Vous êtes sur la page 1sur 124

Universit de Savoie

Habilitation diriger des recherches


en Electronique, Electrotechnique et Automatique

tel-00413006, version 1 - 2 Sep 2009

Contrle flou : de linterpolation numrique au codage de lexpertise

Sylvie Galichet

Travaux prsents le 21 Dcembre 2001 devant la Commission dExamen : J.M. Dion D. Dubois B. Dubuisson L. Foulloy S. Gentil R. Longchamp A. Titli Rapporteur Rapporteur Prsident

Rapporteur

LAMII, Universit de Savoie, BP806, 74016 Annecy Cedex

tel-00413006, version 1 - 2 Sep 2009

Je tiens tout dabord remercier Bernard Dubuisson, Professeur lUniversit de Technologie de Compigne, de mavoir fait lhonneur de prsider le jury. Jespre avoir t la hauteur des attentes que peut avoir un directeur de thse envers une tudiante qui il a donn got la recherche. Je tiens aussi remercier Jean-Michel Dion, Directeur de Recherche CNRS au Laboratoire dAutomatique de Grenoble, davoir accept dtre rapporteur de ce travail. Ses remarques et critiques constructives sont pour moi dune grande utilit et jespre en tirer parti avec profit. Tous mes remerciements vont galement Didier Dubois, Directeur de Recherche CNRS lIRIT, et Andr Titli, Professeur lINSA de Toulouse, qui tous deux ont accept la lourde tche de rapporter sur ce manuscrit. Outre le soin quils ont apport lanalyse de ce document, ils mont toujours encourage approfondir des travaux en commande floue, notamment via des discussions au sein des groupes de travail CSN et FALCON. Je souhaite que nos changes conservent le caractre bnfique quils ont eu et que mon anne toulousaine lIRIT soit loccasion dancrer une coopration fructueuse et durable. Un grand merci galement Sylviane Gentil, Professeur lENSIEG, davoir accept dexaminer ce travail. Ayant particip des projets communs, jai eu maintes occasions dapprcier la cordialit avec laquelle elle partage ses opininons mais aussi ses comptences. Que Roland Longchamp, Professeur lEPFL de Lausanne, soit galement remerci pour sa participation au jury. Ses remarques et interrogations soulvent de nombreux sujets de rflexion qui restent encore approfondir. Enfin, je tiens tout particulirement remercier Laurent Foulloy, Professeur lUniversit de Savoie, pour mavoir incite rejoindre son quipe de recherche. Par son enthousiasme, sa comptence mais aussi la confiance quil ma accorde, il ma donn lenvie dapprendre et de progresser. Durant ces dix dernires annes, il a toujours su mencourager, se montrer disponible et chaleureux et supporter mes sautes dhumeur. En rsum, je lui suis extrmement reconnaissante davoir t le directeur de recherche que je souhaite tout le monde. Merci galement toutes les personnes qui de prs ou de loin ont contribu la russite de ce travail, avec une mention particulire pour les pionniers de Commande experte, Eric et Gilles. Je noublie pas les tudiants qui par leurs travaux ont contribu lavancement de cette recherchen, notamment les doctorants : Yassar, Michel et Reda, mais aussi les DEA et stagiaires. Finalement, je ne saurais terminer cette page sans que soient remercis tous les collgues du Laboratoire ou plus gnralement de lEcole, pour leur soutien moral, administratif ou technique. Il mest ici impossible de citer tout le monde, alors mentionnons simplement les anti-tabacs : Emmanuel et Philippe, le secrtariat LAMII : Joelle, et tous les autres ....

tel-00413006, version 1 - 2 Sep 2009

tel-00413006, version 1 - 2 Sep 2009

Table des matires

Partie A : Synthse
I II III
tel-00413006, version 1 - 2 Sep 2009

Curriculum Vitae ................................................................................. 3 Activits denseignement .................................................................... 4 Activits de recherche ......................................................................... 5 Activits dintrt collectif .................................................................. 9

IV Activits dencadrement ...................................................................... 8 V VI Publications ....................................................................................... 11

Partie B : Travaux de recherche


Introduction gnrale .......................................................................19 Chapitre I : Interpolation numrique ............................................21
I II Introduction ....................................................................................... 21 Contrleurs flous numriques ........................................................... 22
II.1 II.2 Contrleurs flous de Mamdani .................................................................. 23 Contrleurs flous de Sugeno ..................................................................... 23 Proprit aux valeurs modales .................................................................. 24 Principe des quivalences modales .......................................................... 25

III

Equivalences modales ....................................................................... 24


III.1 III.2

IV Application du principe des quivalences modales la synthse dun contrleur flou de type PI.......................................................... 26
IV.1 IV.2 Partitionnement des univers de discours ................................................... 26 Synthse dun contrleur flou de type Mamdani ...................................... 27 IV.2.1 Construction de la base de rgles ................................................. 27

IV.3 IV.4 IV.5

IV.2.2 Rglage du contrleur synthtis.................................................. 28 IV.2.3 Introduction de gains de normalisation ........................................ 29 Synthse dun contrleur flou de type Sugeno ......................................... 31 Effet de linterpolation entre les points modaux dans un contrleur de Mamdani ................................................................................................... 31 Obtention dun quivalent linaire exact .................................................. 35

Extension la synthse de contrleurs flous linaires par retour dtat .................................................................................................. 37


VI.1 VI.2 Rgulation de niveau en raffinerie ............................................................ 39 Transformation linarisante ...................................................................... 41

VI Application la synthse de contrleurs flous non linaires ............ 39

VII Apprentissage dune base de rgles partir dexemples ................... 44


VII.1 Prambule .................................................................................................. 44 VII.2 Technique dapprentissage ........................................................................ 45 VII.3 Application : prdiction de la tension artrielle ........................................ 47 tel-00413006, version 1 - 2 Sep 2009

VIII Proprits structurelles des systmes de Sugeno conclusion constante ............................................................................................ 48


VIII.1 Dcomposition en sous-systmes lmentaires ........................................ 48 VIII.2 Proprits dun sous-systme lmentaire ................................................ 49 VIII.3 Inversion dun systme flou ...................................................................... 51

IX Synthse dune loi de commande par inversion de modle flou : approche par linarisation entre/sortie.............................................. 52
IX.1 IX.2 IX.3 Principe ..................................................................................................... 53 Robustification de la structure de commande ....................................... 53 Identification du modle flou .................................................................... 56

Conclusion ......................................................................................... 57

Chapitre II : Codage de lexpertise ................................................59


I II Introduction ....................................................................................... 59 Manipulation dinformations symboliques ....................................... 61
II.1 II.2 II.3 Description et signification ....................................................................... 61 Typologie des systmes flous ................................................................... 62 Implantation SF4 ....................................................................................... 64

III

Traitement dentres imprcises ........................................................ 66


IV.1 IV.2 IV.3 TSK <--> SF4 avec rgles pondres ....................................................... 70 Extension du mcanisme de calcul TSK aux rgles conclusions linguistiques floues ................................................................................... 73 Approximation linguistique ou rduction dune base de rgles ................ 75 Expertise et contrleurs symboliques ....................................................... 79 V.1.1 Rgles gnrales ........................................................................... 82

IV Lien avec lapproche numrique TSK ............................................... 70

Expertise en commande floue ........................................................... 78


V.1

V.2

V.3 VI.1 VI.2

V.1.2 Gestion de la commutation ........................................................... 82 V.1.3 Rgles anticipatives ...................................................................... 83 V.1.4 Ajustement du contrleur flou ...................................................... 83 Expertise et contrleurs numriques ......................................................... 85 V.2.1 Rgulation de niveau dans un procd de fabrication semi-continue de barres de laiton ................................................. 85 V.2.2 Rgulation de niveau en raffinerie ............................................... 87 Aspect mthodologique ............................................................................. 88 Introduction ............................................................................................... 90 Expertise et capteurs flous ........................................................................ 91 VI.2.1 Agrgation par interpolation ........................................................ 91 VI.2.2 Agrgation par jeu de rgles ........................................................ 95 VI.2.2.1 Capteur flou de dbouchage ........................................... 95 VI.2.2.2 Capteur flou doscillations ............................................. 96 Expertise et hirarchisation ....................................................................... 97 VI.3.1 Supervision de lois de commande ................................................. 97 VI.3.2 Hirarchisation dune connaissance experte ............................... 99

VI Distribution de lexpertise dans la structure de commande .............. 90

VI.3 tel-00413006, version 1 - 2 Sep 2009

VII Conclusion ....................................................................................... 102

Conclusion gnrale .......................................................................105 Rfrences .......................................................................................107

tel-00413006, version 1 - 2 Sep 2009

Partie A : Synthse

-1-

tel-00413006, version 1 - 2 Sep 2009

-2-

Curriculum Vitae
Nom : Prnoms : Date et lieu de naissance : Nationalit : Situation de famille : Adresse personnelle : Tlphone : GALICHET Sylvie, Claire, Annie 18-1-1963 Villers-Semeuse (08) Franaise Clibataire 7, rue du val vert 74600 Seynod 04 50 51 21 28

I.1

Statut
Fonction : Etablissement : Date dinstallation : Date de titularisation : Situation actuelle : Matre de confrences, 61ime section ESIA (Ecole Suprieure dIngnieurs dAnnecy) - Universit de Savoie BP806 74016 Annecy Cedex 1-10-91 1-10-93 Dlgation CNRS - IRIT Toulouse Titulaire de la prime dencadrement doctoral depuis 95

tel-00413006, version 1 - 2 Sep 2009

I.2

Principaux diplmes
Juil. 86 Diplme dingnieur en informatique de lUTC (Universit de Technologie de Compigne) Sept. 86 DEA, spcialit Contrle des systmes, UTC, obtenu avec mention Dc. 89 Thse de Doctorat, spcialit Contrle des systmes, UTC, mention trs honorable

I.3

Expriences professionnelles
88 / 90 Stagiaire doctorant, Service Etudes Avances, Thomson Vido Equipement, Cergy-Pontoise 90 / 91 Ingnieur de recherche CNRS, affect au GdR Traitement du Signal et Images, en poste lENSERB, Bordeaux 91 / 01 Matre de confrences lUniversit de Savoie, ESIA Annecy

I.4

Activits de recherche
86 / 90 Laboratoire Heudiasyc (HEUristique et DIAgnostic des SYstmes Complexes), URA CNRS 817, UTC, Compigne. DEA et thse sous la direction de B. DUBUISSON, professeur lUTC. Thmes : Reconnaissance des formes statistique, robotique industrielle, traitement dimages couleur. 90 / 91 GdR Traitement du Signal et Images, laboratoire LARFRA (LAboratoire de Reconnaissance des Formes et Robotique Agricole), ENSERB, Bordeaux. Thme : Dveloppement logiciel en analyse et traitement dimages. 91 / 01 Laboratoire LAMII (Laboratoire dAutomatique et de Micro-Informatique Industrielle), ESIA. Thmes : Modlisation et contrle flou.

I.5

Activits denseignement
88 / 90 Vacations lUTC (Compigne). Responsabilit de cours, TD, et TP de programmation structure en 1re anne de formation dingnieurs. 90 / 91 Vacations lENSERB (Bordeaux). Cration dun cours de codage et compression de limage en 3ime anne de formation dingnieurs. 91 / 01 Service statutaire lESIA (Annecy). Responsabilit de cours, TD et TP en cole dingnieurs, MST, DESS et DEA.

I.6

Principales responsabilits collectives


Membre du CA de lUniversit de Savoie (mandat 92-96). Membre du CA de lESIA depuis 94. Membre de la CSE 61ime section de lUniversit de Savoie depuis 95. Responsable de lopration Commande Experte au LAMII (mandats 92-94 et 94-96).

-3-

II

Activits denseignement

II.1 Panorama A ma nomination luniversit de Savoie en Octobre 91, jintgre lUFR FAST (Facult Anncienne des Sciences et Techniques) qui regroupe deux Matrises de Sciences et Techniques (PAIM : Productique Applique aux Industries Mcaniques et MIA : Micro-Informatique et Automatique). En Septembre 93, la FAST est transforme en Ecole Suprieure dIngnieurs dAnnecy (ESIA). Issues des formations existantes, deux filires dingnieurs sont ainsi cres. Paralllement, une nouvelle Matrise de Sciences et Techniques (PAI : Physique Applique et Instrumentation) voit le jour. Cette dernire a aujourdhui rejoint lESIA qui actuellement, compte donc trois filires dingnieurs. Dans ce contexte, jai t amene minvestir dans les diffrentes filires au gr de leur cration, de leur volution et du recrutement des enseignants. Jai ainsi cr ou assur la responsabilit de nombreux modules dont la diversit est illustre par la liste des intituls de cours correspondants : tel-00413006, version 1 - 2 Sep 2009 Systmes dexploitation Analyse numrique Langage C Techniques dinterfaage Programmation graphique sous Labview Communication inter-applications Unix Algorithmie Programmation machine et assembleur Logique floue Instrumentation virtuelle

Chacun de ces modules reprsente environ 12h de cours, 12h de TD et 16h de TP. Hormis le cours assurer, leur responsabilit implique lanimation pdagogique, lorganisation et la mise en place des TD et TP ainsi que lencadrement dau moins un groupe dtudiants. Par ailleurs, jai particip des enseignements de Prolog, dalgbre linaire, dautomatique continue ou encore de Java. II.2 Gnie informatique Ces dernires annes, les formations dispenses lESIA stant stabilises, jai recentr mes activits autour du gnie informatique. Jai notamment introduit une nouvelle formation base sur lenvironnement de dveloppement graphique Labview. Compose de trois modules, celleci a t compltement cre louverture de la filire PAI. Aujourdhui, elle est galement dispense en filire A2I (Automatique et Informatique Industrielle). Un premier module dinitiation la programmation sous Labview est enseign en deuxime anne. Si celui-ci est commun aux deux filires concernes, lenseignement de troisime anne prend un caractre spcifique travers deux modules. Selon la spcialit des tudiants sont ainsi traits la programmation distance des instruments ou le dveloppement dapplications informatiques communicantes. Restent souligner que ces deux derniers modules sont essentiellement bass sur des enseignements pratiques et que leur mise en place a ncessit de concevoir de nouvelles plateformes de manipulation. Le choix dun matriel attractif aux yeux des tudiants (mini-robots, Webcam, ...) a permis de motiver les lves mais aussi daborder de faon concrte des applications multidisciplinaires. De faon plus globale et par le biais de suivis de stages en entreprise, jai pu valuer et tenter damliorer ladquation entre la formation de nos tudiants et les besoins industriels en terme de gnie informatique.

-4-

II.3 Lien avec la recherche Outre les enseignements voqus ci-dessus qui concernent exclusivement le second cycle, je suis intervenue en DEA Automatique Industrielle, cohabilit entre luniversit Claude Bernard de Lyon 1, lINSA de Lyon et luniversit de Savoie. Cest ainsi que jai enseign un cours de commande floue, planifi tous les deux ans en alternance avec un module de capteurs flous. La rpartition du public tudiant sur plusieurs sites gographiques ma amene concevoir une version visio-confrence de cet enseignement. Pour conclure sur mes activits denseignement, ajoutons que jai propos et encadr de nombreux projets dtudiants au laboratoire (24h en 2ime anne, 120h en 3ime).

III Activits de recherche


Ds mon arrive Annecy, jai rejoint le LAMII (Laboratoire dAutomatique et de Micro-Informatique Industrielle) et intgr lopration Commande Experte pour dvelopper des travaux en commande floue. Malgr des restructurations internes au laboratoire, ce thme est rest le fil conducteur de mes activits de recherche tout au long de ces dix dernires annes. tel-00413006, version 1 - 2 Sep 2009 Aprs une brve priode de reconversion thmatique puisque mes travaux de recherche initiaux taient dans le domaine du traitement des images, jai dvelopp deux axes principaux. Le premier concerne la synthse de contrleurs flous et repose sur le principe des quivalences modales. Quant au second, il dcoule de la typologie des contrleurs flous et exploite une implantation symbolique des systmes flous. III.1 Principe des quivalences modales Dans les annes 90, la communaut internationale sattache analyser les performances associes aux contrleurs flous. Dans ce contexte, le projet CSN (Commande Symbolique et Neuromimtique) du ple AI du GR Automatique initie une tude comparative de divers contrleurs flous sur un benchmark issu de la commande adaptative. La participation active de lquipe du LAMII ce groupe de travail nous a amens rdiger un article de synthse sur le sujet [R3] mais aussi rflchir sur les mcanismes de rglage dun contrleur flou. Dans loptique dune future exploitation de rsultats connus en commande linaire, nous nous sommes alors pos la question suivante : Comment synthtiser de manire automatique un contrleur flou quivalent un contrleur linaire ?. Le principe des quivalences modales, dvelopp au sein de lquipe, permet de solutionner ce problme. Ainsi, tant donn un contrleur connu de type P (proportionnel), PI (proportionnel intgral) ou PID (proportionnel intgral driv), il devient possible dautomatiquement gnrer la base de rgles et les rglages dun contrleur flou quivalent. Si la construction du systme flou permet de garantir lquivalence pour des entres modales, seul un choix appropri des oprateurs dinfrence permet dobtenir une interpolation linaire entre les points modaux. Les premiers travaux publis dans [R2] sont lorigine de nombreuses extensions visant appliquer le principe des quivalences modales pour la synthse de contrleurs plus labors. Toujours dans un cadre linaire, est ainsi aborde la construction de contrleurs flous par retour dtat [O4]. La tentative savre fructueuse pour des procds mono-entre, mono-sortie. Par contre, le traitement des procds multivariables reste dlicat lorsquune implantation de type Mamdani est envisage pour le contrleur flou. Un systme flou spcifique doit, en effet, tre associ chaque sortie dans la mesure o aucun rglage des fonctions dappartenance associes aux entres ne permet de traiter simultanment les diffrentes sorties. Cette difficult disparat lorsque des contrleurs de type Sugeno sont exploits, ces derniers nimpo-

-5-

sant aucune contrainte sur la spcification des consquences des rgles. Ds 93, nous avons abord laspect non linaire en particulier travers une application industrielle de rgulation de niveau dans une capacit tampon en raffinerie [C8]. Cette tude, mene en collaboration avec ELF, exploite le principe des quivalences modales pour initialiser un contrleur flou partir dun contrleur non linaire existant. Suite ces travaux, nous nous sommes intresss la synthse dun systme flou implantant une transformation linarisante connue dans le cadre dune commande par linarisation entre-sortie. Tous ces travaux ont pour but de copier un contrleur existant mais napportent aucun lment de rponse au vritable problme de synthse des contrleurs flous. Dans ce contexte, la dmarche de lautomatique conventionnelle requiert la connaissance dun modle du procd piloter. Dans un cadre flou, apparat alors la problmatique de la modlisation floue. Celle-ci a t apprhende dans la thse de Y. Nakoula visant identifier un modle flou partir de points dapprentissage. La mthode propose consiste slectionner un sous-ensemble de points dapprentissage qui devront tre reproduits de manire exacte par le modle flou. Pour ce faire, et toujours par application du principe des quivalences modales, la construction du modle est ralise de faon associer un point modal chaque point concern [O3]. tel-00413006, version 1 - 2 Sep 2009 Lensemble des travaux prcdents a t exploit dans la thse de R. Boukezzoula pour rpondre au problme de suivi de trajectoire pour une classe de systmes non linaires. Deux architectures de commande ont t proposes, la premire base sur une approche par linarisation entre-sortie, la seconde implantant une structure de commande modle interne [R6]. Dans les deux cas, le contrleur est obtenu par inversion du modle flou du procd. Une composante de commande additive est intgre dans la structure globale de faon la rendre robuste vis--vis des incertitudes. Cette dernire est synthtise par mode de glissement ou par optimisation Hinfini. III.2 Implantation symbolique dun systme flou Pour concevoir et implanter un contrleur, il est intressant de pouvoir exploiter lensemble des connaisances disponibles sur le procd : modle mathmatique, donnes dapprentissage mais aussi expertise. Si les travaux issus du principe des quivalences modales permettent dintgrer aisment des informations numriques, la prise en compte de la connaissance experte reste dlicate. Dans ce contexte, lquipe sintresse aux mcanismes de conversion numrique/symbolique et symbolique/numrique intervenant dans les systmes flous. Cest ainsi que la typologie des contrleurs flous [O1], dveloppe au laboratoire, distingue quatre familles de systmes selon la nature des informations vhicules en interne. Celle-ci permet de classifier facilement les contrleurs existants mais aussi dimplanter un mme contrleur de diffrentes manires. Ces travaux ont notamment permis dexhiber la possibilit dune implantation purement symbolique des systmes flous. Dans ce cas, ces derniers, dnots SF4, exploitent des rgles linguistiques, ventuellement pondres. A ce titre, ils sont tout particulirement adapts la reprsentation des connaissances dexpert. Ils possdent galement lavantage de dissocier clairement les phases de fuzzification, dinfrence et de dfuzzification, chacune de ces fonctionnalits pouvant donc tre ralise par un composant spcifique. Un capteur flou est ainsi facilement intgrable dans une structure de commande floue [R1]. Dans le cadre de la thse de M. Dussud, contrat CIFRE avec la SERT (Socit dEtudes et de Ralisations Techniques), ce type de systmes flous a t utilis pour la rgulation de niveau dacier en lingotire dans une machine de coule continue [R4]. Lapproche propose est base sur une structure deux niveaux, un niveau bas permettant dintgrer des correcteurs de nature quelconque et un niveau haut correspondant une couche de supervision. Cette dernire a pour

-6-

objectif de dterminer les contrleurs utiliser en fonction du contexte identifi. La situation courante est qualifie linguistiquement par le biais de capteurs flous de perturbations (dtection doscillations et de dbouchages de busette). Si les systmes SF4 facilitent la manipulation dinformations linguistiques, ils sont galement exploitables dans un contexte numrique. En effet, tout systme flou de Sugeno conclusions constantes peut tre implant de faon exacte sous la forme dun SF4. Les travaux issus du principe des quivalences modales sont alors directement transposables dans un monde linguistique. Ainsi, la technique dapprentissage voque prcdemment a pu tre mise en oeuvre dans un cadre symbolique, notamment des fins de simplification ou de rduction dune base de rgles. Cest galement la stratgie utilise pour la prdiction des variations de la pression artrielle partir de la frquence cardiaque et de lacclration corporelle [R5] (collaboration avec le LAG, le CHU de Grenoble et lentreprise ELA Recherche spcialise dans lappareillage mdical, projet Emergence de la rgion Rhne-Alpes). Lapproche symbolique de linfrence a galement t valide dans le cadre du raisonnement approch [O5]. Il a notamment t montr que dans le cas dune reprsentation conjonctive des rgles, linfrence peut tre mene tant au niveau numrique quau niveau symbolique. Dans le cas de rgles implicatives, le problme a t restreint aux rgles certitude utilisant limplication de Dienes, hypothse sous laquelle il est possible de se ramener au cas conjonctif par une mise sous forme normale disjonctive. III.3 Projets en cours et perspectives La majorit des travaux dvelopps dans lquipe depuis une dizaine dannes se situent dans une stratgie de commande bas niveau. Si cette stratgie a permis dtablir un pont entre automatique conventionnelle et commande floue, ils semblent aujourdhui aboutis dans la mesure o les systmes flous utiliss peuvent sexprimer analytiquement et ainsi tre introduits dans une structure de commande classique. On peut alors qualifier lapproche floue de prdictive, robuste, optimale, ..., selon la nature de la structure de commande exploite. Cette volution de la commande floue au cours de la dcennie passe nest pas spcifique au LAMII, ni mme la communaut franaise, puisque la majorit des publications du domaine sinscrit dans cette dmarche. On peut toutefois noter que cette tendance soppose aux motivations dorigine de la commande floue, savoir exploitation dune expertise et prise en compte des imprcisions. Outre ce constat, il apparat quune relle avance en terme dautomatisation des systmes industriels ne peut tre obtenue quau prix dune globalisation de lapproche. Autrement dit, il est souhaitable de repenser la problmatique en terme doptimisation du fonctionnement global dune application et non plus simplement en terme doptimisation de chacun de ses constituants. Dans cette optique, on est alors amen envisager une meilleure exploitation des connaissances de nature symbolique de faon aborder une problmatique de commande beaucoup plus gnrale, cest--dire de haut niveau, regroupant les aspects lis la fusion dinformations, le diagnostic, la dcision et la supervision. Des travaux prliminaires ont dj t entrepris dans ce sens, notamment dans la thse de M. Dussud. Il convient maintenant de les gnraliser et de les intgrer dans une mthodologie globale. Une telle dmarche ncessite doublier dans un premier temps laspect commande pour se focaliser sur la thorie des systmes flous (smantique des rgles, raisonnement par contraintes, reprsentation des incertitudes, ...). Cest dans ce contexte que jai demand et obtenu une dlgation auprs du CNRS afin de rejoindre lquipe de D. Dubois et H. Prade lIRIT pour lanne universitaire 2001-2002. Ce sjour devrait me permettre dapprofondir mes connaisances et de faire merger de nouvelles problmatiques en terme dautomatisation des systmes.

tel-00413006, version 1 - 2 Sep 2009

-7-

IV Activits dencadrement
IV.1 Thses [Nakoula97] Nakoula Y., Apprentissage des modles linguistiques flous, par jeu de rgles pondres, Thse de doctorat, Spcialit Electronique - Electrotechnique Automatique, Universit de Savoie, 21 Juillet 97. Jury : S. Gentil (P), H. Bersini (R), J. Ragot (R), H. Prade, S. Galichet, L.Foulloy. [Dussud99] Dussud M., Rgulation de niveau en lingotire de coule continue : approche classique et approche floue, Thse de doctorat, Spcialit Electronique Electrotechnique - Automatique, Universit de Savoie, 5 Novembre 99. Jury : P.M. Frank (P), A. Chruy (R), T.M. Guerra (R), L.Foulloy, S. Galichet, P. Simonnin. [Boukezzoula00] Boukezzoula R., Commande floue dune classe de systmes non linaires : application au problme de suivi de trajectoire, Thse de doctorat, Spcialit Electronique - Electrotechnique - Automatique, Universit de Savoie, 31 Mars 2000. Jury : P. Borne (P), A. Ollero (R), C. Mlin (R), A. Titli, L.Foulloy, S. Galichet. IV.2 DEA [AlSaleh94] Al Saleh H., Analyse de la smantique attribue aux systmes flous, Rapport DEA Automatique Industrielle, LAMII/CESALP, Universit de Savoie, Annecy, France, Juillet 94. Darbas D., Commande floue applique la rgulation de niveau dacier, Rapport DEA Automatique Industrielle, LAMII/CESALP, Universit de Savoie, Annecy, France, Juillet 94. Pernot L., Utilisation de techniques floues pour la commande de procds non linaires, Rapport DEA Automatique Industrielle, LAMII/CESALP, Universit de Savoie, Annecy, France, Juillet 95.

tel-00413006, version 1 - 2 Sep 2009

[Darbas94]

[Pernot95]

[Boukezzoula96] Boukezzoula R., Intgration de nouvelles fonctionnalits dans le langage PLICAS, Rapport de DEA Automatique Industrielle, LAMII/CESALP, Universit de Savoie, Annecy, France, Juillet 96. [Passaquay96] Passaquay D., Modlisation et commande de procds base de logique floue, Rapport de DEA Automatique et Informatique Industrielle, INSA Toulouse, stage effectu au LAMII/CESALP, Universit de Savoie, Annecy, France, Juillet 96. Prete D., Contrleurs flous auto-adaptatifs - Analyse de diffrentes stratgies, Rapport de DEA Automatique Industrielle, Universit de Savoie, Annecy, France, Juillet 97. Farys E., Synthse de contrleurs flous, Rapport de DEA Automatique Industrielle, Universit de Savoie, Annecy, France, Juillet 99.

[Prete97]

[Farys99]

-8-

V
V.1

Activits dintrt collectif


Responsabilits administratives Membre du CA de lUniversit de Savoie (mandat 92-96). Membre du CA de lESIA depuis 94. Membre de la CSE 61ime section de lUniversit de Savoie depuis 95. Elue responsable de lopration "Commande Experte", mandats 92-94 et 94-96. - gestion financire des contrats et subventions - laboration et dveloppement des divers axes de recherche - membre de droit du Conseil de laboratoire Elue reprsentant au Conseil de laboratoire au sein de lquipe Techniques Avances de Commande, mandats renouvels de 97 00. Responsable du tronc commun 2ime anne lESIA, 97-99. - gestion des emplois du temps - organisation de lenseignement - accueil des tudiants

tel-00413006, version 1 - 2 Sep 2009

Responsable de la discipline informatique gnrale lESIA, 93-95. V.2 Collaborations avec le secteur socio-conomique Entreprise Renault Recherche Rgion Rhne-Alpes SERT Nature Contrat de recherche Programme de recherche Emergence Contrat de recherche li une thse CIFRE Action commerciale Objet Diagnostic pour laide la conduite Holter tension intelligent Contrle flou pour la rgulation de niveau dacier Conseils et expertises technologiques en logique floue Algorithmes flous pour le contrle Priode 99-00 98-99 95-98

ELF Solaize

93-94

ESPRIT III

Working Group FALCON 6017

92-95

V.3

Comits de programme et dorganisation de confrences Comits dorganisation 3rd IFAC Symposium on Intelligent Components and Instruments for Control Applications (SICICA97), Annecy. 7th Int. Conference on Information Processing and Management of Uncertainty in knowledge-based systems (IPMU2002), Annecy. Comits de programme Rencontres francophones sur la Logique Floue et ses Applications (LFA99, LFA2000, LFA2001).

-9-

V.4

Participations rgulires la relecture darticles de revues Fuzzy Sets and Systems Int. Journal of Uncertainty, Fuzziness and Knowledge-Based Systems Journal of Intelligent and Fuzzy Systems IEEE Trans. on Fuzzy Systems IEEE Trans. on Systems, Man and Cybernetics IEEE Trans. on Control Systems Technology JESA

V.5

Encadrement doctoral et participation des jurys de thse Bnficiaire dune prime dencadrement doctoral depuis 95. Hormis les thses que jai co-encadres, jai particip en tant quexaminateur au jury des thses suivantes : Alsaleh H., Utilisation classique et extensions des fonctionnalits des processeurs flous, Universit de Savoie, Nov. 98.

tel-00413006, version 1 - 2 Sep 2009

T. Chenaina, Etude des paramtres de contrleurs flous, Universit Paris 6, Dc. 99. V.6 Relations internationales Intervenant lcole dt en automatique de lUniversit Polytechnique de Bucarest, Roumanie, Mai 2001. Sminaires lUniversit de Timisoara et lUniversit dArad, Roumanie, Mai 2001. Accueil de doctorant, matre-assistant et/ou dveloppement de travaux communs. Anna-Maria Miklos (Universit Polytechnique de Bucarest, Roumanie) Valentina Balas (Universit dArad, Roumanie) Alexandre Evsukoff (Universit Santa-Ursula, Rio de Janeiro, Brsil) V.7 Participation des groupes de travail nationaux et rgionaux Projet CSN (Commande Symbolique et Neuromimtique) du GR Automatique. Prsentation de travaux. Animation du groupe en collaboration avec L. Foulloy. Club CRIN, participation au groupe de travail "Logique floue dans les transports". Collaboration LAG-LAMII linitiative de lINPG et de lUniversit de Savoie dans le cadre du Bonus Qualit Recherche, 96-99. Logique floue pour le diagnostic. Tlmanipulation de procds via Internet. V.8 Animation scientifique Sminaire Alcatel Alsthom Recherche, "Equivalence floue de contrleurs classiques", Marcoussis, Juillet 93. Intervenant au stage "Logique floue", Cours CNRS Formation, Gif sur Yvette, 93 et 94. Sminaire Firmenich, Logique floue et applications, Genve, Mars 2001.

- 10 -

VI Publications
VI.1 Articles de revue [R1] [R2] [R3] [R4] Foulloy L., Galichet S., Fuzzy Sensor for Fuzzy Control, Int. Journal of Uncertainty, Fuzziness and Knowledge-Based Systems, Vol. 2, N 1, 1994, pp. 55-66. Galichet S., Foulloy L., Fuzzy Controllers: Synthesis and Equivalences, IEEE Trans. on Fuzzy Systems, Vol. 3, N 2, May 1995, pp. 140-148. Foulloy L., Galichet S., Evaluation des performances de contrleurs flous partir dun benchmark, RAIRO-APII-JESA, Vol. 30, N 5, 1996, pp. 585-605. Dussud M., Galichet S., Foulloy L., Application of Fuzzy Logic Control for Continuous Casting Mold Level Control, IEEE Trans. on Control Systems Technology, Vol. 6, N 2 (Special Issue on Control in the Metal Processing Industries), March 98, pp. 246-256. Charbonnier S., Galichet S., Mauris G., Sich J.P., Statistical and Fuzzy Models of Ambulatory Systolic Blood Pressure for Hypertension Diagnosis, IEEE Trans. on Instrumentation and Measurement, Vol. 49, N 5, October 2000, pp. 998-1003. Boukezzoula R., Galichet S., Foulloy L., Fuzzy Nonlinear Adaptive Internal Model Control (FNAIMC), paratre dans European Journal of Control, Vol. 7, N 5, 2001. Evsukoff A., Branco A.C.S., Galichet S. , Structure identification and parameter optimization for non-linear fuzzy modeling, Fuzzy Sets and Systems, accept avec rvision mineure.

tel-00413006, version 1 - 2 Sep 2009

[R5]

[R6] [R7]

VI.2 Ouvrages collectifs [O1] Foulloy L., Galichet S., Typology of Fuzzy Controllers, in Theoretical Aspects of Fuzzy Control (H.T. Nguyen, M. Sugeno, R. Tong, and R. Yager Eds), John Wiley & Sons, 1995, pp. 65-90. Galichet S., Foulloy L., Fuzzy Control with Non-Precise Inputs, in Fuzzy Logic and Soft Computing (B. Bouchon-Meunier, R. Yager and L. Zadeh Eds), World Scientific, 1995, pp 146-157, (republication de [C9] la demande de lditeur). Nakoula Y., Galichet S., Foulloy L., Identification of Linguistic Fuzzy Models Based on Learning, in Fuzzy Model Identification - Selected Approaches, (H. Hellendoorn, D. Driankov Eds), Springer Verlag, 1997, pp. 281-319. Foulloy L., Galichet S., Fuzzy and Linear Controllers, in FUZZY SYSTEMS Modeling and Control (H.T. Nguyen, M. Sugeno Eds), The Handbooks of Fuzzy Sets Series, Kluwer Academic Publishers, 1998, pp. 197-225. Dubois D., Foulloy L., Galichet S., Prade H., Performing approximate reasoning with words?, in Computing with Words in Information/Intelligent Systems 1 - Foundations, (L.A. Zadeh, J. Kacprzyk Eds), Physica-Verlag, 1999, pp. 24-49.

[O2]

[O3]

[O4]

[O5]

- 11 -

VI.3 Thse [T1] Galichet S., Etude dun systme dincrustation dimages vido-couleur, Universit de Technologie de Compigne, Dc. 89.

VI.4 Brevet [B1] Grimaldi J.L., Galichet S., Procd et dispositif dincrustation dimages vido-couleur auto-adaptatif, brevet dpos au nom de Thomson Vido Equipement, No denregistrement national 89 13085, No de publication 2 652 972, Oct. 89.

VI.5 Communications dans des congrs internationaux avec actes et comit de lecture [C1] Galichet S., Dubuisson B., Grimaldi J. L., Procd dincrustation dimages vidocouleur auto-adaptatif, Proc of the 1st Int. Conf. dedicated to professional image chains (IMAGECOM 90), Bordeaux, France, Nov. 90, pp. 398-402. Foulloy L., Galichet S., Fuzzy sensors and controllers, Proc. of the 8th Int. Conf. on Applications of Artificial Intelligence in Engineering (AIENG 93), Toulouse, France, Juillet 1993, pp. 7-20. Foulloy L., Galichet S., Fuzzy Controllers Representation, Proc. of the 1st European Congress on Fuzzy Intelligent Technologies (EUFIT 93), Aachen, Germany, Septembre. 93, pp. 142-148. Galichet S., Foulloy L., How to derive symbolic information from measurement, Proc. of the Int. Conf. on Fault Diagnosis (TOOLDIAG 93), Toulouse, France, April 1993, pp. 938-943. Galichet S., Foulloy L., Fuzzy Equivalence of Classical Controllers, Proc. of the 1st European Congress on Fuzzy Intelligent Technologies (EUFIT 93), Aachen, Germany, Septembre 1993, pp. 1567-1573. Foulloy L., Galichet S., Josserand J.F., Fuzzy Components for Fuzzy Control, Proc. of the 2nd IFAC Symp. on Intelligent Components and Instruments for Control Applications (SICICA 94), Budapest, Hungary, June 1994, pp. 122-126. Benoit E., Foulloy L., Galichet S., Mauris G., Fuzzy Sensor for the Perception of Colour, Proc. of the IEEE Conf. on Fuzzy Systems (FUZZ-IIEE 94), Orlando, USA, June 1994, pp. 2008-2013. Galichet S., Foulloy L., Chebre M., Beauchene J., Fuzzy Logic Control of a Floating Level in a Refinery Tank, Proc. of the 3rd IEEE Conf. on Fuzzy Systems (FUZZIEEE 94), Orlando, USA, June 1994, pp. 1538-1542. Galichet S., Foulloy L., Fuzzy Control with Non Precise Inputs, Proc. of the 5th Int. Conf. on Information Processing and Management of Uncertainty in Knowledge Based Systems (IPMU 94), Paris, France, July 1994, pp. 84-89. Foulloy L., Galichet S., Benoit E., Fuzzy Control with Fuzzy State Sensors, Proc. of the 2nd European Congress on Fuzzy Intelligent Technologies (EUFIT 94), Aachen, Germany, Sept. 94, pp. 1156-1160. Galichet S., Foulloy L., State Feedback Fuzzy Controllers, Proc. of the 2nd Euro-

[C2] tel-00413006, version 1 - 2 Sep 2009

[C3]

[C4]

[C5]

[C6]

[C7]

[C8]

[C9]

[C10]

[C11]

- 12 -

pean Congress on Fuzzy Intelligent Technologies (EUFIT 94), Aachen, Germany, Sept. 94, pp. 1161-1167. [C12] Foulloy L., Galichet S., Representations of Mamdanis Controllers, Proc. of the 6th Int. Fuzzy System Association World Congress (IFSA 95), Sao Paulo, Brasil, July 95, pp. 581-584. Nakoula Y., Galichet S., Foulloy L., Learning of a Fuzzy Symbolic Rulebase, Proc. of the 3rd European Congress on Intelligent Techniques and Soft Computing (EUFIT 95), Aachen, Germany, August 1995, pp. 594-598. Josserand J.F., Galichet S., Benoit E., Foulloy L., Fuzzy cells network for fuzzy control with a fuzzy state sensor, Proc. of the 3rd European Congress on Intelligent Techniques and Soft Computing (EUFIT 95), Aachen, Germany, August 1995, pp. 910914. Carron T., Lambert P., Galichet S., A colour region-growing segmentation with fuzzy aggregation, Proc. of the 3rd European Congress on Intelligent Techniques and Soft Computing (EUFIT 95), Aachen, Germany, August 1995, pp. 1366-1372. Dussud M, Simonin P., Galichet S., Foulloy L., Fuzzy logic control of continuous casting installations, Proc. of the 13th IFAC World Congress, San Francisco, USA, July 96, Vol. M, pp 469-474. Josserand J.F., Galichet S., Foulloy L., Implementation of fuzzy controllers with fuzzy components, Proc. of the 13th IFAC World Congress, San Francisco, USA, July 96, Vol. A, pp 415-420. Dussud M., Galichet S., Foulloy L., Design and implementation of a fuzzy-logic controller for brass casting control, Proc. of the 4th European Congress on Intelligent Techniques and Soft Computing (EUFIT96), Aachen, Germany, Sept. 96, pp. 12301236. Nakoula Y., Galichet S., Foulloy L., Simultaneous Learning of Rules and Linguistic Terms, Proc. of the 5th IEEE Int. Conf. on Fuzzy Systems (FUZZIEEE 96), New Orleans, USA, Sept. 96, pp. 1743-1749. Dubois D., Foulloy L., Galichet S., Prade H., Two different views of approximate reasoning, Proc. of the 7th Int. Fuzzy Systems Association World Congress (IFSA97), Prague, Czech Republic, June 97, Vol. 1, pp. 238-242. Galichet S., Passaquay D., Foulloy L., Rulebase structure identification or reduction in the framework of fuzzy learning, Proc. of the 7th Int. Fuzzy Systems Association World Congress (IFSA97), Prague, Czech Republic, June 97, Vol. 1, pp. 363-368. Boukezzoula R., Galichet S., Foulloy L., Fuzzy Input-Output Linearization of Nonlinear Systems, Proc. of the 5th European Congress on Intelligent Techniques and Soft Computing (EUFIT97), Aachen, Germany, Sept. 97, Vol. 2, pp. 1316-1320. Foulloy L., Galichet S., Combastel C., Gentil S., Fuzzy Processing for Electrical Machines, Proc. of the IEEE Int. Symposium on Diagnostics for Electrical Machines, Power Electronics and Drives (SDEMPED97), Carry-le-Rouet, France, Sept. 97, pp. 94-101.

