Applied control theory for embedded systems (cop. 2006) / 978-0-7506-7839-1

Tue, 23 May 2017 15:34:59

Applied control theory for embedded systems [Monographie imprimée] / Tim Wescott, Auteur . - Burlington, MA : Newnes, cop. 2006 . - 1 vol. (ix, 303 p.) : ill. ; 24 cm + + 1 Cédérom. - (Embedded technology series) .ISBN : 978-0-7506-7839-1Langues : Français (fre)

Résumé :

Many embedded engineers and programmers who need to implement basic process or motion control as part of a product design do not have formal training or experience in control system theory. Although some projects require advanced and very sophisticated control systems expertise, the majority of embedded control problems can be solved without resorting to heavy math and complicated control theory. However, existing texts on the subject are highly mathematical and theoretical and do not offer practical examples for embedded designers. This book is different;it presents mathematical background with sufficient rigor for an engineering text, but it concentrates on providing practical application examples that can be used to design working systems, without needing to fully understand the math and high-level theory operating behind the scenes. The author, an engineer with many years of experience in the application of control system theory to embedded designs, offers a concise presentation of the basics of control theory as it pertains to an embedded environment.

Sommaire :

Preface ix What's on the CD-ROM? xi Chapter 1: The Basics 1 1.1 Control Systems 1 1.2 Anatomy ofa Control System 2 1.3 Closed Loop Control 4 1.4 Controllers 6 1.5 About This Book 8 Chapter 2: Z Transforms 11 2.1 Signals and Systems 12 2.2 Difference Equations 15 2.3 The Z Transform 18 2.4 The Inverse Z Transform 19 2.5 Some Z Transform Properties 25 2.6 Transfer Functions 30 2.7 Stability in the ZDomain 34 2.8 Frequency Response 37 2.9 Conclusion 41 Chapter 3: Performance 43 3.1 Tracking. 43 3.2 Frequency Response 55 3.3 Disturbance Rejection 61 3.4 Conclusion 63 Chapter 4: Block Diagrams 65 4.1 The Language of Blocks 65 4.2 Analyzing Systems with Block Diagrams 74 4.3 Conclusion 93 viii Contents Chapter 5: Analysis , 95 5. / Root Locus 96 5.2 Bode Plots 107 5.3 Nyquist Plots JJ3 5.4 Conclusion 124 Chapter 6: Design 125 6.1 Controllers, Filters and Compensators 125 6.2 Compensation Topologies 126 6.3 Types of Compensators 128 6.4 Design Flow 147 6.5 Conclusion 148 Chapter 7: Sampling Theory 149 7.1 Sampling 14$) 7.2 Aliasing 75/ 7.3 Reconstruction 753 7.4 Orthogonal Signals and Power 156 7.5 Random Noise 157 7.6 Nonideal Sampling 7551 7.7 The Laplace Transform 170 7.8 z Domain Models 175 7.9 Conclusion 182 Chapter 8: Nonlinear Systems 183 8.1 Characteristics of Nonlinear Systems 184 8.2 Some Nonlinear ities 187 8.3 Linear Approximation 193 8.4 Nonlinear Compensators 1

Asservissements et régulations continus (2002.) / 978-2-7108-0822-0

Sat, 20 May 2017 22:18:01

Asservissements et régulations continus : analyse et synthése : problémes avec solutions [Monographie imprimée] / lisabeth Boillot, . - Paris : d. Technip, 2002. . - 231 p. : ill. ; 23 cm.. - (Sciences et technologies, ISSN 1243-0226; 15.) .ISBN : 978-2-7108-0822-0Langues : Français (fre)

Catégories :	[Agneaux] Commande automatique:Probl¨mes et exercices[Agneaux] Commande, th©orie de la:Probl¨mes et exercices[Agneaux] Servom©canismes:Probl¨mes et exercices
Index. décimale :	629.8.
Résumé :	Ce volume présente dix nouveaux problèmes d'automatique avec leurs corrigés complets donnés en examen à Supélec et dans d'autres écoles d'ingénieurs. Il aborde des systèmes réels rencontrés dans l'industrie : asservissement d'un oscillateur magnétique, commande d'un mélangeur, pilotage d'altitude d'un ballon d'air chaud, étude d'un échangeur de chaleur, analyse d'une suspension active de bus, régulation de l'épaisseur de tôle d'un laminoir, contrôle de la descente d'une tête de forage, maîtrise du débit d'une rivière, verrouillage d'une boucle de phase, positionnement d'une bande magnétique. Leur solution met en œuvre des méthodes d'identification et de modélisation ainsi que des techniques de commande de systèmes asservis : analyse et synthèse par représentation d'état, approche fréquentielle classique pour des systèmes comportant éventuellement un retard pur. Le détail des corrigés permet aux étudiants une meilleure compréhension et assimilation des diverses méthodes développées en cours. Ce volume est un travail d'équipe réalisé par les enseignants du service automatique de Supélec.
Sommaire :	Etude d'un oscillateur électromagnétique Etude d'un mélangeur Régulation d'altitude d'un ballon à air chaud Etude d'un échangeur de chaleur Etude d'une suspension active de bus Régulation de l'épaisseur en sortie d'un laminoir Régulation de la descente d'une tête de forage Régulation de débit d'une rivière Etude d'une boucle à verrouillage de phase Etude du positionnement d'une bande magnétique

Automatique non lineaire / 978-3-8416-2799-5

Wed, 6 Sep 2017 23:32:24

Automatique non lineaire : commande floue des systemes non lineaires [Monographie imprimée] / Abdelghani El Ougli, Auteur . - paf, [s.d.].ISBN : 978-3-8416-2799-5Langues : Français (fre)

Résumé :

Le livre concerne le développement des structures de commande floue pour une classe de systèmes non linéaires inconnus SISO et MIMO. La stratégie de contrôle pour les systèmes SISO consiste à synthétiser une loi de commande composée d'un terme nominal lequel destiné à assurer la performance en poursuite et un terme de robustesse qui a pour rôle la compensation des erreurs de modélisation et des perturbations externes. Ce dernier est calculé à travers la synthèse de Lyapunov ou en combinant cette dernière aux approches de robustesse telle que le mode glissant, l'optimisation H infinie et LMI. La commande synthétisée directe ou indirecte est basée sur les techniques de modélisation floue type-1 et type-2. Pour la régulation des systèmes MIMO non linéaires, la stratégie de commande consiste d'abord à décomposer le système MIMO en un ensemble de sous systèmes MISO et ensuite à utiliser un PID classique ou un PI flou. Les deux régulateurs sont utilisés avec un compensateur en cascade qui se base sur la projection de la fonction contenant les non linéarités, le couplage croisé, les perturbations et les dynamiques négligées sur la base orthogonale de Chebychev.

Sommaire :

FLOUS

Automatique (impr. 2014) / 978-2-7462-4631-7

Wed, 28 Oct 2015 20:41:40

Automatique : régulations et asservissements ; cours, applications, expérimentations, prototypages [Monographie imprimée] / Thierry Hans, Auteur ; Pierre Guyénot, Auteur . - Paris : Lavoisier-Hermes, impr. 2014 . - 1 vol. (XIII-305 p.) : ill., couv ill. ; 24 cm. - (Automatique et productique, ISSN 2275-976X.) .ISBN : 978-2-7462-4631-7 : 69 EURGlossaire. IndexLangues : Français (fre)

Catégories :	[Agneaux] Servomécanismes
Index. décimale :	629.832 3
Résumé :	Dans le domaine industriel, réguler une grandeur physique ou asservir la sortie d’un processus à une de ses entrées impose de faire appel à des boucles de rétroaction. La conception, l’expérimentation, la mise au point et l’exploitation de ces systèmes « bouclés » nécessitent de sérieuses connaissances théoriques et pratiques. Pour faciliter la compréhension de ces systèmes, l’ouvrage procède en deux temps : – une première partie rappelle les notions théoriques indispensables illustrées par de nombreux exercices corrigés ; – une seconde partie aborde l’étude de problèmes de synthèse à caractère industriel. L’originalité de cet ouvrage est d’ajouter aux notions classiques propres à ces domaines l’étude expérimentale et la modélisation des processus par l’utilisation de logiciels permettant d’expérimenter puis de simuler leurs comportements afin de les améliorer avec souplesse, rapidité et économie. Pratique, didactique et synthétique, ce livre s’adresse aux enseignants et aux étudiants concernés par l’étude des régulations ou asservissements, mais également aux techniciens et ingénieurs exerçant au sein de bureaux d’études ou de services de maintenance, à la recherche de réponses à leurs problèmes concrets.
Sommaire :	Partie 1 – Éléments de cours Chapitre 1 - Introduction Chapitre 2 - Transformation de Laplace Chapitre 3 - Fonctions de transfert et schéma-blocs Chapitre 4 - Généralités sur les régimes dynamiques Chapitre 5 - Systèmes du premier ordre Chapitre 6 - Systèmes du deuxième ordre Chapitre 7 - Systèmes du premier ordre avec intégration Chapitre 8 - Lieux d’Evans et régimes dominants Chapitre 9 - Précision d’un SALC Chapitre 10 - Stabilité d’un SALC Chapitre 11 - Correction proportionnelle intégrale dérivée (PID) Chapitre 12 - Autres méthodes de correction des SALC Chapitre 13 - Réalisations pratiques de correcteurs Chapitre 14 -Asservissements de phase Chapitre 15 - Systèmes à retard pur ou « à temps mort » Chapitre 16 - Synthèse par prototypage rapide Partie 2 – Problèmes de synthèse Chapitre 17 - Asservissements sur poste de découpe Chapitre 18 - Régulation de température de recuit Chapitre 19 - Étude d’un capteur de vitesse Chapitre 20 - Étude d’asservissements pour « folder » Annexes Glossaire Index

