Identification et commande des systèmes non linéaires : Utilisation des modèles de type NARMA - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2008

Identification and control of non linear systems using the NARMA type models

Identification et commande des systèmes non linéaires : Utilisation des modèles de type NARMA

Résumé

This work deals with the identification and predictive control of non linear systems. The Non linear Auto Regressive Moving Average (NARMA) model is used to characterize the non linear process. To identify nonlinear complex systems, using the NARMA type model, we propose two new approaches allowing the determination of the significant terms in the expression of NARMA model as well as the estimate of the corresponding coefficients. The first one exploits the Binary Genetic Algorithm, whereas the second uses a procedure based on a single layer neural network with polynomial activation function which is optimised with a real-coded genetic algorithm. We propose, also, the extension of the second method to identify the multivariable nonlinear systems. Both a simulation examples and a laboratory physical process are applied to identify a NARMA type models. The results confirmed the effectiveness of the proposed methods. Indeed, NARMA models characterized by an acceptable precision and a reasonable complexity were given. A derivative-free constrained predictive controller of nonlinear systems is then proposed. The NARMA model is used to characterize the behavior of the system. The control law is obtained by minimizing a non convex criterion. The optimization problem is solved by two methods using the Nelder-Mead and the Rosenbrock algorithms. These local and deterministic algorithms, which does not require the calculation of the criterion, combined with the penalty function and the CFON and multi-initialization aproches can converge towards the global minimum.
Dans ce travail, nous nous sommes intéressés à l'identification et la commande prédictive des systèmes non linéaires monovariables et multivariables en exploitant les modèles NARMA. Pour l'identification des modèles de type NARMA, nous avons proposé deux nouvelles méthodes heuristiques. La première méthode est basée sur les algorithmes génétiques binaires et la deuxième méthode constitue une combinaison entre le réseau de neurones artificiels à fonction d'activation polynomiale et l'algorithme génétique sous sa représentation réelle. Cette dernière méthode a été également développée pour la modélisation des systèmes multivariables. Les résultats trouvés, pratiques ou en simulations, ont confirmé l'efficacité et la robustesse des méthodes proposées. En effet, les modèles NARMA déterminés caractérisent avec une précision acceptable et avec une complexité raisonnable le comportement des systèmes étudiés. Par la suite nous avons proposé un contrôleur prédictif des systèmes non linéaires sous contraintes, qui exploite les modèles de type NARMA. La loi de commande est obtenue en minimisant un critère quadratique non convexe. Le problème d'optimisation est résolu par deux méthodes utilisant les algorithmes de Nelder-Mead et de Rosenbrock qui ne nécessitent pas le calcul de la dérivée du critère. Ces méthodes, combinées avec la fonction de pénalité, l'approche CFON ainsi que l'utilisation de la notion de multi initialisation, permettent une meilleure convergence vers le minimum global.
Fichier principal
Vignette du fichier
THESE_B_TLILI_ACS_ENIT_2008.pdf (2.12 Mo) Télécharger le fichier
Loading...

Dates et versions

tel-00589735 , version 1 (01-05-2011)
tel-00589735 , version 2 (09-05-2011)

Identifiants

  • HAL Id : tel-00589735 , version 2

Citer

Brahim Tlili. Identification et commande des systèmes non linéaires : Utilisation des modèles de type NARMA. Automatique / Robotique. Ecole Nationale d'Ingénieurs de Tunis, 2008. Français. ⟨NNT : ⟩. ⟨tel-00589735v2⟩

Collections

TDS-MACS
661 Consultations
5428 Téléchargements

Partager

Gmail Facebook X LinkedIn More