modélisation par la logique flou :
    
  • I.11 Les règles floues :
    
  • I.11.1 règle de Mamdani :
    
  • I.11.2 Règle de Takagi Sugeno :
    
  • Les étapes de conception d'un système flou 
    
    • Conclusion :
      
      • Chapitre II
        
• Chapitre 11 :  Les réseaux de neurones
  
• Les réseaux de neurones
  
• 
  
  • II.1 Introduction :
    
    • II.1.1 - L'adaptation rapide et automatique :
      
    • II.1.2 - L'apprentissage :
      
• Chapitre 11 :  Les réseaux de neurones
  
  • II.2 Le neurone :
    
  • II.3 Quelques exemples de fonctions d'activation [31] :
    
• Chapitre 11 :  Les réseaux de neurones
  
  • II.4 Réseau de neurones :
    
  • II.5 L'architecture d'un réseau de neurones :
    
    • II.5.1 Réseaux à couches :
      
      • Chapitre 11 :  Les réseaux de neurones
        
    • II.5.2 Réseaux entièrement connectés :
      
  • II.6 Propriétés des réseaux de neurones :
    
    • Chapitre 11 :  Les réseaux de neurones
      
    • II.6.1 Parallélisme :
      
    • II.6.2 La généralisation :
      
    • II.6.3 Capacité d'adaptation :
      
    • II.6.4 La résistance aux pannes :
      
    • II.6.5 L'Apprentissage :
      
      • Chapitre 11 :  Les réseaux de neurones
        
      • Chapitre 11 :  Les réseaux de neurones
        
      • Chapitre 11 :  Les réseaux de neurones
        
    • II.6.6 La non-linéarité :
      
    • II.6.7 Certains réseau de neurones sont des approximateurs parcimonieux :
      
  • II.7 Equations d'un réseau :
    
  • Chapitre 11 :  Les réseaux de neurones
    
  • II.8 Notion des minimums :
    
  • II.8.1 Minimum local :
    
  • si le système reste bloqué et la convergence n'est pas complète on dit qu'il y a un minimum local .
    
  • II.9 Le principe de minimisation :
    
    • II.9.1 La décente de gradient :
      
  • II.10 Méthode de rétro - propagation :
    
    • II.10.1 Principe de fonctionnement de la méthode :
      
    • Conclusion :
      
      • Chapitre III
        
• Chapitre III : Réseaux neuraux flous
  
  • III.1 Introduction :
    
  • III.2 Extraction automatique des connaissances :
    
    • III.2.1 : Approche à auto - apprentissage ou directe :
      
      • Chapitre III : Réseaux neuraux flous
        
    • III.2.2 : Approche connexionniste :
      
    • III.2.2.1: Approche structurelle :
      
      • Chapitre III : Réseaux neuraux flous
        
    • A1
      
    • X1
      
    • N
      
    • X2
      
    • III.2.2.2: Approche fonctionnelle :
      
    • RBF
      
    • x1 RBF
      
    • W2 . F2
      
    • RBF W3 . F3 i=1 i=1
      
    • III.2.3 Association série :
      
    • III.2.4 association en parallèle :
      
      • Chapitre III : Réseaux neuraux flous
        
    • Z1
      
      • Chapitre III : Réseaux neuraux flous
        
• Chapitre IV : Méthodologie de conception et application
  
  • IV.1 Introduction :
    
  • IV.2 L'architecture du système de contrôle :
    
    • Yr simulation)
      
  • IV.3 Méthodologie de conception :
    
    • i=1 i=1
      
      • Chapitre IV : Méthodologie de conception et application
        
  • IV.4 Structure du réseau contrôleur :
    
    • Z
      
      • Chapitre IV : Méthodologie de conception et application
        
  • IV.5 SIMULATION ET FIGURES
    
    • IV.5.1 Commande du pendule inversé :
      
    • Base de connaissance flous
      
    • FIN
      
    • F <= 25 N .
      
    • IV.5.1.1 Test de la robustesse
      
    • IV.5.1.2 CONCLUSION
      
• Conclusion générale