Automatisation des protections mobiles (impr. 2013) / 978-2-35917-086-3

Sun, 21 May 2017 00:20:44

Automatisation des protections mobiles : domotique et gestion technique centralisée [Monographie imprimée] / Comité scientifique et technique des industries climatiques, Auteur ; Syndicat national de la fermeture, de la protection solaire et des professions associées, Auteur ; Fédération française du bâtiment Direction des affaires techniques, Auteur . - Paris : Société d'éditions du bâtiment et des travaux publics, impr. 2013 . - 1 vol. (44 p.) : ill. ; 21 cm. - (Collection Recherche, développement, métier, ISSN 1765-7326) .ISBN : 978-2-35917-086-3La couv. porte en plus : "Mise en oeuvre"Langues : Français (fre)

Catégories :	[Agneaux] Automatisation[Agneaux] Domotique
Index. décimale :	690 Bâtiments : classer les ouvrages d'ensemble sur la conception et la construction des bâtiments à 721
Résumé :	Ce document est un guide de recommandations et de bonnes pratiques de mise en oeuvre de l'automatisation des protections mobiles. Il concerne les installations résidentielles mais aussi, de fait, les petits bâtiments du secteur tertiaire. Il traite des protections mobiles (volets roulants mais aussi stores à enroulement et stores vénitiens) commandées ponctuellement ou centralement par un système domotique, voire de gestion technique.
Sommaire :	Le déroulement du chantier L'automatisation par un système domotique ou de gestion technique Présentation des produits : les solutions de commande Présentation des produits : les solutions d'alimentation des motorisations Présentation des produits : les stratégies de commande Mise en oeuvre de l'alimentation électrique Mise en oeuvre de la commande Mise en oeuvre des capteurs Mise en service Réception et remise / restitution au client En cas de problème (guide de dépannage) Mises en garde / bêtisier Maintenance et entretien Références normatives

Commande adaptative des systemes non lineaires backstepping (2014) / 978-3-8416-2794-0

Sun, 21 May 2017 00:27:31

Commande adaptative des systemes non lineaires backstepping : theorie et applications [Monographie imprimée] / Messaoud Mokhtari, Auteur ; Noureddine Golea, Auteur . - paf, 2014.ISBN : 978-3-8416-2794-0Langues : Français (fre)

Résumé :

Cet ouvrage se fixe comme objectif la commande des systèmes non linéaires en utilisant la technique « backstepping ». Dans notre tentative de rapprocher le lecteur de cette stratégie de commande, nous nous sommes attelés à mettre en relief ce qu'il y a de fondamental. Ce livre explique les différentes méthodes de commande des différents types de systèmes non linéaires (non adaptative- adaptative avec observateur). Sous le terme de backstepping, on regroupe un certain nombre de modèles de systèmes non linéaires dont l'intention est de faire leur commande adaptative. Cette dernière a connu un grand intérêt à la fin des années 80. Objectifs : Contribuer aux fondements de la théorie du contrôle des systèmes non linéaires. Développer et analyser globalement la technique (méthode) de commande. Appliquer cette méthode ou technique sur des procédés physiques. Déduire une conclusion générale concernant cette technique. Présentation du travail : La technique du backstepping, adaptée aux systèmes triangulaires inférieurs, est une méthode de commande récursive basée sur la fonction de Lyapunov. Cette dernière est un outil bien connu pour l'étude de la stabilité des systèmes Bücher

La commande prédictive (2006) / 978-2-7462-1361-6

Wed, 6 Sep 2017 20:57:42

La commande prédictive : avancées et perspectives / [Monographie imprimée] / Patrick Boucher ; Didier Dumur . - Paris : Hermès science publications, 2006 . - 230 p. : ill.ISBN : 978-2-7462-1361-6Langues : Français (fre)

Catégories :	[Agneaux] Commande prédictive
Résumé :	La commande prédictive a prouvé ses performances au travers de nombreuses applications industrielles. Dès lors, partant des structures classiques reposant sur des idées relativement intuitives, la théorie n'a cessé d'évoluer et de multiples avancées ont été réalisées, principalement dans l'optique d'améliorer d'une part la robustesse et les performances temps réel et de permettre d'autre part l'extension à d'autres classes de systèmes. Après une introduction rappelant la genèse de la commande prédictive, les auteurs dressent un bilan de ces avancées et envisagent les perspectives dans ce domaine. Les premiers chapitres développent tout d'abord les techniques de robustification de lois prédictives linéaires et de prise en compte de contraintes en temps réel. L'ouvrage détaille ensuite les formalismes mathématiques associés aux systèmes hybrides et aux systèmes non-linéaires, et les extensions de la commande prédictive à ces systèmes. Le livre présente enfin la commande prédictive non linéaire fondée sur la platitude différentielle.
Sommaire :	Avant-propos -P. Boucher, D. Dumur. Introduction à la commande prédictive -J. Richalet. Robustification d'une loi de commande prédictive polynomiale -P. Rodriguez, P. Boucher. La commande prédictive sous contraintes -S. Olaru, D. Dumur. La commande prédictive des systèmes hybrides -S. Leirens, J. Buisson. La commande prédictive non linéaire -M. Alamir. La commande prédictive non linéaire fondée sur la platitude différentielle -E. Delaleau, V. Hagenmeyer. Conclusion. Bibliographie. Index.

Commande prédictive en Scilab (DL 2016) / 978-2-8227-0531-8

Wed, 6 Sep 2017 23:17:00

Commande prédictive en Scilab [Monographie imprimée] / Jacques Richalet, Auteur ; Guy Lavielle (1940-....), Auteur ; Claude Gomez (1955-....), Collaborateur ; Jean-Pierre Bovée, Collaborateur . - Anzin : D-BookeR éditions, DL 2016 . - 1 vol. (VI-172 p.) : ill. en coul. ; 21 cm.ISBN : 978-2-8227-0531-8 : 75 EURLangues : Français (fre)

Catégories :	[Agneaux] Commande prédictive:Modèles mathématiques[Agneaux] Scilab (logiciel)
Index. décimale :	510.285 53
Résumé :	Facile à comprendre et à implanter, la commande prédictive permet de traiter de façon efficace la plupart des problèmes de régulation tombant hors du champ d'application du régulateur PID. Fondée sur la connaissance du processus (qui fait l'objet d'une modélisation), elle est capable de choisir la meilleure action à appliquer, selon une procédure bien adaptée. Open-source, le logiciel de calcul numérique Scilab présente quelques avantages précieux pour l'industrie : simple à utiliser, gratuit, il est aussi extrêmement flexible. Chacun peut donc se l'approprier et l'adapter à ses besoins propres, jusqu'à l'embarquer au sein même de l'automate. Ce livre vous montre comment mettre au point les algorithmes de commandes à l'aide du logiciel Scilab. Il vous propose 48 programmes répartis en quatre catégories correspondant à des processus de diverse complexité : élémentaire, ordianaire, avancée et convolution, couvrant ainsi la majorité des domaines d'application.
Sommaire :	1. Introduction 2. La commande prédictive 3. Mise en œuvre avec Scilab 4. Programmes élémentaires 5. Programmes ordinaires 6. Programmes avancés : processus d'ordre 1 7. Programmes avancés : processus d'ordre 2 8. Programmes avancés : commandes particulières 9. Programmes avancés : plusieurs fonctions de base 10. Programmes avancés : identification 11. Commandes par convolution Notions complémentaires Aide-mémoire Automatique Commandes Scilab Du code Scilab à l'équipement industriel Exemple de transposition de code dans le langage d'un automate

Foundations of fuzzy control / 978-1-118-50622-6

Tue, 23 May 2017 16:27:11

Foundations of fuzzy control : a practical approach / [Monographie imprimée] / Jan Jantzen . - [s.d.] . - xix, 325 pages : illustrations ; 26 cm.ISBN : 978-1-118-50622-6Previous edition: 2007.