[C13]

[C14]

[C15]

tel-00413006, version 1 - 2 Sep 2009

[C16]

[C17]

[C18]

[C19]

[C20]

[C21]

[C22]

[C23]

- 13 -

[C24]

Boukezzoula R., Galichet S., Foulloy L., Fuzzy Learning Control of Nonlinear Systems Using Input-Output Linearization, Proc. of the 1998 IEEE Int. Conf. on Systems, Man, and Cybernetics (SMC98), San Diego, California, USA, Oct. 98, pp. 2095-2100. Galichet S., Foulloy L., Size Reduction in Fuzzy Rulebases, Proc. of the 1998 IEEE Int. Conf. on Systems, Man, and Cybernetics (SMC98), San Diego, California, USA, Oct. 98, pp. 2107-2112. Boukezzoula R., Galichet S., Foulloy L., Fuzzy Control of Nonlinear Systems Using Two Standard Techniques, (FUZZ-IEEE99), Seoul, Korea, August 99, Vol. II, pp. 875-880. Boukezzoula R., Galichet S., Foulloy L., Fuzzy Nonlinear Adaptive Internal Model Control (FNAIMC) - Part I: Fuzzy Model Identification, (ECC99), Karlsruhe, Germany, Sept. 99, CDROM n F874. Boukezzoula R., Galichet S., Foulloy L., Fuzzy Nonlinear Adaptive Internal Model Control (FNAIMC) - Part II: Fuzzy Model Inversion, (ECC99), Karlsruhe, Germany, Sept. 99, CDROM n F875. Charbonnier S., Galichet S., Mauris G., Sich J.P., Statistical and Fuzzy Models of Ambulatory Systolic Blood Pressure for Hypertension Diagnosis, Proc. of the 16th IEEE Int. Instrumentation and Measurement Technology Conf. (IMTC99), Venice, Italy, Mai 99, pp. 103-108. Foulloy L., Galichet S., Another Formulation of the Semantics of Fuzzy Rules, Proc. of the IAR-ICD99 Workshop on Intelligent Techniques for Information Processing and Applications, Nancy, France, Dec. 99, pp. 21-24. Dussud M., Galichet S., Foulloy L., "Fuzzy supervision for continuous casting mold level control, Proc. of the 2nd Conf. IFAC/IFIP/IEEE on Management and Control of Production and Logistics (MCPL2000), Grenoble, July 2000, CDROM P361. Galichet S., Charbonnier S., Mauris G., Sich J.P., A Fuzzy Linguistic Model for Ambulatory Systolic Blood Pressure Variation Prediction, Proc. of the IEEE Int. Conf. on Fuzzy Systems (FUZZIEEE 2000), San Antonio (TX), USA, May 2000, pp. 522-527. Miklos A.M., Galichet S., Foulloy L., Popescu D., Fuzzy supervision for temperature control in a steam-electric power plant, Proc. of the 2000 IAR-ICD workshop on Intellegent Control and Diagnosis, Nancy, Nov. 2000, pp. 7-12. Boukezzoula R, Galichet S., Foulloy L., Exact inversion of Takagi-Sugeno fuzzy models, Proc. of the 9th IFSA World Congress (IFSA2001), Vancouver, Canada, July 2001, pp. 2108-2113. Boukezzoula R, Galichet S., Foulloy L., Robust fuzzy control for a class of continuous nonlinear systems using input-output linearization : Real-time implementation for a robot wrist, Proc. of the 2001 IEEE Int. Conf. on Control Applications (CCA2001), Mexico, Mexique, Sept. 2001, pp. 311-316. Foulloy L., Galichet S., Boukezzoula R, Model-based or heuristic-based fuzzy logic

[C25]

[C26]

[C27]

[C28] tel-00413006, version 1 - 2 Sep 2009

[C29]

[C30]

[C31]

[C32]

[C33]

[C34]

[C35]

[C36]

- 14 -

controllers? Foundations and examples, IFAC Workshop on Advanced Fuzzy-Neural Control 2001, Valence, Espagne, Oct. 2001, pp. 197-210. [C37] Boukezzoula R, Galichet S., Foulloy L., Fuzzy adaptive control for nonlinear systems : Real-time implementation for a robot wrist, 40th IEEE Conf. on Decision & Control (CDC2001), Orlando, USA, Dec. 2001, pp. 4364-4370. Boukezzoula R, Galichet S., Foulloy L., Fuzzy robust control for discrete-time nonlinear systems using input-output linearization and and H optimization, 10th IEEE Int. Conf. on Fuzzy Systems (FUZZ-IEEE2001), Melbourne, Australie, Dec 2001, P244. Evsukoff A., Branco A.C.S., Galichet S. , Incremental fuzzy modelling, 10th IEEE Int. Conf. on Fuzzy Systems (FUZZ-IEEE2001), Melbourne, Australie, Dec 2001, P424.

[C38]

[C39]

VI.6 Communications dans des congrs nationaux avec actes et comit de lecture [N1] tel-00413006, version 1 - 2 Sep 2009 Foulloy L., Galichet S., Reprsentation des contrleurs flous, Actes des 2imes Journes Nationales sur les Applications des Ensembles Flous, Nmes, France, Nov. 1992, pp. 129-136. Galichet S., Dussud M., Foulloy L., Contrleurs flous : quivalences et tudes comparatives, Actes des 2imes Journees Nationales sur les Applications des Ensembles Flous, Nimes, France, Nov. 1992, pp. 229-236. Carron Th., Lambert P., Galichet S., Segmentation en rgions d'images couleur par agrgation floue, Actes des 4imes Journes Nationales sur les Applications des Ensembles Flous, Lille, France, Dc. 94, pp. 203-212. Nakoula Y., Galichet S., Foulloy L., Modlisation symbolique floue par jeu de rgles pondres, Actes des rencontres francophones sur la Logique Floue et ses Applications (LFA'95), Paris, France, Nov. 1995, pp. 57-64. Boukezzoula R., Galichet S., Foulloy L., Commande modle interne flou, Actes des rencontres francophones sur la Logique Floue et ses Applications (LFA'97), Lyon, France, Dc. 97, pp. 11-16. Boukezzoula R., Galichet S., Foulloy L., Apprentissage de lois de commande floues pour des systmes non linaires (synthse directe et indirecte), Actes des rencontres francophones sur la Logique Floue et ses Applications (LFA'98), Rennes, France, Nov. 98, pp. 19-27. Miklos A.M., Galichet S., Foulloy L., Popescu D., Supervision floue dune chane de rgulation de temprature dans une centrale thermolectrique, Actes des rencontres francophones sur la Logique Floue et ses Applications (LFA2000), La Rochelle, France, Oct. 2000, pp. 157-164. Galichet S., Trouv E., Communication entre applications sous Labview, Actes du 3ime Colloque sur lEnseignement des Technologies et des Sciences de lInformation et des Systmes (CETSIS2001), Clermont-Ferrand, France, Oct. 2001, pp. 161-164. Boukezzoula R., Galichet S., Foulloy L., Quelques proprits des systmes flous de

[N2]

[N3]

[N4]

[N5]

[N6]

[N7]

[N8]

[N9]

- 15 -

Takagi-Sugeno conclusions constantes, Actes des rencontres francophones sur la Logique Floue et ses Applications (LFA2001), Mons, Belgique, Nov. 2001, pp. 241248. VI.7 Divers (rapports internes - confrences sans comit de lecture) [D1] [D2] [D3] [D4] Galichet S., Gounon P., Bibliothque SIMPA, Signal et IMage PAckage, Ass. Gnrale du GdR Traitement du Signal et Images, Batz sur Mer, Avril 91. Galichet S., Guide dutilisation de SIMPA - Bibliothque image, GdR Traitement du Signal et Images, Sept. 91, 104 pages. Galichet S., SIMPA : Signal et IMage PAckages, Actes des journes UNIX de Grenoble, Grenoble, Nov. 91. Foulloy L., Galichet S. , Contrleurs flous: reprsentation, quivalences et tudes comparatives, Rapport interne LAMII 92-04, Univ. de Savoie, Annecy, France, Juillet 1992, 14 pages. (Ce rapport a servi de base pour [N1] et [N2]). Galichet S., Foulloy L., Fuzzy Control with Non-Precise Inputs, Rapport interne LAMII 93-04, Univ. de Savoie, Annecy, Juillet 1993, 7 pages. (Ce rapport a servi de base pour [C9]). Galichet S., Foulloy L., Fuzzy controllers: Synthesis and Equivalences, Rapport interne LAMII 93-08, Univ. de Savoie, Annecy, France, Novembre 1993, 22 pages. (Ce rapport a servi de base pour [R2]). Galichet S., Foulloy L., Evaluation du logiciel TILGEN, Rapport interne LAMII 9401, Univ. de Savoie, Annecy, France, Fvrier 94, 11 pages. Galichet S., Mauris G., Module de prdiction des temps de passage des rapports pour laide la conduite, Rapport de fin de contrat, Renault DR, Mars 2000. Galichet S., Expression analytique unique de la sortie dun contrleur flou de Mamdani, Rapport interne LAMII 01-02, Universit de Savoie, Octobre 2001.

tel-00413006, version 1 - 2 Sep 2009

[D5]

[D6]

[D7] [D8] [D9]

- 16 -

tel-00413006, version 1 - 2 Sep 2009

Partie B : Travaux de recherche

- 17 -

tel-00413006, version 1 - 2 Sep 2009

- 18 -

Introduction gnrale

tel-00413006, version 1 - 2 Sep 2009

First, computing with words is a necessity when the available information is too imprecise to justify the use of numbers, and second, when there is a tolerance for imprecision which can be exploited to achieve tractability, robustness, low solution cost, and better report with reality. Exploitation of the tolerance for imprecision is an issue of central importance in computing with words. Cette citation extraite de [Zadeh96] situe le contexte gnral dans lequel sinscrivent nos travaux. Appliquer la commande des procds lide de calculer avec les mots, telle est la dmarche que nous avons suivie. Bien videmment, le succs de lentreprise est li une comprhension fine des contrleurs flous, et plus particulirement de la dualit numrique/linguistique sur laquelle ils reposent. Cest dailleurs cette dernire qui nous a conduits structurer le prsent document en deux chapitres. Ainsi, le premier sinscrit clairement dans une problmatique numrique puisque les systmes flous sont utiliss comme outil de reprsentation dune fonction entres/sortie numrique. Lobjectif poursuivi est alors de fournir une mthode de construction du systme flou permettant dassurer une approximation satisfaisante du transfert entres/sortie dsir. La stratgie propose repose sur une technique dinterpolation, mise en oeuvre via le principe des quivalences modales. Celui-ci, dvelopp au sein de lquipe pour traiter des problmes linaires de faible dimension, est ici gnralis des fonctions quelconques, dont la connaissance peut mme ntre que partielle. De fil en aiguille, le premier chapitre propose ainsi un itinraire conduisant des PID flous la commande adaptative robuste des systmes non linaires par linarisation entres/sortie floue. Si la dmarche sous-jacente lcriture de ce premier chapitre nous a conduits lintituler Interpolation numrique, il est possible de lui trouver une autre cl de lecture. Ainsi, aurait-on pu le dnommer De Mamdani Sugeno puiquil reflte le cheminement qua connu la discipline au cours des dix dernires annes. Petit petit, lapproche prconise par Mamdani ds les annes 70 a pratiquement disparu au profit dune recherche et dune garantie de performances numriques. Dans ce contexte, le formalisme analytique autoris par le mcanisme de calcul des systmes de Sugeno parat mieux adapt puisquil permet une exploitation pratiquement immdiate des outils de la commande conventionnelle. Laspect linguistique est abord dans le deuxime chapitre intitul Codage de lexpertise. Lide directrice est maintenant dajouter aux systmes flous, dvelopps selon une approche numrique, une dimension linguistique leur confrant lisibilit, transparence et pouvoir explicatif. Lensemble des travaux prsents dans ce contexte repose sur une implantation entire-

- 19 -

ment symbolique des systmes flous. Cette approche originale, mise en vidence par la typologie des contrleurs flous que nous avons tablie, nous permet dassurer une implantation exacte des systmes de Sugeno conclusions constantes. Cette proprit nest cependant valable que sous certaines hypothses qui justifient a posteriori les contraintes que nous nous sommes imposes sur la synthse des systmes flous dans le premier chapitre. La cohrence ainsi tablie entre les approches numrique et linguistique nous autorise envisager divers schmas dintgration des connaissances expertes disponibles sur le procd piloter. Il devient notamment possible dintgrer une expertise dans un contrleur numrique existant. Le choix dune architecture globale dimplantation de la loi de commande finale se pose alors plus en termes de contraintes technologiques, stratgiques et conomiques quen termes scientifiques. Ce second chapitre se pose en pendant du premier et sa seconde cl de lecture pourrait tre De la thorie aux applications. En effet, les travaux conceptuels dvelopps, mais aussi leur exploitation dans le cadre dapplications industrielles, nous amnent finalement tablir une dmarche mthodologique au codage de lexpertise dans un contexte numrique. Avant dentrer dans le vif du sujet, il ne nous reste plus ici qu prciser quelques conventions que nous avons fixes et qui pourront sans doute clairer la lecture des pages venir. tel-00413006, version 1 - 2 Sep 2009 Les paragraphes, crits en italique et situs en retrait, prsentent les ides directrices ou interrogations qui guident notre discours. Les rfrences bibliographiques, donnes au fil du texte, sont rpertories en fin de document. Celles qui correspondent des travaux dvelopps au sein de lquipe (articles de revue, congrs et thses encadres) sont diffrencies par le fait quelles apparaissent en caractres gras au moment de leur citation.

- 20 -

Chapitre I : Interpolation numrique

I
tel-00413006, version 1 - 2 Sep 2009

Introduction

Dans un cadre applicatif, llaboration dun contrleur flou est encore bien souvent apprhende de faon empirique avec une dmarche dessais/erreurs. Une telle pratique est sans doute lie labsence dune mthodologie simple de synthse dun contrleur flou. Cette constatation ne date bien videmment pas daujourdhui. Ds les annes 90, elle a dailleurs conduit de nombreux chercheurs tenter dtablir un pont entre thorie du contrle et contrle flou. La problmatique est alors classiquement pose en les termes suivants : Etant donn un contrleur flou entirement dfini (base de rgles, partitions floues associes aux variables numriques, oprateurs dinfrence, mthode de dfuzzification), quelle est la forme analytique de la loi de commande associe ? Rponse a t donne cette question pour diffrents types de contrleurs flous. En particulier, les contrleurs flous de type P, PI, PD et PID, bass sur lexploitation dun signal derreur entre la sortie du procd et la consigne, ont t abondamment tudis. Les premiers travaux sur le sujet ([Siler89], [Ying90]) concernent lanalyse de bases de rgles deux entres de taille restreinte (4 ou 9 rgles). Ils mettent en vidence le fait que si aucune prcaution particulire nest prise lors de limplantation du contrleur flou, la commande engendre prsente des non-linarits qui se superposent un comportement linaire global. Reste alors tudier limpact des non-linarits gnres et la faon dont celles-ci peuvent tre exploites pour satisfaire diffrents objectifs de rgulation (stabilit, robustesse, ...). Si cette perspective est envisage dans [Ying90], les premiers lments de rponse avancs pour une base de 4 rgles restent sans suite. Ils savrent en fait difficilement gnralisables un nombre de rgles plus lev. Bien que non nonce explicitement, la raison peut tre trouve dans des travaux ultrieurs ([Ying93], [El Hajjaji94], [El Hajjaji95]) qui donnent la forme analytique de la loi de commande obtenue avec une base de rgles de taille quelconque. En fait, les non-linarits gnres sont similaires sur toutes les mailles floues et se reproduisent donc lidentique dans les diffrentes zones de lespace de phase. Leur exploitation devient alors dlicate dans la mesure o aucun traitement local ne peut tre effectu. Les non-linarits voques prcdemment sont en ralit dues aux oprateurs dinfrence et la mthode de dfuzzification choisis. Ntant pas ajustables, elles peuvent apparatre comme indsirables. Elles risquent notamment de modifier dautres non-linarits cres volontairement par le biais des rgles ou des fonctions dappartenance. Apparat alors la volont de trouver un mcanisme de calcul qui garantisse la linarit de linterpolation sur une maille floue. Dans ce contexte, le choix du produit et de la somme borne comme oprateurs dinfrence

- 21 -

permet de satisfaire la contrainte de linarit lorsque la dfuzzification est effectue par la mthode du centre de gravit ou par la mthode des hauteurs ([Mizumoto93], [Galichet95], [Moon95]). En rsum, toutes les tudes cites prcdemment ont contribu dterminer une forme de contrleurs flous quivalents des contrleurs linaires. Elles ont toutes en commun le fait que la base de rgles analyse est suppose additive. Cette hypothse est justifie a posteriori puisque la loi de commande correspondante est effectivement linaire lorsque les oprateurs flous sont correctement choisis. Elle est galement conforte par le fait que la loi de commande limite, obtenue lorsque le nombre de symboles utiliss tend vers linfini, savre linaire indpendamment des oprateurs dinfrence utiliss ([Buckley89], [Bouslama92]). Bien que valide dans un contexte linaire, lhypothse de rgles additives, ou plus gnralement de toute forme fige de rgles, nen demeure pas moins un handicap majeur la gnralisation de la dmarche. La stratgie que nous avons initie puis dveloppe saffranchit de toute contrainte de forme sur les rgles. Elle repose sur un nouveau principe, appel principe des quivalences modales, introduit dans ([Galichet92], [Galichet93], [Galichet95]) puis exploit pour diffrents types de problmes ([Galichet94a], [Galichet94b], [Boukezzoula97], [Foulloy98]). Le principe des quivalences modales, fil conducteur de ce chapitre, a t dvelopp lorigine dans lobjectif de synthtiser une loi de commande linaire avec un contrleur flou. En ce sens, il rejoint lensemble des travaux publis la mme poque et aboutit bien videmment la mme conclusion. Il diffre cependant de lensemble des tudes voques ci-dessus par le fait que la dmarche envisage est constructive et non plus restreinte lanalyse dun contrleur flou existant. En dautres termes, contrairement aux approches analytiques qui reposent toutes sur des rgles additives, le principe des quivalences modales ne ncessite aucune hypothse quant la forme des rgles. En contrepartie, la loi de commande que lon cherche obtenir est suppose connue. Ainsi, la problmatique initiale est inverse et se pose en les termes suivants: Etant donne une loi de commande cible, quel est le contrleur flou qui permet de lapprocher ? Si lorigine la stratgie de construction du contrleur flou a t dveloppe pour une loi linaire, elle nest pas pour autant ddie ce type de cible. Elle permet en effet daborder la gnration de lois de commande quelconques, mais aussi lapprentissage dune base de rgles partir dexemples. De manire gnrale, le principe des quivalences modales peut te vu comme un outil de construction dun systme flou, lobjectif tant de raliser un transfert entres/sortie numrique connu (forme analytique) ou partiellement connu (exemples). A travers ce chapitre, sont prsentes diffrentes utilisations possibles du principe des quivalences modales. Les rfrences bibliographiques relatives aux domaines abords sont insres dans les paragraphes correspondants.

tel-00413006, version 1 - 2 Sep 2009

II

Contrleurs flous numriques

La synthse de lois de commande est envisage pour deux types particuliers de contrleurs flous, savoir les contrleurs de Mamdani et ceux de Sugeno. Bien quils soient quivalents sous certaines conditions, ils sont dans un premier temps clairement dissocis et traits indpendamment les uns des autres. Ce choix est avant tout li au fait que ces deux types de systmes sont gnralement exploits dans des contextes diffrents. En effet, les systmes de Sugeno sont souvent associs une recherche de performance numrique alors que ceux de Mamdani sont orients vers une possible prise en compte de connaissances expertes. Dans les deux cas, la re-

- 22 -

cherche dquivalence avec une loi cible peut donc tre vue comme une phase dinitialisation du systme flou qui devra ensuite tre affin. Dans ce qui suit, la prsentation des deux types de systmes flous est rduite celle des mcanismes de calcul associs. En effet, lobjectif vis dans un premier temps tant simplement la ralisation dun transfert entres/sortie numrique connu, nul besoin est dtudier en dtails le fonctionnement interne des contrleurs flous considrs. Enfin, pour allger les notations, la prsentation est restreinte des systmes deux entres, x et y, et une sortie z. II.1 Contrleurs flous de Mamdani

Un systme flou de Mamdani est bas sur une collection de rgles du type : R(i,j,k) : Si x est Ai et y est Bj alors z est Ck , (1) o Ai, iI1, Bj, jI2, et Ck, kI3, reprsentent des termes linguistiques auxquels est attribue une signification floue ([Zadeh71]) que lon suppose normalise(1). Le jeu de rgles est donn par la connaissance de lensemble I des triplets (i,j,k), il sera dit complet si : k I 3 / ( i, j, k ) I (2) ( i, j ) I 1 I 2 Pour des entres numriques prcises, x0 et y0, un sous-ensemble flou de sortie, not F, est gnr selon la relation : F(z) = max(i,j,k)I min(Ai(x0), Bj(y0), Ck(z)). (3)

tel-00413006, version 1 - 2 Sep 2009

Lopration max(i,j,k)I correspond lapplication de loprateur max sur lensemble des rgles dfinies. La valeur numrique de sortie dlivre par le systme flou est obtenue par dfuzzification, classiquement implante par la mthode du centre de gravit : z F(z) dz z = MAM ( x 0, y 0 ) = ------------------------------- . F(z) dz (4)

Lquation (3) repose sur lutilisation des oprateurs flous min/max prconiss par Mamdani. Elle peut tre gnralise en introduisant des oprateurs quelconques de type t-norme/t-conorme (voir par exemple [Dubois87], [Bouchon93]) et devient alors : F(z) = (i,j,k)I T2(T1(Ai(x0), Bj(y0)), Ck(z)), (5) o T1 et T2 reprsentent des t-normes et une t-conorme. Il est noter que lquation (5) correspond une implantation conjonctive du Si ... alors ... et que le cas des graphes implicatifs, formul dans [Foulloy95a] ou [Foulloy96], nest donc pas abord dans ce document. II.2 Contrleurs flous de Sugeno

Les contrleurs de Sugeno sont, comme ceux de Mamdani, construits partir dune base de rgles Si ... alors .... Si les prmisses sont toujours exprimes linguistiquement et donc similaires celles utilises dans (1), les conclusions sont par contre de nature numrique. Elles peuvent prendre diffrentes formes : quations linaires ou polynmiales, statiques ou dynamiques. Ltude est ici restreinte des conclusions constantes, les rgles tant donc formules de la manire suivante : (6) R(i,j,k) : Si x est Ai et y est Bj alors z = ck,
(1)

Un sous-ensemble flou F, dfini sur X, est normalis si et seulement si x m X / F(x m) = 1 . Dans ce cas, xm est appel valeur modale de F. - 23 -

o ck reprsente une valeur relle quelconque. Pour les valeurs dentre prcises x0 et y0, la sortie z est value selon le mcanisme de calcul suivant : z = SUG ( x 0, y 0 ) = --------------------------------------- w i, j
( i, j, k ) I ( i, j, k ) I

w i, j c k avec w i, j = A (x0) B (y0) . i j (7)

III Equivalences modales


La synthse du systme flou est envisage selon une approche interpolative. Lobjectif fix est alors similaire celui de toute mthode dinterpolation, savoir : Etant donne une forme de systme (linaire, polynomial, ..., flou, ...), comment fixer les paramtres de celui-ci pour quil passe exactement en un certain nombre de points fixs ? Le contrleur flou est ainsi construit selon le mcanisme illustr la Fig. 1. Par galisation de la sortie dsire (sortie du contrleur cible) avec celle du contrleur flou, sont dduites des contraintes permettant de rtroagir sur le systme flou gnrer. Contrleur cible Vecteur dentre Contrleur flou Fig. 1 : Stratgie de construction du contrleur flou. La mise en oeuvre de cette mthodologie ncessite nanmoins de pouvoir exprimer paramtriquement la sortie du systme flou pour les vecteurs dentre considrs. La principale difficult est alors lie la nature mme du systme construire, non exprimable sous une forme analytique simple, tout au moins en ce qui concerne les systmes de Mamdani. Une faon de contourner le problme consiste se restreindre dans le choix des vecteurs dentre et ne considrer que des entres modales, do lappelation quivalences modales. Ce choix repose en fait sur la constatation que pour des entres modales, la sortie infre par le contrleur flou est gnralement valuable de faon simple. En dautres termes, les oprations de t-conorme ou de sommation intervenant dans les quations (5) ou (7) se rduisent souvent la prise en compte dun seul terme facilement identifi, permettant ainsi de mettre en vidence une proprit des contrleurs flous aux valeurs modales. III.1 Proprit aux valeurs modales On suppose que les significations floues dfinies sur X et Y sont normalises et forment des partitions strictes(1). Soient VX et VY lensemble des valeurs modales associes ces partitions.
(1)

tel-00413006, version 1 - 2 Sep 2009

Un ensemble de termes {Ai}i=1, ..., n assure un partitionnement strict de X si et seulement si : x X


i=1

A (x)
i

= 1.

- 24 -

Suivant le type de contrleurs flous considr, la proprit [a] ou [b] peut tre tablie. [a] Si les significations floues dfinies sur U sont symtriques et unimodales, tout contrleur de Mamdani dont le jeu de rgles est complet est tel que : ( vx, vy ) VX VY , vu VU tel que vu = MAM ( vx, vy ) , o VU est lensemble des valeurs modales associes U. [b] Tout contrleur de Sugeno dont le jeu de rgles est complet est tel que : ( vx, vy ) VX VY , cu CU tel que cu = SUG ( vx, vy ) , o CU est lensemble des constantes utilises dans les conclusions de rgles. En effet, soit xm une valeur modale du symbole Am, et yn une valeur modale du symbole Bn, on a alors Am(xm) = Bn(yn) = 1. Si lon suppose des partitions strictes des univers de discours associs aux entres, on a de plus Ai(xm) = Bj(yn) = 0 pour tout i diffrent de m et j diffrent de n. La t-conorme ou la sommation sur toutes les rgles (quations (5) et (7)) se ramne alors la seule valeur non nulle, fournie par la rgle de prmisse Si x est Am et y est Bn. tel-00413006, version 1 - 2 Sep 2009 Dans le cas dun contrleur de Sugeno, le rsultat final est immdiat : z = SUG(xm, yn) = cl avec (m, n, l) triplet indexant la seule rgle active. Pour un contrleur de Mamdani, lquation (3) devient tout simplement : F(z) = Cl(z) avec (m, n, l) triplet indexant la seule rgle active. (8) (9)

Si lon considre que les symboles de sortie ont des significations floues, symtriques et unimodales, la mthode du centre de gravit conduit finalement : z = MAM(xm, yn) = zl (10) avec zl valeur modale du symbole Cl et (m, n, l) triplet indexant la seule rgle active. La Fig. 2 rsume la proprit des contrleurs flous aux valeurs modales pour les deux types de rgles considrs. Quoique restrictives, les conditions de validit de [a] et [b] sont trs largement vrifies dans les applications dcrites dans la littrature. xi yj xi yj . . . Si x est Ai et y est Bj alors z est Ck . . . . . . Si x est Ai et y est Bj alors z = ck . . .

Mamdani

zk

Sugeno

ck

Fig. 2 : Comportement dun contrleur flou pour des entres modales. III.2 Principe des quivalences modales

Soit le contrleur cible dfini par la fonction h: X Y U . Le principe des quivalences modales consiste trouver un contrleur de Mamdani ou de Sugeno tel que : ( vx, vy ) VX VY , MAM(vx,vy) = h(vx,vy) ou SUG(vx,vy) = h(vx,vy).

- 25 -

IV Application du principe des quivalences modales la synthse dun contrleur flou de type PI
Lobjectif de ce paragraphe est dillustrer le principe des quivalences modales sur le cas particulier dun contrleur cible de type Proportionnel Intgral (PI). Lquation en z du contrleur cible est donc de la forme : u(z) z C(z) = -------- = K P + K I ---------- , (11) z 1 (z) o KP et KI reprsentent les gains, supposs connus, du contrleur PI pour lequel un quivalent flou est recherch. Si lon note respectivement et u les variations de lerreur et de la commande u, lquation (11) se traduit dans le domaine temporel par : (12) u = KP + KI . Dun point de vue bote noire, le contrleur PI peut donc tre assimil un bloc qui lon fournit deux entres ( et ) et qui produit une sortie (u). Il parat tout fait naturel de conserver les mmes entres et sortie pour le contrleur flou quivalent. IV.1 tel-00413006, version 1 - 2 Sep 2009 Partitionnement des univers de discours

Les entres et sortie du contrleur flou que lon cherche synthtiser tant dfinies, il sagit maintenant de dterminer les symboles qui seront utiliss pour lcriture de la base de rgles. Leur exploitation ultrieure dans un monde numrique ncessite galement de leur attribuer une signification floue. Cette tape correspond au partitionnement flou des diffrents univers numriques, chaque symbole tant reprsent par un sous-ensemble flou dfini sur lunivers de discours adquat. Le contrleur cible tant linaire, il convient dviter au maximum dintroduire des non-linarits dans le contrleur flou. Dans cette optique, un partitionnement triangulaire rgulier est effectu sur chacun des univers de discours. La Fig. 3 illustre ce choix pour la variable derreur. La notation Ei reprsente le ime symbole attach lerreur. En notant a lcartement entre deux fonctions dappartenance conscutives, la valeur modale du symbole Ei, note i, sexprime selon la relation : i = i a + 0 . (13) Un choix similaire pour les autres variables conduit la la dfinition des symboles dEj et dUk dont les valeurs modales respectives vrifient : j = j b + 0 (14) uk = k c + u0 (15) avec b et c carts respectifs entre deux fonctions dappartenance conscutives relatives la variation derreur et la variation de commande. Par la suite, sans perte de gnralit mais pour une simplification des calculs, la distribution des fonctions dappartenance sera suppose symtrique par rapport zro, cest--dire 0 = 0 = u0 = 0. Il est noter que la dfinition des symboles dUk ne sera exploite que dans le cas des contrleurs flous de Mamdani. 1 .... -i 0 .... i-1 i i+1 a Ei()

Fig. 3 : Partitionnement flou de lunivers de discours associ lerreur.

- 26 -

IV.2 IV.2.1

Synthse dun contrleur flou de type Mamdani Construction de la base de rgles

Du choix des entres et sortie du contrleur flou et du partitionnement des univers de discours dcoule lexpression gnrique des rgles qui, dans le cas dun contrleur de type Mamdani, est donne par : (16) Si est Ei et est dEj alors u est dUf(i,j). Aucune hypothse ntant faite sur le nombre de symboles, et donc de rgles, les indices i et j sont considrs comme appartenant Z. A chaque rgle, indice par le couple (i,j), est associ un symbole de sortie. Celui-ci, suppos inconnu, est numrot laide dune fonction f valeur entire, quil convient de dterminer. Cette paramtrisation permet de transformer le problme de la synthse de la base de rgles en un problme didentification de la fonction f. Finalement, la paramtrisation mise en oeuvre, tant sur le partitionnement des univers de discours que sur lexpression de la base de rgles, a permis de rduire le problme de synthse du contrleur flou lidentification de f, a, b et c. Lapplication du principe des quivalences modales, illustre par la Fig. 4, conduit la contrainte suivante : uf(i,j) = KP j + KI i, (17) soit, daprs (13), (14) et (15) : f(i,j) . c = KP . j . b + KI . i . a, (18) ou encore : f(i,j) = j KP (b / c) + i KI (a / c). (19) Rappelons que dans la rgle floue (16), f(i,j) reprsente lindice du symbole de sortie et ce titre, doit donc prendre une valeur entire quel que soit le couple dentiers (i,j). Pour satisfaire cette contrainte supplmentaire, il faut faire en sorte que les grandeurs KP (b / c) et KI (a / c) soient galement entires. De plus, pour que tous les symboles de sortie puissent effectivement apparatre dans une conclusion de rgle, il est ncessaire de choisir : KP (b / c) = et KI (a / c) = , (20) et tant des entiers vrifiant PGCD(,) = 1.
(21)

tel-00413006, version 1 - 2 Sep 2009

(i, j)

Contrleur PI

u = KP j + KI i =

Contrleur flou de type u = uf(i,j) Mamdani uf(i,j) = KP j + KI i Fig. 4 : Application du principe des quivalences modales la synthse dun PI. En rsum, la synthse du contrleur flou requiert dans un premier temps de fixer des entiers et tels que PGCD(,) = 1. Ce choix tant fait, les rgles sont ensuite automatiquement gnres daprs (19) selon le schma additif suivant : f(i,j) = i + j, (22) donnant ainsi lieu des rgles de la forme : Si est Ei et est dEj alors u est dU i + j. (23) - 27 -

Enfin, la distribution des fonctions dappartenance est ralise de faon vrifier les relations : c K ------ = ----I a et KP c ------ = ------ . b (24)

Le principe des quivalences modales permet de retrouver ici des rsultats connus (rgles additives, gains quivalents). Mais sa force rside avant tout dans le fait quil aboutit une mthode constructive de la base de rgles et un rglage automatique du contrleur flou associ. En cela, il sinscrit donc dans une dmarche oriente synthse et se diffrencie ainsi des travaux existants, orients analyse. IV.2.2 Rglage du contrleur synthtis

La construction de la base de rgles par application du principe des quivalences modales a permis dtablir des relations entre les paramtres du systme flou et ceux du PI cible (cf quations (24)). Limplantation pratique du contrleur flou ncessite maintenant de donner une valeur effective chacun de ses paramtres (a, b, c, , ). Si aucune contrainte nest impose sur la distribution des fonctions dappartenance, en dautres termes si le nombre final de rgles nest pas limit, un choix simple consiste fixer = = 1. On obtient alors la base de rgles antidiagonale rsume dans le Tableau 1. tel-00413006, version 1 - 2 Sep 2009 En associant un nom chacun des symboles utiliss, il apparat clairement que la base de rgles ainsi gnre nest autre que celle propose par Mac Vicar-Whelan [MacVicar76] et tudie ultrieurement par diffrents auteurs ([Buckley89], [Siler89], [Ying90], [El Hajjaji95], [Mann99]). Le rglage des paramtres a, b et c est ensuite effectu partir des quations (24). On peut par ailleurs remarquer quun degr de libert est laiss au concepteur puisque les trois paramtres ne sont soumis qu deux contraintes. Dun point de vue pratique, il est souvent ncessaire de contraindre la synthse du contrleur flou par un nombre maximum de symboles autoriss pour dcrire chacune des variables dentre. Les univers de discours associs tant des intervalles, les valeurs de a et b sont alors figes ou tout au moins ne peuvent tre ajustes librement. Dans ce cas, la synthse du contrleur flou quivalent au PI cible ncessite de jouer sur les coefficients et de faon ce que lgalit (24) puisse tre satisfaite. Erreur .... .... dE3 dE2 dE1 dE0 dE-1 dE-2 dE-3 .... .... .... .... .... .... .... .... .... .... E-3 .... dU0 dU-1 dU-2 dU-3 dU-4 dU-5 dU-6 .... E-2 .... dU1 dU0 dU-1 dU-2 dU-3 dU-4 dU-5 .... E-1 .... dU2 dU1 dU0 dU-1 dU-2 dU-3 dU-4 .... E0 .... dU3 dU2 dU1 dU0 dU-1 dU-2 dU-3 .... E1 .... dU4 dU3 dU2 dU1 dU0 dU-1 dU-2 .... E2 .... dU5 dU4 dU3 dU2 dU1 dU0 dU-1 .... E3 .... dU6 dU5 dU4 dU3 dU2 dU1 dU0 .... .... .... .... .... .... .... .... .... .... ....

Variation de l'erreur

Tableau 1 : Base de rgles dun PI flou.

