Chapitre IV : Méthodologie de conception
et application
IV.1 Introduction :
L'un des objectifs de l'intelligence artificielle est
précisément de réaliser des systèmes dotés
d'autonomie , capables de prendre des décisions dans des cas connus ,
mais aussi de généraliser leur savoir et de s'adapter à
l'inconnus .
Il s'agis bien évidemment aujourd'hui encore d'un voeu
pieux , mais c'est vers cet objectif
( contrôle des systèmes complexes) que tendent les
travaux de cette science .
Le contrôle des structures ou des systèmes complexes
, fortement non linéaires ou difficiles à modéliser ,
présente une tache très délicate ; De plus , les
performances désirées deviennent de plus en plus
sévères , c'est l'une des raisons pour les quelles
apparaissent de nouvelles méthodes de contrôle plus
sophistiquées telle que la logique floue , les réseaux de
neurones et les algorithmes génétiques .
La puissance de chaque méthode réside dans leurs
capacités de gérer l'imprécision et l'incertitude .
La logique floue telle que Zadeh la conçue est incapable
d'apprendre la connaissance , contrairement aux réseaux de neurones et
aux algorithmes génétiques , d'un autre point de vue les
réseaux de neurones ont besoin d'un minimum d'informations , tandis que
la logique floue demande une connaissance détaillée sur le
problème à résoudre .
Dans cette hybridation proposé , le type de processus
d'inférence utilisé est celui de Takagi Sugeno d'ordre un .
L'apprentissage permet d'ajuster les poids du réseaux ,
elle est effectuée par la méthode de la rétro -
propagation basée sur la descente du gradient .
Cette méthode souffre de problème de convergence ,
ce qui consiste une contrainte dégradant le degré de
l'efficacité des contrôleurs neuraux - flous .
IV.2 L'architecture du système de
contrôle :
Le but de cette architecture est de concevoir un contrôleur
neuraux - flou afin d'éviter le besoin d'un expert , nous pouvons
schématiser en blocs les modules du contrôleur avec le
modèle de simulation illustrée par la figure (IV.1)
Base de connaissance
floues
action de
état
e réseau commande
système du système
Contrôleur
(le modèle de
Yr
simulation)
Yd
Figure IV.1 :
Schéma en blocs du système de contrôle
Chapitre IV : Méthodologie de conception et
application
La figure (IV.1) illustre la structure du
système de commande qui contient deux blocs .
- Un bloc structurel qui représente le réseau
contrôleur .
- Le système à commander (procédé )
.
L'interaction entre ces trois blocs se résume comme
suit :
Au début de la simulation nous injectons la base de
connaissances floues ( coefficient de Takagi Sugeno ) sur le réseau
contrôleur , on donnes en suite une entrée ( l'angle et la vitesse
angulaire en cas du pendule inversé ) et une sortie ( la force)
initiales .
Après les calculs du réseau ( fuzzification ,
inférence , défuzzification ) l'action de commande sera
appliqué à l'entrée du procédé , ce qui
permet de connaître l'état du système pour calculer
l'erreur qui présente l'entrée du réseau controleur .
| 