Catégories :	[Agneaux] Automatic control.[Agneaux] Fuzzy automata.[Agneaux] Fuzzy systems.
Index. décimale :	629.8/312
Résumé :	Foundations of Fuzzy Control 2nd Edition: A Practical Approach has been significantly revised and updated, with two new chapters on Gain Scheduling Control and Neurofuzzy Modelling. It focuses on the PID (Proportional, Integral, Derivative) type controller which is the most widely used in industry and systematically analyses several fuzzy PID control systems and adaptive control mechanisms.Foundations of Fuzzy Control 2nd Edition: A Practical Approach sets out practical worked-through problems, examples and case studies to illustrate each type of control system; and is accompanied by a website that hosts downloadable MATLAB programs and a web based course on Fuzzy Control which is taught by the author"--Provided by publisher. "This textbook aims to explain the behaviour of fuzzy logic controllers"--Provided by publisher.
Sommaire :	Foreword xiii Preface to the Second Edition xv Preface to the First Edition xvii 1Introduction 1 1.1 What Is Fuzzy Control? 1 1.2 Why Fuzzy Control? 2 1.3 Controller Design 3 1.4 Introductory Example: Stopping a Car 3 1.5 Nonlinear Control Systems 9 1.6 Summary 11 1.7 The Autopilot Simulator* 12 1.8 Notes and References* 13 2 Fuzzy Reasoning 17 2.1 Fuzzy Sets 17 2.2 Fuzzy Set Operations 25 2.3 Fuzzy If–Then Rules 33 2.4 Fuzzy Logic 36 2.5 Summary 43 2.6 Theoretical Fuzzy Logic* 43 2.7 Notes and References* 53 3 Fuzzy Control 55 3.1 The Rule Based Controller 56 3.2 The Sugeno Controller 61 3.3 Autopilot Example: Four Rules 64 3.4 Table Based Controller 65 3.5 Linear Fuzzy Controller 68 3.6 Summary 70 3.7 Other Controller Components* 70 3.8 Other Rule Based Controllers* 77 3.9 Analytical Simplification of the Inference* 80 3.10 Notes and References* 84 4 Linear Fuzzy PID Control 85 4.1 Fuzzy P Controller 87 4.2 Fuzzy PD Controller 89 4.3 Fuzzy PD+I Controller 90 4.4 Fuzzy Incremental Controller 92 4.5 Tuning 94 4.6 Simulation Example: Third-Order Process 99 4.7 Autopilot Example: Stable Equilibrium 101 4.8 Summary 103 4.9 Derivative Spikes and Integrator Windup* 104 4.10 PID Loop Shaping* 106 4.11 Notes and References* 109 5 Nonlinear Fuzzy PID Control 111 5.1 Nonlinear Components 111 5.2 Phase Plot 113 5.3 Four Standard Control Surfaces 115 5.4 Fine-Tuning 118 5.5 Example: Unstable Frictionless Vehicle 121 5.6 Example: Nonlinear Valve Compensator 124 5.7 Example: Motor Actuator with Limits 127 5.8 Autopilot Example: Regulating a Mass Load 127 5.9 Summary 130 5.10 Phase Plane Analysis* 130 5.11 Geometric Interpretation of the PD Controller* 134 5.12 Notes and References* 143 6 The Self-Organizing Controller 145 6.1 Model Reference Adaptive Systems 145 6.2 The Original SOC 147 6.3 A Modified SOC 150 6.4 Example with a Long Deadtime 151 6.5 Tuning and Time Lock 155 6.6 Summary 157 6.7 Example: Adaptive Control of a First-Order Process* 157 6.8 Analytical Derivation of the SOC Adaptation Law* 161 6.9 Notes and References* 169 7 Performance and Relative Stability 171 7.1 Reference Model 172 7.2 Performance Measures 177 7.3 PID Tuning from Performance Specifications 180 7.4 Gain Margin and Delay Margin 185 7.5 Test of Four Difficult Processes 186 7.6 The Nyquist Criterion for Stability 188 7.7 Relative Stability of the Standard Control Surfaces 191 7.8 Summary 193 7.9 Describing Functions* 193 7.10 Frequency Responses of the FPD and FPD+I Controllers* 198 7.11 Analytical Derivation of Describing Functions for the Standard Surfaces* 206 7.12 Notes and References* 216 8 Fuzzy Gain Scheduling Control 217 8.1 Point Designs and Interpolation 218 8.2 Fuzzy Gain Scheduling 219 8.3 Fuzzy Compensator Design 221 8.4 Autopilot Example: Stopping on a Hilltop 226 8.5 Summary 228 8.6 Case Study: the FLS Controller* 229 8.7 Notes and References* 235 9 Fuzzy Models 237 9.1 Basis Function Architecture 238 9.2 Handmade Models 240 9.3 Machine-Made Models 249 9.4 Cluster Analysis 253 9.5 Training and Testing 263 9.6 Summary 266 9.7 Neuro-Fuzzy Models* 267 9.8 Notes and References* 275 10 Demonstration Examples 277 10.1 Hot Water Heater 277 10.2 Temperature Control of a Tank Reactor 282 10.3 Idle Speed Control of a Car Engine 287 10.4 Balancing a Ball on a Cart 292 10.5 Dynamic Model of a First-Order Process with a Nonlinearity 301 10.6 Summary 307 10.7 Further State-Space Analysis of the Cart-Ball System* 307 10.8 Notes and References* 314 References 315 Index 319

Identification et commande adaptative (2001) / 2-7462-0217-4

Wed, 6 Sep 2017 21:03:49

Identification et commande adaptative [Monographie imprimée] / R. Lozano ; Damia Taoutaou . - Paris : Hermès science publications, 2001 . - 242 p. : ill. ; 25 cm. -.ISBN : 2-7462-0217-4

Catégories :	[Agneaux] Systèmes adaptatifs.
Résumé :	La commande adaptative des systèmes cherche à résoudre des problèmes sur des systèmes très divers par l'extension des résultats théoriques (en allégeant progressivement les contraintes et supprimant des hypothèses s'avérant parfois trop restrictives), ou par l'application de techniques connues et par leurs multiples combinaisons permettant de venir à bout d'incertitudes paramétriques ou structurelles sur des exemples d'applications concrets.
Sommaire :	Identification des systèmes dynamiques Introduction à la commande adaptative Panorama des algorithmes récursifs d'estimation paramétrique Identification récursive et commande de système à paramètres variants dans le temps Commande adaptative indirecte périodique Commande adaptative des systèmes avec perturbations engendrées par un modèle interne Commande adaptative dissipative

Intelligence artificielle (impr. 2011) / 978-2-86661-179-8

Sun, 21 May 2017 00:03:56

Intelligence artificielle : imitation du comportement animal par des robots à microcontrôleurs PIC ; 23 projets ludiques et instructifs à construire soi-même ; robots mobiles avec moteurs et engrenages Lego, programmes d'expérimentation simples, apprentissage et prise de décision [Monographie imprimée] / Bert van Dam (1959-....), Auteur ; Jean-Paul Brodier (1947-....), Traducteur . - [Roissy] : "Elektor", impr. 2011 . - 1 vol. (230 p.) : ill., couv. ill. en coul. ; 24 cm.ISBN : 978-2-86661-179-8 : 42,50 EURPIC = Programmable Interrupt Controller IndexLangues : Français (fre) Langues originales : Anglais (eng)

Catégories :	[Agneaux] Microcontrôleurs:Programmation[Agneaux] Robots autonomes:Conception et construction
Index. décimale :	629.892 63
Résumé :	Vous êtes plutôt lion ? Alors vous apprendrez à chasser le gnou. Si vous êtes plutôt gazelle, apprenez à échapper au lion ! Et si vous n'êtes ni l'un ni l'autre, adoptez la stratégie de la fourmi, du ver ou du morpion. Les apparences sont trompeuses : ce livre, l'un des plus intelligents jamais publiés par Elektor, s'adresse bien aux passionnés d'électronique et de micro-informatique appliquées. Ne le croyez pas consacré aux théories abstraites. C'est au contraire un livre d'expérimentation, avec des circuits simples, des programmes simples, pour apprendre le biomimétisme à vos propres robots mobiles, construits avec des pièces de Lego. Il y est question de microcontrôleurs PIC, de programmation, de capteurs, de moteurs... mais aussi de morpions, de fourmis, de gnous, de vers, et d'autres bestioles. Vous y croiserez des robots joueurs, un robot chasseur par devant et vagabond par derrière. Dans les tribunes d'un stade de foot vous étudierez, les vagues de spectateurs qui se lèvent et se rassoient. Et vous reproduirez vous-même ces mouvements avec des LED. En vous familiarisant avec des robots à apprentissage autonome, qui comme un réseau neuronal apprendront à éviter les obstacles, ou des robots qui apprennent à se nourrir, c'est vous aussi qui apprendrez à apprendre. Dans ce livre, tout est élégant, même les vers de terre ; la mécanique, et quelle mécanique, avec par exemple un train à double différentiel ; les algorithmes génétiques ; les chromosomes et bien davantage de modèles vivants à étudier et à imiter. Le livre préféré de Bert van Dam (auteur également de 50 applications PIC, microcontrôleurs RISC 32 bits ARM) déborde d'intelligence, c'est contagieux, laissez-vous contaminer ! Pour accompagner le livre, en téléchargement gratuit : le code source pour le microcontrôleur le code source des programmes compilés pour MS Windows le langage de programmation JAL, avec un éditeur et les bibliothèques associées un programme d'élevage de robots une page d'informations complémentaires en ligne, mise à jour au fur et à mesure des besoins (errata & FAQ)
Sommaire :	Votre couleur préférée (tutoriel) Jeux Comportement émergent Cerveau à roulette Réseau neuronal Évolution Algorithme génétique Système expert Automates cellulaires Architecture à subsomption Un peu de tout Appendice

Introduction à la commande des systèmes linéaires multidimensionnels (DL 2015) / 978-2-343-06288-4

Sat, 20 May 2017 17:21:22

Introduction à la commande des systèmes linéaires multidimensionnels [Monographie imprimée] / Roger Marcelin Faye, Auteur ; Félix Mora-Camino (1951-....), Auteur . - Paris : l'Harmattan, DL 2015 . - 1 vol. (82 p.) : ill. ; 24 cm. - (La Librairie universitaire. Manuels. Manuels) .ISBN : 978-2-343-06288-4 : 12,50 EURBibliogr. p. 79Langues : Français (fre)

Catégories :	[Agneaux] Commande linéaire[Agneaux] Systèmes linéaires
Index. décimale :	629.832
Résumé :	Cet ouvrage, le premier d'une série sur "Automatique des Systèmes multidimensionnels", se décline en plusieurs points de l'étude des Systèmes dynamiques : la représentation d'Etat, l'analyse et la synthèse de lois de commande. Il s'adresse aux étudiants de master des universités, aux étudiants des écoles d'ingénieur et aux chercheurs de différents domaines qui sont souvent amenés à modéliser des systèmes. Introduction à la commande des systèmes linèaires multidimensionnels Introduction à la commande des systèmes linèaires multidimensionnels Introduction à la commande des systèmes linèaires multidimensionnels - Couverture - Format classique

Linear control system analysis and design with MATLAB / 978-1-4665-0426-4

Sat, 20 May 2017 16:05:21

Linear control system analysis and design with MATLAB [Monographie imprimée] / Constantine H. Houpis ; Stuart N. Sheldon ; John Joachim D'Azzo . - Sixth edition. . - [s.d.] . - xxiii, 705 pages ; 27 cm.ISBN : 978-1-4665-0426-4Revised edition of: Linear control system analysis and design with MATLAB / John Joachim D'Azzo, Constantine H. Houpis, Stuart N. Sheldon. c2003.

