| Titre : | Identification des systemes non linéaires (machine asynchrone) par algorithme genetique |
| Auteurs : | Salah-eddine Gacem, Auteur ; Aissa Gouizi, Auteur ; Ahmed chaouki Megherbi, Directeur de thèse |
| Type de document : | Monographie imprimée |
| Editeur : | Biskra [Algerie] : Université Mohamed Kheider, 2006 |
| Format : | 42.P / ill / 30/20 cm |
| Accompagnement : | CD |
| Langues: | Français |
| Résumé : |
Dans l’industrie, l’augmentation du taux de production avec minimisation des coûts est un objectif stratégique et pour arrive a tous cela il est nécessaire de connaître le système et identifie ces paramètres. Dans les dernières années, l’identification des systèmes a connu un développement considérable tant sur le plan des applications des techniques existantes que sur le plan de développement de nouvelles techniques.
L’identification des systèmes non linéaire s’appuie sur le fait d’avoir un modèle qui représente le système non linéaire tout en se basant sur l’ajustement des paramètres de telle sorte que le modèle du système identifié soit similaire au système inconnu (réel). L’identification se fait généralement en deux étapes, dont la première consiste à trouver un modèle de représentation mathématique, ceci sera assuré à partir d’une suite de mesure d’entrée –sortie du système à identifie. Dans la deuxième étapes se fera l’estimation des paramètres, cette dernière se base sur un critère d’erreur entre la sortie directe et la sortie du modèle d’identification. Lorsqu’on désire obtenir un modèle paramétrique pour un processus/système, c’est-à-dire une relation mathématique comprenant un nombre fini de termes (par exemple fonction de transfert, équation différentielle ou aux différences), on peut souhaiter en premier lieu exprimer les lois physiques connues régissant son fonctionnement et en déduire la relation mathématique cherchée; on parle alors de modèle de connaissance. La théorie des technique d’identification sont adapté aux problèmes linéaires mais en pratique ces méthodes ne s‘avèrent pas toujours applicables a cause de non linéarité. Donc des nouvelles méthodes s’avèrent donc nécessaire pour l’identification de ces systèmes tel que les réseaux de neurones, logique floue, les algorithmes évolutionnaires …etc. Les algorithmes génétiques sont des algorithmes stochastiques itératifs qui opère sur des ensembles de points codés, à partir d'une population initiale, et qui est bâti à l'aide de trois opérateurs : croisement, mutation, sélection. Les deux premiers sont des opérateurs d'exploration de l'espace, tendis que le dernier fait évoluer la population vers les optima d'un problème. L’objectif de cette mémoire est de présenter l’algorithme génétique et leur application sur un exemple d’identification d’un système non linéaire Ce travail est organisé comme suit : Après une introduction générale, le premier chapitre on décrit et on explique de façon générale l’identification des systèmes non linéaire dans le deuxième chapitre les Algorithmes Génétique. Le troisième chapitre il y a la partie simulation et les résultats interprétés. Nous achevons notre travail par une conclusion générale suivi par une bibliographie non exhaustive qui cite les principales sources d'information utilisées |
Disponibilité (1)
| Cote | Support | Localisation | Statut | Emplacement | |
|---|---|---|---|---|---|
| M/1785 | Memoire ingenieur | BIB.FAC.ST. | Empruntable | Salle de mémoires et de théses |
Erreur sur le template