- 28 -

Revenons rapidement sur la dfinition des entiers et . A posteriori, les quations (24) permettent dtablir la relation suivante : a = K P . -------- ----b KI (25)

Le rapport / tablit donc un coefficient de proportionnalit entre le rapport des gains du PI cible et a/b. Le PI cible tant suppos connu, la donne de et fixe a priori le rapport a/ b. A loppos, la donne dun rapport a/b permet de dterminer les entiers et de faon satisfaire la relation (25). IV.2.3 Introduction de gains de normalisation

Une alternative lajustement du systme flou consiste dporter le problme en introduisant des gains de normalisation sur les variables manipules (cf Fig. 5) ([Ying90], [Ying93], [Ying94], [Li95], [Li97], [Yeh99]). Lobjectif devient alors dajuster les gains quivalents du systme global et non plus directement ceux du systme flou. Systme global tel-00413006, version 1 - 2 Sep 2009 GE GdE n n Systme flou un 1 GdU u

Fig. 5 : Normalisation des variables. Soient n, n et un les variables normalises dfinies par : n = GE., n = GdE., un = GdU.u, (26) o GE, GdE et GdU reprsentent les gains de normalisation. Aux points modaux, le contrleur flou engendre la commande : c c u n = ------ n + ------ n , (27) a b et le systme global produit donc la sortie : c GE c GdE u = ------ ----------- + ------ ----------- . (28) a GdU b GdU En galisant lquation (28) avec lquation du PI cible, on obtient les relations suivantes, directement exploitables pour le rglage des gains de normalisation : c GE c GdE K I = ------ ----------et K P = ------ ----------- . (29) a GdU b GdU Lintroduction des gains de normalisation a permis dajouter trois degrs de libert au systme global. On peut alors compltement figer le systme flou, cest--dire choisir des valeurs quelconques pour , , a, b et c, tout en assurant une quivalence entre le systme global et le PI cible. Notons que deux gains de normalisation suffisent garantir lexistence dun rglage. Au premier abord, lintroduction dun troisime gain peut alors paratre inutile. Il nen est rien puisquen fait, ce dernier peut tre exploit pour augmenter le domaine de validit du PI flou synthtis. A titre dillustration, supposons que ==a=b=c=1 et que le PI cible soit dfini par KP=1 et KI=2. Supposons galement quaucun gain de normalisation ne soit utilis sur la sortie du systme flou (GdU=1). La synthse du systme quivalent ncessite alors de rgler les gains GE et GdE selon lquation (29), soit GE=2 et GdE=1. Le domaine de validit D du systme

- 29 -

engendr dpend du nombre de rgles du systme flou. Ainsi pour un systme 3x3 rgles, la variable doit appartenir [-a/GE, a/GE] et [-b/GdE, b/GdE], soit D=[-1/2, 1/2] x [1, 1]. Lextension de ce domaine peut tre faite, soit par augmentation du nombre de rgles, soit par introduction du gain GdU. Dans ce dernier cas, les gains GE et GdE peuvent en effet tre multiplis par GdU sans pour autant changer les gains quivalents du systme global. Ainsi, toujours pour un systme 3x3 rgles, les rglages GE=1/5, GdE=1/10 et GdU=1/10 permettent dtendre D [-5, 5] x [-10, 10]. En rsum, lquation (29) donne une formulation complte des gains quivalents dun contrleur flou de type PI. De par son aspect gnrique, elle englobe les rsultats obtenus par diffrents auteurs sur des cas particuliers, ainsi quillustr par le Tableau 2. La premire colonne indique la rfrence bibliographique concerne. La seconde traduit, dans notre formalisme, les hypothses de travail des auteurs. Rappelons que tous supposent des rgles additives sans quaucune stratgie de construction des rgles ne soit propose dans les tudes considres. Enfin, la troisime colonne fournit la loi de commande quivalente, dtermine par les auteurs, mais pouvant tre galement directement engendre partir de (29). Suivant les oprateurs dinfrence utiliss, cette dernire reprsente une expression analytique exacte ou un comportement limite. tel-00413006, version 1 - 2 Sep 2009 Rfrence [Siler89] [Buckley89] [Ying90] [Bouslama92] [Ying93] [Ying94] [Moon95] [El Hajjaji95] [Li97] [Li99] Hypothses == -1, GE=GdE=GdU= 1, a=b=1, c=0.5 == -1, GE=GdE=GdU= 1, a=b=1/N, c=1/2N == -1 a=b=2L, c=L == -1, GE=GdE=GdU= 1, b=ka, c=v0a, == -1, a=b=L/J, c=H/(2J) == -1, GE=GdE=GdU= 1, c=M/m, a=c/KI, b=c/KP == -1, GE=GdE=GdU= 1, a=L/I, b=K/J, c=H/(I+J) == 1, a=b Loi de commande quivalente u = -(+)/2 u -(+)/2 quand N

u = - (GE + GdE ) / ( 2 GdU) u -v0(+/k) quand a 0

u -H (GE + GdE ) / (2L GdU) quand J u = -KI - KP u -(/2L)-(/2) quand et J c GE + GdE u ------ ------------------------------------------- - a GdU quand nombre de rgles c GE c GdE u = u NL + ------ ----------- + ------ ----------- a GdU b GdU avec uNL composante non linaire

[Mann99]

== 1, a=2/(N1-1), b=2/(N2-1), c=2/(N1-N2-2)

Tableau 2 : Positionnement dans notre formalisme de travaux issus de la littrature.

- 30 -

IV.3

Synthse dun contrleur flou de type Sugeno

La mthodologie de synthse dveloppe prcdemment est maintenant applique au cas des contrleurs flous de type Sugeno pour lesquels lexpression gnrique des rgles devient : Si est Ei et est dEj alors u = g(i,j). (30) La fonction g est ici utilise pour paramtrer les conclusions numriques des rgles et prend donc ses valeurs dans R. Un partitionnement triangulaire rgulier (cf. Fig. 3) est nouveau impos sur les univers de discours relatifs et . La synthse du contrleur flou se rsume donc dterminer g, a et b. Le principe des quivalences modales conduit une contrainte unique, relative g : g(i,j) = KP j + KI i = KP . j . b + KI . i . a. (31) Le choix de a et b nest en fait sujet aucune restriction. Entire libert est donc laisse lutilisateur pour exploiter ces paramtres, notamment pour fixer le nombre de symboles dsir sur les univers de discours considrs. Il apparat ainsi que la synthse dun contrleur de Sugeno est plus simple mettre en oeuvre que celle dun contrleur de Mamdani. Cette constatation mane tout simplement du fait quaucune contrainte nest impose sur la rpartition des conclusions de rgles. En dautres termes, la contrainte dquirpartition (18) utilise dans le cadre des systmes de Mamdani est ici absente. La possibilit de la relaxer pour les contrleurs de Mamdani est voque dans le deuxime chapitre de ce manuscrit (cf paragraphe IV.1). IV.4 Effet de linterpolation entre les points modaux dans un contrleur de Mamdani

tel-00413006, version 1 - 2 Sep 2009

La mthode de construction explicite dans le paragraphe prcdent permet dassurer lgalit de sortie du PI cible et du contrleur flou gnr, uniquement pour des entres modales. Entre les points modaux, le contrleur flou produit une interpolation naturelle quil convient maintenant danalyser. Il est possible de dterminer analytiquement lexpression de la sortie fournie par le contrleur flou pour un vecteur dentre quelconque (, ) appartenant la maille floue rectangulaire dfinie par les entres modales i, i+1 et j et j+1 ([El Hajjaji95], [Galichet01]). Cette approche savre toutefois fastidieuse dans le cas des contrleurs de Mamdani, o lutilisation des oprateurs min/max ncessite de considrer huit cas selon la position du vecteur dentre (, ) dans la maille concerne. Il est ici choisi daborder le problme de manire pratique partir de simulations permettant de mettre en vidence leffet de linterpolation entre points modaux et ce, en fonction des rglages du systme flou. Le contrleur flou est ainsi utilis en boucle ferme de manire rguler un systme pour lequel un PI cible est dtermin au pralable. Les sorties obtenues avec le PI cible et le contrleur flou quivalent sont alors compares de faon isoler leffet des nonlinarits introduites par linterpolation floue. Le souhait de se focaliser sur ce dernier point nous a conduits au choix dlibr dun procd extrmement simple, savoir un premier ordre, caractris par une constante de temps Proc=5s et un gain statique de 2. La fonction de transfert correspondante est alors donne par : 2 H Proc(s) = -------------- . (32) 1 + 5s Le PI cible est fix de manire obtenir en boucle ferme un premier ordre de gain unitaire et de constante de temps BF=0.25s. La fonction de transfert du PI cible est donc la suivante : 2 H PI(s) = 10 + -- . (33) s Limplantation des rgulateurs PI cible et PI flou tant ralise en discret sur le procd chan-

- 31 -

tillonn avec la priode Tech=0.1s, les gains du PI cible (cf quation (12)) sont finalement : KP = 10 et KI = 0.2. La simulation est effectue partir du schma Simulink illustr la Fig. 6., le systme flou tant intgr via une S-fonction. La consigne est forme de deux chelons unitaires, lun linstant initial (chelon positif), lautre lintant t = 6s (chelon ngatif). Les univers de discours associs lerreur et sa variation sont donc fixs [-1, 1].

tel-00413006, version 1 - 2 Sep 2009

Fig. 6 : Schma de simulation sous Simulink. Dans un premier temps, un contrleur flou de Mamdani est mis en oeuvre. Son rglage est dabord effectu de manire minimale (==1, aucun gain de normalisation). Dans ce cas, selon lquation (25), le rapport des gains du PI cible induit un rapport de 50 entre a et b. Ainsi, si lon choisit a = 0.5 (5 symboles pour dcrire lerreur), b doit tre fix 0.01. Si PI et contrleur flou prsentent des performances similaires en rgulation (cf Fig. 7(a)), il nen demeure pas moins que ce dernier exploite une base de 5 x 201 rgles laquelle aucune lisibilit ne peut tre accorde. La Fig. 7(b) illustre lerreur entre les deux surfaces de contrle (diffrence entre les u produits par le contrleur de Mamdani et le PI) et met en vidence un comportement priodique selon correspondant aux 4 intervalles dlimits par les 5 valeurs modales dfinies sur . Bien que non perceptible sur la surface derreur globale, un effet similaire est prsent selon . Ce dernier devient visible lorsque la reprsentation de la surface derreur est restreinte une seule maille floue (cf Fig. 7(c)). Rglages : a = 0.5, b = 0.01, c = 0.1, = = 1, GE = GdE =GdU =1
1

0.8

PI Mamdani

0.6

y
0.4 0.2

Consigne

0 0 2 4 6 8 10 12

t(s)

(a) Sortie du systme rgul

(b) Surface derreur

(c) Zoom sur une maille floue

Fig. 7 : Contrleur de Mamdani (5 x 201 rgles).

- 32 -

La seconde tape dans la dtermination dun rglage intressant du contrleur de Mamdani consiste tenter une diminution du nombre de rgles ncessaires et donc une augmentation de b. Diffrents cas sont prsents la Fig. 8. La diffrence de rponse des systmes boucls est mise en vidence en fin de monte du premier chelon. Lutilisation de 9 symboles pour permet dobtenir une rponse relativement satisfaisante, bien que diffrente de celle produite par un bouclage avec le PI cible. La monte est plus rapide mais au dtriment du temps ncessaire lannulation de lerreur statique. Ce phnomne est encore amplifi par une rduction 5 du nombre de symboles concernant . Rglages = = 1, GE = GdE =GdU =1 5 x 201 rgles a = 0.5, b = 0.01, c = 0.1 3 x 9 rgles a = 12.5, b = 0.25, c = 2.5 tel-00413006, version 1 - 2 Sep 2009 3 x 5 rgles a = 25, b = 0.5, c =5
1

3 x 9 rgles

0.975

3 x 5 rgles
0.95

5 x 201 rgles PI

y
0.925 0.9 0.5

1.5

t(s)

Fig. 8 : Performances en suivi selon le nombre de rgles. Dun point de vue global, il semble que la limitation du nombre de rgles a entran une augmentation du gain proportionnel et une diminution du gain intgral du contrleur flou. Toutefois, lexamen des surfaces derreur (cf Fig. 9), il apparat que cette constatation nest plus valide localement. Un comportement priodique dominant est maintenant engendr selon . A nouveau, il ne peut tre que subi et interdit tout rglage local. Il est noter que les rglages de a font en sorte que lerreur nvolue que dans une infime partie des mailles floues dfinies de part et dautre de = 0. Leffet priodique selon a ainsi disparu sur lunivers de discours considr.

Fig. 9 : Erreur de contrle selon le nombre de rgles. Reste enfin souligner que mme si lerreur de suivi engendre par un systme de Mamdani de taille restreinte peut paratre satisfaisante sur un chelon unitaire, lutilisation du contrleur

- 33 -

correspondant ncessite une extrme prudence. En effet, dans la mesure o le systme boucl nest plus tout fait linaire, son comportement ne peut plus tre jug par une simple rponse indicielle. La Fig. 10 illustre cet tat de fait sur une chelle normalise pour des chelons damplitude diffrente dans le cas du contrleur 3 x 5 rgles. Les non-linarits gnres par linterpolation floue introduisent clairement des rponses de nature diffrente selon la localisation de la trajectoire dans le plan de phase (, ).
100

80

A=1
60

A=0.7 A=0.2 A = amplitude de l'chelon

%ech

40

A=0.1

20

10

12

tel-00413006, version 1 - 2 Sep 2009

t(s)

Fig. 10 : Rponse des chelons damplitude diffrente (3 x 5 rgles). Il savre donc impossible dobtenir un contrleur de Mamdani de taille restreinte qui soit un quivalent proche du PI cible en exploitant simplement les rglages de base sur a, b et c. Ltape suivante dans notre dmarche consiste donc introduire les paramtres et de faon voir sils permettent datteindre lobjectif fix. A nouveau, les rsultats obtenus sont dcevants ainsi que lillustre la Fig. 11. Les surfaces derreur en incrment de commande (cf Fig. 12) tmoignent dun comportement priodique la fois sur et . Lintroduction de et a en fait permis, par une mise lchelle des conclusions de rgles, de mlanger les non-linarits engendres sur chacune des entres. Lexploitation des lois de commande floues parat dautant plus dlicate que les effets non linaires induits ne sont pas ajustables localement. Rglages GE = GdE =GdU =1 5 x 21 rgles a = 0.5, b = 0.1, c = 0.1 = 1, = 10 5 x 9 rgles a = 0.5, b = 0.25, c = 0.1 = 1, = 25 5 x 5 rgles a = 0.5, b = 0.5, c = 0.1 = 1, = 50

0.8

PI 5 x 21 rgles 5 x 9 rgles 5 x 5 rgles

0.6

y
0.4 0.2 0 0

10

12

t(s)

Fig. 11 : Erreur de suivi pour diffrents rglages de et .

- 34 -

Fig. 12 : Surfaces derreur en incrment de commande pour diffrents rglages de et . La dernire tentative consiste prendre en compte les paramtres de rglage supplmentaires que sont les gains GE, GdE et GdU. Il savre en fait quune utilisation conjointe des carts entre valeurs modales et des gains de normalisation ne modifie en rien les rsultats obtenus prcdemment. Ainsi, pour des valeurs de et donnes, seul le rglage des rapports GE GdE GdU ------- , ---------- et ----------- influe sur la surface de commande obtenue. Cette constatation mise en vic a b dence aux valeurs modales dans lquation (28) reste valide pour des entres quelconques. Ainsi, le choix dune mise lchelle des variables dentre et de sortie, soit de faon externe via les gains de normalisation, soit de faon interne via les partitions floues, na aucune incidence sur la surface de commande engendre. Seul un ajustement via les rgles par lintroduction des et modifie la nature de linterpolation entre les valeurs modales. Les simulations mises en oeuvre permettent de tirer diffrentes conclusions rsumes ci-dessous. - Lobtention dun quivalent linaire satisfaisant ncessite un nombre de rgles lev. - Les non-linarits introduites par linterpolation floue ne sont pas contrlables. De plus, leur priodicit induit des effets indsirables. - Seule lintroduction des paramtres et permet de fixer le nombre de rgles et les univers de discours effectivement exploits tout en garantissant les gains quivalents du contrleur flou. - Lusage conjoint des paramtres de rpartition des fonction dappartenance et des gains de normalisation napportent rien. IV.5 Obtention dun quivalent linaire exact

tel-00413006, version 1 - 2 Sep 2009

Dans la mesure o les non-linarits introduites par linterpolation floue ne sont pas utilisables, lobjectif est maintenant de les liminer de faon obtenir une implantation floue exacte du PI cible. Dans le cas des systmes de Sugeno, il savre que le contrleur flou synthtis selon lquation (31) est linaire ([Mizumoto93], [Galichet95], [Sugeno99]). A titre dillustration, on peut ainsi vrifier que le systme de Sugeno caractris par la base de rgles de la Fig. 13 est quivalent au PI cible. Dun point de vue exprimental, une diffrence de sortie de lordre de 10-15 est constate entre les deux systmes rguls. Cette erreur ngligeable, imputable au bruit de calcul numrique, valide en simulation le rsultat thorique dune quivalence exacte entre les deux contrleurs implants. Remarquons que le nombre de symboles dfinis sur les partitions dentre peut tre choisi de manire quelconque et ninflue aucunement sur la surface de contrle obtenue. En fait, il suffit de deux symboles sur chaque univers de discours (quatre points

- 35 -

modaux dans le plan de phase) pour construire le systme flou. Dans le cas des systmes de Mamdani, seule lutilisation des oprateurs min/max induit les non-linarits de la loi de commande. En effet, il est possible de montrer que le choix du produit comme t-norme et de la somme borne 1 comme t-conorme permet dobtenir une interpolation linaire entre les points modaux ([Galichet95]). Ce rsultat gnralise une dfuzzification par centre de gravit celui pralablement tabli dans [Mizumoto93] avec la mthode des hauteurs. Ainsi, sous rserve dexploiter des oprateurs linaires, le contrleur de Mamdani dfini par a = b =1, c = 0.2, = 1 et = 50 et compos de 3 x 3 rgles (cf Fig. 14) est strictement quivalent au PI cible sur lunivers de discours [-1, 1] x [-1, 1]. Si cet tat de fait est confirm par la simulation, il nen demeure pas moins que limplantation numrique de. la dfuzzification par centre de gravit engendre une erreur dapproximation. Dun point de vue pratique, lobtention dune erreur satisfaisante requiert lutilisation dun pas de discrtisation faible. Ainsi, pour un cart de lordre de 10-7 sur la sortie du systme rgul, il est ncessaire de fixer un pas de distrtisation dj trs faible sur u (10-3).
1

tel-00413006, version 1 - 2 Sep 2009

E-1 dE1 dE0 dE-1 9.8 -0.2 -10.2

E0 10 0 -10

E1 10.2 0.2

Consigne
0.5

Rgulation floue Rgulation PI

-9.8
-0.5

(yPI-ySUG)*1015
0 2 4 6 8 10 12

a = b = 1

Fig. 13 : Contrleur flou de Sugeno (base de rgles et rponse indicielle). Lobjectif initial dobtention dun contrleur flou implantant une loi de commande linaire est maintenant atteint la fois pour des systmes de Mamdani et de Sugeno. De plus, les paramtres de rglage associs permettent de dimensionner les systmes flous synthtiss en termes de nombre de rgles. Reste toutefois souligner que dans le cas des systmes de Mamdani, la base de rgles gnre (cf Fig. 14) nexploite quune trs faible proportion des symboles dfinis sur lunivers de discours associ la sortie et savre donc difficilement justifiable dun point de vue lisibilit et interprtation. Dans toute la suite de ce chapitre, la synthse de contrleurs de Mamdani est donc abandonne au profit des systmes de Sugeno, plus facilement rglables. Cette mise lcart ne sera cependant que provisoire puisque le chapitre suivant mettra en vidence la possibilit de transformation dune base de rgles de Sugeno en son homologue de Mamdani.
E-1 dE1 dE0 dE-1 dU49 dU-1 dU-51 E0 dU50 dU0 dU-50 E1 dU51 dU1 dU-49 -10.2 -10 -9.8 -0.2 0 0.2 9.8 10 10.2

dU-51 dU-50 dU-49

dU-1 dU0 dU1

dU49 dU50 dU51

....

....

Fig. 14 : Contrleur de Mamdani quivalent au PI cible.

- 36 -

Extension la synthse de contrleurs flous linaires par retour dtat

Les travaux dvelopps ci-dessus ont t restreints la construction dun contrleur flou de type PI. Ils peuvent bien videmment tre adapts pour gnrer un contrleur flou de type PD, auquel cas la variable de sortie du contrleur flou devient la commande elle-mme et non plus sa variation. De manire plus gnrale, la mthodologie utilise sapplique sans difficult la synthse dun systme flou implantant une relation entres/sortie linaire du type s = K1 e1+K2 e2, o e1 et e2 reprsentent les entres du systme et s la sortie. Les variables dentre du systme sont alors utilises dans les prmisses de rgles alors que la variable de sortie apparat dans les conclusions. Dans ce cas, le systme flou implant peut tre vu comme un contrleur, mais aussi comme un modle ou, de faon plus large, comme une fonction nomme SF permettant de dterminer la sortie s partir des entres e1 et e2, cest--dire : s = SF(e1, e2). La mise en oeuvre du principe des quivalences modales permet de garantir que la fonction SF produit la mme sortie que la fonction linaire cible pour des entres modales. Linterpolation floue produite par un systme de Sugeno tant linaire, la reprsentation obtenue est exacte. tel-00413006, version 1 - 2 Sep 2009 Le principe des quivalences modales peut galement tre appliqu la construction dun systme flou permettant dapproximer une fonction linaire de n variables. La problmatique est alors la suivante : Soit la fonction cible fL dfinie par s = fL(e1, e2, ...., en) = K1 e1 + K2 e2 + .... + Kn en. Comment dterminer le systme flou SF permettant dapprocher fL ? Le systme flou recherch prend en compte les mmes variables que le systme cible linaire et est donc construit partir de rgles du type : Si e1 est A1i1 et e2 est A2i2 et ..... et en est Anin alors s = g(i1,i2, ...,in), (34) pour un systme de Sugeno. Comme prcdemment les partitions des univers de discours sont supposes triangulaires avec une rpartition rgulire des fonctions dappartenance associes aux symboles. Si lon note ak, k=1, .., n, la distance entre deux valeurs modales conscutives relatives la variable ek , lapplication du principe des quivalences modales aboutit la relation suivante : g(i1,i2, ...,in) =

k=1

Kk ek k

k=1

Kk ik ak ,

(35)

o ekik reprsente la ik ime valeur modale de la variable ek. Il est dmontr dans [Ying97] que la forme de rgles engendre (cf quations (34) et (35)) est une condition ncessaire et suffisante lobtention dun systme flou globalement linaire. Ce rsultat sapplique de manire immdiate la synthse dun contrleur flou de type retour dtat ([Galichet94b], [Foulloy98]). En effet, soit le systme linaire multi-entres, multi-sorties dfini par la reprsentation dtat suivante : x = Ax + Bu y = Cx + Du x1 x2 xn u1 u2 um y1 y2 yp

avec

x =

u =

et

y =

(36)

o x reprsente ltat du systme, u son entre et y sa sortie. Le principe de la compensation par retour dtat (cf Fig. 15) consiste dfinir la loi de commande u sous la forme linaire suivante :

- 37 -

u = Lr - Kx,
p m, n

(37)
m, p

o r est la nouvelle entre du systme, K M la matrice de retour dtat et L M la matrice permettant de fixer le comportement statique du systme compens.

Limplantation floue dune telle commande ncessite llaboration dun systme flou p+n entres et m sorties. Dans la mesure o les entres relatives la nouvelle entre r et celles relatives ltat x peuvent tre clairement dissocies, limplantation floue est en fait ralise avec deux systmes flous distincts. Le premier, en charge du retour dtat, se substitue la matrice K dans la Fig. 15, alors que le second remplace la matrice L. Cette faon de faire permet de coller au plus prs de la structure de commande dorigine mais aussi de rduire le nombre de rgles global. Dans la suite de ce paragraphe, le problme est donc restreint la synthse de la loi v = Kx, une mthodologie strictement similaire pouvant tre applique au transfert Lr. Systme D r tel-00413006, version 1 - 2 Sep 2009 L + v u x = Ax + Bu x C y

K Fig. 15 : Principe de la commande par retour dtat. Dans le cas o le systme commander ne possde quune seule entre (m=1), le rsultat obtenu prcdemment (quation (35)) est directement applicable en remplaant les entres gnriques e1, e2, ..., en exploites dans les prmisses de rgles (34) par les composantes du vecteur dtat x. Le systme flou produit alors la sortie escompte, savoir v = Kx, dans la mesure o la contrainte (35) est satisfaite. Quant au cas multi-variable, il ncessite la synthse dun systme flou m sorties bas sur des rgles du type : Si x1 est A1i1 et x2 est A2i2 et ..... et xn est Anin alors v1 = g1(i1,i2, ...,in) et v2 = g2(i1,i2, ...,in) et ..... et vm = gm(i1,i2, ...,in). (38)

Un tel systme peut en fait tre vu comme une collection de systmes flous sortie unique. Chacun dentre eux repose alors sur une mme structure de rgles dont seul le paramtre de sortie diffre. Chaque sous-sytme est ensuite rgl selon lquation (35), ce qui gnre lensemble de contraintes suivant : l {1, 2, , m} g l(i 1, i 2, , i n) =

k=1

K l, k x k k =

k=1

Kl, k ik ak .

(39)

Il apparat clairement quimposer une mme partition des entres pour chaque sous-systme flou, i.e. ak indpendant de l, ne pose aucune difficult pour la dtermination des conclusions de rgles. Cette constatation nest cependant plus valide pour des systmes de Mamdani pour lesquels la synthse des rgles selon lapproche dveloppe prcdemment devient extrmement dlicate, voire impossible dans la mesure o le nombre de paramtres de rglage devient infrieur au nombre de contraintes satisfaire ([Galichet94b], [Foulloy98]).

- 38 -

VI Application la synthse de contrleurs flous non linaires


Lide dveloppe dans ce paragraphe est tout simplement dexploiter le principe des quivalences modales pour la synthse dun contrleur non linaire. La prsentation sarticule autour de deux applications distinctes qui se diffrencient essentiellement de par leur objectif. En effet, si la premire concerne lintgration dune expertise humaine dans une loi de commande analytique, la seconde est avant tout un problme doptimisation dune fonction cot exprime numriquement. Le contexte de ces deux applications est galement trs diffrent. Dans un cas, il sagit dapporter une rponse un problme industriel. Dans lautre, le travail est ralis en simulation et doit tre considr comme une pr-tude visant tester la faisabilit dune approximation floue. Malgr ces divergences de nature, les deux applications prsentes ont en point commun le fait que la fonction cible est non linaire et de forme analytique connue. Ces deux tudes sinscrivent donc dans la problmatique plus gnrale de lapproximation de fonctions. Dans les annes 90, la bibliographie traitant du sujet a essentiellement abord laspect thorique de lapproximation. Ainsi, de nombreux auteurs se sont attachs dmontrer que telle ou telle famille de systmes flous possde la proprit dapproximateurs universels ([Buckley92], [Wang92a], [Buckley93]). Bass sur le thorme de Stone-Weierstrass, ces travaux napportent aucune aide pratique quant la synthse dun systme flou permettant dapproximer une fonction cible. Des publications plus rcentes tentent cependant de donner des lments de rponse sous la forme de contraintes que doit satisfaire le systme flou. Dans [Zeng96b], il est par exemple montr quune approximation plus prcise est gnralement obtenue si les partitions des univers dentre sont telles que les fonctions dappartenance se croisent au point milieu de lintersection de leur support. [Kosko95] prconise quune rgle floue soit associe chaque extremum de la fonction approximer. Dans le mme courant de pense, [Ying97] et [Ding00] mettent en vidence la ncessit quun point modal soit effectivement dfini en tout extremum de la fonction cible. Bien que ces rsultats soient constructifs vis--vis de llaboration du systme flou, ils ne constituent pas encore une mthodologie de synthse complte, telle que celle propose par [Lygeros97] dans le cas particulier des fonctions polynomiales coefficients rationnels. Les travaux prsents ci-dessous nont pas la prtention de pallier ce manque. Ils abordent uniquement laspect pratique de lapproximation de fonctions et tentent simplement dapporter une solution des problmes concrets. VI.1 Rgulation de niveau en raffinerie Cette application concerne la mise en oeuvre d'un contrleur flou pour la rgulation de niveau flottant dans une capacit tampon en raffinerie. Cette tude ([Galichet94a]), mene en collaboration avec le centre de recherche de ELF Solaize, exploite le principe des quivalences modales pour synthtiser le contrleur flou partir d'un contrleur non linaire existant. Celui-ci donne satisfaction en mode de fonctionnement normal mais est incapable de traiter d'ventuelles perturbations. Le contrleur flou est donc modifi localement pour prendre en compte le contexte de fonctionnement du systme. La solution propose sinscrit donc dans une stratgie en deux tapes : - copie de lexistant pour construire le contrleur flou, - amlioration du contrleur flou initial par introduction dune connaissance experte. Il est noter que cette dmarche ne peut tre envisage que si lon dispose effectivement dune connaissance experte sur la faon damliorer la rgulation. Dans ce cas, la traduction de la loi

tel-00413006, version 1 - 2 Sep 2009

- 39 -

de commande non linaire en base de rgles floues permet dexploiter dans un mme contexte, des connaissances de nature diffrente : forme analytique de la loi de commande et expertise sur la conduite du procd. Laspect intgration de lexpertise, deuxime phase dans le processus de construction du contrleur flou, nest pas abord ici mais sera dtaill dans le second chapitre de ce mmoire. Le procd considr est illustr la Fig. 16. Lobjectif de la rgulation est de maintenir le niveau courant L entre les bornes Lmin et Lmax. Si aucune consigne prcise nest impose sur le niveau, il est important de minimiser les variations du dbit de sortie, seule variable de commande autorise. Dans ce contexte, le contrleur existant, dit contrleur algorithmique, value la variation de dbit de sortie (F) de faon stabiliser le niveau avant quil natteigne une borne limite.
Lmax L Lmin

tel-00413006, version 1 - 2 Sep 2009

Fig. 16 : Rgulation de niveau flottant. Les quations suivantes avaient ainsi t dtermines par les ingnieurs : ( L ) F = K ---------------------Lmax L 2 ( L ) F = K --------------------Lmin L
2

si si

L 0, (40) L 0,

o L reprsente la variation de niveau et K une constante caractristique de la cuve et de la priode dchantillonnage. Un seuillage est ensuite appliqu la valeur calcule de faon garantir : |F| G. (41) Le choix des variables dentre du contrleur flou est guid par lquation (40). Si une utilisation directe de la variable L semble approprie, il nen est pas de mme pour la variable L. En effet, L2 tant lunique occurrence de la variation de niveau dans (40), llvation au carr peut tre traite lextrieur du systme flou. Cette approche requiert toutefois de prserver linformation sur le signe de L et conduit donc au choix de la variable signe(L)* L2 comme seconde entre du systme flou. La base de rgles construite par application du principe des quivalences modales est donne au Tableau 3 pour a = 25, b = 100/3, Lmin = 0, Lmax = 100 et K = 1. Les symboles A0 et A4 ont pour valeurs modales respectives 0 et 100, cest--dire Lmin et Lmax, et conduisent donc suivant le signe de L des conclusions de rgles qui tendent vers plus ou moins linfini. Lintroduction de ltape de saturation (41) dans le contrleur flou permet de remplacer la notation par la valeur G dans le Tableau 3. Les cases (A0, B0) et (A4, B0) mettent en vidence une discontinuit dans lexpression de la commande F. Si lon dsire reprsenter au mieux cette dernire, il est ncessaire de couper le symbole B0 en B0- et B0+. Dans notre cas, la base de rgles sera retravaille avec un expert procd de faon amliorer le comportement global de la commande.

- 40 -

signe(L)L2 B-3 Lmin L Lmax A0 A1 A2 A3 A4 - -4 -2 -4/3 -1 B-2 - -8/3 -4/3 -8/9 -2/3 B-1 - -4/3 -2/3 -4/9 -1/3 B0 -/0 0 0 0 0/+ B1 1/3 4/9 2/3 4/3 + B2 2/3 8/9 4/3 8/3 + B3 1 4/3 2 4 +

Tableau 3 : Base de rgles synthtise. La Fig. 17 donne titre illustratif les surfaces de commande associes au contrleur algorithmique et au contrleur flou (choix dune commande nulle dans les cas indtermins et G=10). La grille sur laquelle sont rpartis les points modaux est visualise sur la surface floue. Notons que le choix de la variable dentre signe(L)L2 a induit une distribution quadratique des valeurs modales associes L. tel-00413006, version 1 - 2 Sep 2009 Bien quun mme comportement global soit obtenu, il est clair que les deux surfaces de commande restent significativement diffrentes, notamment lorsque le niveau sapproche des bornes fixes. Le contrleur algorithmique ne donnant pas satisfaction en de telles circonstances, aucun effort nest fait pour le reproduire plus fidlement. A ce stade de la construction du contrleur flou, la qualit de copie obtenue est donc juge suffisante pour pouvoir procder la phase ultrieure damlioration de la commande par intgration de lexpertise ([Galichet94a]). Cette tape ncessitant une manipulation des rgles un niveau purement linguistique ne sera introduite que dans le second chapitre de ce document.

F L L (a) Contrleur algorithmique

F L L (b) Contrleur flou

Fig. 17 : Surfaces de commande. VI.2 Transformation linarisante Lapproche dveloppe a pour but dimplanter laide dun systme flou une transformation linarisante dun systme non linaire mono-entre, mono-sortie. Ce dernier, par hypothse linarisable, est ici suppos connu et exprim dans une reprsentation dtat sous la forme : x = f ( x ) + g ( x ) u, (42) y = h ( x ), o x = [x1, x2, ..., xn]T est le vecteur dtat du systme, u son entre et y sa sortie. Pour allger les notations, les dveloppements sont effectus pour un systme de degr relatif r gal n. La

- 41 -

dmarche peut cependant tre tendue tout systme dont la dynamique de zros est stable. Dans le cas o r = n, la relation entre-sortie associe au systme (42) est donne par : y
(n)

= Lf h ( x ) + Lg Lf

(n)

(n 1)

h ( x )u ,

(43)

o la notation Lab(x) reprsente une drive de Lie et signifie la drive de b dans la direction de a. Selon une approche de linarisation entre-sortie, une nouvelle entre v est introduite et la ( n) la commande : Lf h ( x ) 1 (44) u = -------------------------------- + -------------------------------- v = (x) + (x) v , (n 1) (n 1) Lg Lf h ( x ) Lg Lf h(x) est applique au systme. On obtient ainsi le systme linaire y(n)= v, dont la reprsentation dtat scrit : z = Az + Bv, (45) y = Cz, 1 0 1 0 0 0 0 0 0 0 1 0 0 0 T avec A = ,B = ,C = . 0 0 0 0 0 1 0 0 0 0 0 0 0 1 Le nouveau vecteur dtat z est obtenu par transformation de coordonnes laide du diffomorphisme dfini par : h(x) Lf h ( x ) z = (x) = . (46) Lf
(n 1)

tel-00413006, version 1 - 2 Sep 2009

h(x)

Il convient maintenant de stabiliser le systme linaris (chane dintgrateurs asymptotiquement instable). Un simple retour dtat, cest--dire v = -Kz, permet datteindre cet objectif dans la mesure o K est choisi de faon ce que la matrice A-BK ait toutes ses valeurs propres partie relle ngative. En rsum, la commande u = (x) - (x) K (x) permet de linariser et de stabiliser le systme considr. Cest cette dernire qui devient la fonction cible que lon cherche approximer par un systme flou qui sera donc bas sur une collection de rgles de la forme : Si x1 est A1i1 et x2 est A2i2 et ..... et xn est Anin alors u = g(i1,i2, ...,in), (47)

avec g(i1,i2, ...,in) = (x(i1,i2, ...,in)) - (x(i1,i2, ...,in)) K (x(i1,i2, ...,in)), x(i1,i2, ...,in) tant le vecteur dentre modal associ la rgle concerne, cest--dire le vecteur compos des valeurs modales associes aux symboles A1i1, A2i2, ..., Anin. Pour un partitionnement donn des univers de discours dentre, la synthse de la base de rgles est donc immdiate dans la mesure o , , et K sont supposs connus. Pour une mise en oeuvre pratique, il est maintenant ncessaire de se poser les questions suivantes : Combien faut-il dfinir de symboles pour dcrire chaque composante du vecteur dtat ? Comment faut-il rpartir ces derniers sur les diffrents univers de discours ? Le problme est ici restreint au choix du nombre de symboles, ceux-ci tant distribus uniformment. Cette faon de faire est bien videmment critiquable, mais elle permet de se faire une opinion rapide sur la faisabilit de lapproximation floue. En effet, si pour une rpartition rgu-

- 42 -

lire des symboles, on peut atteindre une approximation floue correcte avec un nombre limit de symboles, un partitionnement optimal des univers de discours ne pourra quamliorer la qualit du rsultat final. Cet tat de fait est illustr dans [Pedrycz97] sur diffrents exemples dapproximation de fonctions non linaires. Une optimisation des partitions y est propose selon un critre combinant partage quitable de la variabilit de la fonction cible entre rgles et distingabilit (1) des rgions floues considres. Le choix du nombre de symboles est ici abord de manire pragmatique selon une approche incrmentale. Ainsi, la base de rgles, initialise avec un nombre de symboles minimal (deux pour chaque variable), est largie de manire itrative. A chaque tape, le systme flou est test en boucle ferme sur le procd (Fig. 18(b)). Le signal de sortie gnr est alors compar celui obtenu avec la loi de commande cible (Fig. 18(a)). Si le rsultat est jug insuffisant, le nombre de symboles est augment, mais uniquement pour la composante du vecteur dtat qui engendre lerreur maximale sur lintervalle de temps considr. Dans le cas contraire, la synthse est termine. La Fig. 19 illustre les rsultats obtenus sur le systme suivant : x 1 = sin ( x 2 ) 4 x 2 = x 1 cos ( x 2 ) . y = x1

tel-00413006, version 1 - 2 Sep 2009

(48)

(a) Implantation classique

(b) Implantation floue

Fig. 18 : Linarisation entre/sortie et stabilisation. La Fig. 19(a) prsente la surface de commande obtenue par linarisation entre/sortie et placement de ples, cest--dire u = (x) - (x) K (x) avec K = [2, 3], pour x1[0, /4] et x2[-/8, 3/8]. Son approximation floue est prsente la Fig. 19(b). Elle correspond une base de 21 rgles (3 symboles sur x1, 7 sur x2). Ce choix, tabli aprs 6 itrations selon la mthodologie dcrite ci-dessus, savre satisfaisant ainsi quen attestent les rponses temporelles de la Fig. 19(c) pour des conditions initiales fixes 0.5 sur x1 et 1.1 sur x2. Le contrleur flou permet de rallier le point dquilibre (0, 0) en suivant des trajectoires trs proches de celles obtenues en utilisant la loi de commande cible.
(1)

Par ce nologisme, nous reprenons ici le terme distinguishability largement utilis dans la littrature de langue anglaise ([deOliveira95], [Pedrycz97]).

- 43 -

Les rsultats de cette pr-tude nous ont encourags poursuivre plus en avant dans la voie trace, savoir lexploitation de contrleurs de Sugeno conclusions constantes pour approximer des lois non linaires. Les paragraphes qui suivent abordent nouveau la synthse du systme flou mais cette fois, lorsque la fonction non linaire cible est inconnue. On a alors recours des techniques dapprentissage ou dadaptation suivant la nature de linformation disponible.
1.2 2 0 -2 0.6 -4 0.4 -6 -8 -10 -12 1 0.5 0.2 0 -0.2 1 0.5 0 -0.5 -0.4 1 0.8

y = x1

x2

x1

1.5

x2

t(s)

(a) Surface de commande cible tel-00413006, version 1 - 2 Sep 2009

(b) Surface de commande floue

(c) Rponses du systme boucl

Fig. 19 : Surfaces de commande et rponse du systme boucl.

VII Apprentissage dune base de rgles partir dexemples


VII.1 Prambule Les travaux prsents ici ont t raliss dans le cadre de la thse de Yassar Nakoula ([Nakoula97a], [Nakoula97b]). Ils sont relatifs lapprentissage dune base de rgles partir dexemples et sinscrivent donc dans la ligne de [Pedrycz84], [Takagi85] ou [Wang92b]. Ces dernires annes, la littrature sur le sujet a t particulirement abondante. Deux courants de pense peuvent tre distingus selon que lon cherche ou non privilgier lisibilit et interprtabilit du systme flou appris. Bien quaucune dfinition prcise de ces concepts ne se soit rellement impose, ils sont aujourdhui associs la notion de localit des rgles ([Bikdash99], [Jin00]) plus qu leur nature mme (Takagi-Sugeno ou Mamdani). Dans ce contexte, la partition des univers de discours est essentielle, notamment les sous-ensembles flous associs aux entres doivent rester distingables pour pouvoir tre tiquets ([deOliveira95], [Pedrycz97]). Lidentification de structure du systme flou, ou plus prcisment la construction des partitions dentre, est alors difficilement ralisable par des mthodes de coalescence de type FCM (Fuzzy C-Means) exploites profit quand seule la prcision numrique est recherche ([Yoshinari93], [Dickerson96], [Wang96], [Kim97]). Restent donc envisageables deux approches antagonistes du partitionnement : la premire consiste augmenter petit--petit le nombre de sous-ensembles flous exploits ([Takagi85], [Higgins94], [Rojas00]), alors que la seconde vise au contraire diminuer ce nombre par slection ou regroupement de rgles ([Nie96], [Jin00], [Cordon00]). Dans le premier cas, une initialisation minimale est ralise alors que dans le second, la base de rgles est au dpart de taille importante. Une structure de base de rgles tant fixe, un rglage fin du systme flou est gnralement ralis selon une approche paramtrique. Lutilisation de diffrents outils doptimisation (descente de gradient [Guly94], [Kim97], moindres carrs [Sugeno91], [Wang96], mthodes neuronales [Jang93], [Lin95], algorithmes gntiques [Farag98], [Cordon99], ...) est envisageable. Si des rsultats numriques satisfaisants peuvent tre obtenus, cest souvent au dtriment de la lisibilit du systme flou appris.