Catégories :	[Agneaux] Control theory.[Agneaux] Linear control systems.[Agneaux] TECHNOLOGY & ENGINEERING / Electrical.
Index. décimale :	629.8/32
Résumé :	"Thoroughly classroom-tested and proven to be a valuable self-study companion, Linear Control System Analysis and Design: Sixth Edition provides an intensive overview of modern control theory and conventional control system design using in-depth explanations, diagrams, calculations, and tables. Keeping mathematics to a minimum, the book is designed with the undergraduate in mind, first building a foundation, then bridging the gap between control theory and its real-world application. Computer-aided design accuracy checks (CADAC) are used throughout the text to enhance computer literacy. Each CADAC uses fundamental concepts to ensure the viability of a computer solution.Completely updated and packed with student-friendly features, the sixth edition presents a range of updated examples using MATLAB, as well as an appendix listing MATLAB functions for optimizing control system analysis and design. Over 75 percent of the problems presented in the previous edition have been revised or replaced. "-- "Preface On reflection, it should be noted that the foundation of the five editions of this book was the textbook authored by J. J. D'Azzo and C. H. Houpis, Feedback Control System Analysis and Design, published by McGraw-Hill (the first edition in 1960 and the second edition in 1966). The sixth edition, in fact, can be considered to be "eighth edition." This textbook was translated into Spanish and Portuguese and became an international bestseller. In the latter part of the twentieth century, the fourth edition was translated into Chinese. The fundamentals of control theory, as presented in the 1960 edition, have essentially remained the same. It is therefore not surprising that even after 52 years, the publisher felt the need for a new edition to be published. The technological advances that were made during the twentieth century have necessitated the design of advanced control systems in a concurrent engineering design, which requires that control engineers play a central role from the very beginning of the project. Many of today's control system designs are of a multidisciplinary nature that require applying control concepts to understand the interactions of the subsystems in the entire system. They also require coordinating the different disciplines in order to achieve better system dynamics and controllability and optimum design. Further, it also enhances the requirement that future engineering education to emphasize bridging the gap between theory and the real world. The text is divided into five parts: Part I--Introductory Material; Part II--Analog Control Systems; Part III--Compensation--Analog Systems; Part IV--Advanced Topics; and Part V-- Digital Control Systems"--
Sommaire :	Part I: Introductory Material Introduction Introduction Introduction to Control Systems Definitions Historical Background Control System: A Human Being Digital Control Development Mathematical Background Engineering Control Problem Computer Literacy Outline of Text Unmanned Aircraft Vehicles Introduction Twentieth-Century UAV R&D Predator Grim Reaper (US Air Force Fact Sheet MQ-9 Reaper, Posted on January 5, 2012) RQ-4 Global Hawk (US Air Force Fact Sheet RQ-4 Global Hawk, Posted on January 19, 2012) Wind Energy Control Systems Introduction Concurrent Engineering: A Road Map for Systems Design: Energy Example QFT Controller Design CAD Toolbox Frequency Domain Analysis Introduction Steel Mill Ingot Electrocardiographic Monitoring Control Theory: Analysis and Design of Control Systems Part II: Analog Control Systems Writing System Equations Introduction Electric Circuits and Components State Concepts Transfer Function and Block Diagram Mechanical Translation Systems Analogous Circuits Mechanical Rotational Systems Effective Moment of Inertia and Damping of a Gear Train Thermal Systems Hydraulic Linear Actuator Liquid-Level System Rotating Power Amplifiers DC Servomotor AC Servomotor Lagrange’s Equation Solution of Differential Equations Introduction Standard Inputs to Control Systems Steady-State Response: Sinusoidal Input Steady-State Response: Polynomial Input Transient Response: Classical Method Definition of Time Constant Example: Second-Order System (Mechanical) Example: Second-Order System (Electrical) Second-Order Transients Time-Response Specifications CAD Accuracy Checks State-Variable Equations Characteristic Values Evaluating the State Transition Matrix Complete Solution of the State Equation Laplace Transform Introduction Definition of the Laplace Transform Derivation of Laplace Transforms of Simple Functions Laplace Transform Theorems CAD Accuracy Checks Application of the Laplace Transform to Differential Equations Inverse Transformation Heaviside Partial-Fraction Expansion Theorems MATLAB® Partial-Fraction Example Partial-Fraction Shortcuts Graphical Interpretation of Partial-Fraction Coefficients Frequency Response from the Pole–Zero Diagram Location of Poles and Stability Laplace Transform of the Impulse Function Second-Order System with Impulse Excitation Solution of State Equation Evaluation of the Transfer-Function Matrix MATLAB® Script For MIMO Systems System Representation Introduction Block Diagrams Determination of the Overall Transfer Function Standard Block-Diagram Terminology Position-Control System Simulation Diagrams Signal Flow Graphs State Transition Signal Flow Graph Parallel State Diagrams from Transfer Functions Diagonalizing the A Matrix Use of State Transformation for the State-Equation Solution Transforming A Matrix with Complex Eigenvalues Transforming an A Matrix into Companion Form Using MATLAB® to Obtain the Companion A Matrix Control-System Characteristics Introduction Routh’s Stability Criterion Mathematical and Physical Forms Feedback System Types Analysis of System Types Example: Type 2 System Steady-State Error Coefficients CAD Accuracy Checks: CADAC Use of Steady-State Error Coefficients Nonunity-Feedback System Root Locus Introduction Plotting Roots of a Characteristic Equation Qualitative Analysis of the Root Locus Procedure Outline Open-Loop Transfer Function Poles of the Control Ratio C(s)/R(s) Application of the Magnitude and Angle Conditions Geometrical Properties (Construction Rules) CAD Accuracy Checks Root Locus Example Example of Section 10.10: MATLAB® Root Locus Root Locus Example with an RH Plane Zero Performance Characteristics Transport Lag Synthesis Summary of Root-Locus Construction Rules for Negative Feedback Frequency Response Introduction Correlation of the Sinusoidal and Time Response Frequency-Response Curves Bode Plots (Logarithmic Plots) General Frequency–Transfer–Function Relationships Drawing the Bode Plots Example of Drawing a Bode Plot Generation of MATLAB® Bode Plots System Type and Gain as Related to Log Magnitude Curves CAD Accuracy Check Experimental Determination of Transfer Function Direct Polar Plots Summary: Direct Polar Plots Nyquist Stability Criterion Examples of the Nyquist Criterion Using Direct Polar Plots Nyquist Stability Criterion Applied to a System Having Dead Time Definitions of Phase Margin and Gain Margin and Their Relation to Stability Stability Characteristics of the Log Magnitude and Phase Diagram Stability from the Nichols Plot (Log Magnitude–Angle Diagram) Closed-Loop Tracking Performance Based on Frequency Response Introduction Direct Polar Plot Determination of Mm and ωm for a Simple Second-Order System Correlation of Sinusoidal and Time Responses Constant M(ω) and α(ω) Contours of C(Jω)/R(Jω) on the Complex Plane (Direct Plot) Constant 1/M and α Contours (Unity Feedback) in the Inverse Polar Plane Gain Adjustment of a Unity-Feedback System for a Desired Mm: Direct Polar Plot Constant M and α Curves on the Log Magnitude–Angle Diagram (Nichols Chart) Generation of MATLAB® Bode and Nyquist Plots Adjustment of Gain by Use of the Log Magnitude–Angle Diagram (Nichols Chart) Correlation of the Pole–Zero Diagram with Frequency and Time Responses Part III: Compensation: Analog Systems Root-Locus Compensation: Design Introduction to Design Transient Response: Dominant Complex Poles Additional Significant Poles Root-Locus Design Considerations Reshaping the Root Locus CAD Accuracy Checks Ideal Integral Cascade Compensation (PI Controller) Cascade Lag Compensation Design Using Passive Elements System Ideal Derivative Cascade Compensation (PD Controller) Lead Compensation Design Using Passive Elements General Lead-Compensator Design Lag–Lead Cascade Compensation Design System Comparison of Cascade Compensators PID Controller Introduction to Feedback Compensation Feedback Compensation: Design Procedures Simplified Rate Feedback Compensation: A Design Approach Design of Rate Feedback Design: Feedback of Second Derivative of Output Results of Feedback-Compensation Design Rate Feedback: Plants with Dominant Complex Poles Frequency-Response Compensation Design Introduction to Feedback Compensation Design Selection of a Cascade Compensator Cascade Lag Compensator Design Example: Cascade Lag Compensation Cascade Lead Compensator Design Example: Cascade Lead Compensation Cascade Lag–Lead Compensator Design Example: Cascade Lag–Lead Compensation Feedback Compensation Design Using Log Plots Design Example: Feedback Compensation (Log Plots) Application Guidelines: Basic Minor-Loop Feedback Compensators Part IV: Advanced Topics Control-Ratio Modeling Introduction Modeling a Desired Tracking Control Ratio Guillemin – Truxal Design Procedure Introduction to Disturbance Rejection Second-Order Disturbance-Rejection Model Disturbance-Rejection Design Principles for SISO Systems Disturbance-Rejection Design Example Disturbance-Rejection Models Design: Closed-Loop Pole–Zero Assignment (State-Variable Feedback) Introduction Controllability and Observability State Feedback for SISO Systems State-Feedback Design for SISO Systems Using the Control Canonical (Phase-Variable) Form State-Variable Feedback (Physical Variables) General Properties of State Feedback (Using Phase Variables) State-Variable Feedback: Steady-State Error Analysis Use of Steady-State Error Coefficients State-Variable Feedback: All-Pole Plant Plants with Complex Poles Compensator Containing a Zero State-Variable Feedback: Pole–Zero Plant Observers Control Systems Containing Observers Parameter Sensitivity and State-Space Trajectories Introduction Sensitivity Sensitivity Analysis Sensitivity Analysis Examples Parameter Sensitivity Examples Inaccessible States State-Space Trajectories Linearization (Jacobian Matrix) Part V: Digital Control Systems Sampled-Data Control Systems Introduction Sampling Ideal Sampling Z Transform Theorems Differentiation Process Synthesis in the z Domain (Direct Method) Inverse Z Transform Zero-Order Hold Limitations Steady-State Error Analysis for Stable Systems Root-Locus Analysis for Sampled-Data Control Systems Digital Control Systems Introduction Complementary Spectra Tustin Transformation: s- to z-Plane Transformation z-Domain to the w- and w’-Domain Transformations Digitization Technique Digitization Design Technique Pseudo-Continuous-Time Control System Design of Digital Control System Direct Compensator PCT Lead Cascade Compensation PCT Lag Compensation PCT Lag–Lead Compensation Feedback Compensation: Tracking Controlling Unwanted Disturbances Extensive Digital Feedback Compensator Example Controller Implementation Appendix A: Table of Laplace Transform Pairs Appendix B: Matrix Linear Algebra Appendix C: Introduction to MATLAB® and Simulink® Appendix D: Conversion of Units Problems Answers to Selected Problems Index

