Commande tolérante aux défauts en utilisant les Réseaux de Neurones Artificiels et les Systèmes d’Inférence Floue

ACHBI, Mohammed Said (2012) Commande tolérante aux défauts en utilisant les Réseaux de Neurones Artificiels et les Systèmes d’Inférence Floue. Masters thesis, Université Mohamed Khider - Biskra.

[img]
Preview
Text
Mémoire_2012.pdf

Download (3MB) | Preview

Abstract

La commande tolérante aux défauts est basée sur l’association de techniques de diagnostic et de commande afin de prendre efficacement en charge les défauts. Le diagnostic des défauts a une grande importance pratique dans les systèmes industriels. La détection précoce de l’occurrence du défaut est critique en évitant les dégâts écologiques, la détérioration de produit, la dégradation de performance et la dégradation importante à l’équipement et la sécurité des personnes, et même la perte de vie. L'objectif de ce travail est de proposer une stratégie de commande tolérante aux défauts basée sur l’utilisation des réseaux de neurones artificiels et des systèmes d’inférence floue. Ces méthodes peuvent être utilisées dans la partie de diagnostic pour la modélisation du fonctionnement normal du processus et la classification des défauts et dans la partie commande pour le choix des nouveaux objectifs après l’appariation des défauts et la sélection de la commande appropriée. Une simulation de cette stratégie sur un système hydraulique/thermique a été faite afin de compenser les éventuels défauts de type pertes d’efficacité d’actionneurs. Les résultats obtenus confirment l’efficacité de cette méthode de s’accommoder automatiquement et d’annuler les effets fatals liés à l’appariation des défauts.

Item Type: Thesis (Masters)
Uncontrolled Keywords: Commande tolérante aux défauts, modélisation, génération des résidus, détection, diagnostic, réseaux de neurones artificiels, systèmes d’inférence floue
Subjects: T Technology > T Technology (General)
Divisions: Faculté des Sciences et de la technologie > Département de Génie Electrique
Depositing User: Admin01 TMLBiskra
Date Deposited: 14 Feb 2016 08:25
Last Modified: 14 Feb 2016 08:25
URI: http://thesis.univ-biskra.dz/id/eprint/2127

Actions (login required)

View Item View Item