- 44 -

La mthodologie propose est en fait une manation du principe des quivalences modales qui repose sur les constatations suivantes : Un partitionnement rgulier des univers de discours associs aux variables dentre nest pas souhaitable lorsque la loi cible est non linaire. La mise en oeuvre du principe des quivalences modales ne ncessite pas la connaissance totale de la loi cible puisque seuls les points modaux sont utiliss pour gnrer la base de rgles. La premire remarque conduit rflchir sur la faon de partitionner un univers numrique en sous-ensembles flous. Il apparat clairement que le choix dune partition dtermine les valeurs modales de la variable associe. A linverse, le choix dun ensemble de valeurs modales permet de construire une partition si la forme et le recouvrement des fonctions dappartenance sont supposs connus. La prise en compte de la seconde constatation permet alors de rduire le problme de la synthse dun systme flou celui de la slection dun ensemble de points modaux. Dans une problmatique dapprentissage, cette dernire peut tre ralise en choisissant les points modaux parmi les points dapprentissage. La solution la plus simple semble tre dutiliser tous les points dapprentissage comme points modaux. Elle savre cependant peu efficace dans la mesure o le systme flou construit comportera un nombre de rgles trs lev. Dans un contexte bruit, il aura de plus perdu toute capacit de gnralisation de par le fait quil colle aux donnes (problme de surapprentissage). Reste donc fixer un critre de dcision sur le fait quun point dapprentissage doive devenir un point modal. VII.2 Technique dapprentissage La mthodologie propose sinscrit dans un mcanisme de construction incrmentale du systme flou. Elle repose sur un enrichissement itratif du systme flou par ajout de nouveaux symboles et des rgles correspondantes et ce, jusqu obtention dune erreur dapprentissage satisfaisante. La base de rgles est initialise de manire minimale en considrant uniquement deux symboles sur chaque partition dentre ([Higgins94], [Jin00]). Le systme flou ainsi obtenu est test sur lensemble dapprentissage de faon dterminer le point gnrant lerreur dapproximation maximale. Celui-ci est alors choisi pour devenir point modal ce qui permet dannuler lerreur dapproximation au point considr. Le systme flou est donc augment afin dintroduire le nouveau point modal. En pratique, cela se traduit par la dfinition dun nouveau symbole sur chaque partition dentre et lajout dune nouvelle rgle. Le processus daffinage du systme flou est ensuite ritr jusqu ce que des performances satisfaisantes soient atteintes. Il est noter que la mthodologie propose est cohrente avec la condition ncessaire dapproximation universelle tablie dans [Ying97] et [Ding00]. Celle-ci exprime la ncessit qu tout extrmum dune fonction approximer soit associ un point modal. La Fig. 20 illustre le processus dinsertion dun nouveau symbole de valeur modale fixe (x*) dans une partition. Ai Ai+1 Ai A* Ai+1

tel-00413006, version 1 - 2 Sep 2009

x* Partition litration k

x x* Partition augmente litration k+1

Fig. 20 : Ajout dun nouveau symbole sur une partition.

- 45 -

Si lon considre un problme dapprentissage deux entres et une sortie, lintgration dun nouveau point modal P(x*,y*,z*) dans le systme flou ncessite : - la cration dun symbole A* de valeur modale x* sur la partition des x, - la cration dun symbole B* de valeur modale y* sur la partition des y, - lintroduction de la rgle Si x est A* et y est B* alors z = z* dans la base. La ralisation de ces trois tapes induit une base de rgles incomplte (cf Fig. 21). Deux situations se prsentent alors selon que les rgions floues concernes contiennent ou non des points dapprentissage. Dans le premier cas, il est indispensable de complter les rgles correspondantes pour pouvoir procder litration suivante. Le mcanisme mis en oeuvre consiste alors approximer la sortie inconnue du point modal par celle du point dapprentissage le plus ressemblant. Ce dernier est slectionn par maximisation du degr dappartenance la rgion floue considre, autrement dit du degr dactivation de la rgle complter ([Wang92b], [Sudkamp94]). Une approche moins sensible au bruit est prconise dans [Sudkamp94] et [Ishibuchi94] o la conclusion de rgle est dtermine par moyenne pondre des sorties des points dapprentissage appartenant la rgion floue considre. [Nozaki97] introduit dans la dfinition des poids un paramtre permettant dunifier les deux stratgies (maximum et moyenne pondre) dans un formalisme unique. tel-00413006, version 1 - 2 Sep 2009 Ai .... Bj B* Bj+1 .... .... zi,j+1 .... .... .... zi,j z* zi+1,j+1 .... .... .... A* Ai+1 .... zi+1,j .... ....

Fig. 21 : Base de rgles complter. Dans le cas o aucun point dapprentissage nest localis dans le sous-espace dentre affrent, il nest pas ncessaire de complter la base de rgles pour pouvoir poursuivre lapprentissage dans la mesure o cette rgle ne sera jamais active. Toutefois, lorsque le systme appris sera utilis en gnralisation, il est possible que labsence de rgles interdise le calcul de la sortie. Il est toujours envisageable de procder un remplissage ultrieur de la base de rgles ([Sudkamp94]) ou dinterpoler directement au niveau des rgles ([Tikk00]). Nous prfrons traiter le problme au moment de lapprentissage o lintgralit des donnes est encore disponible, plutt qua posteriori o ne reste accessible quun rsum de linformation initiale sous la forme dune base de rgles incomplte. La mthode de remplissage mise en oeuvre consiste remplacer la conclusion manquante par la sortie du point dapprentissage le plus proche de la rgion floue concerne, au sens de la distance son point modal. La technique propose permet de raliser un prototypage rapide du jeu de rgles mais aussi des partitions dentre. Elle permet notamment de dimensionner le systme flou en termes de nombre de symboles et donc de rgles. Il est noter quune version amliore de lalgorithme est prsente dans [Galichet97]. Cette dernire autorise un nombre de termes linguistiques diffrent pour chaque variable dentre. Un nouveau symbole nest alors ajout sur une partition dentre que si sa non-cration empche de rduire suffisamment lerreur dapproximation au point dapprentissage considr. Dun point de vue numrique, le systme flou obtenu peut tre optimis ultrieurement. On obtient alors une construction en deux tapes du systme flou telle que prconise dans [Ishibuchi94]. Une autre possibilit consiste introduire une optimi-

- 46 -

sation de paramtres chaque itration de la construction du systme flou. Cette approche, dveloppe en collaboration avec A. Evsukoff ([Evsukoff02]) conduit des rsultats satisfaisants, tant en terme de prcision numrique quen terme de lisibilit de la base de rgles. VII.3 Application : prdiction de la tension artrielle La technique dveloppe a t utilise pour la prdiction des variations de la pression artrielle dans le cadre dune collaboration avec le LAG, le CHU de Grenoble et lentreprise ELA Recherche, spcialise dans lappareillage mdical. Cette tude a t soutenue par la rgion Rhne-Alpes sous la forme dun projet Emergence. Globalement, le projet vise amliorer le traitement de lhypertension par un suivi continu de la pression artrielle du malade. Cet objectif ncessite une valuation du niveau tensionnel en ambulatoire. Linterprtation dune mesure tensionnelle ralise en ambulatoire savre cependant dlicate en raison dune forte corrlation de celle-ci avec lactivit physique du patient au moment de la mesure. Ainsi, il est important de "corriger" la mesure selon le contexte dans lequel elle a t effectue. La stratgie dveloppe consiste en fait valuer la variation de pression (VP) pouvant tre impute lactivit du sujet, cette dernire tant "reconstruite" partir de mesures dacclration corporelle (ACC) et de frquence cardiaque (FC). Dans le cadre du projet, un protocole exprimental a t mis en oeuvre et a permis deffectuer une premire campagne de mesures sur 16 sujets sains normotendus. Pour chacun dentre eux, deux enregistrements sur 24h sont disponibles regroupant les mesures de VP, ACC et FR. Les donnes relatives au premier jour sont alors utilises pour lapprentissage alors que celles du deuxime jour sont exploites pour tester les performances en prdiction du systme flou appris. Dans un premier temps, des modles individuels ont t construits en utilisant la technique dapprentissage dveloppe [Charbonnier00]. La Fig. 22 illustre les rsultats obtenus sur un patient. Si lon considre les performances en termes de moyennes horaires, les erreurs de prdiction sont satisfaisantes puisquelles sont de lordre de la prcision de la mesure (+/7mmHg). Dans un deuxime temps, un modle de population a t appris partir de lensemble des donnes dapprentissage et test individuellement sur chaque patient [Galichet00]. Les performances obtenues restent satisfaisantes. Notons que les utilisations potentielles des deux types de modles sont diffrentes. Si les modles individuels sont exploitables pour valuer lefficacit dun traitement thrapeutique, les modles de population peuvent, quant eux, servir de rfrence atteindre dans un systme dinjection automatique de produits mdicamenteux.
VP
50 40 40 30
8 8

tel-00413006, version 1 - 2 Sep 2009

(mmHg) VP mesure

Erreur de prdiction (mmHg) (moyennes horaires)


12 12 10

20 20 10 0 0 -10 -20 -20 -30 -40 -40 0 0

6 4 4 2 0 0 -2 -4 -4

VP prdite
10 20

temps
70

-6

temps
5
5

30

10

40

50

15

60

20

80

90

100

(h)

-8 -8 0 0

10

10

15

15

20

20

25

(h)

Fig. 22 : Prdiction des variations de pression (modle individuel). - 47 -

VIII Proprits structurelles des systmes de Sugeno conclusion constante


Depuis le dbut de ce chapitre, la synthse des systmes flous a t aborde dun point de vue global. Autrement dit, on a cherch construire des systmes flous pour lesquels un comportement global est assur. Selon le principe des quivalences modales, il apparat quun positionnemnt correct des points modaux permet datteindre cet objectif. Reste maintenant analyser les comportements locaux gnrs, cest--dire la nature de linterpolation entre points modaux. Une premire approche dans ce sens a t faite dans le cas des systmes linaires puisquil a t montr quune interpolation linaire est obtenue lorsque les points modaux sont rpartis sur un hyperplan (cf paragraphe V). On se propose ici dtendre le problme au cas dune distribution quelconque des points modaux de faon obtenir une expression analytique de la sortie dun systme flou. Cette dmarche sinscrit dans loptique daborder par la suite la synthse de contrleurs flous permettant dassurer stabilit et robustesse des systmes boucls. Cet aspect sera dailleurs dvelopp dans le paragraphe suivant. Lensemble de ces travaux a t ralis dans le cadre de la thse de Reda Boukkezoula ([Boukezzoula00]). VIII.1 Dcomposition en sous-systmes lmentaires tel-00413006, version 1 - 2 Sep 2009 Lhypothse dun partitionnement triangulaire strict des univers de discours permet de garantir que chaque entre est dcrite par au plus 2 symboles. Ainsi, dans le cas dun systme n entres, au maximum 2n rgles sont actives pour un vecteur dentre quelconque. La sortie gnre par le systme flou se rduit alors celle produite par le sous-systme flou compos des 2n rgles actives. Le systme flou global peut donc tre vu comme une collection de soussystmes flous lmentaires. Chacun de ceux-ci est dfini sur la maille floue (rectangle, paralllpipde, ...) construite partir des entres modales la dlimitant. Dans ce contexte, ltude dun systme flou peut tre apprhende partir dune analyse gnrique dun soussystme flou lmentaire. Cette approche classiquement utilise ([Zeng96c], [Li97], [Ying97], [Li99], [Sugeno99]) nest dailleurs pas restreinte un partitionnement triangulaire strict des univers dentre. Ainsi, elle est exploite dans [Bikdash99] dans le cas dun partitionnement strict sous la contrainte que les fonctions dappartenance aient une drive nulle aux points modaux (splines, cosinus carr, ...). La contrainte dune partition stricte peut galement tre leve ([Ding00]) sans remettre en question la dcomposabilit du systme flou global. Dans la suite de ce paragraphe, toutes les proprits nonces correspondent un partionnement triangulaire strict et sont valides pour des systmes flous lmentaires n entres. Toutefois, pour allger le texte, il nen est donn ici aucune formulation analytique, ni dmonstration. Ces dernires sont prsentes en dtails dans [Boukezzoula00]. Seul un exemple sur un cas 2 entres est prsent de faon illustrer les proprits considres. Celui-ci est introduit via la Fig. 23 qui regroupe la dfinition de la maille floue concerne ([0, 1] x [-1, 1]), la base de rgles correspondante et une visualisation de la surface 3D engendre.

0 A0 -1 B0 B1 1 3

1 A1 2 0

Fig. 23 : Exemple de sous-systme flou lmentaire.

- 48 -

VIII.2 Proprits dun sous-systme lmentaire Lide de ce sous-paragraphe est de rsumer un certain nombre de proprits des systmes flous lmentaires. Ces dernires seront par la suite exploites, dune part, pour proposer un algorithme dinversion numrique dun systme flou, et dautre part, pour tablir un pont avec lautomatique conventionnelle, notamment via les techniques adaptatives. Paramtrisation [a] La sortie dun systme flou lmentaire peut scrire sous une forme linaire en les paramtres, cest--dire comme tant le produit dun vecteur ligne, dit vecteur de rgression, et dun vecteur colonne form des conclusions de rgles. Lquation (49) illustre ce type de paramtrisation sur lexemple de la Fig. 23. Le vecteur W(x,y) regroupe les degrs de validit des prmisses de rgles alors que le vecteur est form des paramtres que reprsentent les sorties modales. Cette proprit est essentielle puisquelle permet une exploitation directe de bon nombre de travaux dvelopps dans le cadre de lidentification et de la commande adaptative. tel-00413006, version 1 - 2 Sep 2009 1 2 1 1 1 1 = W ( x, y ) . z = -- ( 1 x ) ( 1 y ) -- ( 1 x ) ( 1 + y ) -- x ( 1 y ) -- x ( 1 + y ) 2 2 2 2 3 0

(49)

[b] La sortie dun systme flou lmentaire peut scrire sous une forme linaire en les composantes dun vecteur dentre tendu. Celui-ci regroupe un terme unitaire, toutes les entres ainsi que tous les produits possibles dentres. Cette proprit est tablie dans [Zeng96a] par une approche bornante de lerreur dapproximation. Lquation (50) met en vidence ce type de dcomposition sur lexemple prcdent. Le vecteur dentre tendu est form de tous les termes xiy j, (i, j) {0,1}x{0,1}. 1 x z = 2 1 1 2 . y xy

(50)

Cette paramtrisation permet de montrer facilement que tout systme flou lmentaire est monotone, cest--dire ne possde pas dextrmum ([Ying97]). Affinit en chacune des entres [c] Un systme flou lmentaire est affine en chacune de ses entres. Cette proprit est illustre par les quations (51) et (52) : z = (y+2) + x(-1-2y) = x(y) + x x(y) forme affine en x, z = (-x+2) + y(1-2x) = y(x) + y y(x) forme affine en y. Condition de linarit en les entres [d] Un systme flou lmentaire est linaire si la diffrence de paramtres associe un changement de symboles sur une entre est identique pour toute combinaison symbolique des autres entres et ce, quelle que soit lentre considre. (51) (52)

- 49 -

Cette condition est dmontre dans [Ying97] pour un systme deux entres. La dmarche mise en oeuvre est base sur la paramtrisation [b] et consiste tout simplement annuler le coefficient associ au terme crois xy. La non-linarit du sous-systme exemple est matrialise la Fig. 24. Un changement de 0 symbole sur x (passage de A0 A1) conduit une diffrence de paramtre gale x lorsque y 1 lorsque y est dcrit par B . Ces deux valeurs tant diffrentes, le est dcrit par B0 et gale x 1 systme considr nest pas linaire. La mme constatation peut tre tablie en considrant un changement de symbole sur y. On peut vrifier que les systmes synthtiss en dbut de chapitre dans un contexte linaire (cf Fig. 13) sont effectivement linaires. A0 B0 B1 tel-00413006, version 1 - 2 Sep 2009 1 3
0 x

A1 2 =1 0 Non linaire car 0 1 x x B0


0 y

A0 1 =2 3
1 y

A1 2 = -2 0 Non linaire car 0 1 y y

1 x = -3

B1

Fig. 24 : Non-linarit dun systme flou lmentaire. La Fig. 25 illustre graphiquement la condition de linarit pour un systme 3 entres, chaque point du paralllpipde correspondant un paramtre. Dans la mesure o e3 peut tre dtermin partir de e1 et e2, il est inutile danalyser les variations de paramtres selon la variable e3. De manire plus gnrale, pour un systme n entres il est suffisant de vrifier les variations de paramtres relatives n-1 variables.

e3 e2 e1

e1

e1

e1

e2

e2 e
2

e3
2

e3

e3

e3

e1 Fig. 25 : Condition de linarit dun sous-systme lmentaire 3 entres. Transformation dun systme prmisses composes en un systme prmisses simples [e] Un systme flou lmentaire prmisses composes peut tre transform en un systme prmisses simples mais conclusion fonctionnelle. Pour un systmes n entres, les n-1 variables limines des prmisses de rgles sont rintroduites dans les conclusions. La base de rgles lorigine compose de 2n rgles est rduite 2 rgles. Lquation (53) illustre cette transformation sur le systme exemple lorsque la variable y est limine des prmisses de rgles. Si x est A0 alors z = y+2, (53) Si x est A1 alors z = 1-y. Le mme mcanisme aboutit au systme (54) lorsque cest la variable x qui est considre. Si y est B0 alors z = 1+x, (54) Si y est B1 alors z = 3-3x. - 50 -

VIII.3 Inversion dun systme flou Lobjectif de linversion est illutr la Fig. 26 dans le cas dun systme n entres que lon cherche inverser par rapport la variable en. La problmatique associe peut snoncer de la manire suivante : Etant donn un systme flou connu, implantant le transfert f entre les entres e1, e2, ..., en-1, en et la sortie s, comment raliser le transfert inverse g qui, pour les entres e1, e2, ..., en-1 et s, produit une sortie y qui soit gale en ? Systme flou s = f(e1, e2, ..., en-1, en)

Variable dinversion

en

Trouver g tel que y = en Variable reconstruite tel-00413006, version 1 - 2 Sep 2009 y

e1

... e2 ... en-1 Variables partages ...

y = g(e1, e2, ..., en-1, s)

Fig. 26 : Inversion dun systme flou. La premire stratgie envisageable consiste rechercher le transfert g sous la forme dun systme flou ([Babuska95], [Baranyi96], [Baranyi97]). Cette approche met en oeuvre un mcanisme dinversion rgle par rgle par permutation des parties prmisse et consquence. Si une telle procdure permet lobtention dune solution exacte dans le cas de systmes mono-entre, monosortie ([Babuska95]), son exploitation pour des systmes multi-entres induit des bases de rgles incomplte. Leur remplissage requiert lutilisation de symboles fictifs ([Baranyi96], [Baranyi97]) puisque la dfinition de ces derniers repose sur des fonctions dappartenance dont le support sort des univers de discours fixs. Dans le cas de systmes de Takagi-Sugeno conclusions constantes, la recherche dun systme flou inverse est en fait voue lchec ([Baranyi97]). En effet, si lon se rfre la proprit [b] nonce ci-dessus, il est clair que linversion analytique de f aboutit une fonction g de nature homographique et donc non reprsentable de faon exacte par un systme flou. A titre dexemple, linversion par rapport x du systme flou lmentaire analys prcdemment conduit la fonction g(y, z) = (y-z+2)/(1+2y) non reprsentable par un systme flou. Une seconde stratgie dinversion consiste utiliser une mthode itrative pour raliser le transfert inverse g ([Kueon95], [Varkonyi99], [Park00]). Diverses techniques peuvent alors tre exploites (recherche dichotomique [Kueon95], descente de gradient [Park00], combinaison dun algorithme gntique et de la mthode de Newton [Varkonyi99]). Linconvnient de ce type dapproche est que la solution fournie nest pas exacte et quaucune garantie ne peut tre apporte quant la convergence des algorithmes. De plus, la nature itrative de ces derniers induit un temps de calcul important qui doit tre rpt pour chaque nouveau vecteur dentres prsent. Enfin, quelle que soit la mthodologie choisie, le cas des solutions multiples nest pas trait. En ce qui concerne linversion directe des rgles, elle est gnralement rserve aux bases de rgles monotones pour lesquelles lunicit de solution est garantie ([Babuska95]). Quant aux mthodes itratives, lexistence de solutions multiples se traduit par une convergence vers des solutions diffrentes selon les conditions initiales imposes. Pour prendre en compte lventualit de plusieurs solutions admissibles, linversion est ici aborde de manire locale, cest-dire sur les sous-systmes lmentaires aptes fournir une solution. Linversion du systme

- 51 -

global est ainsi apprhende par inversion de certains de ses constituants. La stratgie propose pour inverser un sous-systme lmentaire sappuie sur une dmarche purement analytique et scarte donc des deux approches voques prcdemment. Elle repose en fait sur une exploitation directe de la proprit [c] des systmes flous lmentaires. En effet, dans la mesure o les paramtres du systme flou sont connus, son expression analytique peut tre dtermine et mise sous une forme affine en lentre en, cest--dire : (55) s = en(e1, e2, ..., en-1) + en en(e1, e2, ..., en-1). Linversion par rapport en devient alors une simple inversion de lquation (55), savoir : s e n ( e 1, e 2, , e n 1 ) e n = g ( e 1, e 2, , e n 1, s ) = ---------------------------------------------------------(56) e n ( e 1, e 2, , e n 1 ) Lexistence dune solution inverse unique ncessite dune part, que lquation (56) soit calculable (en(e1, e2, ..., en-1) 0), dautre part que le rsultat valu appartienne effectivement la maille floue considre. Le cas particulier o en(e1, e2, ..., en-1) = 0 se traduit, selon la valeur de s-en(e1, e2, ..., en-1), soit par une infinit de solutions, soit par linexistence de solution. Un rsultat similaire peut tre obtenu partir de la proprit [e] des sous-sytmes lmentaires. La dmarche consiste alors transformer le systme initial en un systme compos de 2 rgles conclusion fonctionnelle . Les variables intervenant dans la partie consquence des rgles tant de valeur connue, linversion peut tre ralise par simple permutation entre prmisse et conclusion ([Babuska95]). A noter toutefois que les rgles ainsi obtenues ne sont valables que pour des valeurs donnes de e1, e2, .., en-1 et ne peuvent donc tre interprtes comme constituant une base de rgles inverses gnrique. Dun point de vue global, si lon considre que les variables e1, e2, .., en-1 ont une valeur connue, il est possible de dterminer les mailles floues auxquelles appartient le vecteur [e1, e2, ..., en-1]. Elles sont au nombre de Nen-1 si Nen reprsente le nombre de symboles utiliss pour dcrire la variable dinversion en. Les sous-systmes correspondants sont donc inverss selon le mcanisme introduit prcdemment (quation (56)). Ainsi, le problme global pourra ne pas avoir de solution, avoir une solution unique ou encore avoir de multiples solutions. La stratgie propose prsente lavantage de fournir toutes les solutions exactes au problme dinversion. Dun point de vue implantation pratique, elle permet une pr-dtermination des expressions analytiques sur chaque maille afin de limiter les calculs rpter pour chaque nouveau vecteur dentres.

tel-00413006, version 1 - 2 Sep 2009

IX Synthse dune loi de commande par inversion de modle flou : approche par linarisation entre/sortie
Lobjectif de ce dernier paragraphe est deffectuer la synthse dun contrleur flou pour raliser un suivi de trajectoire dans un contexte non linaire. Les dveloppements prsents sappuient sur les rsultats des sections prcdentes dans la mesure o le contrleur flou est utilis en tant quapproximateur dune loi de commande non linaire. Ils se diffrencient cependant par le fait que la loi de commande, de mme que lexpression analytique du modle de procd, sont maintenant supposes inconnues. Les seules informations disponibles sont alors les grandeurs mesures en ligne sur le procd. La problmatique du suivi de trajectoire consiste dterminer une loi de commande u permettant dassurer que le systme boucl reste stable et que sa sortie y suive une trajectoire dsire yd. Pour atteindre cet objectif, une structure de contrle traditionnelle est ici exploite dans un contexte flou.

- 52 -

IX.1 Principe Lapproche par linarisation entre/sortie, dj voque dans le paragraphe VI.2 pour un problme de stabilisation, est ici adapte au suivi de trajectoire donnant lieu la structure de commande illustre la Fig. 27. y(n) = v yd di dt i=0,..,n Placement de ples v Transformation linarisante u Systme non linaire x y

Fig. 27 : Commande par linarisation entre/sortie dun systme non linaire. Selon lquation (43), refltant la relation entre/sortie associe au systme non linaire considr, il apparat clairement que la transformation linarisante (44) est obtenue par inversion par rapport la variable u. Ainsi, si un modle flou de type TSK conclusion constante reprsente de faon exacte la relation entre/sortie du procd, son inversion par rapport u correspond la transformation linarisante. En pratique, la reprsentation floue de lquation (43) donne gnralement lieu une erreur dapproximation , cest--dire : (57) y(n) = TSK(x, u) + . Lintroduction de la commande u = TSKINV(x, v), obtenue par inversion du systme flou (cf paragraphe VIII.3), conduit lobtention du systme : y(n) = v+. (58) La structure de commande correspondante est illustre la Fig. 28. Sa mise en oeuvre pose deux difficults majeures, savoir lobtention du modle flou et la prise en compte de lerreur de modlisation non assure par larchitecture de base de la Fig. 28. La rsolution de ces problmes nous a conduits intgrer de nouveaux composants fonctionnels dans la structure tablie. y(n) = v+ Systme non linaire yd di dt i=0,..,n Placement de ples v u + TSK x + y

tel-00413006, version 1 - 2 Sep 2009

TSKINV

Fig. 28 : Commande par linarisation entre/sortie dun systme non linaire reprsent par un modle flou entre/sortie augment dune incertitude additive. IX.2 Robustification de la structure de commande Supposons dans un premier temps que le modle flou du procd soit connu ou tout au moins ait t identifi laide dune procdure dapprentissage hors ligne telle que celle propose dans le paragraphe VII. Selon la proprit [c] des systmes flous exploits (affinit en chacune des entres dun sous-systme), lquation (57) peut tre rcrite sous la forme : (59) y(n) = TSK(x, u) + = u(x) + u u(x) + . Il est noter que lquation (59) ne signifie pas que le modle flou est affine en commande. Par

- 53 -

contre, pour toute paire (x,u), il est possible de dterminer quel systme flou lmentaire est activ et donc dexploiter les expressions analytiques correspondantes de u et u. Le modle global est en fait affine en commande par morceaux. La prise en compte des incertitudes est ralise via une composante de commande additive ua selon le schma de la Fig. 29, cest--dire : u = TSKINV(x, v) + ua / u(x). (60) Par substitution de u dans la relation entre/sortie (60), on obtient finalement : y(n) = v + ua + . (61)

Si lon fixe ua = -, il est clair que la composante additive compense intgralement lincertitude. Toutefois, celle-ci tant inconnue, la loi de commande optimale nest pas implantable et il est donc ncessaire de lui substituer une version dgrade nexploitant que des informations disponibles. Deux approches ont t dveloppes cet effet dans [Boukezzoula00]. Par souci de lisibilit, seul leur principe est expos ici, les dmonstrations et dveloppements correspondant peuvant tre trouvs dans la rfrence cite. La premire statgie de robustification propose exploite une technique de mode de glissement. La composante additive est alors exprime sous la forme : ua = 0 signe (eTb), (62) avec 0 borne . suprieure de lincertitude, i.e. 0, e = [e0 , e0 , ... , e0(n-1)] T et e0 = yd - y, et b vecteur ligne n composantes. y(n) = v + ua + ua 1 u(x) + u +

tel-00413006, version 1 - 2 Sep 2009

yd

di dt i=0,..,n

Placement de ples

TSKINV

Systme non linaire x

Fig. 29 : Intgration dune composante de commande additive de robustification. La dtermination de b est effectue par une synthse de Lyapunov permettant ainsi de garantir la stabilit de la structure de commande et la convergence vers zro de lerreur de suivi de trajectoire e0. La seconde technique dveloppe est base sur une stratgie H . Lobjectif de la commande additive est alors de contraindre la norme infinie du transfert entre et e0. La composante ua est recherche sous la forme : ua = G e, (63) G tant un vecteur ligne n composantes, dtermin par une optimisation H en utilisant les quations de Ricatti. Ces deux mthodes de robustification ont t testes tant en simulation que sur un procd rel. Leur comparaison savre dlicate dans la mesure o lapproche H nest pas toujours applicable. En effet, pour une contrainte dattnuation fixe, il est impossible de garantir que loptimisation H admette une solution. Toutefois, lorsque cette dernire existe, de bonnes - 54 -

performances de suivi sont obtenues, notamment en rgime transitoire. Quant la synthse par mode de glissement, elle prsente lavantage dtre toujours exploitable mais engendre des signaux haute frquence indsirables. De plus, sa mise en oeuvre ncessite de fixer a priori la borne dincertitude 0. La Fig. 30 prsente larchitecture utilise pour tester les structures de commande dveloppes sur des procds rels [Boukezzoula01]. La machine client transmet au serveur la loi de commande, crite sous la forme dun schma bloc Simulink, via une connection TCP-IP. Ce dernier, quip du noyau temps rel XPCTarget et de cartes dentre/sortie, prend en charge le pilotage du procd. Client TCP-IP Serveur Connecteurs BNC-2110 M tel-00413006, version 1 - 2 Sep 2009 Fig. 30 : Implantation des structures de commande sur un poignet de robot. La Fig. 31 regroupe les rsultats obtenus par application dune commande linarisante floue, augmente dune composante H , dans le cadre dun problme de suivi de trajectoire. Le procd considr est laxe 6 dun poignet de robot six axes, ainsi quillustr la Fig. 30. Lobjectif de la commande est de forcer langle 6 suivre la trajectoire sinusodale dfinie par yd = (/2) sin t. Le modle flou utilis, compos de 12 rgles, exploite les entres 6 et 6 . La vitesse angulaire ntant pas mesure est reconstruite par une drive numrique filtre. e0 (rad) e0 (rad) Procd Axe 6 6 Moteur lectrique

t (s) (a) Contrainte dattnuation = 0.01 u (V)

t (s) (b) Contrainte dattnuation = 0.008 uf (V)

t (s) (c) Commande ( = 0.008) (d) Composante floue ( = 0.008)

t (s)

Fig. 31 : Commande de laxe 6 dun poignet de robot avec robustification H

- 55 -

Les Fig. 31 (a) et (b) reprsentent lvolution temporelle de lerreur de suivi pour deux synthses diffrentes de la composante H , les contraintes dattnuation tant respectivement fixes 0.01 et 0.008. Il est clair quun durcissement de la contrainte a permis damliorer la qualit du suivi de trajectoire sans quaucune dgradation de la commande napparaisse (cf Fig. 31 (c)). Reste enfin souligner que lusage exclusif dune commande linarisante floue (cf Fig. 31 (d)) ne permet datteindre de telles performances quau prix dune augmentation significative du nombre de rgles. Se pose alors de faon cruciale la question de lidentification de modle aborde dans le paragraphe suivant. IX.3 Identification du modle flou Dans tout ce qui prcde, le modle flou exploit pour construire la loi de commande par inversion, est suppos disponible. Si ce nest pas le cas, il est possible de lidentifier en ligne avec cependant le prrequis quau moins la structure du systme soit connue. Sous cette contrainte, lidentification est ramene un problme destimation de paramtres apprhendable par une approche adaptative. Suivant la paramtrisation [a] introduite dans le paragraphe VIII.2, le modle flou inconnu exploit dans lquation (59) sexprime sous la forme : TSK(x,u) = W(x,u) , (64) o reprsente le vecteur de paramtres constitu des conclusions de rgles. De la mme manire, le systme flou adapt scrit : ^ ^ TSK(x, u) = W(x, u) , (65) dans la mesure o il ne diffre du prcdent que par ses conclusions de rgles maintenant adap ^ tes et regroupes dans le vecteur . Si lon note lerreur de paramtres, cest--dire = ^ , lquation (59) devient finalement : ^ y(n) = TSK(x, u) + = TSK(x, u) + W(x, u) + . (66) La loi de commande est construite de la mme manire que prcdemment la nuance prs que cest maintenant le systme flou adapt qui est invers : ^ ^ u = TSKINV(x, v) + ua / u(x). (67) Lintroduction de u dans la relation entre/sortie du procd conduit lobtention du systme boucl : y(n) = v + ua + + W(x, u) . (68) Reste maintenant dterminer une loi dadaptation du vecteur de paramtres permettant de satisfaire les objectifs fixs en termes de stabilit et de convergence de lerreur de suivi. Deux approches diffrentes sont proposes et dtailles dans [Boukezzoula00]. Elles sont reprises succinctement ici. La premire consiste dterminer la loi dadaptation de faon minimiser lerreur de poursuite entre la sortie du procd et la trajectoire dsire. Celle-ci, construite par une synthse de Lyapunov selon une approche base sur la thorie de la passivit, sexprime sous la forme : . . ^ = - = - W(x, u) eT b, (69) avec matrice diagonale dfinie positive et b vecteur ligne n composantes. La seconde stratgie repose sur une minimisation conjointe de lerreur de suivi de trajectoire et de lerreur de prdiction. Elle reprend la philosophie de base de la mthode composite propose dans [Slotine91] et tendue aux systmes flous dans [Boukezzoula98]. Lalgorithme initial, de type moindres carrs rcursifs avec facteur doubli, savre cependant dlicat exploiter dans la mesure o les conditions de convergence annonces sont difficilement vri-

tel-00413006, version 1 - 2 Sep 2009

- 56 -

fiables. Une version modifie de la mthode composite est donc propose dans [Boukezzoula00]. Celle-ci reprend les outils de synthse voqus prcdemment (Lyapunov, passivit) pour construire une loi dadaptation sexprimant sous la forme : . . ^ = - = - W(x, u) [eT b - e ], (70)
p

o ep reprsente lerreur de prdiction associe au modle flou.