Machine learning (cop. 2015) / 978-1-4665-8328-3

Tue, 23 May 2017 14:50:19

Machine learning : an algorithmic perspective [Monographie imprimée] / Stephen Marsland, Auteur . - 2nd ed. . - CRC press, cop. 2015 . - 1 vol. (XX-437 p.) : ill. ; 25 cm. - (Chapman & Hall/CRC machine learning & pattern recognition series) .ISBN : 978-1-4665-8328-3Notes bibliogr.Langues : Anglais (eng)

Catégories :	[Agneaux] Algorithmes[Agneaux] Apprentissage automatique
Index. décimale :	006.31
Résumé :	A Proven, Hands-On Approach for Students without a Strong Statistical Foundation Since the best-selling first edition was published, there have been several prominent developments in the field of machine learning, including the increasing work on the statistical interpretations of machine learning algorithms. Unfortunately, computer science students without a strong statistical background often find it hard to get started in this area. Remedying this deficiency, Machine Learning: An Algorithmic Perspective, Second Edition helps students understand the algorithms of machine learning. It puts them on a path toward mastering the relevant mathematics and statistics as well as the necessary programming and experimentation. New to the Second Edition Two new chapters on deep belief networks and Gaussian processes Reorganization of the chapters to make a more natural flow of content Revision of the support vector machine material, including a simple implementation for experiments New material on random forests, the perceptron convergence theorem, accuracy methods, and conjugate gradient optimization for the multi-layer perceptron Additional discussions of the Kalman and particle filters Improved code, including better use of naming conventions in Python Suitable for both an introductory one-semester course and more advanced courses, the text strongly encourages students to practice with the code. Each chapter includes detailed examples along with further reading and problems. All of the code used to create the examples is available on the author’s website.
Sommaire :	Prologue to 2nd Edition xvii Prologue to 1st Edition xix CHAPTER 1 Introduction 1 1.1 IF DATA HAD MASS, THE EARTH WOULD BE A BLACK HOLE 1 1.2 LEARNING 4 1.2.1 Machine Learning 4 1.3 TYPES OF MACHINE LEARNING 5 1.4 SUPERVISED LEARNING 6 1.4.1 Regression 6 1.4.2 Classification 8 1.5 THE MACHINE LEARNING PROCESS 10 1.6 A NOTE ON PROGRAMMING 11 1.7 A ROADMAP TO THE BOOK 12 FURTHER READING 13 CHAPTER 2 Preliminaries 15 2.1 SOME TERMINOLOGY 15 2.1.1 Weight Space 16 2.1.2 The Curse of Dimensionality 17 2.2 KNOWING WHAT YOU KNOW: TESTING MACHINE LEARNING ALGORITHMS 19 2.2.1 Overfitting 19 2.2.2 Training, Testing, and Validation Sets 20 2.2.3 The Confusion Matrix 21 2.2.4 Accuracy Metrics 22 2.2.5 The Receiver Operator Characteristic (ROC) Curve 24 2.2.6 Unbalanced Datasets 25 2.2.7 Measurement Precision 25 2.3 TURNING DATA INTO PROBABILITIES 27 2.3.1 Minimising Risk 30 vii viii Contents 2.3.2 The Naïve Bayes’ Classifier 30 2.4 SOME BASIC STATISTICS 32 2.4.1 Averages 32 2.4.2 Variance and Covariance 32 2.4.3 The Gaussian 34 2.5 THE BIAS-VARIANCE TRADEOFF 35 FURTHER READING 36 PRACTICE QUESTIONS 37 CHAPTER 3 Neurons, Neural Networks, and Linear Discriminants 39 3.1 THE BRAIN AND THE NEURON 39 3.1.1 Hebb’s Rule 40 3.1.2 McCulloch and Pitts Neurons 40 3.1.3 Limitations of the McCulloch and Pitts Neuronal Model 42 3.2 NEURAL NETWORKS 43 3.3 THE PERCEPTRON 43 3.3.1 The Learning Rate η 46 3.3.2 The Bias Input 46 3.3.3 The Perceptron Learning Algorithm 47 3.3.4 An Example of Perceptron Learning: Logic Functions 48 3.3.5 Implementation 49 3.4 LINEAR SEPARABILITY 55 3.4.1 The Perceptron Convergence Theorem 57 3.4.2 The Exclusive Or (XOR) Function 58 3.4.3 A Useful Insight 59 3.4.4 Another Example: The Pima Indian Dataset 61 3.4.5 Preprocessing: Data Preparation 63 3.5 LINEAR REGRESSION 64 3.5.1 Linear Regression Examples 66 FURTHER READING 67 PRACTICE QUESTIONS 68 CHAPTER 4 The Multi-layer Perceptron 71 4.1 GOING FORWARDS 73 4.1.1 Biases 73 4.2 GOING BACKWARDS: BACK-PROPAGATION OF ERROR 74 4.2.1 The Multi-layer Perceptron Algorithm 77 4.2.2 Initialising the Weights 80 4.2.3 Different Output Activation Functions 81 Contents ix 4.2.4 Sequential and Batch Training 82 4.2.5 Local Minima 82 4.2.6 Picking Up Momentum 84 4.2.7 Minibatches and Stochastic Gradient Descent 85 4.2.8 Other Improvements 85 4.3 THE MULTI-LAYER PERCEPTRON IN PRACTICE 85 4.3.1 Amount of Training Data 86 4.3.2 Number of Hidden Layers 86 4.3.3 When to Stop Learning 88 4.4 EXAMPLES OF USING THE MLP 89 4.4.1 A Regression Problem 89 4.4.2 Classification with the MLP 92 4.4.3 A Classification Example: The Iris Dataset 93 4.4.4 Time-Series Prediction 95 4.4.5 Data Compression: The Auto-Associative Network 97 4.5 A RECIPE FOR USING THE MLP 100 4.6 DERIVING BACK-PROPAGATION 101 4.6.1 The Network Output and the Error 101 4.6.2 The Error of the Network 102 4.6.3 Requirements of an Activation Function 103 4.6.4 Back-Propagation of Error 104 4.6.5 The Output Activation Functions 107 4.6.6 An Alternative Error Function 108 FURTHER READING 108 PRACTICE QUESTIONS 109 CHAPTER 5 Radial Basis Functions and Splines 111 5.1 RECEPTIVE FIELDS 111 5.2 THE RADIAL BASIS FUNCTION (RBF) NETWORK 114 5.2.1 Training the RBF Network 117 5.3 INTERPOLATION AND BASIS FUNCTIONS 119 5.3.1 Bases and Basis Expansion 122 5.3.2 The Cubic Spline 123 5.3.3 Fitting the Spline to the Data 123 5.3.4 Smoothing Splines 124 5.3.5 Higher Dimensions 125 5.3.6 Beyond the Bounds 127 FURTHER READING 127 PRACTICE QUESTIONS 128 x Contents CHAPTER 6 Dimensionality Reduction 129 6.1 LINEAR DISCRIMINANT ANALYSIS (LDA) 130 6.2 PRINCIPAL COMPONENTS ANALYSIS (PCA) 133 6.2.1 Relation with the Multi-layer Perceptron 137 6.2.2 Kernel PCA 138 6.3 FACTOR ANALYSIS 141 6.4 INDEPENDENT COMPONENTS ANALYSIS (ICA) 142 6.5 LOCALLY LINEAR EMBEDDING 144 6.6 ISOMAP 147 6.6.1 Multi-Dimensional Scaling (MDS) 147 FURTHER READING 150 PRACTICE QUESTIONS 151 CHAPTER 7 Probabilistic Learning 153 7.1 GAUSSIAN MIXTURE MODELS 153 7.1.1 The Expectation-Maximisation (EM) Algorithm 154 7.1.2 Information Criteria 158 7.2 NEAREST NEIGHBOUR METHODS 158 7.2.1 Nearest Neighbour Smoothing 160 7.2.2 Efficient Distance Computations: the KD-Tree 160 7.2.3 Distance Measures 165 FURTHER READING 167 PRACTICE