Thèse de doctorat d’Isabelle Rivals

Modélisation et commande de processus par réseaux de neurones ; application au pilotage d’un véhicule autonome

Thèse de l’Université Pierre et Marie Curie (Paris VI), soutenue le 20 janvier 1995, devant le jury composé de : Mme C. Alquié, présidente ; MM. L. Ljung et J.-P. Corriou rapporteurs ; MM. A. Nazin, M. de Cremiers, G. Dreyfus, L. Personnaz , examinateurs ; M. J.-J. Slotine, invité.

JPEG - 12.2 ko
Le robot REMI de la SAGEM

Résumé

Les réseaux de neurones formels permettent de construire, par apprentissage, une vaste famille de modèles et de correcteurs non lineaires. L’objet de cette thèse est la définition des modalités de mise en œuvre de réseaux de neurones et l’évaluation de leur apport pour la modélisation et la commande non adaptatives de processus dynamiques non linéaires.
Sur le plan théorique, nous présentons la modélisation et la commande de processus par réseaux de neurones dans un cadre aussi général que possible, en les plaçant dans la perspective de l’Automatique classique, linéaire en particulier. Du point de vue de la modélisation, les résultats concernant les systèmes linéaires nous aident à formuler les prédicteurs non linéaires optimaux théoriques correspondant à diverses hypothèses sur le bruit intervenant dans le processus à modéliser ; une méthodologie d’apprentissage associée fournit des prédicteurs neuronaux qui sont des réalisations des prédicteurs théoriques. Nous proposons ensuite une famille de systèmes de commande neuronaux, dont nous étudions les propriétés et les liens avec les systèmes de commande classique, linéaire ou non, en insistant notamment sur la robustesse ; ceci nous conduit à la commande avec modèle interne.
Sur le plan pratique, nous illustrons notre démarche et nos résultats par une application industrielle, le pilotage d’un véhicule autonome tout-terrain, dont le volant, l’accélérateur et les freins sont commandés par des réseaux neuronaux.

Mots-clés

Réseaux de neurones, commande avec modèle interne, commande non linéaire, modélisation non linéaire, robotique mobile, véhicule autonome tout-terrain.

Archive

L’archive comporte huit fichiers sous format postscript compressé.

  • Fichier 1 (9 pages) : Présentation. Remerciements. Table des matières.
  • Fichier 2 (16 pages) : Introduction générale. Chap. 1 : Réseaux de neurones pour la modélisation et la commande de processus.
  • Fichier 3 (20 pages) : Problématique de la conception d’un système de commande. Chap. 2 : Modèles de processus.
  • Fichier 4 (40 pages) : Chap. 3 : Estimation des paramètres d’un modèle. Chap. 4 : Exemples de modélisation de processus.
  • Fichier 5 (56 pages) : Chap. 5 : Commande de processus. Chap. 6 : Exemples de commande de processus.
  • Fichier 6 (30 pages) : Introduction au pilotage de véhicules autonomes. Chap. 7 : Modélisation du véhicule.
  • Fichier 7 (24 pages) : Chap. 8 : Commande du véhicule. Conclusion générale.
  • Fichier 8 (34 pages) : Références bibliographiques.
    Annexe I : Apprentissage des réseaux de neurones.
    Annexe II : Systèmes de commande linéaire par simple bouclage et avec modèle interne.

Les annexes III et IV sont des compte-rendus de conférences disponibles dans les publications de l’Équipe de Statistique Appliquée.

JPEG - 9.9 ko

Haut de page



À lire aussi...

Chapitres de livres

M.-C. Potier & I. Rivals (2012) Gene expression regulations in complex diseases : Down syndrome as a case study in N. Le Novère (ed.), (...) 

> Lire la suite...

Articles de vulgarisation

V. Cuzuel, G. Cognon, D. Thiébaut, I. Rivals, E. Portas, A. Sizun, F. Heulard & J. Vial (2017) Reconnaître un suspect grâce à son odeur : du (...) 

> Lire la suite...