Conclusion

Ce chapitre nous a permis daborder diffrents aspects numriques lis au dveloppement des contrleurs flous. A titre de conclusion, il nous parat maintenant utile de revenir sur quelques points importants avant denvisager les perspectives que lon peut associer ce travail. La premire remarque concerne le choix dimplantation dun contrleur flou. Si lon se cantonne aux aspects numriques, il est nos yeux prfrable dutiliser un systme de type Sugeno plutt quun systme de type Mamdani. Ce choix permet en effet dliminer les difficults lies lexploitation de gains de normalisation ou encore de paramtres additionnels ncessaires lcriture des rgles additives (constantes et introduites dans (23)). Nous sommes dailleurs conforts dans cette opinion par le fait que nous navons trouv aucun avantage exploiter les oprateurs min/max prconiss par Mamdani, tout au moins dans un contexte de commande. Au contraire, lusage de ces derniers entrane lapparition de nonlinarits qui savrent incontrlables et dont laspect rptitif sur chaque maille floue nous semble prjudiciable. Enfin, en anticipant quelque peu sur le chapitre venir, vous verrons que le choix des systmes de Sugeno conclusions constantes est galement valid dans un cadre linguistique. Le second point sur lequel il nous parat essentiel dinsister est que, sous lhypothse dun partitionnement triangulaire strict des univers de discours dentre, un systme flou de Sugeno conclusions constantes nest autre quun systme multi-linaire par morceaux. Ce rsultat, probablement connu par les spcialistes du domaine, nest que trs rarement nonc de faon explicite. Il est pourtant fondamental et se dcline sous diffrents points de vue, ainsi quillustr par les deux paragraphes qui suivent. En posant des contraintes sur les conclusions des rgles, il est ais dobtenir une implantation purement linaire dun systme de Sugeno. Cette faon de faire permet notamment daboutir la ralisation exacte de PID flous ou encore de contrleurs linaires par retour dtat flous. Cet tat de fait devrait clore la premire gnration de travaux lis limplantation floue de PI, PD, PID ou de tout autre loi de commande linaire. Ds prsent, on voit dailleurs apparatre une seconde gnration de PID flous, dans lesquels sont introduites des non-linarits matrises ([Hu99], [Mudi99], [Tao00]). Toute fonction non linaire peut tre approxime par un systme multi-linaire par morceaux. La qualit de lapproximation dpend alors du nombre de morceaux considrs cest--dire, dans un contexte flou, du nombre de rgles. Il est donc possible de construire un modle flou approximatif de tout systme non linaire. Ce dernier est exprimable sous une forme analytique, qui plus est, savre linaire en les paramtres que reprsentent les conclusions de rgles. Ces caractristiques permettent dimaginer lintgration de modles flous dans bon nombre de structures de commande conventionnelles. Cest ainsi que nous avons, par exemple, pu dvelopper une structure de commande floue robuste adaptative par linarisation entres/sortie. Cette dernire remarque nous conduit tout naturellement envisager des perspectives immdia-

tel-00413006, version 1 - 2 Sep 2009

- 57 -

tes de dveloppement. En effet, au mme titre que les rseaux de neurones se sont fuzzifis, il est tout fait probable de voir apparatre dans un futur proche le qualificatif flou en association de divers types de commande. Dailleurs, bien que cela nait pas t prsent ici, nous avons dj entrepris des dmarches en ce sens, notamment dans le cadre de la commande modle interne ([Boukezzoula02]). Si cette approche par fuzzification des architectures de commande conventionnelles na rien de rvolutionnaire, elle prsente cependant lavantage de pouvoir aborder des problmes non linaires de faon relativement simple. Il nen demeure pas moins que lerreur dapproximation quelle peut induire rend essentielle la phase de synthse dune composante de robustification. Reste enfin souligner que lapproximation, rsultant de lusage dun systme flou de Sugeno conclusions constantes, diffrencie la statgie voque ici de celle mise en oeuvre dans une implantation de type PDC (Parallel Distributed Controllers) o le modle flou global est gnralement suppos exact. Pour une vision plus long terme, il est sans doute important de rflchir la signification du qualitatif flou lorsquil est attribu une commande ou un modle. Actuellement, il indique simplement que, dun point de vue interne, certain transferts entres/sortie sont exprims sous forme de rgles. Dun point de vue externe, il est impossible de diffrencier un module flou dun quelconque mcanisme de calcul. Cette remarque rvle que laspect imprcis ou incertain nest aucunement pris en compte dans les travaux actuels. A nos yeux, dimportants efforts sont encore fournir pour analyser lapport potentiel du flou dans le cadre de la commande des systmes incertains. Dans ce contexte, il est ncessaire dentamer une rflexion de fond sur diffrents points, parmi lesquels on peut citer : - lutilisation et la manipulation des quations diffrentielles floues, - leur lien avec les systmes base de rgles, - lexploitation possible de limprcis pour la synthse dun contrleur, - la remise en question de ltape de dfuzzification. Enfin, il est clair quun dveloppement consquent des travaux ncessite galement de se positionner par rapport aux avances actuelles de la commande des systmes incertains et notamment de situer loutil flou par rapport aux approches probabilistes ou par intervalles.

tel-00413006, version 1 - 2 Sep 2009

- 58 -

Chapitre II : Codage de lexpertise

Introduction
The past decade has witnessed a rapidly growing mathematization of control theory, with the result that the relation between the theory and its application has become more tenuous than ever.

tel-00413006, version 1 - 2 Sep 2009

Cette rflexion ne date pas daujourdhui puisque quelle est extraite dun papier de Zadeh paru en 72 ([Zadeh72]). Cette dernire est utilise par lauteur pour justifier le besoin de dvelopper de nouvelles approches de commande, appropries la rsolution de problmes rels, difficilement abordables par le biais dune analyse mathmatique. Dans ce contexte, les premires applications de contrle flou voient le jour. Elles reposent sur lexploitation dune expertise humaine, formalise partir de rgles floues ([Mamdani75]). En ce sens, elles se distinguent effectivement des stratgies conventionnelles bases sur lutilisation dun modle mathmatique du procd piloter. La loi de commande est spcifie de manire imprcise laide de mots issus du langage naturel. Son implantation numrique reste cependant prcise dans la mesure o elle intgre des interfaces numrique/symbolique et symbolique/numrique permettant de se ramener des mondes numriques prcis. Trente ans aprs ces premiers dveloppements, force est de constater que la remarque initiale de Zadeh sapplique maintenant au contrle flou. La discipline a en effet volu vers un usage pratiquement exclusif des systmes flous conclusions numriques de type TSK. Si ceux-ci prsentent de bonnes capacits dinterpolation numrique, ils sloignent cependant des proccupation initiales de lapproche linguistique prconise par Zadeh ([Zadeh73]). Le tableau 4 illustre notre propos par une analyse rapide de la littrature rcente du domaine. Il concerne exclusivement les dix derniers numros de la revue IEEE Trans. on Fuzzy Systems. Durant la priode considre (fvrier 2000 aot 2001), 126 articles ont t publis parmi lesquels 46 traitent de contrle flou. Dans le tableau 4, ces derniers sont rpertoris selon la nature des travaux quils prsentent et selon lapproche qui est mise en oeuvre. Sil convient bien videmment dviter toute conclusion htive, ces quelques chiffres nous amnent cependant tablir deux constatations. La premire concerne le faible taux de publication dapplications industrielles. Elle est nanmoins prendre avec une extrme prudence dans la mesure o une seule revue est ici considre. La seconde est relative lnorme proportion de travaux thoriques ou mthodologiques bass sur une approche numrique de la commande floue. Diverses raisons peuvent tre trouves cet tat de fait. On peut notamment invoquer les habitudes de travail des automaticiens, les difficults formaliser une approche linguistique gnrique du contrle, la volont de justifier les nouvelles stratgies par rapport lexistant, labsence de critres qualitatifs de performances, le manque doutils de simulation adapts, ... Toujours est-il quil sem-

- 59 -

ble que le contrle flou soit en train de progressivement rejoindre la communaut de lautomatique conventionnelle. Nature Thorie et mthodologie Applications industrielles Approche Numrique Linguistique Numrique Linguistique Nombre de papiers 39 2 3 2

Tableau 4 : Classification des articles de contrle parus dans IEEE Transactions on Fuzzy Systems (10 numros parus de fvrier 2000 aot 2001) Il est lgitime de se rjouir de cette volution puisquelle permet la fois dasseoir les travaux issus de la commande floue et douvrir de nouvelles pistes dexploration en commande non linaire. Il nous semble cependant essentiel de veiller ne pas retomber dans les travers dune mathmatisation outrance, obstacle la prise en compte des proccupations de terrain. Cest lide dveloppe dans le prsent chapitre qui scarte en effet du monde numrique en autorisant lintgration de connaissances expertes dans les structures de commande proposes. Ainsi, si le premier chapitre a eu pour objectif unique de construire des systmes flous garantissant un comportement numrique, le second vise maintenant les enrichir en y introduisant lexpertise disponible sur les procds considrs. Dun point de vue concret, cette possibilit est offerte par une implantation symbolique des systmes flous. Cette dernire, issue de la typologie des contrleurs flous que nous avons dveloppe ([Foulloy95a]), savre donc tre le fil conducteur des diffrents paragraphes qui suivent. Ainsi, dans un premier temps, elle est prsente en dtails de faon pouvoir tudier son utilisation potentielle pour des entres numriques imprcises, notamment dans le cadre du raisonnement approximatif ([Dubois99]). Les liens qui la rattachent aux contrleurs TSK conclusions constantes sont ensuite exhibs. Ils en rsultent une mthodologie de conversion permettant de transformer, de manire exacte, un systme TSK conclusions constantes en son homologue linguistique. Limplantation linguistique des systmes flous nous permet daborder le codage de lexpertise selon deux approches distinctes. La premire consiste raliser la construction du systme flou directement au niveau linguistique alors que la seconde exploite une synthse pralable du contrleur flou au niveau numrique. Cette dernire faon de faire permet de capitaliser la connaissance numrique acquise sur le contrle dun procd et de la faire voluer par intgration dune expertise humaine. Enfin, limplantation linguistique dun systme flou autorise une dcomposition de la tche globale en termes de raisonnement et de conversions numrique/ symbolique et symbolique/numrique. Cette caractristique permet de distribuer les traitements inhrents chaque sous-tche et par l mme dintgrer lexpertise disponible dans chacun des composants lmentaires. Une telle pratique autorise notamment le dveloppement de structures hirarchiques manipulant des variables de description intermdiaires auxquelles ne sont associes aucunes grandeurs numriques. Ainsi quvoqu ci-dessus, lintgration dune expertise dans une structure de contrle peut tre ralise de diffrentes faons et divers niveaux. Ce chapitre aborde la problmatique partir de cas rels ([Galichet94a], [Dussud98]), mais avec le souci dune structuration des diffrentes approches permettant denvisager une dmarche mthodologique gnrique.

tel-00413006, version 1 - 2 Sep 2009

- 60 -

II
II.1

Manipulation dinformations symboliques


Description et signification

Le partitionnement dun univers de discours numrique en sous-ensembles flous et laffectation dun label ces derniers permet dinterfacer les mondes numrique et linguistique. Les mots se voient attribuer une signification sur lunivers numrique de rfrence et il devient possible de dcrire une valeur numrique laide de mots. Dun point de vue mathmatique, les oprations conjointes de partitionnement flou et dtiquetage linguistique dfinissent une relation floue R sur le produit cartsien X x LX, o X reprsente lunivers numrique et LX lensemble des mots associs. Cette relation induit une correspondance entre termes linguistiques et valeurs numriques. A ce titre, elle est assimile un langage dans [Zadeh71], o sont dfinies les notions complmentaires de signification et de description. La signification dun terme linguistique de LX est engendre par projection de R sur X et correspond donc une fonction M dfinie de LX vers F(X), o F(X) est lensemble des parties floues dfinies sur X. De mme, la description dun nombre est obtenue par projection de la relation R sur LX. Cest donc une fonction D dfinie de X vers F(LX) o F(LX) reprsente lensemble des parties floues dfinies sur LX. Ces dfinitions conduisent lgalit suivante : tel-00413006, version 1 - 2 Sep 2009 xX, LLX, D(x)(L) = R(x,L) = M(L)(x), (71)

illustre la Fig. 32 dans le cas o la variable x, reprsentant la temprature de leau du lac dAnnecy, est gale 23C. Lensemble des termes linguistiques utilis pour dcrire x est compos des mots Glaciale, Froide, Baignable, Bonne, Chaude, cest--dire LX = {G, F, Ba, Bo, C}. La description floue de la temprature 23C est le sous-ensemble flou linguistique D(23) = 0.4/Bo + 0.6/C. Cette notation introduite par Zadeh permet dexprimer un sous-ensemble flou dfini sur un univers discret sans faire rfrence explicite sa fonction dappartenance. Elle consiste en fait spcifier lensemble des couples (D(x)(L), L) sous la forme /L o reprsentant le degr dappartenance de L la partie floue considre. Pour simplifier lcriture, les lments de degr dappartenance nul, cest--dire 0/L, sont gnralement limins. Loprateur + est une notation commode pour reprsenter un sous-ensemble flou linguistique. Il est interprt par Zadeh comme une union sur la collection des parties flous lmentaires ([Zadeh73]). De manire gnrale, si LX = {L1, L2, ..., LN }, tout lment E de F(LX) peut tre not : E = i /Li.
i=1,N

(72)

F M(F)

Ba Bo

D(23) = 0.4/Bo + 0.6/C x G F Ba Bo L

10

17 20

25 23

Fig. 32 : Description dun nombre et signification dun terme linguistique. Par souci de simplicit, la notation M(L)(x) (cf quation (71)) est souvent abrge en L(x) comme cela a dailleurs t fait dans tout le premier chapitre. Ceci correspond en fait assimiler un

- 61 -

mot sa signification floue (cf note (1) extraite de [Zadeh71] o x reprsente un terme linguistique). II.2 Typologie des systmes flous

Les systmes flous de Mamdani, que nous avons utiliss dans le premier chapitre, sont exprims partir de rgles du type "Si ... alors ...." dans lesquelles prmisses et conclusions sont spcifies de manire symbolique. Dans le cadre de la commande, lexploitation dune telle connaissance ncessite la mise en place dinterfaces numrique/symbolique et symbolique/numrique. Ces dernires sont en effet des passerelles indispensables ltablissement dun lien entre la base de rgles et le procd, sur lequel seules des mesures et actions numriques sont envisageables. De manire classique, le fonctionnement interne des systmes flous est dcompos en trois tapes tel quillustr la figure 33.

Dfuzzification

Fuzzification

Entres tel-00413006, version 1 - 2 Sep 2009 xX

Sorties uU

Infrence

Base de rgles

Fig. 33 : Structuration interne dun systme flou. Lopration de fuzzification consiste transformer les entres numriques disponibles en parties floues. Celles-ci alimentent alors le mcanisme dinfrence qui dtermine les parties floues relatives aux sorties selon la base de rgles fournie. Enfin, la dfuzzification convertit ces dernires en sorties numriques. Si cette structuration indique clairement les organes ralisant les tches de codage et dcodage flou, elle ne spcifie aucunement quel niveau se situent les interfaces numrique/symbolique (NS) et symbolique/numrique (SN). En dautres termes, les donnes entrant et sortant du bloc dinfrence sont-elles numriques ou symboliques ? Rponse est donne cette question sous la forme dune typologie des systmes flous, mettant en vidence diffrentes implantations possibles ([Foulloy95a]). La figure 34 prsente la classification propose dans laquelle sont diffrencis deux types de fuzzification (1 et 2), quatre types dinfrence (1, 2, 3 et 4) et deux types de dfuzzification (1 et 2). Chacune de ces fonctionnalits est dfinie comme une application dun ensemble source vers un ensemble destination. Ainsi, la fuzzification prend en entre un lment de X et fournit en sortie une partie floue de X ou de LX suivant quelle est numrique ou linguistique, elle sera alors respectivement note 1 ou 2. A linverse, la dfuzzification produit un lment de U, soit partir dune partie floue de U, soit partir dune partie floue de LU, et sera respectivement note 1 ou 2. Quant linfrence, elle peut prendre quatre formes diffrentes selon la nature numrique ou linguistique des parties floues dentre et de sortie.
(1)

Although x and M(x) are entirely different entities, it is expedient to abbreviate M(x) to x, relying on the context for the determination of whether x stans for a term or for its meaning M(x). That is what we usually do in every day discourse, because in such discourse it is rarely necessary to differentiate between x and M(x). On the other hand, it is important to differentiate -or at least to understand the differencebetween x and M(x) in the case of programming langages, machine translation of langages, and other areas in which ambiguity of interpretation can lead to serious errors.

- 62 -

Le choix de trois constituants lmentaires compatibles entre eux conduit finalement quatre implantations possibles des systmes flous : SF1 : u = (1o1o1)(x), SF2 : u = (1o2o2)(x), SF3 : u = (2o3o1)(x), SF4 : u = (2o4o2)(x). Limplantation SF1 est dite numrique dans la mesure o les donnes changes entre les diffrents constituants sont des sous-ensembles flous construits sur des rfrentiels numriques. Selon la mme convention, un systme SF4 est dit linguistique. Quant aux configurations SF2 et SF3, elles correspondent des solutions hybrides qualifies de numrico-symbolique et de symbolico-numrique. Fuzzification 1 X tel-00413006, version 1 - 2 Sep 2009 2 F(LX) F(X) Infrence 1 2 3 4 Dfuzzification F(U) 1 U F(LU) 2

Fig. 34 : Typologie des systmes flous de Mamdani. Cette typologie permet disoler rapidement les organes qui prennent en charge les conversions NS et SN. Ainsi, dans une implantation SF4, ce sont clairement les blocs de fuzzification et de dfuzzification qui ralisent les interfaces NS et SN en codant puis dcodant les donnes manipules. Dans le cas des systmes SF1, aucune conversion nest ralise au niveau des donnes et linfrence est en fait purement numrique. Linterfaage avec le monde symbolique est alors ralis par le biais dune traduction de la base de rgles en une relation floue numrique. La figure 35 illustre dun point de vue conceptuel ces diffrences de principe sur les cas typiques que sont les SF1 et SF4. Donnes Donnes NS Infrence Base de rgles Base de rgles Implantation SF4 Implantation SF1 SN Rsultat SN Infrence Rsultat

Fig. 35 : Diffrents principes dimplantation. Il est montr dans [Foulloy95b] que les systmes classiques de Mamdani peuvent tre raliss de faon exacte dans chacun des formalismes proposs. Se pose alors la question de lutilit de distinguer les diffrentes implantations possibles si elles sont finalement toutes quivalentes. Trois lments de rponse peuvent tre noncs sous la forme de simples tats de fait : Limplantation SF1 des systmes flous de Mamdani nexploite quune forme restreinte de la fuzzification numrique dans laquelle lentre, considre prcise, est transforme en un singleton.

- 63 -

Limplantation SF1 des systmes flous de Mamdani est base sur une interprtation spcifique des rgles Si ... Alors ... puisquelle repose implicitement sur une vision conjonctive de ces dernires . Limplantation SF4 des systmes flous de Mamdani utilise une version apprauvrie de linfrence 4 dans la mesure o le graphe de la relation liant les symboles dentre aux symboles de sortie est net. Il ressort de ces constatations que la typologie offre un cadre beaucoup plus large au dveloppement des systmes flous que ne le permet le formalisme de base associ aux systmes de Mamdani. Notamment, limplantation SF1 inclut de faon naturelle le traitement des entres imprcises ainsi que le cas des rgles implicatives. Quant limplantation SF4, elle permet de mener bien linfrence directement au niveau symbolique et autorise ainsi lexploitation de rgles linguistiques pondres. Cette dernire solution sinscrit dans la ligne directrice de Zadeh rsume sous la formule Computing with Words. Prsentant lintrt dune relle simplicit dinfrence, cette approche purement symbolique guide les travaux dcrits dans la suite de ce chapitre. Dans un premier temps, les systmes SF4 sont donc dtaills de faon pouvoir ensuite tudier leur exploitation la fois dans le cadre du raisonnement approximatif et en tant que systmes de Sugeno. Dans un second temps, leur intgration dans des structures de commande est aborde dans loptique de faciliter, mais aussi de structurer, le codage de lexpertise disponible. II.3 Implantation SF4

tel-00413006, version 1 - 2 Sep 2009

Les SF4 sont ici prsents pour deux entres x et y et une sortie z. Les rgles considres sont identiques celles exploites dans le cadre des systmes de Mamdani au dtail prs quun poids est maintenant associ chaque rgle. Celles-ci se prsentent alors sous la forme : Si x est Ai et y est Bj alors z est Ck avec le poids ijk, avec LX = {Ai}i=1, ..., I , LY = {Bj}j=1, ..., J et LZ={Ck}k=1, ..., K. Chaque rgle, indice par le triplet (i,j,k), est vue comme une relation liant les mots Ai et Bj, associs aux entres, au mot Ck dcrivant la sortie. Le poids ijk[0, 1] dfinit la force de la relation entre Ai, Bj et Ck, cest--dire : R (Ai, Bj, Ck) = ijk. (74) Les rgles de type Mamdani reprsentent un cas particulier de rgles pondres, chaque rgle se voyant affecter un poids de 1. On peut par ailleurs remarquer quil est possible que plusieurs rgles aient la mme prmisse mais une conclusion diffrente. Dans ce cas, elles pourront tre regroupes dans une rgle compacte unique de faon simplifier lcriture : Si x est Ai et y est Bj alors z est ijk / Ck, (75) avec ijk = 0 lorsque la rgle correspondante nexiste pas.
k=1,K

(73)

Supposons maintenant que le couple (x0, y0) soit prsent au systme flou. La sortie z est calcule selon le mcanisme illustr la figure 36. x0 X 2 2 Ex F(LX) 4 Ey F(LY) Fz F(LZ) 2 z Z

y0 Y

Fig. 36 : Implantation dun SF4 deux entres.

- 64 -

Ltape de fuzzification symbolique est applique indpendamment sur les deux variables dentre. Elle dlivre alors deux parties floues linguistiques respectivement notes Ex et Ey. Une faon simple de raliser cette tche consiste utiliser la description floue (cf paragraphe II.1), soit : Ex = 2(x0) = D(x0) et Ey = 2(y0) = D(y0). (76) Linfrence 4 dtermine ensuite limage de Ex x Ey par la relation R construite partir des rgles. Ce calcul est mis en oeuvre par application directe de la rgle compositionnelle dinfrence au niveau linguistique : CkLZ Fz(Ck) = max AiLX, BjLY min ( Ex x Ey (Ai, Bj), R (Ai, Bj, Ck)). (77) Si lon utilise la t-norme min pour le produit cartsien, lquation (77) devient : CkLZ Fz(Ck) = max AiLX, BjLY min ( Ex(Ai), Ey(Bj), ijk) = max AiLX, BjLY min ( D(x0)(Ai), D(y0)(Bj), ijk) = max AiLX, BjLY min ( Ai(x0), Bj(y0), ijk). De manire plus gnrale, linfrence 4 peut sexprimer sous la forme : CkLZ Fz(Ck) = AiLX, BjLY T1 ( T2 (Ai(x0), Bj(y0)), ijk), tel-00413006, version 1 - 2 Sep 2009 (78)

(79)

o reprsente une t-conorme et T1, T2 des t-normes implantant respectivement les oprations de combinaison et de produit cartsien. Si lon utilise le formalisme associ aux quations relationnelles floues, lquation (79) se rcrit sous la forme compacte : Fz = (Ex x Ey) l R, o l reprsente un oprateur de composition / T1. Il est noter que si les premires approches relationnelles utilises en commande ([Tong78]) sont bases sur des relations floues dfinies sur des univers numriques discrtiss, des travaux plus rcents ([Pedrycz96]) exploitent des relations linguistiques tel que prconis ici. Enfin, la dfuzzification calcule une valeur numrique z partir du sous-ensemble flou infr. Diverses mthodes peuvent tre utilises, il est notamment possible de raliser une dfuzzification symbolique en transformant dabord Fz en une partie floue numrique de faon ensuite appliquer une mthode de dfuzzification numrique classique. Dans toute la suite, la mise en oeuvre de 2 sera faite par la mthode des hauteurs dnote H, cest--dire : F z(C k) z k k=1 ------------------------------------- , K
k=1

z = 2(F z) = H ( F z ) =

(80)

Fz(Ck)

avec zk valeur modale associe au symbole Ck. En rsum, limplantation SF4 consiste coder linformation numrique sous forme symbolique, puis raliser le traitement dans ce mode de reprsentation, et enfin dcoder le rsultat, cest--dire le retranscrire en nombre. La construction des interfaces NS et SN est primordiale dans la mesure o ce sont elles qui fixent la smantique du systme mais aussi induisent une ventuelle perte dinformations lie au transcodage. Dans ce contexte, [deOliveira95] a introduit le concept doptimalit des interfaces. Mathmatiquement, une interface numrique/ symbolique 2 est dite optimale si elle est inversible, cest--dire sil existe une interface sym_ bolique/numrique 2 garantissant lgalit : _ 2 o 2 = Identit. (81) La contrainte (81) traduit le fait que lopration de codage linguistique est rversible, autrement dit quil existe un dcodeur permettant de reconstruire la donne initiale sans perte dinforma-

- 65 -

tions. Loptimalit dune interface symbolique/numrique 2 est dfinie de manire similaire et requiert donc lexistence dune interface 2 telle que : 2 o 2 = Identit. (82) La figure 37 illustre la notion dinterfaces optimales. Reste souligner que les interfaces inver_ ses 2 et 2, introduites dans les quations (81) et (82), ne sont pas exploites dans le systme flou implant, seule leur existence est requise. Les fonctions 2 et 2 utilises la figure 36 ne peuvent en aucun cas tre inverses puisquelles ne concernent pas les mmes rfrentiels. Par contre, leurs implantations sur un mme univers de discours via la description (D) et la mthode des hauteurs (H) sont inverses sous lhypothse dun partitionnement triangulaire strict. Ce rsultat, dmontr dans [deOliveira99], sera exploit ultrieurement. Il permet en outre de valider les choix dinterfaces et de partitionnement utiliss dans toute la suite de ce chapitre. Les mcanismes de calcul associs aux systmes SF4 tant introduits, il est maintenant important de les positionner par rapport aux outils flous classiquement exploits. Il semble notamment intressant dtudier les deux points suivants : Est-il toujours possible de remplacer une infrence numrique 1 par une infrence symbolique 4, plus facile mettre en oeuvre ? Un contrleur de Sugeno est-il implantable en tant que SF4 ? Les paragraphes qui suivent tentent dapporter des lments de rponse ces deux interrogations. Ex F(LX) x X 2 _ 2 Ez F(LZ) ^ = x X x z Z 2 2 ^ = z Z z

tel-00413006, version 1 - 2 Sep 2009

Optimalit de 2

Optimalit de 2

Fig. 37 : Optimalit des interfaces numrique/symbolique et symbolique/numrique.

III Traitement dentres imprcises


La premire question concernant limplantation dune infrence numrique par le biais dune infrence symbolique, prend toute sa dimension lorsque des entres numriques quelconques, et donc ventuellement imprcises, sont considres. Sans perte de gnralit, elle peut donc tre reformule de la manire suivante : Comment raliser une infrence symbolique lorsque lentre disponible est imprcise ? Si cette interrogation revt un caractre thorique intressant, elle nen est pas moins primordiale dun point de vue pratique. En effet, linfrence est gnralement implante selon le principe de combinaison/projection et ncessite donc lvaluation dun sup sur lunivers de discours dentre. Lorsque celui-ci est continu, cas frquemment rencontr pour un univers numrique associ un problme de commande, il est ncessaire de le discrtiser de faon se ramener au calcul dun max. Il est alors clair que lobtention dun rsultat approch satisfaisant requiert lutilisation dun pas de discrtisation suffisamment faible et conduit donc un temps de calcul lev. Une implantation symbolique de linfrence permettrait de rduire significativement ce dernier dans la mesure o le sup est naturellement restreint un max sur lensemble des termes linguistiques de cardinalit gnralement faible.

- 66 -

Ltude ralise, objet dune collaboration avec D. Dubois et H. Prade de lIRIT (Toulouse), a t aborde dans le cadre du raisonnement approximatif o lon retrouve une problmatique similaire. Dans ce contexte, la connaissance est en effet classiquement reprsente par une distribution de possibilit, linfrence tant alors apprhende au niveau numrique. Peut-on prtendre obtenir des rsultats quivalents en raisonnant au niveau symbolique par le biais dune infrence 4 ? La figure 38 illustre lobjectif des travaux dvelopps, savoir llaboration du chemin liant E F et la comparaison de F F. ? F = F 1 F F F(U) Niveau numrique E F(X) De Niveau linguistique F(LX) ES 4 Me FS F(LU)

Fig. 38 : Raisonnement au niveau symbolique. tel-00413006, version 1 - 2 Sep 2009 La premire tape rside dans lobtention dune reprsentation linguistique de lentre numrique imprcise. Autrement dit, avant de pouvoir mener bien linfrence symbolique, il est ncessaire de dcrire lentre E laide des mots de LX, cest--dire de construire une partie floue ES de F(LX). Il est clair que la description floue D introduite dans le paragraphe II.1 (cf quation (71)) ne sapplique quaux entres numriques prcises et doit donc tre gnralise pour pouvoir tre utilise dans le cas prsent. Une solution immdiate consiste calculer limage de E par la relation RX liant les nombres x de X aux mots L de LX (cf quation (71)). Par application du principe de combinaison/projection, on obtient alors la description tendue De dfinie par : LLX De(E)(L) = supxX min(E(x), RX(x,L)) = supxX min(E(x), M(L)(x)). (83) Lutilisation de la description tendue De permet de construire une partie floue symbolique ES approximant linguistiquement lentre numrique floue E. Cette dernire alimente le processus de raisonnement symbolique implant via une infrence 4 de faon gnrer une partie floue linguistique FS, lment de F(LU). Le retour au monde numrique ncessite maintenant dimplanter une application permettant de passer de F(LU) F(U), ainsi quillustr la figure 38. Dun point de vue conceptuel, cette opration consiste reconstruire la signification de la partie floue symbolique FS. Une solution ce problme rside nouveau dans le calcul de limage dune partie floue (FS) par une relation (RU liant cette fois les nombres u de U aux mots L de LU). On obtient ainsi une extension de la signification dun mot que lon reprsentera par une application Me, appele signification tendue, et implante selon lquation suivante : Me(FS)(u) = max j=1,N min(FS(Lj), RU(u, Lj)) = max j=1,N min(FS(Lj), M(Lj)(u)) (84) Nous avons montr dans [Dubois97] que lorsque linfrence numrique 1 exploite des rgles conjonctives bases sur les oprateurs min/max, elle peut tre remplace par une infrence symbolique 4 laquelle sont associes les interfaces De et Me, autrement dit : F = 1(E) = De o 4 o Me (E) = Me(4(De(E))) = F. (85) Par contre, lorsque la comparaison est effectue au niveau symbolique entre FS et FS (cf figure 39), il apparat que lapproche linguistique est plus prcise au sens de linclusion que son analogue numrique, cest--dire : LX LU (86) FS FS ou encore 4(De (E)) De (1(E)).

- 67 -

Les exposants LX et LU, coupls la notation De, reprsentent lensemble des mots utiliss pour faire la description et permettent donc de diffrencier les descriptions associes aux univers de discours X et U. Niveau numrique F(X)
LX De

F
LU De

F(U)

Niveau linguistique F(LX)

ES

4 FS

FS

F(LU)

? FS = FS Fig. 39 : Comparaison des rsultats au niveau symbolique.


LU U La perte de lgalit entre FS et FS rvle que les interfaces De et Me , dfinies respectivement sur U et LU, ne sont pas inverses (cf quation (81)) et soulve le problme du chanage de rgles ainsi quillustr la figure 40. En effet, lorsque plusieurs niveaux de raisonnement sont considrs, nous avons montr dans [Dubois99] que les rsultats obtenus au niveau numrique sont, dans la plupart des cas, diffrents. En dautres termes, lgalit (85) nest pas prserve, ce qui se traduit par le fait quen gnral G MeZ (GS), les notations G et GS tant dfinies la figure 40. Par contre, le fait quune implantation symbolique conduise des rsultats plus prcis quune implantation numrique (cf ingalit (86)) reste valide lorsquun chanage de rgles est mis en oeuvre, cest--dire GS DeLZ(G) . Si ces constatations peuvent savrer gnantes dans le cadre du raisonnement approximatif, elles sont peu proccupantes en commande o une interface finale de dfuzzification est de toute manire amene produire un rsultat prcis. Dans ce contexte, une rflexion plus globale reste cependant ncessaire pour pouvoir rellement se prononcer sur lutilit dune propagation de lincertitude.

tel-00413006, version 1 - 2 Sep 2009

F(X) Niveau numrique


LX De

1(1)

F(U) F

1(2)
LZ De

F(Z) G
Z Me

Niveau linguistique

ES F(LX)

4(1)

FS F(LU)

4(2)

GS F(LZ)

Fig. 40 : Chanage de rgles. Dun point de vue pratique, il est important de noter que le problme li lvaluation du sup lors de linfrence numrique est effectivement limin de linfrence symbolique. La difficult na pas pour autant disparu puisquelle a en fait t dporte vers la description tendue (83). Lintrt dune telle dmarche rside dans la possibilit de distribuer les traitements dans divers organes ainsi que prconis dans un paragraphe venir, li lexploitation de capteurs flous dans une structure de commande (cf paragraphe VI.2). Lensemble des rsultats noncs jusqu prsent est limit aux relations numriques floues conjonctives. Si cette restriction est usuelle en contrle, il nen demeure pas moins que lapproche implicative est couramment exploite dans les disciplines lies au raisonnement. Nous avons men divers travaux sur le sujet ([Dubois97], [Dubois99]) mettant en vidence la

- 68 -

difficult dune implantation symbolique. Une premire piste consiste exploiter des interfaces mieux adaptes au cas implicatif, notamment en ce qui concerne la description. La description tendue De dfinie prcdemment (cf quation (84)) nest autre que la possibilit de lvnement flou M(L) connaissant la distribution de possibilit E. On peut alors imaginer une approche similaire base sur le concept de ncessit et conduisant la dfinition de la description tendue De- suivante : (87) De- = N (M(L)) = 1 - (M(L)) , o la barre horizontale correspond spcifier lvnement contraire. Dun point de vue des degrs dappartenance, lquation (87) se traduit par : LLX D-(E)(L) = 1-supxX min(E(x), 1-M(L)(x)) = infxX max(1-E(x), M(L)(x)). (88) Quand E est une partie floue numrique normalise, lingalit suivante est garantie : LLX De-(E)(L) De(E)(L) = De+(E)(L), (89)

tel-00413006, version 1 - 2 Sep 2009

do lintroduction des notations - et + permettant de diffrencier les deux types de description. Dun point de vue ensembliste, on peut galement noter que les descriptions De-(E) et De+(E) correspondent respectivement aux bornes suprieure et infrieure de la famille (D(x)) xE ([Foulloy95a]). Si lentre E est prcise (E = {x0}), les descriptions tendues suprieure et infrieure concident avec la description du nombre considr, cest--dire : De-({x0}) = D(x0) = De+({x0}). Cette constatation conduit la conclusion quil est vain desprer obtenir une implantation symbolique implicative par un simple remplacement de la description De+ par la description De-. En fait, la difficult de limplantation implicative rside dans le fait que linfrence ne peut pas tre mene rgle par rgle. Cet obstacle nous a amens proposer une seconde piste visant cette fois transformer la base de rgles. A cet effet, nous proposons dans [Dubois99] dexploiter la forme normale disjonctive des rgles originales de faon les convertir en rgles conjonctives (cf figure 41). Si cette stratgie permet de se ramener au cas trait prcdemment, cest au prix dune augmentation importante du nombre de rgles et dune redfinition des vocabulaires utiliss. Dun point de vue pratique, le calcul de la description suprieure de lentre E sur le vocabulaire tendu ncessite dvaluer 2n mesures de possibilit, soit 2n suprema, n reprsentant le cardinal de LX. Nous avons montr quil est cependant possible den obtenir des approximations suprieure et infrieure partir des descriptions suprieure et infrieure de E sur le vocabulaire initial. On peut ainsi dterminer un intervalle dappartenance du rsultat final en calculant uniquement De+(E) et De-(E), ce qui ramne 2n le nombre de suprema valuer. Rgles implicatives Si temprature est froide alors commande est positive Si temprature est chaude alors commande est ngative

Si tempture est non froide et non chaude alors commande est quelconque Si temprature est non froide alors commande est ngative Rgles conjonctives Si temprature est non chaude alors commande est positive Si temprature est quelconque alors commande est ngative et positive Fig. 41 : Transformation de rgles implicatives en rgles conjonctives. Si lon peut imaginer une exploitation future de ces rsultats en commande, notamment de lapproche implicative, et esprer apporter des rponses pertinentes quant la gestion des incertitu-

- 69 -

des, linfrence symbolique 4 semble tre loppos des travaux actuellement dvelopps en contrle flou. Le paragraphe qui suit tente de briser cette impression dans la mesure o il met en vidence la possiblit dimplanter un systme flou de Sugeno conclusions constantes via une infrence linguistique. Cette approche reprsente un premier pas vers une unification des stratgies numriques, majoritairement exploites dans les travaux rcents en contrle flou, et des stratgies expertes lorigine des premiers succs industriels. Le lien tabli entre les aspects numrique et linguistique de la commande floue reprsente galement une cl de lecture de ce manuscrit puisquil rend possible une utilisation conjointe des outils et mthodes prsentes dans les deux chapitres de ce document.

IV Lien avec lapproche numrique TSK


IV.1 TSK <--> SF4 avec rgles pondres

tel-00413006, version 1 - 2 Sep 2009

Lobjectif de ce paragraphe est dtablir une mthodologie de conversion dun systme TSK conclusion constante, tel quutilis dans le premier chapitre, en un systme SF4. La premire solution consiste tout simplement associer un symbole chaque valeur numrique possible des conclusions de rgles. Lutilisation dune fonction dappartenance de type singleton pour chacun des termes ainsi introduits permet dobtenir une quivalence exacte entre les deux implantations. Cette faon de faire prsente nanmoins linconvnient majeur de ncessiter la dfinition dun grand nombre de symboles dans la mesure o chaque rgle peut conduire la cration dun terme spcifique. Hormis des cas particuliers, elle na donc aucun intrt en ce qui concerne lamlioration de la lisibilit du systme original. Une seconde solution, prfrable dans loptique dune relle interprtation linguistique des rgles, est propose ci-dessous. Cette dernire exploite la possibilit daffecter des poids aux diffrentes rgles dun systme SF4. Ainsi, lquivalence entre un systme flou de type TSK conclusions constantes et un SF4 linguistique exploitant des rgles pondres est nonce dans la proposition suivante : Proposition 1 Sous lhypothse dune partition triangulaire stricte des univers dentre et de sortie, le systme flou de Sugeno dcrit par les rgles : Si x1 est A1i1 et x2 est A2i2 et ..... et xn est Anin alors u = ci1,i2, ...,in , (90)

est strictement quivalent au systme SF4 implant avec la t-norme produit et la t-conorme somme borne dont les rgles scrivent : Si x1 est A1i1 et ..... et xn est Anin Dmonstration 1 Selon lquation (79), la sortie lingusitique F engendre par le systme SF4 dcrit par les rgles (91) sexprime sous la forme : CkLU F(Ck) = (i1,i2, ...,in) I T ( A1i1(x10), ...., Anin(xn0), i1,i2, ...,in,k) (92) 0, x 0...., x 0) reprsente le vecteur dentre considr et I lensemble des n-uplets ino E = (x1 2 n diant les rgles. Pour une partition stricte des univers dentre, le choix de la t-norme produit et la t-conorme somme borne conduit : CkLU F(Ck) = (i1,i2, ...,in) I i1,i2, ...,in i1,i2, ...,in,k (93) o i1,i2, ...,in = j=1,...,n Ajij(xj0) reprsente le degr dactivation de la rgle indice (i1, i2, ...,in). alors u est D(ci1,i2, ...,in) =
k=1

i , i , , i , k Ck .
1 2 n

(91)

- 70 -

La dfuzzification de F par la mthode des hauteurs H (cf quation (80)) aboutit lobtention de la sortie numrique uSF4 donne par : k=1,..,K (i1,i2, ...,in) I i1,i2, ...,in i1,i2, ...,in,k uk k=1,..,K (i1,i2, ...,in) I i1,i2, ...,in i1,i2, ...,in,k

uSF4 = H(F) =

(94)

Le partitionnement strict des univers dentre et de sortie permet dassurer que le dnominateur est gal 1. De plus, sous lhypothse dun partitionnement triangulaire de lunivers de sortie U, la description D sur LU est linverse de la mthode des hauteurs H (cf section II.3). Lapplication de cette proprit pour les valeurs ci1,i2, ...,in de U est illustre la figure 42. Elle permet de dduire que ci1,i2, ...,in = k=1,..,K i1,i2, ...,in,k uk. Par substitution dans (94), on obtient alors : uSF4 = (i ,i , ...,i I i1,i2, ...,in ci1,i2, ...,in (95) 1 2 n) ce qui correspond la sortie du systme de Sugeno initial. D

ci1,i2, ...,in tel-00413006, version 1 - 2 Sep 2009

k=1

i 1, i 2 , , i , k C k
n

k=1

i , i , , i , k u k
1 2 n

= ci1,i2, ...,in

Fig. 42 : Relation entre D et H. Exemple La mthodologie de conversion est ici applique au contrleur flou dvelopp par application du principe des quivalences modales pour la rgulation de niveau flottant dans une capacit tampon en raffinerie (cf paragraphe VI.1 du premier chapitre, page 39). La partition de lunivers de sortie a t ralise selon lopinion des experts. Elle est base sur la dfinition de neuf symboles, nots NTG, NG, NM, NP, Z, PP, PM, PG et PTG. Les fonctions dappartenance associes ces termes sont triangulaires, leur recouvrement assurant une partition stricte. Les valeurs modales sont respectivement fixes -10, -2, -1, -0.25, 0, 0.25, 1, 2, 10. La valeur 10 correspond la valeur de saturation dfinie sur la variation de commande (cf quation (41)). La base de rgles du Tableau 3 (cf page 41) est ainsi traduite en la base de rgles pondres du Tableau 5. Notons toutefois que celui-ci ne reprend que les rgles correspondant une variation de niveau positive, les autres pouvant tre dduites par symtrie. signe(L)L2 B0 Lmin L Lmax A0 A1 A2 A3 A4 1/Z 1/Z 1/Z 1/Z 1/Z B1 0.89 / PP + 0.11 / PM 0.74 / PP + 0.26 / PM 0.44 / PP + 0.56 / PM 0.67 / PM + 0.33 / PG 1 / PTG B2 B3 0.44 / PP + 0.56 / PM 1 / PM 0.15 / PP + 0.85 / PM 0.67 / PM + 0.33 / PG 0.67 / PM + 0.33 / PG 1 / PG 0.92 / PG + 0.08 / PTG 0.75 / PG + 0.25 / PTG 1 / PTG 1 / PTG

Tableau 5 : Base de rgles du contrleur SF4. Le contrleur SF4 engendr permet de prserver la prcision numrique dorigine tout en autorisant une lecture plusieurs niveaux des rgles. En effet, si lon oublie laspect numrique de la commande pour se focaliser sur laspect comprhension du mcanisme sous-jacent, la rgle de prmisse A0 et B1 (case grise) permet de conclure que la variation de commande doit tre entre PP et PM. Un rsum encore plus condens peut tre obtenu en choisissant le sym-

- 71 -

bole de sortie majoritairement prsent dans la conclusion pondre de chaque rgle (termes mis en gras dans le Tableau 5). Dautres approches de conversion, relativement proches de celle propose ici, peuvent tre trouves dans la littrature. Ainsi, [Nozaki97] utilise deux bases de rgles distinctes pour traduire linguistiquement un systme TSK conclusions constantes. La premire correspond lutilisation des sorties linguistiques prpondrantes alors que la deuxime exploite les symboles secondaires, cest--dire dcrivant la sortie numrique dsire un degr moindre. Le mcanisme de calcul associ combine les deux sorties produites selon les degrs de certitude associs chacune dentre elles. Si le rsultat final est strictement identique celui obtenu partir dun systme SF4, la prsentation partir de deux bases de rgles distinctes a conduit [Cordon00] en proposer une version modifie permettant de rduire le nombre de rgles exploites. Lauteur prconise lexploitation dune base de rgles unique regroupant des rgles de Mamdani classique et des rgles dites conclusion double. Ces dernires sont exprimes sous la forme gnrique Si .... alors u est entre Ci et Ci+1 o u reprsente la variable de sortie et Ci, Ci+1 deux symboles dfinis sur lunivers numrique correspondant. Elles sont traites comme deux rgles distinctes dans le processus dinfrence et produisent donc un rsultat similaire la rgle pondre Si .... alors u est 0.5 / Ci + 0.5 / Ci+1. Finalement, la base de rgles engendre nest autre quun cas particulier de base de rgles pondres, les poids tant restreints aux valeurs 0, 0.5 et 1. La rduction annonce du nombre de rgles correspond en fait ne comptabiliser quune seule fois les rgles dont le poids vaut 1 et non plus 2 fois comme cest le cas lorsque deux bases de rgles distinctes sont considres. Les travaux dvelopps dans [Cordon00] sont prsents dans le cadre de lapprentissage dun jeu de rgles partir dexemples numriques. A ce titre, lauteur souligne que la mthode propose a lavantage de ne pas ncessiter une dcomposition du problme global en deux tapes, la premire consistant construire un jeu de rgles TSK conclusion constante, la seconde correspondant sa traduction linguistique. Reste noter que la mthode dapprentissage propose dans le premier chapitre de ce document ne ncessite aucunement le passage explicite par des rgles de Sugeno et que seul laspect pdagogique de la prsentation nous a conduit une telle dmarche. Preuve en est qu lorigine, les travaux dvelopps en apprentissage ont t directement introduits dans un contexte linguistique ([Nakoula97a], [Nakoula97b]). Si la proposition 1 permet de convertir tout systme TSK conclusion constante en systme SF4, elle ne permet un traitement de lopration inverse que dans le cas particulier o les conclusions de rgles du systme SF4 rsultent dune description floue (cf quation (91)). Or, dans le cas gnral, les conclusions de rgles ne sont pas toujours exprimables en tant que description floue dune valeur numrique. Par exemple, la partie floue linguistique 0.1/Z + 0.4/P + 0.5/M ne peut provenir daucune description floue base sur une partition normalise triangulaire stricte. La conversion dun systme SF4 en un systme TSK conclusion constante est donc apprhende par le biais dune nouvelle proposition nonce ci-dessous. Cette dernire reste cependant restreinte aux systmes SF4 dont les conclusions de rgles sont des parties i1,i2, ...,in,k / Ck o la floues linguistiques PFLi1,i2, ...,in sexprimant sous la forme somme des i1,i2, ...,in,k vaut 1. De telles rgles seront appeles rgles unitaires. Proposition 2 Sous lhypothse dune partition triangulaire stricte des univers dentre et de sortie, le systme SF4 implant avec la t-norme produit et la t-conorme somme borne et dcrit par les rgles unitaires : Si x1 est A1i1 et ..... et xn est Anin alors u est PFLi1,i2, ...,in=
k=1

tel-00413006, version 1 - 2 Sep 2009

k=1,...,K

i , i , , i , k C k ,
1 2 n

(96)

- 72 -

est strictement quivalent au systme TSK dont les rgles scrivent : Si x1 est A1i1 et x2 est A2i2 et ..... et xn est Anin alors u = ci1,i2, ...,in , (97)

avec ci1,i2, ...,in = H(PFLi1,i2, ...,in) = Dmonstration 2

k=1

i , i , , i , k uk .
1 2 n

En exprimant la sortie du contrleur flou TSK dcrit par les rgles (97), on retrouve immdiatement la sortie du systme SF4 dorigine (cf quation (94)). La figure 43 prsente un rsum des mcanismes de conversion introduits via les propositions 1 et 2. Elle illustre notamment le fait que chaque rgle peut tre traite indpendamment des autres et que lutilisation successive des propositions 2 puis 1 permet de rduire toute rgle unitaire SF4 en une rgle simplifie du type Si ... alors u est k/Ck + (1-k)/Ck+1 o Ck et Ck+1 reprsentent deux symboles conscutifs.

tel-00413006, version 1 - 2 Sep 2009

Proposition 2

Proposition 1

{ {

Si x est Petit alors u est 0.1/P + 0.6/M + 0.3/G H Si x est Petit alors u = 2.8 D Si x est Petit alors u est 11 /M + 4 /G 15 15 Fig. 43 : Mcanismes de conversion.

