2018-2019 GENIE ELECTRIQUE Année 5 - Sem.

2.9.5P Commandes avancées Obligatoire

Crédits ECTS : 2 Intervenants : Mohammad Khalil (I) – Youssef Harkouss (III). Langue : Français/French
US Credits : 2

Heures totales Période : du 01 Octobre au 15 Février

élève : 32 h

Acquis de la formation

Il n’existe pas véritablement à l’heure actuelle de méthodes de synthèse pour commander des processus dynamiques non
linéaires. Une voie adoptée par de nombreux chercheurs depuis quelques années consiste à utiliser des nouvelles
techniques avancées de commande telles que la logique floue, les réseaux de neurones ou des solutions hybrides
(approches neuro-floues). Nous pouvons encore concevoir un contrôleur basé sur la méthode QFT pour avoir une
commande avec des performances raisonnables.

Acquis d'apprentissage (objectifs d'apprentissage) de l'Unité d'Enseignement (AAUE) et corrélation avec les Acquis
d’Apprentissage de la Formation (AAF)

A l’issu de ce cours, les étudiants seront capables de :

AAUE Correlation avec les AAF

Concevoir un système de commande des processus basé sur la méthode QFT, (1), (2), (3), (7), (8)
la logique floue ou les réseaux de neurones
Implémenter et simuler cette nouvelle technique de commande sur (3), (4), (5)
Matlab/Simulink

Prérequis

Il est conseillé d'avoir suivi les cours suivants : commande des systèmes continus et séquentiels.

Bibliographie

nd
‒ S. Haykin, Neural networks: a comprehensive foundation, Macmillan College Publishing Company, 2 edition
(1998).
‒ S. Huang, K. K. Tan and K. Z. Tang, Neural network control: theory and applications, Research Studies Press –
(2004).
‒ K. M. Passino and S. Yurkovich, Fuzzy control, Addison Wesley Longman, Inc., (1998).
‒ J. Jantzen, Foundations of fuzzy control, John Wiley & Sons, Chichester, (2007).
nd
‒ C. H. Houpis et al., Quantitative feedback theory: fundamentals and applications, CRC Press, 2 edition (2005).
Plan du cours par thème (par semaine)

Semaine 1 Commande floue des systèmes.

Semaine 2 La logique floue : théorie des sous-ensembles flous et opérateurs en logique floue.
La commande floue : régulateur flou, fuzzification, base de règles, méthodes d’inférence et
Semaine 3
défuzzification.
Semaine 4 Quelques applications pratiques et mise en œuvre.
Semaine 5 Quelques applications pratiques et mise en œuvre.
Séances des travaux dirigées supplémentaires sur toutes les notions citées dans les séances 1 à 5.
Semaine 6
(Partiel)
Semaine 7 Introduction à la commande neuronale des systèmes.
Semaine 8 Les réseaux de neurones formels (bouclés et non bouclés) : définitions et propriétés fondamentales.
Semaine 9 Les méthodes d’apprentissage : la rétropropagation du gradient et ses versions améliorées
Semaine 10 Les méthodes d’apprentissage : le gradient conjugué, les méthodes de Newton, etc.

Semaine 11 Les réseaux de neurones pour la commande et quelques applications pratiques.

Semaine 12 Les réseaux de neurones pour la commande et quelques applications pratiques.

Semaine 13 Méthode QFT (Quantitative feedback theory). Introduction à la méthode QFT.

Semaine 14 Méthode QFT (Quantitative feedback theory). Procédure de synthèse et exemples de conception.
Semaine 15 Séances des travaux dirigées supplémentaires sur toutes les notions citées dans les séances 6 à 13.

Evaluation

Assiduité + Présence (AP) 10%

Examen Partiel (EP) 40-50 %
Examen Final (EF) 40-50 %
Note Finale: 0.1 * (AP) + 0.4 * Min (EP,EF) + 0.5 * Max (EP,EF) 100%

Lien évaluation-compétences

L'évaluation sera effectuée à travers :

 Un examen partiel
 Un examen final
 Des projets de programmation sur Matlab
 Des projets de simulation sur Simulink/Matlab