QUESTIONS 168 CHAPTER 8 Support Vector Machines 169 8.1 OPTIMAL SEPARATION 170 8.1.1 The Margin and Support Vectors 170 8.1.2 A Constrained Optimisation Problem 172 8.1.3 Slack Variables for Non-Linearly Separable Problems 175 8.2 KERNELS 176 8.2.1 Choosing Kernels 178 8.2.2 Example: XOR 179 8.3 THE SUPPORT VECTOR MACHINE ALGORITHM 179 8.3.1 Implementation 180 8.3.2 Examples 183 8.4 EXTENSIONS TO THE SVM 184 8.4.1 Multi-Class Classification 184 8.4.2 SVM Regression 186 Contents xi 8.4.3 Other Advances 187 FURTHER READING 187 PRACTICE QUESTIONS 188 CHAPTER 9 Optimisation and Search 189 9.1 GOING DOWNHILL 190 9.1.1 Taylor Expansion 193 9.2 LEAST-SQUARES OPTIMISATION 194 9.2.1 The Levenberg–Marquardt Algorithm 194 9.3 CONJUGATE GRADIENTS 198 9.3.1 Conjugate Gradients Example 201 9.3.2 Conjugate Gradients and the MLP 201 9.4 SEARCH: THREE BASIC APPROACHES 204 9.4.1 Exhaustive Search 204 9.4.2 Greedy Search 205 9.4.3 Hill Climbing 205 9.5 EXPLOITATION AND EXPLORATION 206 9.6 SIMULATED ANNEALING 207 9.6.1 Comparison 208 FURTHER READING 209 PRACTICE QUESTIONS 209 CHAPTER 10 Evolutionary Learning 211 10.1 THE GENETIC ALGORITHM (GA) 212 10.1.1 String Representation 213 10.1.2 Evaluating Fitness 213 10.1.3 Population 214 10.1.4 Generating Offspring: Parent Selection 214 10.2 GENERATING OFFSPRING: GENETIC OPERATORS 216 10.2.1 Crossover 216 10.2.2 Mutation 217 10.2.3 Elitism, Tournaments, and Niching 218 10.3 USING GENETIC ALGORITHMS 220 10.3.1 Map Colouring 220 10.3.2 Punctuated Equilibrium 221 10.3.3 Example: The Knapsack Problem 222 10.3.4 Example: The Four Peaks Problem 222 10.3.5 Limitations of the GA 224 10.3.6 Training Neural Networks with Genetic Algorithms 225 xii Contents 10.4 GENETIC PROGRAMMING 225 10.5 COMBINING SAMPLING WITH EVOLUTIONARY LEARNING 227 FURTHER READING 228 PRACTICE QUESTIONS 229 CHAPTER 11 Reinforcement Learning 231 11.1 OVERVIEW 232 11.2 EXAMPLE: GETTING LOST 233 11.2.1 State and Action Spaces 235 11.2.2 Carrots and Sticks: The Reward Function 236 11.2.3 Discounting 237 11.2.4 Action Selection 237 11.2.5 Policy 238 11.3 MARKOV DECISION PROCESSES 238 11.3.1 The Markov Property 238 11.3.2 Probabilities in Markov Decision Processes 239 11.4 VALUES 240 11.5 BACK ON HOLIDAY: USING REINFORCEMENT LEARNING 244 11.6 THE DIFFERENCE BETWEEN SARSA AND Q-LEARNING 245 11.7 USES OF REINFORCEMENT LEARNING 246 FURTHER READING 247 PRACTICE QUESTIONS 247 CHAPTER 12 Learning with Trees 249 12.1 USING DECISION TREES 249 12.2 CONSTRUCTING DECISION TREES 250 12.2.1 Quick Aside: Entropy in Information Theory 251 12.2.2 ID3 251 12.2.3 Implementing Trees and Graphs in Python 255 12.2.4 Implementation of the Decision Tree 255 12.2.5 Dealing with Continuous Variables 257 12.2.6 Computational Complexity 258 12.3 CLASSIFICATION AND REGRESSION TREES (CART) 260 12.3.1 Gini Impurity 260 12.3.2 Regression in Trees 261 12.4 CLASSIFICATION EXAMPLE 261 FURTHER READING 263 PRACTICE QUESTIONS 264 Contents xiii CHAPTER 13 Decision by Committee: Ensemble Learning 267 13.1 BOOSTING 268 13.1.1 AdaBoost 269 13.1.2 Stumping 273 13.2 BAGGING 273 13.2.1 Subagging 274 13.3 RANDOM FORESTS 275 13.3.1 Comparison with Boosting 277 13.4 DIFFERENT WAYS TO COMBINE CLASSIFIERS 277 FURTHER READING 279 PRACTICE QUESTIONS 280 CHAPTER 14 Unsupervised Learning 281 14.1 THE K-MEANS ALGORITHM 282 14.1.1 Dealing with Noise 285 14.1.2 The k-Means Neural Network 285 14.1.3 Normalisation 287 14.1.4 A Better Weight Update Rule 288 14.1.5 Example: The Iris Dataset Again 289 14.1.6 Using Competitive Learning for Clustering 290 14.2 VECTOR QUANTISATION 291 14.3 THE SELF-ORGANISING FEATURE MAP 291 14.3.1 The SOM Algorithm 294 14.3.2 Neighbourhood Connections 295 14.3.3 Self-Organisation 297 14.3.4 Network Dimensionality and Boundary Conditions 298 14.3.5 Examples of Using the SOM 300 FURTHER READING 300 PRACTICE QUESTIONS 303 CHAPTER 15 Markov Chain Monte Carlo (MCMC) Methods 305 15.1 SAMPLING 305 15.1.1 Random Numbers 305 15.1.2 Gaussian Random Numbers 306 15.2 MONTE CARLO OR BUST 308 15.3 THE PROPOSAL DISTRIBUTION 310 15.4 MARKOV CHAIN MONTE CARLO 313 15.4.1 Markov Chains 313 xiv Contents 15.4.2 The Metropolis–Hastings Algorithm 315 15.4.3 Simulated Annealing (Again) 316 15.4.4 Gibbs Sampling 318 FURTHER READING 319 PRACTICE QUESTIONS 320 CHAPTER 16 Graphical Models 321 16.1 BAYESIAN NETWORKS 322 16.1.1 Example: Exam Fear 323 16.1.2 Approximate Inference 327 16.1.3 Making Bayesian Networks 329 16.2 MARKOV RANDOM FIELDS 330 16.3 HIDDEN MARKOV MODELS (HMMS) 333 16.3.1 The Forward Algorithm 335 16.3.2 The Viterbi Algorithm 337 16.3.3 The Baum–Welch or Forward–Backward Algorithm 339 16.4 TRACKING METHODS 343 16.4.1 The Kalman Filter 343 16.4.2 The Particle Filter 350 FURTHER READING 355 PRACTICE QUESTIONS 356 CHAPTER 17 Symmetric Weights and Deep Belief Networks 359 17.1 ENERGETIC LEARNING: THE HOPFIELD NETWORK 360 17.1.1 Associative Memory 360 17.1.2 Making an Associative Memory 361 17.1.3 An Energy Function 365 17.1.4 Capacity of the Hopfield Network 367 17.1.5 The Continuous Hopfield Network 368 17.2 STOCHASTIC NEURONS — THE BOLTZMANN MACHINE 369 17.2.1 The Restricted Boltzmann Machine 371 17.2.2 Deriving the CD Algorithm 375 17.2.3 Supervised Learning 380 17.2.4 The RBM as a Directed Belief Network 381 17.3 DEEP LEARNING 385 17.3.1 Deep Belief Networks (DBN) 388 FURTHER READING 393 PRACTICE QUESTIONS 393 Contents xv CHAPTER 18 Gaussian Processes 395 18.1 GAUSSIAN PROCESS REGRESSION 397 18.1.1 Adding Noise 398 18.1.2 Implementation 402 18.1.3 Learning the Parameters 403 18.1.4 Implementation 404 18.1.5 Choosing a (set of) Covariance Functions 406 18.2 GAUSSIAN PROCESS CLASSIFICATION 407 18.2.1 The Laplace Approximation 408 18.2.2 Computing the Posterior 408 18.2.3 Implementation 410 FURTHER READING 412 PRACTICE QUESTIONS 413 APPENDIX A Python 415 A.1 INSTALLING PYTHON AND OTHER PACKAGES 415 A.2 GETTING STARTED 415 A.2.1 Python for MATLAB® and R users 418 A.3 CODE BASICS 419 A.3.1 Writing and Importing Code 419 A.3.2 Control Flow 420 A.3.3 Functions 420 A.3.4 The doc String 421 A.3.5 map and lambda 421 A.3.6 Exceptions 422 A.3.7 Classes 422 A.4 USING NUMPY AND MATPLOTLIB 423 A.4.1 Arrays 423 A.4.2 Random Numbers 427 A.4.3 Linear Algebra 427 A.4.4 Plotting 427 A.4.5 One Thing to Be Aware of 429 FURTHER READING 430 PRACTICE QUESTIONS 430 Index 431