P M

1 2 5 Partition de sortie

IV.2

Extension du mcanisme de calcul TSK aux rgles conclusions linguistiques floues

Ce paragraphe est ddi au dveloppement dune nouvelle implantation dun systme SF4 exploitant le mcanisme de calcul des systmes TSK, cest--dire ralisant une moyenne pondre des conclusions linguistiques floues des rgles actives. La construction des oprateurs ncessaires cette implantation est aborde selon un principe similaire celui propos dans [Herrera00]. La mthode est cependant adapte de faon prendre en compte la diffrence de reprsentation des informations linguistiques manipules puisque [Herrera00] prconise de dcrire un nombre u par un couple (Ck, d) o Ck correspond au symbole qui dcrit le mieux u et d = u - uk la diffrence entre u et la valeur modale de Ck. Lextension du mcanisme de calcul TSK aux rgles conclusions linguistiques floues est introduite pas pas et son quivalence avec la formulation initiale des systmes SF4 est prouve. Lexpression gnrique (91) dune rgle unitaire dun systme SF4 peut tre rcrite sous la forme : (98) Si x1 est A1i1 et ..... et xn est Anin alors u = PFLi1, i2, ..., in , o PFLi1, i2, ..., in reprsente une partie floue linguistique, lment de F(LU), associe la rgle indice (i1, i2, ..., in). Si lon fait abstraction de la nature linguistique des conclusions de rgles, il est possible dexploiter le mcanisme de calcul attach aux systmes TSK pour dterminer la sortie correspondant au vecteur dentre (x10, x20, ..., xn0) soit, dans le cas dune partition stricte des univers dentre : F = SUG (x10, x20, ..., xn0) =
(i1, i2, ..., in)

wi1, i2, ..., in

PFLi1, i2, ..., in ,

(99)

- 73 -

o wi1, i2, ..., in = k = 1, ..., n A ik(xk0) reprsente le degr dactivation de la rgle (i1, i2, ..., in).
k

Les oprations daddition et de produit par un rel mises en oeuvre dans (99) concernent des parties floues linguistiques. Les oprateurs correspondants ont donc t encercls de faon pouvoir les distinguer de leurs quivalents sur des nombres rels. Il est vident que lexploitation de (99) ncessite avant tout de dfinir et pour pouvoir valuer le rsultat F. Celui-ci nest autre que la somme pondre dun ensemble de parties floues linguistiques. A ce titre, il est galement un sous-ensemble flou linguistique et doit donc tre dfuzzifi pour produire une valeur numrique de commande. Pour garder une cohrence avec les systmes SF4 prsents prcdemment, cette tche est ralise via la mthode des hauteurs H (cf quation (80)). Lobjectif vis pour la dfinition des oprateurs et est de maintenir la cohrence avec limplantation SF4 ce qui se traduit par le souhait que la partie floue F produite par le mcanisme de calcul (99) soit identique celle dlivre par le systme linguistique SF4 (cf quation (93)). Laddition de deux parties floues linguistiques engendre une nouvelle partie floue linguistique. Loprateur doit donc tre implant par le biais dune fonction de F(LU) x F(LU) vers F(LU). De mme, la multiplication dune partie floue linguistique par un rel (degr [0, 1]) produit une partie floue linguistique, ce qui signifie que loprateur correspond une application de [0, 1] x F(LU) vers F(LU). Dans la mesure o les oprations daddition et de multiplication ne sont pas dfinies sur les ensembles de mots, il est impossible davoir recours au principe dextension pour construire et . Nous proposons donc une mthodologie base sur lutilisation des interfaces SN et NS que sont la mthode des hauteurs H et la description floue D. Lide est alors de dfinir les oprations et en trois tapes : la premire convertit les informations linguistiques floues en nombres, la seconde ralise lopration dsire sur les nombres et la troisime retranscrit le rsultat en partie floue linguistique. Cette approche se traduit alors par les quations suivantes : PFL1 PFL2 = D( H(PFL1) + H(PFL2) ), (100) PFL1, PFL2 F(LU) PFL F(LU), w [0, 1], w PFL = D( w . H(PFL) ). (101) Illustrons la combinaison des deux oprations, telle que ralise dans lquation (99), pour un systme monovariable deux rgles : F = SUG (x0) = wi
i=1 2

tel-00413006, version 1 - 2 Sep 2009

PFLi = (w1 PFL1) (w2 PFL2)

(102)

= D(H(D(w1 . H(PFL1))) + H(D(w2 . H(PFL2))) ), qui, grce la relation entre les interfaces H et D, se simplifie en 2 : 0 F = SUG (x ) = D(w1 . H(PFL1) + w2 . H(PFL2)) = D( wi . H(PFLi) ).
i=1

(103)

En gnralisant et en notant ci1,i2, ...,in= H(PFLi1, i2, ..., in), lquation (99) se rcrit donc : F = SUG (x10, x20, ..., xn0) = D (
(i1, i2, ..., in)

wi1, i2, ..., in . ci1, i2, ..., in ).

(104)

La dfuzzification de la partie floue F par la mthode des hauteurs H, inverse de la description D, fournit le rsultat quaurait produit le contrleur flou TSK conclusions constantes c i1, i2, ..., in. Par application de la proposition 2 du paragrahe prcdent, on peut finalement dduire que lutilisation du mcanisme de calcul TSK, tendu au cas des rgles conclusions linguistiques floues, est quivalente lexploitation du systme SF4 dont les rgles sont donnes par : Si x1 est A1i1 et ..... et xn est Anin alors u est D(H(PFLi1, i2, ..., in)). (105) Bien que la relation D(H(PFLi1, i2, ..., in)) = PFLi1, i2, ..., in ne soit pas vrifie, lquivalence avec le systme SF4 dorigine, dfini par les rgles (98), est garantie par application successive des

- 74 -

propositions 2 et 1 (cf figure 43). Si lquivalence exacte est prouve dun point de vue thorique, il nen demeure pas moins que lutilisation directe des oprateurs et (cf quations (100) et (101)) ncessite que tout nombre, intervenant dans une phase intermdiaire de calcul, puisse tre dcrit par les symboles dfinis. Ceci requiert notamment que la partition de lunivers de sortie permette de dcrire le nombre 0. Cette contrainte est dailleurs pose comme une proprit smantique importante des partitions dans [deOliveira95]. En conclusion, limplantation TSK dun systme SF4, introduite ici comme extension naturelle et , des problmes de nos travaux, peut rpondre, par un choix raisonn des oprateurs de fusion dinformations linguistiques pour lesquelles il existe une reprsentation numrique sous-jacente. IV.3 Approximation linguistique ou rduction dune base de rgles

tel-00413006, version 1 - 2 Sep 2009

Les deux propositions nonces dans le paragraphe IV.1 permettent de transformer un systme TSK conclusions constantes en un systme linguistique SF4. Une suite logique ces rsultats consiste maintenant tendre la mthodologie propose des systmes flous quelconques. Dans la mesure o la contrainte de transformation exacte est relaxe, on aboutit une problmatique dapproximation linguistique, ou encore de rduction, dune base de rgles. Dun point de vue conceptuel, la rduction dune base de rgles consiste tout simplement diminuer le nombre de rgles quelle contient sans trop dgrader le transfert entre/sortie quelle reprsente. Le principe gnral est alors dliminer les rgles inutiles (redondantes ou sans importance) pour ne garder que les rgles pertinentes. Dun point de vue pratique, la suppression de rgles saccompagne souvent dune modification des rgles conserves de faon ce quelles puissent intgrer correctement linformation limine. Cette vntuelle transformation des rgles initiales peut aller dun simple ajustement de paramtres jusqu un changement profond dans la nature des rgles considres. Avant dexploiter une quelconque mthode de rduction de base de rgles, il est essentiel de clairement dfinir lobjectif final recherch. On peut ainsi distinguer deux buts distincts, voire antagonistes. Le premier rside dans une amlioration de limplantation finale du systme flou (temps de calcul, mmoire). Quant au second, il est avant tout daugmenter la lisibilit de la base de rgles. Dans ce cas, la rduction dune base de rgles peut tre vue comme une approximation linguistique de cette dernire ([Sugeno93]). Cest lobjectif premier de la mthodologie propose ici ([Galichet97]). Elle repose en fait sur lutilisation de la mthode dapprentissage prsente dans le premier chapitre (cf paragraphe VII.2) qui produit une base de rgles rduite sous la forme dun ensemble de rgles TSK conclusions constantes. Lexploitation de partitions triangulaires strictes permet ensuite une conversion systmatique en un systme SF4 (cf paragraphe IV.1). Le rsultat final est alors une base de rgles comprhensibles, pouvoir explicatif lev dans la mesure o le nombre de rgles est limit. La stratgie que nous avons dveloppe est ainsi base sur un scnario trois tapes tel quillustr la Fig. 44. Dans un premier temps, le comportement numrique externe du systme flou initial que lon cherche rduire est rsum par un ensemble de donnes entres/sortie. Les points ainsi gnrs alimentent le processus de construction dune nouvelle base de rgles. De par sa nature incrmentale, lapprentissage mis en oeuvre a l'avantage de dterminer le nombre de rgles ncessaires l'obtention d'une erreur d'approximation fixe et produit donc un jeu de rgles de taille minimale. La transformation en rgles linguistiques est finalement ralise par application de la proposition 1 du paragraphe IV.1.

- 75 -

P M G

Systme flou initial Extraction de points caractristiques Ensemble de points entres/sortie Apprentissage Systme TSK conclusions constantes tel-00413006, version 1 - 2 Sep 2009 Transformation linguistique SF4
Z 20 10 0 2

P M G

15 Y 10 5 3 4 5 6 X

x y P G P 0 10 G 10 20

Si x est P et y est G alors z est 0.5/Z + 0.5/G

Fig. 44 : Stratgie de rduction dune base de rgles. Laspect linguistique de cette approche la diffrencie de celles bases sur lexploitation dune transformation orthogonale tel que prconis dans [Yam99] et [Yen99] qui prsentent deux utilisations possibles dune dcomposition en valeurs singulires (DVS). Ainsi, [Yam99] effectue la DVS de la matrice forme des conclusions de rgles et limine les rgles correspondant des valeurs singulires faibles. Pour maintenir une approximation correcte, les fonctions dappartenance associes aux entres sont modifies sans souci de la lisibilit du systme final. Dans [Yen99], la DVS est applique la matrice forme des degrs dactivation des diffrentes rgles pour un ensemble de points dapprentissage donn. Llimination des rgles correspondant des valeurs singulires faibles est rpercute par un ajustement des conclusions de rgles dont la lisibilit nest aucunement amliore. Lapproche que nous proposons se distingue galement des mthodologies bases sur une analyse de la similarit entre ensembles flous ou entre rgles ([Chao96], [Babuska96]). En effet, la combinaison dobjets jugs similaires rduit le nombre de rgles mais nen amliore aucunement la lisibilit. Comme premier exemple illustratif, nous considrons des rgles initiales purement symboliques afin de mettre en vidence la rduction de leur nombre sans dgradation de leur lisibilit. La figure 45 prsente la base de rgles initiales ainsi que la forme rduite obtenue aprs apprentissage partir des points modaux. En effet, ces derniers reprsentent de manire univoque le comportement numrique du systme et suffisent donc la construction de lensemble des points dapprentissage. Les rgles sont ici prsentes sous une forme TSK conclusion constante de faon pouvoir rapidement vrifier que la rduction ninduit aucune erreur dapproximation (cf paragraphe VIII.2). Notons que les mthodes voques prcdemment (DVS ou approche par similarit) sont mises en chec sur cet exemple simple o laspect lin-

- 76 -

guistique nest pourtant pas primordial puisquil est dj prsent dans la base de rgles initiale et ncessite simplement dtre prserv ([Galichet98]). La raison de cet chec peut tre trouve dans le type de redondance prsente dans les rgles initiales. Celle-ci est en effet de nature interpolative et savre difficilement apprhendable par les approches cites. La mthodologie propose permet dexploiter ce type de redondance ainsi que prconis dans [Koczy97] qui ralise lpuration de la base de rgles initiale puis utilise un mcanisme dinfrence spcifique aux bases de rgles incompltes.
A1 A2 A3 A4 A5 A6 A1 A2 A3 A4 A5

5.5

5.5

-10 Y 1 0 -1

-5

10

X
Y

-10

10

y
B3 B2 B1

A1 A2 A3 A4 A5 A6

B3 35 25 5 40 -15 -5 B2 30 20 0 20 -10 -5 B1 25 15 -5 0 -5 -5

y
1 -1 B2 B1

A1 A2 A3 A4 A5

B2 35 5 40 -15 -5 B1 25 -5 0 -5 -5

Base de rgles initiale tel-00413006, version 1 - 2 Sep 2009

Base de rgles rduite

Fig. 45 : Rduction dune base de rgles. Le deuxime exemple, extrait de [Chao96], concerne la rduction dune base compose de 40 rgles de la forme Si x est Ai et y est Bi alors z = ci. Les symboles Ai et Bi ont des fonctions dappartenance gaussiennes ainsi quillustr la figure 46 sur les termes associs aux huit premires rgles. Il est clair que le recouvrement des diffrentes significations floues induit une perte totale de la lisibilit des rgles. Lobjectif de la simplification de rgles est donc damliorer laspect linguistique du systme flou. La rduction du nombre de rgles est ici accessoire dans la mesure o un partitionnement strict des univers dentre permettra dj de diminuer le temps de calcul ncessaire lobtention de la sortie et ce, quel que soit le nombre de rgles final. En effet, seules les quatre rgles actives devront tre values, ce qui reprsente un gain de temps important par rapport lexploitation des quarante rgles initiales.
1 0.8 0.6 0.4 0.2 0 -2 A8 -1 0 1 2 A2 A4 A1 3 A3 A7 A5 A6 B6 1 0.8 0.6 0.4 B4 0.2 0 -2 B3 0 1 2 3 B1 B2 B7 B8 B5

-1

Fig. 46 : Quelques fonctions dappartenance associes aux entres proposes dans [Chao96]. La mthode propose permet dobtenir une approximation numrique satisfante partir de 8x8 rgles ainsi quen atteste lvolution de lerreur quadratique moyenne en fonction de la structure de la base de rgles (cf figure 47). Si la lisibilit de la base de rgles correspondante est juge insuffisante, il est possible de renoncer la qualit numrique de lapproximation pour favoriser laspect rsum linguistique procur par la base compose de 25 rgles. La figure 48 illustre la surface entres/sortie du systme flou initial ainsi que celles correspondant aux bases de rgles reconstruites. On peut remarquer que la base de 25 rgles permet dj une reproduction raliste de la surface dorigine. Signalons que la gnration des donnes

- 77 -

dapprentissage, exploites pour la synthse du nouveau systme flou, est ralise de faon aider au bon droulement de la mthode de reconstruction des rgles. Ainsi, des donnes dentre rgulirement rparties sont utilises pour chacune des variables, soit 21x21 = 441 points dapprentissage rpartis sur un maillage rectangulaire. Cette faon de faire vite la phase de remplissage ncessaire lorsquun nouveau point modal est introduit et que la sortie correspondante est inconnue (cf paragraphe VII.2). Erreur quadratique moyenne 0.06 0.04 0.02 0 5x5 8x8 Structure de la base de rgles (nombre de rgles) MSE = 0.0311 MSE = 0.0068

Fig. 47 : Evolution de lerreur quadratique moyenne en fonction du nombre de rgles reconstruites. tel-00413006, version 1 - 2 Sep 2009

4 2 0 -2

Z
4 2 0

Z
4 2 0

Y
4 2 0 2 0 4

-2 2 -1 0 1 2 3 4 0

Y
4

-2 2 -1 0 1 2 3 4 0

Y
4

Base de rgles initiales

5x5 rgles linguistiques Fig. 48 : Surfaces entres / sortie.

8x8 rgles linguistiques

Dans ce chapitre, nous avons tout dabord introduit les systmes flous rgles linguistiques (systmes SF4), puis tabli les liens existant avec le raisonnement approximatif et les approches numriques dveloppes en premire partie de ce document. Les outils tant dfinis et positionns, nous pouvons maintenant tudier comment les intgrer dans une structure de commande et plus particulirement comment les exploiter pour coder lexpertise disponible sur le procd ou sur la faon de le piloter. Cest ce dernier point qui guide la fin de ce mmoire dans laquelle sont prsentes diverses approches lintgration de la connaissance experte.

Expertise en commande floue

Lintrt majeur des systmes SF4 rside dans leur lisibilit. Si cette proprit est particulirement intressante dans un contexte danalyse qualitative dune structure de commande, elle lest galement dans une perspective de synthse. En effet, si un expert est capable dinterprter les rgles dun systme SF4, il est aussi capable de formuler sa connaissance sous la forme de rgles directement intgrables dans un systme SF4. Cette double comptence de lexpert conduit

- 78 -

envisager deux faons diffrentes de travailler avec lui. La premire exploite sa capacit produire des rgles de commande. Dun point de vue pratique, elle correspond construire le contrleur flou directement partir des rgles fournies par lexpert. La seconde tire profit de sa facult danalyse et dinterprtation dun systme SF4. La dmarche envisage est alors de lui soumettre une version initiale de contrleur quil pourra analyser puis modifier de faon amliorer les performances de commande. Dans ce contexte, le contrleur flou initial peut tre gnr par copie dun contrleur numrique existant. Cette dichotomie dans la faon dapprhender lintroduction de lexpertise dans un contrleur flou nous a conduits structurer le prsent paragraphe en deux parties. La premire intitule Expertise et contrleurs symboliques prsente les diffrentes tapes ncessaires une construction directe de la base de rgles et du systme SF4 correspondant. La seconde partie est appele Expertise et contrleurs numriques dans la mesure o le systme flou est labor partir dun contrleur numrique existant. La traduction floue de celui-ci sert de base lintroduction de lexpertise. Dans les deux cas, lapproche experte est aborde partir dapplications relles, issues du monde industriel. La prsentation qui en est faite sattache dtailler les diverses tapes de la conception du contrleur flou de faon pouvoir en extraire les lignes directrices. Un dernier paragraphe dresse le bilan des diffrentes techniques voques et propose une mthodologie gnrale de dveloppement. V.1 Expertise et contrleurs symboliques

tel-00413006, version 1 - 2 Sep 2009

La synthse directe dun contrleur flou expert est apprhende partir de travaux dvelopps dans le cadre de la thse CIFRE de M. Dussud ([Dussud99]). Ils sont le fruit dune collaboration entre le laboratoire et la socit SERT (Socit dEtudes et de Ralisations Techniques), entreprise domicilie Lyon et spcialiste de rgulation de niveau en lingotire de coule continue. Ce partenariat a permis daboutir une implantation industrielle dun contrleur SF4 dont la synthse est ralise partir dune expertise sur le procd. Aucune phase de modlisation nest introduite et la base de rgles est construite par copie du savoir-faire des oprateurs. Aprs une rapide introduction la rgulation de niveau en lingotire de coule continue, la mthodologie de dveloppement du contrleur SF4 est dtaille tape par tape. La figure 49 donne un aperu du procd de fabrication de lacier en coule continue. Le mtal liquide est fourni dans une poche de grande capacit qui alimente le rpartiteur servant de rservoir-tampon. Par lintermdiaire de la busette, lacier en fusion scoule vers la lingotire, quipe dun systme de circulation deau qui assure le refroidissement ncessaire la solidification du mtal. Les rouleaux extracteurs entranent alors la barre de mtal puis la ramnent lhorizontale afin de pouvoir procder sa coupe. Le niveau de mtal en lingotire est maintenu constant par une boucle de commande comprenant un capteur de niveau, un rgulateur et un actionneur agissant sur la position de la quenouille par le biais du mcanisme de quenouille. Il est communment admis que la qualit du produit final est fortement corrle la performance de la rgulation de niveau en lingotire ([Jenkins94]). Cette constatation conduit dailleurs les sidrurgistes dclasser de manire systmatique les barres dacier obtenues lors de variations de niveau importantes. De nos jours, la plupart des installations industrielles sont quipes de PID qui savrent performants en fonctionnement normal mais inefficaces lorsquapparaissent des perturbations brutales telles que celles induites par des incidents de bouchage/dbouchage de la busette (cf figure50).

- 79 -

Acier en fusion Consigne de niveau Poche dalimentatiobn Quenouille Mcanisme de la quenouille Contrleur de niveau Vrin lectrique Mesure de niveau Capteur de niveau

Rpartiteur Busette tel-00413006, version 1 - 2 Sep 2009 Refroidissement primaire

Lingotire Rouleaux dextraction Refroidissement secondaire Produit semi-fini Fig. 49 : Vue schmatique dune machine de coule continue. Le dbouchage de la busette entrane une brusque augmentation de niveau pouvant aller jusqu un dbordement du mtal en fusion si loprateur ne reprend pas la main sur le pilotage de la quenouille. Systme oxycoupeur

lev

Dbit

Busette propre

Bouchage progressif

Dbouchage soudain

Fig. 50 : Cycle de bouchage/dbouchage de la busette.

- 80 -

Lobjectif de la structure de commande propose (cf figure 51) est dviter au maximum les reprises manuelles. Le principe mis en oeuvre ([Dussud98]) repose sur les points suivants : - En mode normal, le contrleur PID est utilis. - En mode perturb, le contrleur flou est substitu au contrleur PID. - La commutation est ralise sur la valeur de commande produite par le contrleur flou. Contrleur PID KP KD.s
+ + + + +

KI/s Bloc de poursuite (PI)


+

Commande actionneur

Erreur de niveau tel-00413006, version 1 - 2 Sep 2009

uF > u u0 Contrleur flou uF


+ +

Fig. 51 : Architecture globale du contrleur. Le passage dun rgulateur lautre est implant de faon viter les -coups tel que cela est illustr la figure 52. Le contrleur flou est activ lorsque | uF | > u. Dans ce cas, la commande effective est obtenue en additionnant la contribution floue uF la dernire sortie du PID u0. Le seuil u est fix suffisamment bas pour rendre ngligeable lincrment de commande. Durant toute la priode de contrle flou, le PID fonctionne en mode suiveur par forage de sa sortie la valeur de commande effective grce un bloc de poursuite de type PI. Il est ainsi garanti que la commutation inverse nengendre pas d-coup important. Sortie PID u0 Suivi de la commande floue temps u -u PID Commande floue PID Sortie floue (uF) Zone morte temps Commande effective u0 + u u0 + u u0 u0

temps

Fig. 52 : Commutation sans -coup.

- 81 -

La synthse du contrleur flou est dlicate dans la mesure o elle fait appel lapprciation humaine pour traduire la connaissance experte. La dmarche prsente ici tente dapporter une certaine rigueur en dcomposant la construction en diffrentes phases. En effet, on tablit tout dabord les rgles gnrales de fonctionnement du contrleur flou sur lintgralit de lunivers de discours. Les rgles ainsi gnres sont alors modifies pour grer la bande morte ncessaire la commutation avec le PID. Le traitement des dbouchages est ensuite introduit par ajout de nouvelles rgles crant une action anticipative. Enfin, le rglage fin du contrleur est effectu par pondration des rgles. V.1.1 Rgles gnrales Il sagit ici dtablir le comportement gnral du contrleur flou daprs la formulation de lexpert. Celui-ci distingue trois situations selon que le niveau dacier est trop haut, correct ou trop bas relativement une consigne fixe. Cette classification est aisment retranscrite en terme derreur Positive, Zro et Ngative en dfinissant lerreur comme tant la diffrence entre la mesure et la consigne. Quoique non conventionnelle, cette faon de faire est intuitive dans la mesure o elle permet une quivalence entre les termes trop haut, correct et trop bas et les mots Positive, Zro et Ngative, ainsi quillustr la figure 53. Loprateur est galement sensible au sens de variation du niveau et considre trois cas selon que le niveau augmente, est stable ou diminue. La variation derreur correspondante est alors qualifie de Positive, Zro ou Ngative. Enfin, daprs sa perception de la situation, lexpert dtermine laction adopter concernant la quenouille : Maintenir, Ouvrir ou Fermer. Lorsquil hsite entre deux actions possibles, les deux solutions sont introduites dans la base de rgles (cf figure 53). Le niveau est trop bas et diminue Variation derreur Ouvrir Erreur N P Z P Le niveau est trop haut et augmente Fermer

tel-00413006, version 1 - 2 Sep 2009

M M/F F Niveau mesur Niveau dsir Niveau

Niveau dsir Niveau mesur Niveau

Z M/O M M/F N O M/O M

Fig. 53 : Rgles gnrales. V.1.2 Gestion de la commutation La base de rgles est maintenant modifie pour satisfaire aux exigences de commutation de la stratgie de contrle labore. Ainsi, le contrleur flou doit produire une action nulle (M) lorsque le procd est en fonctionnement normal. Une telle situation correspond une zone rectangulaire autour du point (0, 0) dans le plan de phase et concide donc au cas dcrit par la proposition Erreur est Z et Variation derreur est Z. Lexamen de la base de rgles permet de conclure que laction floue gnre est bien M. En pratique, la variation derreur tant particulirement bruite, son utilisation pour dcider dune commutation risque dinduire de nombreux passages dun rgulateur lautre. La zone de fonctionnement du PID est donc tendue une bande verticale dans le plan de phase ainsi quen tmoigne la base de rgles modifie de la figure 54.

- 82 -

Erreur Variation derreur N P M Z M P F

Z M/O M M/F N O M M

Fig. 54 : Stratgie de commutation. V.1.3 Rgles anticipatives

tel-00413006, version 1 - 2 Sep 2009

Reste maintenant introduire de nouvelles rgles dans la base afin de rejeter les perturbations brutales de type dbouchage. Les experts ont propos dutiliser une action anticipative pour ragir prventivement lorsque des variations de niveau soudaines et importantes surviennent. Ce principe consiste en fait fermer la quenouille lorsque le niveau monte mme sil est en dessous de la consigne. De mme, afin de faciliter le retour au fonctionnement normal, la quenouille est ouverte mme si le niveau est au dessus de la rfrence. Lintroduction des rgles supplmentaires ncessite la dfinition de deux nouveaux termes linguistiques pour dcrire lerreur (NgativePetite et PositivePetite). Ils reprsentent des sous-classes des classes N et P pralablement dfinies ainsi quillustr la figure 55. Le niveau est trop bas mais il augmente Fermer Variation derreur P Z N O Niveau F Niveau mesur Niveau dsir Erreur N Z P NP PP Le niveau est trop haut mais il diminue Ouvrir

Niveau dsir Niveau mesur Niveau

Fig. 55 : Introduction des rgles anticipatives. V.1.4 Ajustement du contrleur flou

La quatrime et dernire tape consiste rgler le contrleur flou. En effet, les rgles tant maintenant construites, il reste tablir les interfaces SN et NS pour pouvoir implanter la loi de commande floue. Il est galement ncessaire de calibrer limportance respective des actions anticipatrice et naturelle puisquelles peuvent tre actives simultanment. Enfin, les conclusions multiples sont pondres selon lopinion de lexpert. Les rgles finales sont donnes la figure 56 sous la forme dun systme SF4. Remarquons que malgr la prsence de cellules vides, la base de rgles est complte puisquil est possible de calculer la sortie du systme flou pour nimporte quel couple dentres. Ceci est d au fait que le support des fonctions dappar-

- 83 -

tenance associes aux termes linguistiques NP et PP est galement couvert par la signification floue des symboles N et P. Erreur N P Variation derreur Z N 0.3/M 0.4/M+0.4/O 1/O NS 0.6/F Z 0.5/M 1/M 0.5/M 0.6/O PS P 1/F 0.4/F+0.4/M 0.3/M

Fig. 56 : Base de rgles finale. La structure de commande globale est implante sur une installation industrielle depuis Janvier 96. Elle a permis damliorer notablement la rgulation durant les phases perturbes qui suivent les dbouchages de busette. La figure 57 prsente lvolution de niveau pendant un dbouchage rel. Les performances obtenues sont satisfaisantes dans la mesure o le dbouchage, damplitude importante puisquil peut tre assimil une perturbation additive de 10.4 mm sur la position de la quenouille, induit un dpassement de niveau acceptable et que le temps de retour la normale est rduit 7s. Ces rsultats valident dans un cadre applicatif la stratgie de synthse dun contrleur flou par exploitation directe de rgles expertes. Il est clair quil serait abusif de conclure la gnralit de lapproche. Toutefois, dans la mesure o un procd est pilotable manuellement, il est tout fait imaginable de reproduire le comportement de loprateur humain par un systme SF4. Lefficacit du contrleur ainsi gnr nest pas garantie, pas plus dailleurs que ne lest celle du contrleur humain ayant servi de modle. Ceci dit, lobtention de performances optimales nest envisageable quau prix dune phase de modlisation pouvant tre longue et coteuse.

tel-00413006, version 1 - 2 Sep 2009

Niveau (0 / 150 mm) Commande floue ( - 1 / +1 ) Dpassement 22 % x 150 mm = 33 mm Amplitude du dbouchage 6.5 % x 160 mm = 10.4 mm

Position de la quenouille (0 / 160 mm) 10 20 30 40 50 Temps (s)

Fig. 57 : Dbouchage rel dune busette.

- 84 -

Revenons quelques instants la problmatique de la coule continue de faon discuter, non plus de la synthse du contrleur flou, mais du choix dune architecture de contrle hybride. La dcision dune implantation deux contrleurs (PID + flou) repose en fait sur des considrations pratiques. La raison majeure en est que larchitecture propose est en tout point similaire celle pralablement implante sur linstallation industrielle. Ainsi, si lon considre le schma de la figure 51 et que lon remplace le contrleur flou par un mcanisme de reprise manuelle par un oprateur, on retrouve la configuration existant lorigine. Le cot dimplantation du systme flou est alors rduit un temps de dveloppement logiciel, le procd tant dj connect un ordinateur PC charg denregistrer les donnes de fabrication. Outre son prix minime, la solution choisie prsente lavantage dassurer une bonne fiabilit puisque la rgulation de base est assure par des composants scuriss (automates ou rgulateurs analogiques). Enfin, dun point de vue psychologique, la dmarche propose est rassurante pour lindustriel puisquelle permet tout instant de revenir la configuration antrieure par une simple dconnection du contrleur flou. Pour des installations o ces arguments ne sont pas valides, il est intressant de rduire larchitecture de contrle propose un simple contrleur flou qui inclurait directement le PID par le biais de rgles quivalentes (cf paragraphe IV.5). Cest le choix effectu dans le paragraphe suivant o la phase dintroduction de lexpertise est effectue aprs avoir intgr le contrleur numrique existant dans un systme SF4. V.2 Expertise et contrleurs numriques

tel-00413006, version 1 - 2 Sep 2009

La synthse de la loi de commande floue est ici ralise partir dun contrleur numrique dont on amliore les performances en largissant le contexte dutilisation par ajout dune connaissance experte. Par rapport aux travaux prcdents, la diffrence se fait alors dans la faon dont cet ajout est gr. Le principe dvelopp ici nest plus dlaborer une structure multi-contrleurs comme cela a t pratiqu pour la rgulation de niveau en coule continue, mais dintgrer lensemble des connaissances disponibles sur le procd dans un contrleur flou unique. Ainsi que cela a t voqu prcdemment, ce choix de conception est li des aspects pratiques, spcifiques chaque installation. En guise dillustration de la mthodologie propose, deux applications industrielles sont ici prsentes. Dans les deux cas, des systmes SF4 sont utiliss et leur synthse est ralise selon une dmarche identique. Celle-ci est dcompose en deux tapes, la premire consistant construire lquivalent flou dun contrleur numrique cible, la seconde visant lamliorer par modification des rgles initiales selon lexpertise disponible. V.2.1 Rgulation de niveau dans un procd de fabrication semi-continue de barres de laiton

Cette application ([Dussud96]) concerne le remplissage de moules pour la fabrication semicontinue de barres de laiton, procd illustr la figure 58. Bien que le principe de fonctionnement global soit trs proche de celui dcrit prcdemment pour la production de brames dacier, les quipements utiliss sont suffisamment diffrents pour modifier la problmatique de la rgulation de niveau. En effet, le dbit de mtal liquide dans la busette est ici automatiquement ajust par un systme base de flotteurs sur lequel aucune action nest envisageable. La stabilit du niveau de mtal dans les moules dpend alors de celle du niveau de mtal dans le rpartiteur. Lobjectif de rgulation poursuivi ici est donc de maintenir constant le niveau de laiton dans le rpartiteur. Le dbit dalimentation de ce dernier est contrlable par lintermdaire dun vrin hydraulique permettant dagir sur linclinaison du rservoir.

- 85 -

a h b i k j c g d e

(a) rservoir inclinable (b) rpartiteur (c) actionneur hydraulique (d) moules (e) refroidissement par eau du moule (f) systme hydraulique dextraction (g) barre de laiton solidifie (h) laiton en fusion (i) flotteur (j) busette (k) coulement du mtal

Fig. 58 : Fabrication semi-continue de barres de laiton. tel-00413006, version 1 - 2 Sep 2009 Une modlisation mathmatique simplifie du procd a permis de calibrer en simulation un contrleur de type PD puis de synthtiser un contrleur flou quivalent. Celui-ci est ensuite modifi de faon contrer le retard induit par lcoulement du mtal dans la rigole. Des actions anticipatives sont ainsi introduites dans la base de rgles selon lexpertise des oprateurs. A ce stade du dveloppement, la dmarche mise en oeuvre est similaire celle prsente dans le paragraphe prcdent. Le contrleur flou final implant est de type PD non linaire. La surface de contrle correspondante est illustre la figure 59. Commande (Hz)

Variation derreur (mm/s) Erreur (mm) Fig. 59 : Surface de contrle du rgulateur flou implant. Le choix dune implantation de la commande sous la forme dun systme flou unique a t guid par le fait que linstallation considre ntait quipe daucun rgulateur spcifique puisque cest un oprateur humain qui la pilotait. La dmarche de conception a permis de rduire le temps de dveloppement ncessaire lobtention de rsultats satisfaisants ainsi quen atteste la figure 60. Reste signaler que la phase de remplissage du moule est toujours manuelle. Lorsque celle-ci est termine, loprateur enclenche le contrleur flou qui prend en charge la rgulation de niveau pendant toute la dure de la coule (20 minutes 1 heure). La figure 60 illustre lamlioration de qualit apporte par la rgulation floue qui savre plus rgulire dans ses actions que loprateur humain ayant servi de modle.