Modélisation et identification des processus (1992) / 978-2-7108-0616-5

Thu, 19 Dec 2013 15:31:34

Modélisation et identification des processus [Monographie imprimée] . - Paris : Éd. Technip, 1992 . - 1 vol. (309 p.) : ill. ; 25 cm. - (Méthodes et pratiques de l'ingénieur. Automatique; 3) .ISBN : 978-2-7108-0616-5 : 14108.00 DA

Résumé :

Cet ouvrage, en deux tomes, présente les outils et méthodes utilisés pour la modélisation et l'identification des processus industriels. Les divers aspects relatifs au problème du choix et de la détermination du modèle sont présentés, depuis l'analyse des propriétés des signaux mis en œuvre jusqu'à la phase pratique d'identification : - signaux continus ou échantillonnés, déterministes ou aléatoires. - Fonctions et matrices de transfert en s ou en z et étude de leurs propriétés et de leurs modes de représentation. - Modèles bond-graphs des systèmes physiques, et relations avec les modélisations précédentes. - Simplification et réduction de modèles. - Méthodes d'identification. De nombreux exemples illustrent la mise en œuvre des méthodes présentées. Ces volumes ont été réalisés grâce à une collaboration active entre les auteurs, enseignants d'automatique de l'Ecole centrale de Lille sur une base de contenu définie dans le cadre d'un programme d'échanges pédagogiques associant les enseignants d'établissements partenaires de six pays.

Sommaire :

5 - Modélisation des systèmes physiques par bond-graphs ; 6 - Simplification de modèles ; 7 - Identification ; ANNEXES : - Bloc triangularisation et bloc-diagonalisation ; - Conditionnement d'un système linéaire ; - Pseudo-inverse d'une matrice ; - Séquences binaires pseudo-aléatoires ; - Paramètres de Hudzovic ; - Transformée de Fourier rapide (TFR) ; - Polynômes orthogonaux. Bibliographie. Index.

New advances in intelligent signal processing (2011) / 978-3-642-11738-1

Tue, 23 May 2017 16:40:07

New advances in intelligent signal processing = Nouveaux progrès dans le traitement intelligent du signal [Monographie imprimée] / A. E. Ruano ; AnnamÐaria R. VÐarkonyi-KÐoczy . - Berlin : Springer, 2011 . - xiii, 254 p. : ill. (chiefly col.) ; 24 cm.ISBN : 978-3-642-11738-1

Catégories :	[Agneaux] Adaptive signal processing.[Agneaux] Intelligent control systems.[Agneaux] Signal processing:Digital techniques.
Résumé :	The book presents some of the most efficient statistical and deterministic methods for information processing and applications in order to extract targeted information and find hidden patterns. The techniques presented range from Bayesian approaches and their variations such as sequential Monte Carlo methods, Markov Chain Monte Carlo filters, Rao Blackwellization, to the biologically inspired paradigm of Neural Networks and decomposition techniques such as Empirical Mode Decomposition, Independent Component Analysis and Singular Spectrum Analysis. The book is directed to the research students, professors, researchers and practitioners interested in exploring the advanced techniques in intelligent signal processing and data mining paradigms.
Sommaire :	Formulation of Fuzzy Random Regression Model . . . . . . . . . . . . . . . . . 1 Junzo Watada, Shuming Wang, Witold Pedrycz 1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 2 Fuzzy Random Variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 3 Fuzzy Random Regression Model . . . . . . . . . . . . . . . . . . . . . . . . . . 7 4 The Solution to the FRRM. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 4.1 Vertices Method . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 4.2 Heuristic Method . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 5 An Example . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 6 Concluding Remarks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 2 Evolutionary Multiobjective Neural Network Models Identification: Evolving Task-Optimised Models . . . . . . . . . . . . . . . . . . 21 Pedro M. Ferreira, Ant´ onio E. Ruano 1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 2 Methodology . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 2.1 Problem Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 2.2 Multiobjective Evolutionary Algorithms . . . . . . . . . . . . . 25 2.3 Model Design Cycle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 2.4 ANN Parameter Training . . . . . . . . . . . . . . . . . . . . . . . . . . 30 3 Example Model Identification Problems . . . . . . . . . . . . . . . . . . . . . 35 3.1 Electricity Consumption Prediction . . . . . . . . . . . . . . . . . 35 3.2 Cloudiness Estimation . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 4 Concluding Remarks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50 References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50 3 Structural Learning Model of the Neural Network and Its Application to LEDs Signal Retrofit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55 Junzo Watada, Shamshul Bahar Yaakob 1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56 2 Hopfield and Boltzmann Machine . . . . . . . . . . . . . . . . . . . . . . . . . . 57 X Contents 3 Boltzmann Machine Approach to Mean-Variance Analysis. . . . . . 59 4 Double-Layered Boltzmann Machine Example. . . . . . . . . . . . . . . . 62 5 Overview on LEDs Signal Retrofit . . . . . . . . . . . . . . . . . . . . . . . . . . 64 6 LEDs Signal Retrofit and Mean-Variance Problem . . . . . . . . . . . . . 65 7 Numerical Example of LEDs Signal Retrofit. . . . . . . . . . . . . . . . . . 67 8 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72 References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73 4 Robustness of DNA-Based Clustering. . . . . . . . . . . . . . . . . . . . . . . . . . . . 75 Rohani Abu Bakar, Chu Yu-Yi, Junzo Watada 1 DNA Computing Methods for Solving Clustering Problems . . . . . 75 2 Background Study of Clustering Problems . . . . . . . . . . . . . . . . . . . 76 3 Robustness of DNA-Based Clustering Algorithms . . . . . . . . . . . . . 78 4 Proximity Distance Approach . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80 5 Robustness in Clustering . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82 5.1 Dataset and Parameter Implementation. . . . . . . . . . . . . . . 83 5.2 Robustness Evaluation of DNA-Based Clustering . . . . . . 83 6 Results and Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85 7 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90 References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91 5 Advances in Automated Neonatal Seizure Detection . . . . . . . . . . . . . . . 93 Eoin M. Thomas, Andrey Temko, Gordon Lightbody, William P. Marnane, Geraldine B. Boylan 1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93 2 Data and Experiment Setup . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96 3 Probabilistic Classification Framework . . . . . . . . . . . . . . . . . . . . . . 97 3.1 Preprocessing and Feature Extraction . . . . . . . . . . . . . . . . 98 3.2 Classification . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99 3.3 Postprocessing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102 3.4 Metrics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103 4 Results . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104 4.1 Results over All Patients . . . . . . . . . . . . . . . . . . . . . . . . . . . 104 4.2 Results for Individual Patients . . . . . . . . . . . . . . . . . . . . . . 107 5 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109 6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112 References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112 6 Design of Fuzzy Relation-Based Image Sharpeners. . . . . . . . . . . . . . . . 115 Fabrizio Russo 1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115 2 Linear Unsharp Masking: A Brief Review . . . . . . . . . . . . . . . . . . . . 116 3 Nonlinear Unsharp Masking Based on Fuzzy Relations. . . . . . . . . 118 4 Effects of Parameter Settings. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120 5 Noise Prefiltering Using Fuzzy Relations . . . . . . . . . . . . . . . . . . . . 122 Contents XI 6 A Complete Fuzzy Relation-Based Image Enhancement System . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127 7 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130 References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130 7 Application of Fuzzy Logic and Lukasiewicz Operators for Image Contrast Control . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133 Angel Barriga, Nashaat Mohamed Hussein Hassan 1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133 2 Contrast Control Techniques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135 3 Soft Computing Techniques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138 3.1 Minimization of Image Fuzziness . . . . . . . . . . . . . . . . . . . 138 3.2 Direct Method . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139 3.3 Fuzzy Histogram Hiperbolation . . . . . . . . . . . . . . . . . . . . . 140 3.4 Sharpening and Noise Reduction . . . . . . . . . . . . . . . . . . . . 140 4 Hardware Realizations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141 5 Contrast Control by Means of Lukasiewicz Operators . . . . . . . . . . 142 6 Control Parameters Based on Fuzzy Logic . . . . . . . . . . . . . . . . . . . 144 7 Contrast Controller Architecture . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149 8 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152 References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153 8 Low Complexity Situational Models in Image Quality Improvement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155 Annam´ aria R. V´ arkonyi-K´ oczy 1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155 2 Corner Detection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156 2.1 Overview . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157 2.2 Detection of Corner Points . . . . . . . . . . . . . . . . . . . . . . . . . 159 2.3 Experimental Results . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162 3 “Useful” Information Extraction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163 3.1 Overview . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166 3.2 Surface Smoothing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169 3.3 Edge Detection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170 3.4 Edge Separation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171 3.5 Illustrative Example . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172 4 A Possible Application: 3D Reconstruction of Scenes . . . . . . . . . . 175 5 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176 References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176 9 A Flexible Representation and Invertible Transformations for Images on Quantum Computers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179 Phuc Q. Le, Abdullahi M. Iliyasu, Fangyan Dong, Kaoru Hirota 1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179 2 Flexible Representation of Quantum Images and Its Polynomial Preparation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181 XII Contents 3 Quantum Image Compression Based on Minimization of Boolean Expressions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186 4 Image Processing Operators on Quantum Images Based on Invertible Transformations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191 5 Experiments on Quantum Images . . . . . . . . . . . . . . . . . . . . . . . . . . . 194 5.1 Storage and Retrieval of Quantum Images . . . . . . . . . . . . 194 5.2 Analysis of Quantum Image Compression Ratios . . . . . . 196 5.3 Simple Detection of a Line in a Quantum Image Based on Quantum Fourier Transform . . . . . . . . . . . . . . . 198 6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199 References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202 10 Weakly Supervised Learning: Application to Fish School Recognition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203 Riwal Lefort, Ronan Fablet, Jean-Marc Boucher 1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203 2 Notations and General Framework . . . . . . . . . . . . . . . . . . . . . . . . . . 205 3 Generative Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206 4 Discriminative Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209 4.1 Linear Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209 4.2 Non Linear Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210 5 Soft Decision Trees and Soft Random Forests. . . . . . . . . . . . . . . . . 211 5.1 Soft Decision Trees . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211 5.2 Soft Random Forest . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213 6 Classifier Combination . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214 7 Application to Fisheries Acoustics . . . . . . . . . . . . . . . . . . . . . . . . . . 215 7.1 Simulation Method . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 215 7.2 The Fish School Dataset . . . . . . . . . . . . . . . . . . . . . . . . . . . 216 7.3 Results . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 217 8 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221 References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221 11 Intelligent Spaces as Assistive Environments: Visual Fall Detection Using an Evolutive Algorithm . . . . . . . . . . . . . . . . . . . . . . . . . 225 Jos´ e Mar´ ıa Ca˜ nas, Sara Marug´ an, Marta Marr´ on, Juan C. Garc´ ıa 1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225 2 Global System Description . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 228 3 Multimodal Evolutive Algorithm for Vision Based 3D Tracking . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229 3.1 Explorers and Races . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231 3.2 Fitness Function Observation Model. . . . . . . . . . . . . . . . . 233 3.3 Determine 3D Positions . . . . . . . . . . . . . . . . . . . . . . . . . . . 236 Contents XIII 4 Experiments. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237 4.1 Typical Execution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239 4.2 Time Performance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241 4.3 System Accuracy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242 5 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245 References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 246 Author Index . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 249 Subject Index . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 251