- 86 -

Niveau (mm)
80 60 40 20 0 0

Contrle manuel

Niveau (mm) Consigne 60 Niveau


40 20 80

Contrle flou

temps (s)
2400 800 1600

0 0 1600 2400 800

temps (s)

Fig. 60 : Rsultats rels. V.2.2 Rgulation de niveau en raffinerie

tel-00413006, version 1 - 2 Sep 2009

Rappelons que cette application, utilise titre dillustration tout au long de ce document, a t dveloppe en collaboration avec le centre de recherche dELF Solaize. Dans un premier temps, un contrleur algorithmique existant a permis de construire un contrleur flou initial par application du principe des quivalences modales (cf paragraphe VI.1 du premier chapitre). Celui-ci, de type TSK conclusions constantes, a ensuite t converti en un systme SF4 (cf paragraphe IV.1) dont la version condense de la figure 61 sert maintenant de base de travail lintgration de la connaissance experte. signe(L)L2 B-3 Lmin L Lmax A0 A1 A2 A3 A4 B-2 B-1 B0 Z Z Z Z Z B1 PP PP PM PM PTG B2 PM PM PM PG PTG B3 PM PM PG PG PTG

NTG NTG NTG NG NG NM NG NM NM NM NM NP NM NM NP

Fig. 61 : Rsum linguistique des rgles floues initiales. La premire remarque de lexpert concerne le fait quil est important dtre dans une situation favorable lorsquune perturbation apparat puisque les marges de manoeuvre sont alors plus larges. Ceci se concrtise par le souhait que le niveau ne se stabilise quautour dune valeur centrale et conduit donc modifier les conclusions de rgles associes la colonne B0. De mme, quelle que soit lvolution du niveau, lexpert prconise un traitement choc dans le cas o il est proche des limites Lmin et Lmax. La prise en compte de ces deux considrations aboutit la base de rgles modifie de la Fig. 62. Lamlioration majeure est obtenue grce lintgration dune nouvelle variable dans les prmisses. Celle-ci, construite partir de donnes mesures sur le procd en amont de la capacit tampon, reflte lvolution future du procd. En fait, elle reprsente lamplitude prdite des perturbations venir et permet donc danticiper la dmarche suivre pour faciliter leur rejet si elles se produisent effectivement. Ainsi, si une perturbation positive importante est prvue (forte monte de niveau), il est souhaitable que le niveau soit bas pour pouvoir la traiter efficacement quand elle survient. Cette constatation amne ragir de faon prventive par une commande positive permettant de faire baisser le niveau.

- 87 -

signe(L)L2 B-3 Lmin L Lmax A0 A1 A2 A3 A4 B-2 B-1 B0 B1 B2 B3

NTG NTG NTG NTG NTG NTG NTG NG NG NM NP PP PM PM NG NM NM Z PM PM PG NM NM NP PP PM PG PG PTG PTG PTG PTG PTG PTG PTG

Fig. 62 : Base de rgles modifie par expertise. Lajout dune nouvelle variable dans les prmisses se traduit par des rgles de la forme Si le niveau est lev et augmente fortement et quune perturbation positive importante est prdite alors la commande est positive grande. Dun point de vue pratique, sept termes linguistiques sont utiliss pour caractriser la perturbation prdite. La base de rgles de la figure 62 est maintenue et correspond au cas o aucune perturbation nest prvue. Six nouvelles bases de rgles de structure identique sont introduites pour grer les autres classes de perturbations prvues. Elles sont crites avec laide de lexpert selon les considrations nonces prcdemment. Le rgulateur flou ainsi gnr, industrialis sous le nom FLOUNIV par Elf, a t install dans une premire raffinerie en 94. Depuis, une dizaine de sites ont t quips de manire similaire. Les tudes dcrites dans ce paragraphe ont en commun le fait quelles reposent sur un rgulateur flou linguistique conu pour amliorer un contrleur numrique existant. La phase dinitialisation du systme flou est effectue de manire systmatique par application du principe des quivalences modales. Cette faon de faire permet daborder plus facilement lintroduction du savoir-faire dans la mesure o la base de rgles est dj construite et na donc plus qu tre adapte. V.3 Aspect mthodologique

tel-00413006, version 1 - 2 Sep 2009

Il nous parat maintenant important de conclure ce paragraphe en nonant quelques lignes directrices suivre pour concevoir un contrleur flou expert. La mthodologie propose sappuie sur les applications prsentes prcdemment mais aussi sur lexprience que nous avons pu acqurir au cours de ces dix dernires annes. Elle se prsente sous la forme dune gamme de conception, compose de diffrentes tches raliser squentiellement : Rpertorier lexistant. La premire dmarche entreprendre face un problme rel est un inventaire des ressources existantes. Celui-ci doit tre tabli en termes de connaissances (modle, loi de commande, expertise, donnes enregistres) mais aussi en termes dinstallations matrielles (rgulateur, capteur, actionneur). Dterminer la tche que doit accomplir le contrleur flou. Au vu de lexistant, il est ncessaire de dfinir le rle exact que devra assurer le contrleur flou. Cette tape correspond en fait fixer larchitecture globale de la structure de commande dans laquelle le contrleur flou sinsrera. S'assurer que lexpertise disponible est en cohrence avec la tche dfinie. La connaissance experte est rarement disponible sous la forme de rgles crites, mais le

- 88 -

fait quun oprateur humain soit capable de rsoudre le problme pos garantit lexistence de la connaissance. A ce stade, il nous parat important de souligner que le contrle flou nest pas la panace universelle et que, pas plus que dautres approches, il nest capable de rpondre des problmes qui ne sont aujourdhui rsolus ni par la science ni par lhomme. Dterminer les grandeurs d'influence et s'assurer quelles sont accessibles ou peuvent tre reconstruites Toutes les quantits intervenant dans le raisonnement humain que lon cherche reproduire via le contrleur flou doivent tre disponibles (mesures ou reconstruites). Ce point traduit la ncessit dquiper le systme automatis des organes de perception appropris. Le succs de bon nombre dapplications commerciales intgrant des techniques floues est dailleurs troitement li laugmentation du nombre de grandeurs dinfluence considres. Citons titre dexemple lintgration dun capteur de turbidit dans les machines laver dites intelligentes. Construire la base de rgles. tel-00413006, version 1 - 2 Sep 2009 Quelle que soit la technique utilise (synthse directe ou initialisation partir dun contrleur numrique), la construction des rgles ne peut tre faite quen troite collaboration avec lexpert. La base de rgles reprsente en fait la fonction de transfert implante dans le contrleur flou. Elle doit imprativement rester lisible de faon ce que lexpert puisse en faire une validation finale. Construire les interfaces numrique/symbolique et symbolique/numrique. Cette tape correspond attribuer une signification numrique chacun des mots prsents dans la base de rgles. Dun point de vue pratique, elle est ralise par un partitionnement des univers de discours numriques. Dun point de vue conceptuel, elle peut tre assimile une identification des paramtres de la fonction de transfert que reprsente la base de rgles. Affiner le rglage par lintermdiaire des poids de rgles. Cette dernire phase consiste tablir un calage final du contrleur flou. Elle est souvent ralise sur le procd lui-mme dans la mesure o un outil de simulation nest pas disponible. Quelle que soit la dmarche choisie pour raliser la construction de la base de rgles (synthse directe du systme flou ou modification partir dune configuration initiale), lintgration dexpertise dans le contrleur nest envisageable que si les rgles de commande sont manipulables par un tre humain. Cela se traduit par le fait que les approches utilises jusqu prsent ne sont applicables que pour des systmes flous ayant un nombre rduit dentres. Pour des procds complexes ou ayant un ordre lev, il est ncessaire de rflchir une structuration de lexpertise de faon pouvoir lintroduire dans diffrents composants, rpartis dans une architecture de commande distribue. Cette faon de faire nous permettra galement daborder la reconstruction des grandeurs dinfluence, ainsi quvoqu au point . Dans ce contexte, lexploitation dinformations issues de diffrents capteurs sera facilite par la possibilit de concevoir des composants chargs de raliser la fusion des informations lmentaires. Les techniques floues offrent un cadre naturel lintgration de lexpertise dans ces derniers ainsi que lillustrent les paragraphes suivants prconisant lusage de capteurs flous dans les structures de commande. Ceux-ci, trs brivement dcrits ici, devraient faire lobjet dune prochaine habilitation diriger des recher-

- 89 -

ches au sein de lquipe.

VI Distribution de lexpertise dans la structure de commande


VI.1 Introduction De manire classique, les systmes flous plusieurs entres exploitent des rgles prmisses composes du type : Si x1 est A1i1 et x2 est A2i2 et ..... et xn est Anin alors u est Ck (106) Cette faon de faire entrane une croissance exponentielle du nombre de rgles avec le nombre dentres. Ainsi, pour un systme plus de trois variables, il devient illusoire de prserver la lisibilit de la base de rgles et la dmarche experte introduite prcdemment devient inapplicable. Dans ce contexte, il est ncessaire de rflchir une distribution de lexpertise dans la structure de commande. Pour poser les bases de la distribution, il est souhaitable davoir une comprhension en profondeur des systmes entres multiples dcrits par les rgles (106) et notamment de revenir la diffrence fondamentale existant entre les implantations SF1 et SF4 (cf paragraphe II.2). Quel que soit le type de reprsentation choisi, linfrence est implante selon le principe de combinaison/projection qui se dcline en : uU (107) F1(u) = sup T1 ( T2 ( (xj0)(xj )), R (x1 , x2 , ..., xn , u) ))
(x1 , ..., xn ) X1x...xXn
j=1,n

tel-00413006, version 1 - 2 Sep 2009

pour une implantation purement numrique (1 dans la typologie) et en : CkLU F2(Ck) = max
T1 ( T2
j=1,n

(A1 , ..., An

i1

in LX )

1x...xLXn

ij (x 0)(Aj )), 2 j

R (A1 i1, A2 i2 , ..., An in ,Ck ) )) (108)

dans le cas dune implantation symbolique (4 dans la typologie). Les quations (107) et (108) mettent en vidence le fait que le mcanisme de calcul combine, dans un formalisme unique, linfrence proprement parler (oprateurs sup/max et T1) et lagrgation des variables dentre (oprateur T2). En fait, les entres numriques xj0 sont fuzzifies indpendamment puis les sous-ensembles flous produits (1(xj0) ou 2(xj0) suivant le choix dimplantation) sont agrgs de faon former un sous-ensemble flou multidimensionnel qui reprsente la vritable entre dinfrence. Au premier abord, il semble donc relativement simple de distinguer ltape de fusion dinformations de celle associe au raisonnement. Un examen plus avanc des quations (107) et (108) rvle cependant que ces deux tches sont beaucoup plus imbriques quil ny parat. En effet, la relation R code de faon implicite une phase dagrgation, ralise cette fois sur la connaissance exprime et non plus sur les grandeurs mesures. Dans les systmes SF4, lagrgation de connaissances est clairement implante au niveau symbolique puisquaucune information numrique nest ncessaire ltablissement de R. Le cas numrique porte beaucoup plus confusion puisque la construction de R repose gnralement sur lutilisation doprateurs flous agissant sur la signification floue des termes utiliss dans les rgles. Lexploitation de la relation engendre induit alors une agrgation des grandeurs mesures, le et utilis dans les prmisses de rgles se traduisant par une conjonction des Ajij(xj0). En dautres termes, limplantation numrique rend dlicate la distinction des phases dagrgation des grandeurs mesures et de raisonnement. Au contraire limplantation SF4 prconise ici permet de dissocier clairement ces deux tapes. Notons que

- 90 -

cette constatation appuie le discours pralablement tenu sur la diffrence des implantations SF1 et SF4 (cf Fig. 35 ou encore dbut du paragraphe III concernant le traitement dentres imprcises). Cette rflexion peut paratre anecdotique mais elle prend toute son importance lorsquune distribution des traitements est envisage. En effet, limplantation SF4 permet dexploiter des entits diffrentes pour raliser les trois tapes que reprsentent la fuzzification symbolique, linfrence symbolique et la dfuzzification symbolique. Dans ce contexte, le composant assurant la fuzzification peut prendre en charge lagrgation de mesures lmentaires pour construire la description symbolique dun vecteur. Il est ainsi possible de dcrire des grandeurs subjectives telles que la couleur, le confort, ou encore le style de conduite dune personne par agrgation des mesures numriques sous-jacentes. Lorsque la description floue dune grandeur est construite dans lorgane effectuant les mesures, celui-ci prend lappelation de capteur flou ([Mauris92], [Benoit93], [Mauris94], [Foulloy94a]). Dans la suite, nous attribuerons cette dnommination toute entit logicielle produisant la description symbolique du vecteur de mesures qui lui est fourni. VI.2 Expertise et capteurs flous tel-00413006, version 1 - 2 Sep 2009 La fuzzification symbolique tant dporte vers le capteur flou, il est possible dintroduire lexpertise ds la phase de conception de ce dernier. Cette faon de faire prsente lnorme avantage de pouvoir dterminer le type dagrgation le mieux adapt la situation et ce, en fonction des connaissances expertes disponibles. En ce sens, le fait de dplacer lagrgation des grandeurs lmentaires aboutit une libert beaucoup plus importante quant la manire de raliser celle-ci. Deux types distincts dexpertise sont ici considrs. Le premier concerne le cas o lexpert nest pas capable de formuler explicitement le lien existant entre les mesures et la grandeur caractriser. Par contre, il sait donner des exemples correspondant aux catgories quil distingue. Une telle situation se trouve dans la vie de tous les jours, o lhomme est en mesure de montrer diffrents objets de couleur jaune alors quil est incapable dexprimer la relation entre le mot jaune et les intensits R(ouge), V(ert), B(leu) classiquement utilises en imagerie numrique. Le second type dexpertise envisag correspond au cas o cette dernire est disponible sous la forme de rgles linguistiques reliant les grandeurs mesures la notion que lon cherche dcrire. Ainsi, suivant la nature de la connaissance disponible, le capteur flou implant mettra en oeuvre une agrgation par interpolation ou encore une agrgation par rgles ([Mauris96]), ainsi quillustr dans les exemples prsents ci-dessous. VI.2.1 Agrgation par interpolation Limplantation de ce type de capteurs ncessite que soit tablie la liste des termes linguistiques qui seront utiliss pour la description dun vecteur quelconque. Pour chaque terme, il est demander lexpert de fournir un ensemble de points caractristiques. La mthode consiste ensuite construire la signification floue associe aux diffrents symboles par une technique dinterpolation base sur une triangulation de Delaunay de lespace dentre multidimensionnel ([Benoit93]). Les points caractristiques donns par lexpert sont considrs comme tant des points modaux de la signification floue du terme linguistique concern. Un partitionnement strict de lunivers de discours multidimensionnel est impos. La figure 63 illustre limplantation dun capteur dtat dans le plan de phase ([Foulloy94b]). Trois tats distincts sont considrs, qualifis respectivement de au dessous de la droite de glissement, sur la droite de glissement et au dessus de la droite de glissement et abrgs symboliquement par DG, DG, DG. Trois points caractristiques sont associs chacun de

- 91 -

ces tats. La connaissance introduite par le biais des exemples tiquets est interpole de faon construire la signification floue des trois tats linguistiques considrs. La fuzzification linguistique dun vecteur (, ) quelconque est ensuite obtenue par exploitation directe de la relation liant la signification floue dun symbole et la description floue dun vecteur dentre, soit : (109) L{DG, DG, DG} (,)(L) = D(,)(L) = L(,).
2

Le capteur flou dtat peut tre intgr de faon naturelle dans une structure de commande. La fuzzification tant dporte dans le capteur, seules les tches dinfrence et de dfuzzification sont implantes dans le contrleur. Si lexpert est capable dnoncer des rgles liant ltat du procd la commande, leur introduction dans le processus dinfrence est immdiate. Ainsi, dans le cas du capteur dtat de la figure 63, la base de rgles associe au contrleur se rsume aux trois rgles lmentaires suivantes : Si tat est DG alors commande est Ngative Si tat est DG alors commande est Zro Si tat est DG alors commande est Positive. tel-00413006, version 1 - 2 Sep 2009 Points caractristiques Etat DG : P1, P2, P3 Etat DG : P4, P5, P6 Etat DG : P7, P8, P9
P1 P2 P4 P5 P3 P7 P8 P9 P6

DG

DG

DG

Fig. 63 : Capteur flou dtat. La mise en place de la dfuzzification ncessite dattribuer une signification floue aux termes linguistiques utiliss pour dcrire la commande. La figure 64 prsente la surface de contrle obtenue lorsque les valeurs modales -1, 0 et 1 sont associes aux mots Ngative, Zro et Positive et que la dfuzzification est implante par la mthode des hauteurs. Elle met en vidence que la

- 92 -

structure de commande globale, compose du capteur flou dtat, de linfrence et de la dfuzzification, correspond un PD non linaire. Les points appris par le capteur dtat (P1 P9 dans la figure 63) ntant pas rpartis sur un maillage rectangulaire du plan de phase, une implantation classique de cette loi de commande aurait ncessit la dfinition de neuf symboles sur lerreur et sa variation et donc de 81 rgles prmisses composes. Limplantation propose permet de rduire de faon importante le nombre des rgles de commande. Cette simplification de la base de rgles est rendue possible par le fait que les significations floues des termes associs ltat ont un support non rectangulaire. La mthode interpolative mise en oeuvre dans le capteur permet en fait de saffranchir de la contrainte de dcomposabilit en mailles rectangulaires impose par les rgles prmisses conjonctives. Il est galement important de noter que la lisibilit du systme est prserve dans la mesure o cest en fait lexpert qui dfinit, via des points caractristiques, les diffrentes situations quil distingue. La caractrisation linguistique des tats ainsi identifis permet daboutir des rgles de contrle dautant plus interprtables quelles traduisent de manire immdiate lexpertise disponible en terme de commande.

tel-00413006, version 1 - 2 Sep 2009

Fig. 64 : Surface de contrle et courbes de niveaux associes. La figure 65 illustre une autre application possible de la structuration propose sur un problme de commande en vitesse dun mini-robot, lobjectif de ce dernier tant de rallier le point de coordonnes (0, 0). A tout instant, la position (x, y) du robot est connue. Dans sa partie infrieure, le graphique 65 prsente la connaissance utilise pour limplantation de la structure de commande. Les flches en pointills matrialisent la manire dont lexpertise est intgre dans les diffrents composants flous. proximit de lobjectif

x y

Capteur de proximtrie

Infrence

vitesse

Dfuzzification

Intgration l l l l

de lexpertise faible leve u 1

l loin prs

Si objectif est prs alors vitesse est faible Si objectif est loin alors vitesse est leve

0 Fig. 65 : Contrle en vitesse dun mini-robot. - 93 -

Dun point de vue conceptuel, la technique dapprentissage implante dans le capteur flou est trs proche de celle dveloppe en premire partie de ce document (cf paragraphe VII.2) puisquelle repose sur lapprentissage exact dun certain nombre de points. Un affinement du processus peut ainsi tre envisag selon une approche incrmentale ainsi que prconise prcdemment. Cette stratgie ncessite davoir disposition un ensemble de points correspondant au transfert entres/sortie dsir de la structure de commande globale. Dans le cas du minirobot, ces donnes sont donc des triplets (x, y, u). La structure de commande tablie partir de lexpertise permet de calculer pour tout vecteur (x, y) la sortie u correspondante et donc de dterminer le point dapprentissage engendrant lerreur maximale. Le capteur flou est alors modifi de faon apprendre exactement ce point, not ici (xp, yp, up). Cette tape est ralise par lintroduction du couple (xp, yp) dans le maillage de Delaunay. La dformation des significations floues ncessite de dterminer quel doit tre le degr dappartenance de (xp, yp) aux diffrentes classes. Linformation est en fait reconstruite partir dune base de rgles inverse, obtenue par simple permutation des prmisses et conclusions dans les rgles de commande initiales. La fuzzification de up puis linfrence selon la base de rgles inverse gnre les degrs dappartenance recherchs. Il est noter que ce mcanisme nest applicable que lorsque les rgles de commande ne comportent pas de prmisses composes (cf paragraphe VIII.3 concernant linversion dun systme flou). tel-00413006, version 1 - 2 Sep 2009 A titre dillustration, la figure 66 prsente la signification des symboles prs et loin obtenue aprs affinement incrmental des significations initiales construites par expertise. Les points dapprentissage utiliss ici ont t gnrs partir de lquation u = x2 + y2.
M(prs) M(loin)

Fig. 66 : Systme flou entres non dcomposes. La figure 67 prsente le maillage de Delaunay de lespace dentre. Chaque sommet des triangles correspond un point appris, cest--dire un point pour lequel le systme flou engendre exactement la sortie dsire. Dans le cas prsent, pour un ensemble dapprentissage de 5000 points, lerreur moyenne dapproximation est gale 0.035. Lobtention des mmes performances avec un systme flou entres dcomposes ncessite un partitionnement triangulaire en 12 symboles sur chaque entre et la dfinition de 144 rgles. On peut galement noter que la dformation des significations nentrane aucune perte de lisibilit de la structure de commande globale.
y

Fig. 67 Maillage de Delaunay de lespace dentre.

- 94 -

La conception des capteurs flous a ici t aborde selon une approche interpolative dans un univers numrique multidimensionnel. La connaissance intgre dans le capteur est une simple collection dexemples numriques que lon considre reprsentatifs de situations qualifiables linguistiquement. Le capteur agit en tant quinterface numrique/symbolique. A ce titre, il sintgre aisment dans une structure de contrle qui peut tre construite par expertise. Lorsque des donnes numriques entres/sortie sont disponibles, le capteur peut tre recalibr de faon ce que la connaissance experte colle la ralit numrique. VI.2.2 Agrgation par jeu de rgles La conception dun capteur flou peut tre aborde directement partir dune connaissance experte. En effet, dun point de vue entres/sortie, un capteur flou nest rien dautre quun systme SF4 priv de son interface de dfuzzification. A ce titre, il peut donc tre directement dvelopp partir dune base de rgles. Les capteurs prsents ici sont relatifs la problmatique du contrle de niveau en lingotire de coule continue. Le procd est soumis de nombreuses perturbations quil est intressant de pouvoir dtecter. Ainsi, deux capteurs spcifiques sont proposs, le premier visant dtecter les perturbations soudaines que reprsentent les dbouchages de busette, le second tant ddi la dtection de phnomnes oscillatoires. VI.2.2.1 Capteur flou de dbouchage Il sagit ici de concevoir un capteur capable de dtecter loccurrence dun dbouchage soudain de busette (cf paragraphe V.1). La mthode propose repose sur lobservation des trajectoires de dbouchage dans le plan de phase erreur de niveau / variation derreur. La figure 68 illustre une telle trajectoire dans un cas rel de dbouchage, lerreur tant dfinie comme la diffrence entre le niveau mesur et la consigne.
Variation derreur (mm/s) 20
15 10 5 0 -5 -10 -15 -20 -50

tel-00413006, version 1 - 2 Sep 2009

Dbut de dbouchage Comportement "normal" Dpassement de niveau


-40 -30 -20 -10 0 10 20 30 40 50

Erreur (mm)

Fig. 68 : Trajectoire dun dbouchage. Si le bruit de mesure induit des phnomnes instantans aberrants, trois zones peuvent nanmoins tre distingues dans le plan de phase. La premire, centre sur lorigine, correspond une zone non perturbe autour du point de fonctionnement. Les carts par rapport lorigine sont alors dus au bruit de mesure ou de petites perturbations. La seconde zone est constitue du demi-plan gauche, hormis la zone centrale prcdente. Un dbouchage induit une augmentation importante de niveau et par consquent une erreur positive, il ne peut donc se produire dans cette deuxime zone. Enfin, la troisime zone dlimite la rgion possible pour une trajectoire de dbouchage. Elle est complmentaire aux prcdentes et comprend donc le demi-plan droit hormis la zone centrale non perturbe. Le capteur dvelopp repose sur la dfinition de ces trois zones. A partir de lerreur et de sa variation, il fournit une description symbolique floue de

- 95 -

la variable Prsence dun dbouchage. Les partitions des univers de discours associs aux entres et la base de rgles utilise pour linfrence sont prsentes la figure 69. Il est noter que le rsultat dlivr se prsente sous la forme dune partie floue de symboles du type 0.2/Oui + 0.8/Non. VI.2.2.2 Capteur flou doscillations Il sagit maintenant de dtecter la prsence doscillations du niveau moyen dacier en lingotire dont lorigine est lie diffrents facteurs tels que, par exemple, des dfauts de gomtrie des rouleaux extracteurs ou encore des jeux et frottements dans le mcanisme de la quenouille. Pour un procd et des conditions dexploitation donns, il savre que la priode des oscillations pouvant apparatre est relativement bien connue. Si lon note T0 cette dernire, le capteur doit fournir une information concernant lexistence doscillations de priode T0. Cette contrainte sur la priode des oscillations permet de dissocier les vritables oscillations du niveau moyen, des vagues de surface pouvant induire des oscillations du niveau mesur si un capteur ponctuel est utilis.
N 1 Z+ P Erreur N 0 N 1 Z P Erreur P Variation derreur Variation derreur Z N Non Oui Oui Non Non Oui Non Oui Oui Z+ P

tel-00413006, version 1 - 2 Sep 2009

Fig. 69 : Implantation du capteur de dbouchage. Le phnomne recherch tant priodique, il est ncessaire dtudier le signal derreur sur une fentre de temps glissante. Le traitement propos se dcompose alors en deux tapes. La premire consiste analyser le signal derreur et produire amplitude (Ad) et priode (Td) des ventuelles oscillations dtectes. Si aucun phnomne priodique nest isol sur la fentre temporelle considre, les valeurs dlivres sont mises zro. La deuxime tape consiste construire linformation symbolique Prsence doscillations de priode T0. Elle ncessite bien videmment une comparaison de la priode des oscillations dtectes avec T0. Quant linformation damplitude Ad, elle est utilise pour filtrer les oscillations de faible amplitude pouvant tre dues la prsence de bruit sur le signal de niveau. Le mcanisme mis en oeuvre est donn la figure 70 La base de rgles illustre le fait que la dcision finale de Prsence doscillations de priode T0 nest valide que si les oscillations dtectes satisfont la fois ladquation en priode et le critre damplitude suffisante.
1 Mauvaise Bonne Mauvaise

0 1 Faible

T0 Eleve

Td

Td

Ad

Faible Eleve Non Non Oui Non

Bonne Mauvaise

Ad

Fig. 70 Implantation du capteur doscillations.

- 96 -

VI.3 Expertise et hirarchisation VI.3.1 Supervision de lois de commande Face un procd complexe, il est souvent dlicat, voire impossible, de synthtiser une loi de commande unique prenant en compte toutes les situations pouvant tre rencontres. Par contre, moyennant certaines hypothses ou simplifications sur le procd, il est gnralement possible de concevoir diffrents rgulateurs, chacun dentre eux rpondant un objectif de commande spcifique. Lide dveloppe ici est alors dexploiter ces rgulateurs ddis pour traiter le problme global de commande. En dautres termes, dun point de vue conceptuel, la tche est dcompose en sous-tches lmentaires que lon sait rsoudre selon une stratgie de diviser pour mieux rgner. Le but de ce paragraphe nest pas de traiter le problme de la dcomposition en gnral (voir [Lacrose97] pour une analyse bibliographique sur le sujet) mais plutt dillustrer celle-ci sur un exemple. Suivant le type de procd tudi, diffrentes dcompositions peuvent tre envisages. Dans le cas dun systme non linaire, le point de fonctionnement peut fournir un critre de dcomposition. On est alors amen tablir une famille de modles linariss tangents, chacun dentre eux permettant de synthtiser un rgulateur dont le domaine dutilisation est restreint au voisinage du point de fonctionnement considr. Une autre approche de la dcomposition repose sur une caractrisation des ventuelles perturbations affectant le procd. Un rgulateur spcifique peut alors tre associ chaque type de perturbation dtecte, permettant ainsi de la rejeter au mieux. Ltape de dcomposition du problme global repose sur les deux comptences complmentaires que sont celle du spcialiste procd et celle de lautomaticien. Le premier est en effet capable de dterminer les diffrents modes de fonctionnement du systme ainsi que les perturbations pouvant laffecter. Quant lautomaticien, il est en mesure de dterminer et de rgler un rgulateur adapt des contextes et des objectifs particuliers. Dans le cas de la coule continue, le spcialiste procd a isol trois comportements diffrents, ncessitant un traitement adapt. Le premier correspond aux incidents de dbouchage soudain de la busette, le deuxime lapparition doscillations priodiques du niveau moyen dacier en lingotire, enfin le troisime un mode de fonctionnement normal, cest--dire sans perturbation notoire du niveau de mtal. Le rle de lautomaticien est dlaborer, pour chaque comportement recens, un rgulateur permettant de traiter au mieux le problme correspondant. Dans le cas des dbouchages ou oscillations, lobjectif du contrle est de ramener le systme le plus rapidement possible dans un mode de fonctionnement normal (rejet de perturbations), situation dans laquelle lobjectif devient alors un objectif de rgulation. Dans la suite, on appellera : RD, un rgulateur permettant de rejeter les dbouchages de busette, RO, un rgulateur permettant de limiter les oscillations du niveau dacier, et RN, un rgulateur permettant dagir dans un contexte non perturb. Diverses techniques de synthse de ces contrleurs sont dtailles dans [Dussud99]. Lobjectif de la supervision tant de commuter entre les diffrents rgulateurs disponibles, il est ncessaire dlaborer des indicateurs permettant de qualifier le contexte courant. Dans notre cas, les capteurs de perturbations dvelopps prcdemment dlivrent linformation dexistence des phnomnes considrs. Le choix du rgulateur est ensuite effectu via un mcanisme dcisionnel base de rgles. Enfin, la commande applique au procd est calcule partir des sorties dlivres par les rgulateurs bas niveau. La structure globale de la commande supervise est rsume la figure 71.

tel-00413006, version 1 - 2 Sep 2009

- 97 -

La stratgie de commutation entre rgulateurs est labore partir des rgles suivantes, dcoulant de faon naturelle de la dcomposition initiale : Si dbouchage = Oui alors rgulateur = RD Si oscillations = Oui alors rgulateur = RO Si dbouchage = Non et oscillations = Non alors rgulateur = RN Dans les deux premires rgles, les prsences de dbouchage ou doscillations sont considres indpendamment lune de lautre, ce qui induit un conflit dans le choix du rgulateur lorsque les deux phnomnes se produisent simultanment. Pour rsoudre ce problme, il est tout simplement choisi de traiter en priorit la perturbation prpondrante.
Capteur de dbouchage Capteur doscillations Superviseur Procd Niveau + Consigne Erreur

Mcanisme dcisionnel

RN

uRN uRO uRD Mlangeur u de lois de commande

tel-00413006, version 1 - 2 Sep 2009

RO RD Rgulateurs "bas niveau"

Fig. 71 : Structure supervise pour la rgulation de niveau en coule continue. Lamplitude des oscillations tant gnralement bien infrieure aux variations de niveau occasionnes par un dbouchage, le rgulateur RD est choisi ds quun dbouchage est dtect. La base de rgles finale est alors donne la figure 72. Oscillations
Oui Non RD RN Oui Non RD RO

Dbouchage

Fig. 72 : Stratgie de commutation. Le rsultat dlivr par le mcanisme dcisionnel est une partie floue de symboles du type 0.2/ RN + 0.1/RO + 0.7/RD. Reste maintenant dfuzzifier celui-ci de faon dterminer la commande numrique appliquer au procd. Cette tape est ralise via le mlangeur de lois de commande par une moyenne des sorties de chacun des rgulateurs, pondres par le degr de validit associ. Si lon note respectivement uRN, uRO et uRD les sorties des rgulateurs et RN, RO et RD les degrs de validit correspondants, la commande appliquer est donne par : RN u RN + RO u RO + RD u RD u = ------------------------------------------------------------------------------------ . RN + RO + RD (110)

Dans la mesure o lon utilise des partitions floues strictes et que les infrences mises en oeuvre

- 98 -

utilisent les oprateurs produit et somme borne 1, la somme des degrs de validit est toujours gale 1. Lquation 110 se rsume alors : (111) u = RN u RN + RO u RO + RD u RD . Le mlangeur de lois de commande peut tre vu comme un dfuzzificateur symbolique utilisant, pour partitionner lunivers de discours associ u, trois singletons positionns respectivement en uRN, uRO et uRD. La structure supervise de la figure 71 rpond lattente initiale de la socit SERT dans la mesure o elle permet de capitaliser le savoir-faire acquis au fil des annes. Elle offre en outre un cadre daccueil suffisamment flexible pour autoriser la prise en compte de rgulateurs quelconques et faciliter lajout de nouvelles situations. A ce titre, laspect gnrique et modulaire, introduit par la supervision, est particulirement intressant pour lentreprise. Reste souligner que la dmarche dveloppe nest spcifique, ni la coule continue, ni la sidrurgie, ni mme la supervision de boucles de commande. Elle est en fait applicable toute problmatique dans laquelle la connaissance experte peut tre rpartie dans diffrents composants. Le chanage de blocs symboliques flous permet de vhiculer des informations linguistiques tout en prservant le caractre graduel de linformation. Cette caractristique est la base de la distribution de lexpertise dans diffrents blocs. Elle est dailleurs au centre de la hirarchisation de la connaissance experte telle quaborde dans le paragraphe suivant. VI.3.2 Hirarchisation dune connaissance experte La hirarchisation dune connaissance experte permet dapprhender des problmes relativement complexes par une analyse descendante. La mthodologie mise en oeuvre consiste simplement structurer la connaissance globale en termes de connaissances relatives des domaines spcifiques, elles mmes dcomposes par restrictions successives des domaines concerns. Au niveau le plus bas, la connaissance est gnralement exprimable partir dun nombre restreint de variables numriques. Bien que cette approche hirarchisante ait un caractre gnrique et puisse donc tre exploite pour diffrents problmes, elle est difficilement abordable en dehors de tout contexte. La dmarche est ici illustre sur une application spcifique, dveloppe dans le cadre dun contrat avec Renault Recherche. La problmatique tudie sinscrit dans un projet daide la conduite, et plus particulirement daide la gestion dune bote de vitesse ([Bonnetain81], [Ueda84]). Sur des vhicules quips de bote de vitesses manuelle, une utilisation efficace des rapports permet de rduire la consommation moyenne sans dgrader les performances globales. Pour aider le conducteur dans son choix de rapport, il est ncessaire destimer lefficacit dun rapport. De manire instantane, un rapport peut tre qualifi defficace sil permet un fonctionnement du moteur dans sa plage de meilleur rendement. Cependant, la proposition dun rapport jug instantanment efficace peut savrer totalement inapproprie si la dcision est prise sans aucune considration du dlai induit par le changement de rapport. En effet, un rapport jug efficace linstant courant (instant t) peut devenir totalement inadapt au moment o il est effectivement enclench (instant t+TE). Le retard TE engendr par lactionneur que reprsente loprateur humain coupl avec le systme mcanique est donc un paramtre essentiel qui doit tre pris en compte dans la stratgie de changement de rapport. Dans ce contexte, un mcanisme de prdiction du temps dexcution dun changement de rapport (TE) est propos. Celui-ci est dfini comme tant le temps coul entre le dbut de laction du conducteur et linstant o le rapport est effectivement enclench. Sil peut tre dtermin a posteriori partir de signaux mesurs en ligne (rgime en sortie de bote, rgime moteur, ...), sa prdiction reste un problme complexe, ignor dans [Ueda84] et trait via des valeurs pr-dtermines dans [Bonnetain81]. Dans la prsente tude, la prdiction de TE est aborde partir de la connais-

tel-00413006, version 1 - 2 Sep 2009

- 99 -

sance experte du domaine. Dans une premire tape, le temps dexcution que lon cherche prdire est dcompos en deux contributions dorigine diffrente, appeles respectivement temps minimal et temps additif. Dun point de vue interprtation, le temps minimal correspond un dlai incompressible d aux contraintes mcaniques de la bote de vitesse. Il est donc indpendant du contexte de conduite et du chauffeur. Quant au temps additif, il reflte essentiellement la faon dont le conducteur gre le changement de rapport. Il est bien videmment li au conducteur mais aussi la situation de conduite dans laquelle se produit le changement de rapport. Cette dcomposition additive du temps dexcution permet de restreindre la prdiction celle du temps additif, le temps minimal pouvant tre dtermin a priori par une caractrisation de la bote de vitesse. La structure globale propose est illustre la figure 73. Elle comporte deux blocs indpendants chargs respectivement de prdire le temps additif et de dterminer le temps minimal. La prdiction du temps additif est base sur un ensemble de variables contextuelles. Par contre, seul le changement de rapport envisag est ncessaire la dtermination du temps minimal.

tel-00413006, version 1 - 2 Sep 2009

Variables contextuelles Changement de rapport

Prdiction du temps additif Dtermination du temps minimal

T + + TM T

Fig. 73 : Architecture globale du systme de prdiction. Le mcanisme de prdiction du temps additif a t dvelopp partir dun recueil dexpertise, ralis sur site industriel par un intervenant extrieur lentreprise (tudiant post DEA). Outre le fait quelle repose sur des systmes SF4, larchitecture propose prsente les caractristiques suivantes. - Le systme est implant selon une structure modulaire et hirarchise deux tages. Les blocs du premier niveau ont pour objectif de construire, partir de donnes numriques, une reprsentation symbolique floue de diffrents concepts caractrisant la situation. A ce titre, ils sont assimilables des capteurs flous. Au niveau haut, on trouve un bloc dcisionnel dlivrant la prdiction du temps additif. - Les blocs du permier tage contiennent un module dinfrence symbolique (4 dans la typologie des systmes flous) dont les entres et sortie sont des sous-ensembles flous symboliques. Les sorties de ces blocs tant les entres du bloc de dcision, le transfert dinformations est direct. Le chanage des bases de rgles est alors immdiat et ne ncessite aucun retour un univers numrique factice. - Une interface NS est intgre dans les blocs de bas niveau afin de convertir les donnes numriques en sous-ensembles flous symboliques avant de les transmettre au module de raisonnement. A linverse, le bloc dcisionnel ralise une conversion SN de faon produire une prdiction numrique du temps additif. Dun point de vue pratique et selon la figure 74, le contexte du changement de rapport est dcrit selon trois facettes distinctes. La premire concerne le profil de la mission en cours (PM). Il est dtermin partir de la vitesse instantane du vhicule (VV) et du nombre de changements de

- 100 -

rapports effectus dans un intervalle de temps fix prcdant la prdiction (NBRAP). La seconde facette est plus particulirement associe au chauffeur puisquil sagit de caractriser son dynamisme de conduite (DC). Celui-ci est valu partir de la drive de la course de la pdale dacclration (DA) et du temps additif moyen ralis sur les derniers changements de rapport effectus (TAM). Laccs cette grandeur ncessite de raliser en diffr le calcul du temps dexcution dun changement de rapport et de lui soustraire le temps minimal associ. On obtient ainsi le temps additif rel. Une moyenne glissante peut alors tre ralise sur les derniers changements de rapports effectus. Enfin, le contexte dun changement de rapport peut galement tre caractris dun point de vue de la charge du vhicule (CH). La notion de charge est dfinie ici comme leffet combin de la masse du vhicule (M) et de leffort rsistant qui lui est appliqu (EFRES). La dcision finale concernant le temps additif associ un changement de rapport est prise au regard des trois grandeurs caractristiques values au niveau bas de la structure. Caractrisation du profil de mission VV tel-00413006, version 1 - 2 Sep 2009 NBRAP NS NS Caractrisation du dynamisme de conduite DA TAM NS NS 4 DC Dcision 4 SN T 4 PM

Caractrisation de la charge M EFRES NS NS 4 CH

Fig. 74 : Prdiction du temps additif. A titre dexemple, la figure 75 dcrit la mise en oeuvre du bloc de caractrisation du profil de mission PM, qualifi laide des termes NATionale, AUToroute et TRANSitoire. Faible Eleve Faible Elev VV NBRAP Faible Elev NAT TRANS AUT TRANS

1 0

10

VV 0 90 (km/h) 0

NBRAP

Faible Eleve

Fig. 75 : Caractrisation du profil de mission Le temps additif tant prdit, il ne reste plus qu lui ajouter le temps minimal pour obtenir la prdiction finale du temps dexcution du passage de rapport (T) (cf figure 73). La dtermination du temps minimal TM dpend du changement de rapport considr. Celui-ci est spcifi

- 101 -

sous la forme dun couple regroupant rapport initial et rapport final, not (Ni, Nf). La caractrisation de la bote de vitesse utilise consiste alors dterminer pour chaque couple (N i, Nf) le temps de passage minimal associ. Elle aboutit lobtention dune matrice de valeurs prdtermines estimes partir dessais raliss, soit sur banc, soit sur circuit. Les travaux prsents ont fait lobjet dune demande de dpt de brevet intitul Module de prdiction des temps de passage de rapports dun vhicule industriel auprs de la direction de la recherche de Renault. Ce paragraphe nous a permis dillustrer, partir dapplications relles, diffrentes possibilits de distribution de lexpertise au sein dune architecture globale. Si la majorit des travaux est clairement associe une problmatique de commande, il nen demeure pas moins que la dmarche envisage nest pas ddie au contrle, ainsi quen atteste dailleurs la dernire tude prsente. Il est maintenant important dextraire quelques lments cls permettant de positionner nos travaux dans un contexte gnral. La premire remarque que nous pouvons faire concerne laspect gnrique de lintgration dexpertise au sein dun composant flou. En effet, quelle que soit la fonction de celui-ci (capteur, contrleur, organe de dcision, ....), lintroduction de la connaissance experte relve du mme mcanisme qui peut prendre deux formes distinctes, savoir : - criture directe des rgles, - utilisation dexemples. Notons que la deuxime situation regroupe la fois lapproche interpolative mise en oeuvre dans les capteurs (cf paragraphe VI.2.1) et lexploitation du principe des quivalences modales prconis pour la construction des contrleurs flous (cf chapitre I et paragraphe V.2). Dans les deux cas, il est notamment possible daider lexpert en utilisant une technique dapprentissage incrmentale pour slectionner les exemples les plus pertinents au vue de linterpolation produite. Lunique diffrence rside en fait dans la nature des exemples considrs qui doivent tre rpartis sur un maillage rectangulaire lorsque lon cherche gnrer des rgles. Cette premire constatation nous conduit tout naturellement revenir la mthodologie de conception labore pour les contrleurs flous (cf paragraphe V.3) et lappliquer dans le contexte plus gnral de dveloppement dune architecture distribue. Chaque composant flou peut tre trait de manire similaire en ce qui concerne lintgration dexpertise. Reste alors introduire la notion de distribution, voire de hirarchisation, pour aboutir une mthodologie gnrale. A nos yeux, cette dernire peut tre apprhende en itrant les tapes , et selon une analyse descendante de faon dcomposer la tche globale excuter en un ensemble de sous-tches lmentaires que lon sait rsoudre.

tel-00413006, version 1 - 2 Sep 2009

VII Conclusion
Lensemble des travaux prsents dans ce chapitre repose sur une implantation SF4 des systmes flous. Il nous semble donc tout naturel de revenir ici sur les proprits fondamentales de ces derniers qui sont la base des dveloppements proposs. Dun point de vue pratique, les systmes SF4 se prsentent sous la forme dune collection de rgles la Mamdani, la diffrence prs quun poids est attribu chacune dentre elles. Cette caractristique leur confre lisibilit et pouvoir explicatif, lments essentiels la mise en place dune dmarche experte. En effet, si un expert est mme de comprendre et danalyser un ensemble de rgles, on peut esprer quil soit galement

- 102 -

capable de le produire et ainsi envisager un codage dexpertise. Sous lhypothse dun partitionnement triangulaire strict des univers de discours dentre, les systmes SF4 permettent de reprsenter de manire exacte un systme de Sugeno conclusions constantes. Cette proprit permet dtablir un lien fort avec les travaux du chapitre I. Combine laspect linguistique voqu ci-dessus, elle autorise en outre lintgration dans un formalisme unique de connaissances de nature diverse (lois de commande numriques, donnes mesures, expertise). Limplantation SF4 permet un dcouplage complet des tches de conversion et de raisonnement. Cette caractristique permet daborder une distribution des traitements mais aussi de lexpertise. Elle ouvre ainsi la voie au dveloppement darchitectures nouvelles dans lesquelles il devient possible de manipuler des grandeurs subjectives et de chaner des blocs de nature diffrente (dtection, prise de dcision, supervision, filtrage, commande, ...). Dans ce contexte, limplantation SF4 des systmes flous nous semblent rpondre des proccupations actuelles de la communaut floue. Elle offre notamment la possibilit de calculer avec les mots tout en garantissant, via des interfaces de conversion, une cohrence avec le calcul numrique. Il nen demeure pas moins que de nombreux efforts sont encore fournir avant de pouvoir prtendre au dveloppement dune thorie des systmes linguistiques. A nos yeux, une des faiblesses de lapproche SF4 actuelle rside dans la pauvret dexpression des rgles exploites, due essentiellement la difficult dimplantation dune smantique particulire de rgles. Pour amliorer le codage dexpertise, il est important dtudier en profondeur la possibilit dimplanter, via une approche SF4, des rgles conjonctives mais aussi des rgles implicatives. Nous avons dej entrepris une premire rflexion sur les rgles certitude (cf paragraphe III), ltude des rgles graduelles est maintenant une de nos perspectives prioritaires. De manire plus gnrale, il nous semble aujourdhui primordial de situer nos travaux dans le cadre du raisonnement. En effet, ce nest sans doute quau prix dune comprhension fine des mcanismes associs au raisonnement que nous pourrons envisager leur usage potentiel en commande. Un autre type de perspective tout aussi attrayant concerne la caractrisation, ou tout au moins la dtermination de proprits lmentaires, dun systme SF4 dont on connat la base de rgles. Si lon voit une base de rgles comme une fonction de transfert ou plus exactement comme une classe de fonctions de tranfert, il est en effet probablement possible den dduire certaines caractristiques du systme correspondant, sous lhypothse quun ordre soit tabli sur les mots utiliss. Il est sans doute galement possible dtablir des contraintes sur les interfaces de conversion pour le systme possde une proprit donne. On imagine aisment pouvoir ainsi aborder les notions de monotonie ou encore de linarit un niveau linguistique. Reste un pas franchir pour apprhender le concept de stabilit.

tel-00413006, version 1 - 2 Sep 2009

- 103 -

tel-00413006, version 1 - 2 Sep 2009

- 104 -

Conclusion gnrale

tel-00413006, version 1 - 2 Sep 2009

Ce manuscrit nous a permis daborder les aspects numrique mais aussi linguistique de la commande floue. Dans chacun de ces domaines, nous avons tent dapporter une contribution originale. Dans un cadre numrique, celle-ci prend la forme du principe des quivalences modales alors que dun point de vue linguistique, elle se concrtise par une implantation purement symbolique des systmes flous. Nous avons eu loccasion de discuter en dtails des diffrentes applications qui pouvaient dcouler dune exploitation conjointe de ces deux approches. Des perspectives nos travaux ont t voques en conclusion des deux chapitres de ce mmoire, aussi, ne nous parat-il pas opportun de revenir ici sur les aspects scientifiques ou techniques des outils proposs, mais plutt de rflchir la dmarche que nous avons dveloppe. Le choix que nous avons fait pour prsenter nos travaux a t de mettre en vidence lintrt des techniques floues pour la commande des processus en insistant sur la dualit entre reprsentation numrique et reprsentation symbolique de linformation. Il y a bientt trente ans, Zadeh sinterrogeait dj sur cette dualit et crivait ([Zadeh72]) : I also believe that, in order to provide a hostipable environment for the development of fuzzy algorithms, control theory must become less preoccupied with mathematical rigor and precision, and more concerned with the development of qualitative or approximate solutions to pressing real world problems. Such a theory may well turn out to be far richer and far more exciting than control theory is today. Pour notre part, nous sommes convaincus quune relle avance en terme dautomatisation des systmes industriels ne peut tre obtenue quen optimisant le fonctionnement global dune application et non plus chacun de ses constituants pris individuellement. Dans cette optique, il nous semble ncessaire dvoluer vers une approche de la commande de haut niveau, regroupant les aspects lis la fusion dinformations, le diagnostic, la dcision et la supervision et permettant dintgrer lhomme dans le schma global dautomatisation. De notre point de vue, les techniques floues sont particulirement prometteuses dans ce contexte puisquelles permettent dintgrer, dans un formalisme unique, des informations numriques mais aussi des connaissances expertes. Une autre cl de lecture de nos travaux pourrait aussi tre la comparaison entre la conception de lois de commande floues partir de modles et celle reposant sur des heuristiques, dont la finalit serait alors de rpondre la question du choix de lune ou lautre de ces deux stratgies. A travers les diffrentes applications que nous avons dveloppes, nous avons pu montrer quelles permettaient toutes deux daboutir des rsultats satisfaisants. Cependant, cela ne signifie pas pour autant que les solutions retenues soient uniques. Ainsi, la commande daxe de robot, utilise dans ce document pour illustrer la dmarche oriente modle, aurait probable-

- 105 -

ment pu tre aborde selon une approche experte puis calibre partir dun protocole dessais/ erreurs. A linverse, la rgulation de niveau dacier en lingotire de coule continue, traite ici par un codage direct dexpertise, aurait sans doute pu tre apprhende partir dun modle fin du procd quil aurait alors fallu identifier dans une phase prliminaire. En dehors de tout contexte, il nous parat clair quaucune rponse systmatique ne peut tre avance. Il nous semble cependant que nous pouvons tirer de nos travaux une orientation gnrale. Ainsi, lorsquun modle du procd a t identifi, la dmarche naturelle consiste lexploiter pour synthtiser la loi de commande. Cette approche est dailleurs dautant plus justifie que lobjectif de commande est spcifi de manire quantitative et quaucune interaction homme/machine nest envisage. La majorit des publications vont actuellement dans ce sens, mais conduisent parfois sinterroger sur la signification de la classification comme contrleurs flous des structures de commande obtenues. Nous pensons en particulier aux approches de type PDC et leurs variantes qui permettent certes des preuves de stabilit mais pour lesquelles les fonctions dappartenance rendent linterprtation difficile, pour ne pas dire impossible. Dun autre ct, en labsence de modle numrique et dans la mesure o une connaissance experte peut tre formule, lapproche symbolique permet de saffranchir des cots que reprsente ltape prliminaire dune modlisation. Cette solution se fait cependant au dtriment dune garantie de performances puisquil devient impossible dassurer la stabilit ou la robustesse du systme boucl autrement que par une vrification exprimentale qui na videmment pas valeur de preuve. Dans ces conditions, en prenant en compte le cot associ lobtention dun modle, le choix dune synthse experte relve plus dune stratgie dentreprise que dun rel problme scientifique. Il nous semble donc que le dbat sur les avantages ou les inconvnients de la commande floue ne devrait plus tre plac un niveau purement scientifique, comme cela a parfois t tent de manire un peu polmique, en raison de son intrt trs limit tant quil ne sera pas possible dintgrer des critres conomiques, ayant parfois une dimension marketing, dans des comparaisons objectives.

tel-00413006, version 1 - 2 Sep 2009

- 106 -

Rfrences
[Babuska95] R. Babuska, J. Sousa, H.B. Verbruggen, Model-based design of fuzzy control systems, Proc. of the 3rd European Congress on Intelligent Techniques and Soft Computing (EUFIT95), Aachen, Allemagne, pp. 837-841, 95. R. Babuska, M. Setnes, U. Kaymak, H.R. Van Nauta Lemke, Rule base simplification with similarity measures, Proc. of the 5th IEEE Int. Conf. on Fuzzy Systems (FUZZIEEE96), New Orleans, USA, pp. 1642-1647, Sept. 96. P. Baranyi, P. Korondi, H. Hashimoto, Z. Suto, Learning fuzzy controller based on linguistic model inversion, Proc. of the 7th Int. Power Electronics & Motion Control Conf. (PEMC96), Budapest, Hongrie, pp. 467-471, 96. P. Baranyi, I. Bavelaar, L.T. Koczy, A. Titli, Inverse rule base of various fuzzy interpolation techniques, Proc. of the 7th IFSA World Congress, Prague, Tchquie, pp. 121-126, 97. E. Benoit, Capteurs symboliques et capteurs flous : un nouveau pas vers lintelligence, Thse de doctorat, Universit de Grenoble, Janvier 93. M. Bikdash, A highly interpretable form of Sugeno inference systems, IEEE Trans. on Fuzzy Systems, vol. 7, no. 6, pp. 686-696, Dec. 99. Y. Bonnetain, J.P. Sibeud, Road transportation vehicle drive assist process and apparatus, US Patent 4,463,427, Renault Vhicules Industriels, July 81. B. Bouchon-Meunier, La logique floue, Collection Que sais-je, no 2702, Presses Universitaires de France, 93.

[Babuska96]

[Baranyi96]

tel-00413006, version 1 - 2 Sep 2009

[Baranyi97]

[Benoit93] [Bikdash99] [Bonnetain81]

[Bouchon93]

[Boukezzoula97] R. Boukezzoula, S. Galichet, L. Foulloy, Fuzzy Input-Output Linearization of Nonlinear Systems, Proc. of the 5th European Congress on Intelligent Techniques and Soft Computing (EUFIT97), Aachen, Germany, Vol. 2, pp. 1316-1320, Sept. 97. [Boukezzoula98] R. Boukezzoula, S. Galichet, L. Foulloy, Fuzzy Learning Control of Nonlinear Systems Using Input-Output Linearization, Proc. of the 1998 IEEE Int. Conf. on Systems, Man, and Cybernetics (SMC98), San Diego, California, USA, pp. 2095-2100, Oct. 98. [Boukezzoula00] R. Boukezzoula, Commande floue dune classe de systmes non linaires : application au problme de suivi de trajectoire, Thse de doctorat, Universit de Savoie, Mars 2000.

- 107 -

[Boukezzoula01] R. Boukezzoula, S. Galichet, L. Foulloy, Robust fuzzy control for a class of continuous nonlinear systems using input-output linearization: Real-time implementation for a robot wrist, Proc. of the 2001 IEEE Int. Conf. on Control Applications (CCA2001), Mexico, Mexique, Sept. 2001, pp 311-316. [Boukezzoula02] R. Boukezzoula, S. Galichet, L. Foulloy, Fuzzy Nonlinear Adaptive Internal Model Control (FNAIMC), European Journal of Control, paratre. [Bouslama92] [Buckley89] [Buckley92] tel-00413006, version 1 - 2 Sep 2009 [Buckley93] [Chao96] F. Bouslama, A. Ichikawa, Fuzzy control rules and their natural control laws, Fuzzy Sets and Systems, vol. 48, pp. 65-86, 1992. J.J Buckley and H. Ying, Fuzzy Controller Theory : Limit Theorems for Linear Fuzzy Control Rules, Automatica, vol. 25, pp. 469-472, 1989. J.J Buckley, Universal fuzzy controllers, Automatica, vol. 28, no. 6, pp. 1245-1248, 1992. J.J Buckley, Sugeno type controllers are universal controllers, Fuzzy Sets and Systems, vol. 53, pp. 299-303, 1993. C.T. Chao, Y.J. Chen, C.C. Teng, Simplification of fuzzy-neural systems using similarity analysis, IEEE Trans. on Systems, Man, and Cybernetics, Part B, vol. 26, no. 2, pp. 344-354, April 96.

[Charbonnier00] S. Charbonnier, S. Galichet, G. Mauris, J.P. Sich, Statistical and Fuzzy Models of Ambulatory Systolic Blood Pressure for Hypertension Diagnosis, IEEE Trans. on Instrumentation and Measurement, Vol. 49, N 5, October 2000, pp. 998-1003. [Cordon99] O. Cordon, F. Herrera, A two-stage evolutionary process for designing TSK fuzzy rule-based systems, IEEE Trans. on Systems, Man, and Cybernetics, Part B, vol. 29, no. 6, pp. 703-715, Dec. 99. O. Cordon, F. Herrera, A proposal for improving the accuracy of linguistic modeling, IEEE Trans. on Fuzzy Systems, vol. 8, no. 3, pp. 335-344, June 2000. J.V. de Oliveira, Design methodology for fuzzy system interfaces, IEEE Trans. on Fuzzy Systems, vol. 3, no. 4, pp. 404-414, Nov. 95. J.V. de Oliveira, Semantic constraints for membership function optimization, IEEE Trans. on Systems, Man, and Cybernetics, Part A, vol. 29, no. 1, pp. 128-138, Jan. 99. J.A. Dickerson, B. Kosko, Fuzzy function approximation with ellipsoidal rules, IEEE Trans. on Systems, Man, and Cybernetics, Part B, vol. 26, no. 4, pp. 542-560, Aug. 96.

[Cordon00]

[deOliveira95] [deOliveira99]

[Dickerson96]

- 108 -

[Ding00]

Y. Ding, H. Ying, Necessary conditions on minimal system configuration for general MISO Mamdani fuzzy systems as universal approximators, IEEE Trans. on Systems, Man, and Cybernetics, Part B, vol. 30, no. 6, pp. 857-863, Dec. 2000. D. Dubois, H. Prade, Thorie des possibilits, Masson, 2ime dition, 87. D. Dubois, L. Foulloy, S. Galichet, H. Prade, Two different views of approximate reasoning, Proc. of the 7th Int. Fuzzy Systems Association World Congress (IFSA97), Prague, Czech Republic, June 97, Vol. 1, pp. 238-242. D. Dubois, L. Foulloy, S. Galichet, H. Prade, Performing approximate reasoning with words?, in Computing with Words in Information/Intelligent Systems 1 - Foundations, (L.A. Zadeh, J. Kacprzyk Eds), PhysicaVerlag, 1999, pp. 24-49. M. Dussud, S. Galichet, L. Foulloy, Design and implementation of a fuzzy-logic controller for brass casting control, Proc. of the 4th European Congress on Intelligent Techniques and Soft Computing (EUFIT96), Aachen, Germany, pp. 1230-1236, Sept. 96. M. Dussud, S. Galichet, L. Foulloy, Application of fuzzy logic control for continuous casting mold level control, IEEE Trans. on Control Systems Technology, vol. 6, no. 2, pp. 246-256, March 98. M. Dussud, Rgulation de niveau en lingotire de coule continue, Thse de doctorat, Universit de Savoie, Nov. 99. A. El Hajjaji, A. Rachid, Explicit formulas for fuzzy controller, Fuzzy Sets and Systems, vol. 62, pp. 135-141, 1994. A. El Hajjaji, A. Rachid, Analytic formulation of linguistic rules for fuzzy controller, Fuzzy Sets and Systems, vol. 73, pp. 219-225, 1995. A. Evsukoff, A.C.S. Branco, S. Galichet, Structure identification and parameter optimization for non-linear fuzzy modeling, Fuzzy Sets and Systems, accept avec rvision mineure, 2002. W.A. Farag, V.H. Quintana, G. Lambert-Torres, A genetic-based neurofuzzy approach for modeling and control of dynamical systems, IEEE Trans. on Neural Networks, vol. 9, no. 5, pp. 756-767, Sept. 98. L. Foulloy, S. Galichet, Fuzzy Sensor for Fuzzy Control, Int. Journal of Uncertainty, Fuzziness and Knowledge-Based Systems, vol. 2, no. 1, 1994, pp. 55-66. Foulloy L., Galichet S., E. Benoit, Fuzzy control with fuzzy state sensors, Proc. of the 2nd European Congress on Fuzzy Intelligent

[Dubois87] [Dubois97]

[Dubois99]

tel-00413006, version 1 - 2 Sep 2009

[Dussud96]

[Dussud98]

[Dussud99] [El Hajjaji94] [El Hajjaji95] [Evsukoff02]

[Farag98]

[Foulloy94a]

[Foulloy94b]

- 109 -

Technologies (EUFIT 94), Aachen, Germany, pp. 1156-1160, Sept. 94. [Foulloy95a] L. Foulloy, S. Galichet, Typology of Fuzzy Controllers, in Theoretical Aspects of Fuzzy Control (H.T. Nguyen, M. Sugeno, R. Tong, and R. Yager Eds), John Wiley & Sons, 1995, pp. 65-90. L. Foulloy, S. Galichet, Representations of Mamdanis Controllers, Proc. of the 6th Int. Fuzzy System Association World Congress (IFSA 95), Sao Paulo, Brasil, July 95, pp. 581-584. L. Foulloy, S. Galichet, Evaluation des performances de contrleurs flous partir dun benchmark, RAIRO-APII-JESA, Vol. 30, no. 5, pp. 585-605, 1996. L. Foulloy, S. Galichet, Fuzzy and Linear Controllers, in FUZZY SYSTEMS Modeling and Control (H.T. Nguyen, M. Sugeno Eds), The Handbooks of Fuzzy Sets Series, Kluwer Academic Publishers, pp. 197225, 1998. S. Galichet, M. Dussud, L. Foulloy, Contrleurs flous : quivalences et tudes comparatives, Actes des 2imes Journees Nationales sur les Applications des Ensembles Flous, Nimes, France, pp. 229-236, Nov. 1992. S. Galichet, L. Foulloy, Fuzzy Equivalence of Classical Controllers, Proc. of the 1st European Congress on Fuzzy Intelligent Technologies (EUFIT 93), Aachen, Germany, pp. 1567-1573, Septembre 1993. Galichet S., Foulloy L., Chebre M., Beauchene J., Fuzzy Logic Control of a Floating Level in a Refinery Tank, Proc. of the 3rd IEEE Conf. on Fuzzy Systems (FUZZ-IEEE 94), Orlando, USA, pp. 1538-1542, June 1994. Galichet S., Foulloy L., State Feedback Fuzzy Controllers, Proc. of the 2nd European Congress on Fuzzy Intelligent Technologies (EUFIT 94), Aachen, Germany, pp. 1161-1167, Sept. 94. S. Galichet, L. Foulloy, Fuzzy Controllers: Synthesis and Equivalences, IEEE Trans. on Fuzzy Systems, vol. 3, no. 2, pp. 140-148, 1995. S. Galichet, D. Passaquay, L. Foulloy, Rulebase structure identification or reduction in the framework of fuzzy learning, Proc. of the 7th IFSA World Congress, Prague, pp. 363-368, 1997. S. Galichet, L. Foulloy, Size reduction in fuzzy rulebases, Proc. of the IEEE Int. Conf. on Systems, Man and Cybernetics (SMC98), San Diego, USA, pp. 2107-2112, Oct. 98. S. Galichet, S. Charbonnier, G. Mauris, J.P. Sich, A Fuzzy Linguistic

[Foulloy95b]

[Foulloy96]

[Foulloy98]

tel-00413006, version 1 - 2 Sep 2009

[Galichet92]

[Galichet93]

[Galichet94a]

[Galichet94b]

[Galichet95] [Galichet97]

[Galichet98]

[Galichet00]

- 110 -

Model for Ambulatory Systolic Blood Pressure Variation Prediction, Proc. of the IEEE Int. Conf. on Fuzzy Systems (FUZZIEEE 2000), San Antonio (TX), USA, pp. 522-527, May 2000. [Galichet01] S. Galichet, Expression analytique unique de la sortie dun contrleur flou de Mamdani, Rapport interne LAMII 01-02, Universit de Savoie, Octobre 2001. F. Guly, P. Siarry, A centred formulation of Takagi-Sugeno rules for improved learning efficiency, Fuzzy Sets and Systems, vol. 62, pp. 277285, 1994. F. Herrera, L. Martinez, A 2-tuple fuzzy linguistic representation model for computing with words, IEEE Trans. on Fuzzy Systems, vol. 8, no. 6, pp. 746-752, April 2000. C.M. Higgins, R.M. Goodman, Fuzzy rule-based networks for control, IEEE Trans. on Fuzzy Systems, vol. 2, no. 1, pp. 82-88, Feb. 94. B. Hu, G.K.I. Mann, R.G. Gosine, New methodology for analytical and optimal design of fuzzy PID controllers, IEEE Trans. on Fuzzy Systems, vol. 7, no. 5, pp. 521-539, April 2000. H. Ishibuchi, K. Nozaki, H. Tanaka, Y. Hosaka, M. Matsuda, Empirical study on learning in fuzzy systems by rice taste analysis, Fuzzy Sets and Systems, vol. 64, pp. 129-144, 94. J-S. R. Jang, ANFIS: Adaptive-network-based fuzzy inference system, IEEE Trans. on Systems, Man, and Cybernetics, vol. 23, no. 3, pp. 665-684, May 93. M.S. Jenkins, B.G. Thomas, W.C. Chen, R.B. Mahapatra, Investigation of strand surface defects using mold instrumentation and modeling, Iron and Steel Society, Warrendale, PA, 94. Y. Jin, Fuzzy modeling of high-dimensional systems: complexity reduction and interpretability improvement, IEEE Trans. on Fuzzy Systems, vol. 8, no. 2, pp. 212-221, April 2000. E. Kim, M. Park, S. Ji, M. Park, A new approach to fuzzy modeling, IEEE Trans. on Fuzzy Systems, vol. 5, no. 3, pp. 328-337, Aug. 97. L.T. Koczy, K. Hirota, Size reduction by interpolation in fuzzy rule bases, IEEE Trans. on Systems, Man, and Cybernetics, Part B, vol. 27, no. 1, pp. 14-25, Feb. 97. B. Kosko, Optimal fuzzy rules cover extrema, Int. Journal of Intelligent Systems, vol. 10, pp. 249-255, 95. Y. Kueon, J.S. Bedi, Input-ouput fuzzy systems and the inverse pro-

[Guly94]

[Herrera00]

[Higgins94] tel-00413006, version 1 - 2 Sep 2009 [Hu99]

[Ishibuchi94]

[Jang93]

[Jenkins94]

[Jin00]

[Kim97] [Koczy97]

[Kosko95] [Kueon95]

- 111 -

blem, Proc of the SPIE, Applications of fuzzy logic technology II, Eds B. Bosacchi, J.C. Bezdek, vol. 2493, pp. 340-346, 95. [Lacrose97] V. Lacrose, Rduction de la complexit des contrleurs flous : application la commande multivariable, Thse de doctorat, Institut National des Sciences Appliques de Toulouse, Nov. 97. H.X. Li, H.B. Gatland, A new methodology for designing a fuzzy logic controller, IEEE Trans. on Systems, Man, and Cybernetics, vol. 25, no. 3, pp. 505-512, March 95. H.X. Li, H.B. Gatland, A.W. Green, Fuzzy variable structure control, IEEE Trans. on Systems, Man, and Cybernetics, Part B, vol. 27, no. 2, pp. 306-312, April 97. H.X. Li, S.K. Tso, Higher order fuzzy control structure for higher order or time-delay systemsl, IEEE Trans. on Fuzzy Systems, vol. 7, no. 5, pp. 540-552, Oct. 99. Y. Lin, G.A. Cunningham III, A new approach to fuzzy-neural system modeling, IEEE Trans. on Fuzzy Systems, vol. 3, no. 2, pp. 190-198, May 95. J. Lygeros, A formal approach to fuzzy modeling, IEEE Trans. on Fuzzy Systems, vol. 5, no. 3, pp. 317-327, August 97. P.J. MacVicar-Whelan, Fuzzy sets for man-machine interaction, Int. J. Man-Machine Studies, vol. 8, pp. 687-697, 1976. E.H. Mamdani, S. Assilian, An experiment in linguistic synthesis with a fuzzy logic controller, Int. J. Man-Machine Studies, vol. 7, pp. 1-13, 1975. G.K.I. Mann, B.G. Hu, R.G. Gosine, Analysis of direct action - Fuzzy PID Controller Structures, IEEE Trans. on Systems, Man, and Cybernetics, Part B, vol. 29, no. 3, pp. 371-388, June 99. G. Mauris, Capteurs ultrasonores intelligents : application la reprsentation symbolique de mesures de distance par codage flou, Thse de doctorat, Universit de Savoie, Juin 92. G. Mauris, E. Benoit, L. Foulloy, Fuzzy symbolic sensors - From concepts to applications, Measurement, vol. 12, pp. 357-384, 94. G. Mauris, E. Benoit, L. Foulloy, The aggregation of complementary information via fuzzy sensors, Measurement, vol. 17, no. 4, pp. 235249, 96. M. Mizumoto, Fuzzy control under product-sum gravity methods and new fuzzy control methods, in Fuzzy Control Systems, A. Kandel and

[Li95]

[Li97]

[Li99] tel-00413006, version 1 - 2 Sep 2009

[Lin95]

[Lygeros97] [MacVicar76] [Mamdani75]

[Mann99]

[Mauris92]

[Mauris94] [Mauris96]

[Mizumoto93]

- 112 -

G. Langholz, Eds. Boca Raton, FL:CRC Press, pp. 276-294, 1993. [Moon95] B.S. Moon, Equivalence between fuzzy logic controllers and PI controllers for single input systems, Fuzzy Sets and Systems, vol. 69, pp. 105113, 1995. R.K. Mudi, N.R. Pal, A robust self-tuning scheme for PI- and PD-type fuzzy controllers, IEEE Trans. on Fuzzy Systems, vol. 7, no. 1, pp. 2-16, Feb. 99. Y. Nakoula, "Apprentissage des modles linguistiques flous, par jeu de rgles pondres", Thse de doctorat, Universit de Savoie, Juillet 97. Y. Nakoula, S. Galichet, L. Foulloy, "Identification of Linguistic Fuzzy Models Based on Learning", in Fuzzy Model Identification - Selected Approaches, H. Hellendoorn, D. Driankov (Eds.), Springer Verlag, pp. 281-319, 1997. J.H. Nie, T.H. Lee, Rule-based modeling: fast construction and optimal manipulation, IEEE Trans. on Systems, Man, and Cybernetics, part A, vol. 26, no. 6, pp. 728-738, Nov. 96. K. Nozaki, H. Ishibuchi, H. Tanaka, A simple but powerful heuristic method for generating fuzzy rules from numerical data, Fuzzy Sets and Systems, vol. 86, pp. 251-270, 1997. S. Park, T. Han, Iterative inversion of fuzzified neural networks, IEEE Trans. on Fuzzy Systems, vol. 8, no. 3, pp. 266-280, June 2000. W. Pedrycz, An identification algorithm in fuzzy relational systems, Fuzzy Sets and Systems, vol. 13, pp. 153-167, 1984. W. Pedrycz, J.V. de Oliveira, Optimization of fuzzy models, IEEE Trans. on Systems, Man, and Cybernetics, part B, vol. 26, no. 4, pp. 627636, Aug. 96. W. Pedrycz, M. Reformat, Rule-based modeling of nonlinear relationships, IEEE Trans. on Fuzzy Systems, vol. 5, no. 2, pp. 256-269, May 97. I. Rojas, H. Pomares, J. Ortega, A. Prieto, Self-organized fuzzy system generation from training examples, IEEE Trans. on Fuzzy Systems, vol. 8, no. 1, pp. 23-36, Feb. 2000. W. Siler, H. Ying, Fuzzy control theory: the linear case, Fuzzy Sets and Systems, vol. 33, pp. 275-290, 1989. J.J. Slotine, W. Li, Applied nonlinear control, Prentice-Hall, 91. T. Sudkamp, R.J. Hammel II, Interpolation, completion and learning

[Mudi99]

[Nakoula97a] [Nakoula97b]

tel-00413006, version 1 - 2 Sep 2009

[Nie96]

[Nozaki97]

[Park00] [Pedrycz84] [Pedrycz96]

[Pedrycz97]

[Rojas00]

[Siler89] [Slotine91] [Sudkamp94]

- 113 -

fuzzy rules, IEEE Trans. on Systems, Man, and Cybernetics, vol. 24, no. 2, pp. 332-342, Feb. 94. [Sugeno91] M. Sugeno, K. Tanaka, Successive identification of a fuzzy model and its applications to prediction of a complex system, Fuzzy Sets and Systems, vol. 42, pp. 315-334, 1991. M. Sugeno, T. Yasukawa, A fuzzy-logic-based approach to qualitative modeling, IEEE Trans. on Fuzzy Systems, vol. 1, no. 1, pp. 7-31, Feb. 93. M. Sugeno, On Stability of Fuzzy Systems Expressed by Fuzzy Rules with Singleton Consequents, IEEE Trans. on Fuzzy Systems, vol. 7, no. 2, pp. 201-224, 1999. T. Takagi, M. Sugeno, Fuzzy identification of systems and its applications to modeling and control, IEEE Trans. on Systems, Man, and Cybernetics, vol. 15, no. 1, pp. 116-132, Feb. 85. C.W. Tao, J-S. Taur, Flexible complexity reduced PID-like fuzzy controllers, IEEE Trans. on Systems, Man, and Cybernetics, part B, vol. 30, 510-516, Aug. 00. D. Tikk, P. Baranyi, Comprehensive analysis of a new fuzzy rule interpolation method, IEEE Trans. on Fuzzy Systems, vol. 8, no. 3, pp. 281296, June 2000. R.M. Tong, Analysis and control of fuzzy systems using finite discrete relations, Int. J. Control, vol. 27, no. 3, pp. 431-440, 78. M. Ueda, Apparatus for indicating an optimum shift position for a manual transmission installed in a vehicle, US Patent 4,550,596, Toyota, April 84. A.R. Varkonyi-Koczy, A. Almos, T. Kovacshazy, Genetic algorithms in fuzzy model inversion, Proc. of Int. Fuzzy Systems Conference (FUZZIEEE99), Seoul, Korea, pp. 1421-1426, Aug. 99. L.X. Wang, Fuzzy systems are universal approximators, Proc. IEEE Int. Conf. on Fuzzy Systems (FUZZIEEE 92), San Diego, pp. 11631170, Mar. 92. L.X. Wang, J.M. Mendel, Generating fuzzy rules by learning from examples, IEEE Trans. on Systems, Man, and Cybernetics, vol. 22, no. 6, pp. 1414-1427, Nov. 92. L. Wang, R. Langari, Complex systems modeling via fuzzy logic, IEEE Trans. on Systems, Man, and Cybernetics, vol. 26, no. 1, pp. 100106, Feb. 96.

[Sugeno93]

[Sugeno99]

[Takagi85] tel-00413006, version 1 - 2 Sep 2009

[Tao00]

[Tikk00]

[Tong78] [Ueda84]

[Varkonyi99]

[Wang92a]

[Wang92b]

[Wang96]

- 114 -

[Yam99]

Y. Yam, P. Baranyi, C.T. Yang, Reduction of fuzzy rule base via singular value decomposition, IEEE Trans. on Fuzzy Systems, vol. 7, no. 2, pp. 120-132, April 99. Z.M. Yeh, A systematic method for design of multivariable fuzzy logic control systems, IEEE Trans. on Fuzzy Systems, vol. 7, no. 6, pp. 741752, Dec. 99. J. Yen, L. Wang, Simplifying fuzzy rule-based models using orthogonal transformation methods, IEEE Trans. on Systems, Man, and Cybernetics, part B, vol. 29, no. 1, pp. 13-24, Feb. 99. H. Ying, W. Siler, J.J. Buckley, Fuzzy control theory: a nonlinear case, Automatica, vol. 26, no. 3, pp. 513-520, 1990. H. Ying, A Nonlinear Fuzzy Controller with Linear Control Rules is the Sum of a Global Two-dimensional Multilevel Relay and a Local Nonlinear Proportional-integral Controller, Automatica, vol. 29, no. 2, pp. 499-505, 1993. H. Ying, Practical design of nonlinear fuzzy controllers with stability analysis for regulating processes with unknown mathematical models, Automatica, vol. 30, no. 7, pp. 1185-1195, 1994. H. Ying, G. Chen, Necessary conditions for some typical fuzzy systems as universal approximators, Automatica, vol. 33, no. 7, pp. 1333-1338, 1997. Y. Yoshinari, W. Pedrycz, K. Hirota, Construction of fuzzy models through clustering techniques, Fuzzy Sets and Systems, vol. 54, pp. 157165, 1993. L.A. Zadeh, Quantitative fuzzy semantics, Information Science, vol. 3, no. 2, pp. 159-176, 1971. L.A. Zadeh, A rationale for fuzzy control, J. of Dynamical Systems, Measurement, and Control (Trans. ASME. Ser. G), vol. 94, no. 1, pp. 34, 1972. L.A. Zadeh, Outline of a new approach to the analysis of complex systems and decision processes, IEEE Trans. on Systems, Man, and Cybernetics, vol. 3, no. 1, pp. 28-44, Jan. 73. L.A. Zadeh, Fuzzy logic = Computing with words, IEEE Trans. on Fuzzy Systems, vol. 4, no. 2, pp. 103-111, 1996. X.J. Zeng, M.G. Singh, Approximation accuracy analysis of fuzzy systems as function approximators, IEEE Trans. on Fuzzy Systems, vol. 4, no. 1, pp. 44-63, Feb. 96.

[Yeh99]

[Yen99]

[Ying90] [Ying93] tel-00413006, version 1 - 2 Sep 2009

[Ying94]

[Ying97]

[Yoshinari93]

[Zadeh71] [Zadeh72]

[Zadeh73]

[Zadeh96] [Zeng96a]

- 115 -

[Zeng96b]

X.J. Zeng, M.G. Singh, A relationship between membership functions and approximation accuracy in fuzzy systems, IEEE Trans. on Systems, Man, and Cybernetics, part B, vol. 26, no. 1, pp. 176-180, Feb. 96. X.J. Zeng, M.G. Singh, Decomposition property of fuzzy systems and its applications, IEEE Trans. on Fuzzy Systems, vol. 4, no. 2, pp. 149-165, May 96.

[Zeng96c]

tel-00413006, version 1 - 2 Sep 2009

- 116 -

Rsum Utiliser l'ensemble des connaissances disponibles sur un procd pour concevoir une loi de commande, tel est l'objectif de ce travail. Dans ce contexte, le choix d'un outil de reprsentation permettant d'intgrer dans un formalisme unique des informations de nature diffrente est essentiel. C'est donc tout naturellement que la dualit numrique/linguistique prsente dans les systmes flous base de rgles est exploite pour raliser un codage d'expertise dans un cadre numrique, autrement dit pour calculer avec les mots. La premire partie de ce travail est ddie au caractre numrique des systmes flous. A travers le principe des quivalences modales, nous proposons une stratgie de construction d'un contrleur flou permettant d'implanter de faon exacte des lois de commande linaires de type PI, PD, PID ou encore par retour d'tat. L'approche dveloppe est ensuite tendue l'apprentissage de systmes flous partir d'exemples, et ainsi la modlisation floue. Enfin, la synthse d'un contrleur partir d'un modle flou du procd est aborde selon une approche par linarisation entre-sortie ou encore partir d'une structure de commande modle interne. Si ces travaux permettent d'intgrer aisment des informations numriques pour concevoir un contrleur flou, la prise en compte de connaissances expertes reste dlicate et fait l'objet de la deuxime partie de ce mmoire. A partir d'une typologie des systmes flous, nous avons mis en vidence la possibilit d'implanter un contrleur flou sous une forme purement symbolique. Dnote SF4, cette mise en uvre des systmes flous exploite des rgles linguistiques et autorise une pondration de ces dernires. A ce titre, elle est tout particulirement adapte la reprsentation des connaissances d'expert et est utilise tout au long de cette deuxime partie. Outre leur caractre linguistique, les systmes SF4 sont directement exploitables dans un contexte numrique puisqu'ils permettent d'implanter tout systme flou de Sugeno conclusions constantes, et donc plus particulirement ceux engendrs via le principe des quivalences modales. Bass sur cette cohrence numrique/ linguistique, divers schmas d'introduction de la connaissance experte sont ainsi proposs, allant d'une synthse directe du contrleur flou une modification d'un correcteur numrique initial. Enfin, la distribution de la connaissance dans diffrents composants de la structure de commande est tudie (capteurs, superviseur, rgulateurs). Tout au long du mmoire, les diverses stratgies dveloppes sont illustres par le biais d'exemples tirs d'applications industrielles.

tel-00413006, version 1 - 2 Sep 2009

Mots-cl : Contrle flou - Modle flou - Expertise - Interpolation - Approximation