Optimal control theory (2004) / 978-0-486-43484-1

Tue, 23 May 2017 16:38:18

Optimal control theory = Théorie du contrôle optimal: une introduction : an introduction / [Monographie imprimée] / Donald E. Kirk . - Mineola, N.Y. : Dover Publications, 2004 . - ix, 452 p. : ill. ; 22 cm.ISBN : 978-0-486-43484-1Originally published: Englewood Cliffs, N.J. : Prentice-Hall, 1970 (Prentice-Hall networks series)

Catégories :	[Agneaux] Control theory.[Agneaux] Mathematical optimization.
Index. décimale :	003/.5
Résumé :	Optimal control theory is the science of maximizing the returns from and minimizing the costs of the operation of physical, social, and economic processes. Geared toward upper-level undergraduates, this text introduces three aspects of optimal control theory: dynamic programming, Pontryagin s minimum principle, and numerical techniques for trajectory optimization. Chapters 1 and 2 focus on describing systems and evaluating their performances. Chapter 3 deals with dynamic programming. The calculus of variations and Pontryagin s minimum principle are the subjects of chapters 4 and 5, and chapter 6 examines iterative numerical techniques for finding optimal controls and trajectories. Numerous problems, intended to introduce additional topics as well as to illustrate basic concepts,
Sommaire :	Describing the System and Evaluating Its Performance Introduction p. 3 Problem Formulation p. 3 State Variable Representation of Systems p. 16 Concluding Remarks p. 22 References p. 23 Problems p. 23 The Performance Measure p. 29 Performance Measures for Optimal Control Problems p. 29 Selecting a Performance Measure p. 34 Selection of a Performance Measure: The Carrier Landing of a Jet Aircraft p. 42 References p. 47 Problems p. 47 Dynamic Programming Dynamic Programming p. 53 The Optimal Control Law p. 53 The Principle of Optimality p. 54 Application of the Principle of Optimality to Decision-Making p. 55 Dynamic Programming Applied to a Routing Problem p. 56 An Optimal Control System p. 58 Interpolation p. 64 A Recurrence Relation of Dynamic Programming p. 67 Computational Procedure for Solving Control Problems p. 70 Characteristics of Dynamic Programming Solution p. 75 Analytical Results--Discrete Linear Regulator Problems p. 78 The Hamilton-Jacobi-Bellman Equation p. 86 Continuous Linear Regulator Problems p. 90 The Hamilton-Jacobi-Bellman Equation--Some Observations p. 93 Summary p. 94 References p. 95 Problems p. 96 The Calculus of Variations and Pontryagin's Minimum Principle The Calculus of Variations p. 107 Fundamental Concepts p. 108 Functionals of a Single Function p. 123 Functionals Involving Several Independent Functions p. 143 Piecewise-Smooth Extremals p. 154 Constrained Extrema p. 161 Summary p. 177 References p. 178 Problems p. 178 The Variational Approach to Optimal Control Problems p. 184 Necessary Conditions for Optimal Control p. 184 Linear Regulator Problems p. 209 Pontryagin's Minimum Principle and State Inequality Constraints p. 227 Minimum-Time Problems p. 240 Minimum Control-Effort Problems p. 259 Singular Intervals in Optimal Control Problems p. 291 Summary and Conclusions p. 308 References p. 309 Problems p. 310 Iterative Numerical Techniques for Finding Optimal Controls and Trajectories Numerical Determination of Optimal Trajectories p. 329 Two-Point Boundary-Value Problems p. 330 The Method of Steepest Descent p. 331 Variation of Extremals p. 343 Quasilinearization p. 357 Summary of Iterative Techniques for Solving Two-Point Boundary-Value Problems p. 371 Gradient Projection p. 373 References p. 408 Problems p. 409 Conclusion Summation p. 417 The Relationship Between Dynamic Programming and the Minimum Principle p. 417 Summary p. 423 Controller Design p. 425 Conclusion p. 427 References p. 427 Appendices p. 429 Useful Matrix Properties and Definitions p. 429 Difference Equation Representation of Linear Sampled-Data Systems p. 432 Special Types of Euler Equations p. 434 Answers to Selected Problems p. 437 Index p. 443 Table of Contents provided by Ingram. All Rights Reserved.

Power systems signal processing for smart grids / 978-1-119-99150-2

Tue, 23 May 2017 15:04:57

Power systems signal processing for smart grids = Traitement de signaux de systèmes d'alimentation pour réseaux intelligents [Monographie imprimée] / Paulo F. Ribeiro . - [s.d.] . - xix, 417 pages : illustrations ; 25 cm.ISBN : 978-1-119-99150-2

Catégories :	[Agneaux] Electric power systems.[Agneaux] Signal processing:Digital techniques.[Agneaux] Smart power grids.
Index. décimale :	621.31/7
Résumé :	With special relation to smart grids, this book provides clear and comprehensive explanation of how Digital Signal Processing (DSP) and Computational Intelligence (CI) techniques can be applied to solve problems in the power system.Its unique coverage bridges the gap between DSP, electrical power and energy engineering systems, showing many different techniques applied to typical and expected system conditions with practical power system examples.Surveying all recent advances on DSP for power systems, this book enables engineers and researchers to understand the current state of the art and to develop new tools. It presents: an overview on the power system and electric signals, with description of the basic concepts of DSP commonly found in power system problems the application of several signal processing tools to problems, looking at power signal estimation and decomposition, pattern recognition techniques, detection of the power system signal variations description of DSP in relation to measurements, power quality, monitoring, protection and control, and wide area monitoring a companion website with real signal data, several Matlab codes with examples, DSP scripts and samples of signals for further processing, understanding and analysis Practicing power systems engineers and utility engineers will find this book invaluable, as will researchers of electrical power and energy systems, postgraduate electrical engineering students, and staff at utility companies"--Provided by publisher.
Sommaire :	About the Authors xiii Preface xv AccompanyingWebsite xxi Acknowledgments xxiii 1 Introduction 1 1.1 Introduction 1 1.2 The Future Grid 2 1.3 Motivation and Objectives 3 1.4 Signal Processing Framework 4 1.5 Conclusions 8 References 10 2 Power Systems and Signal Processing 11 2.1 Introduction 11 2.2 Dynamic Overvoltage 12 2.2.1 Sustained Overvoltage 12 2.2.2 Lightning Surge 13 2.2.3 Switching Surges 15 2.2.4 Switching of Capacitor Banks 17 2.3 Fault Current and DC Component 21 2.4 Voltage Sags and Voltage Swells 25 2.5 Voltage Fluctuations 27 2.6 Voltage and Current Imbalance 29 2.7 Harmonics and Interharmonics 29 2.8 Inrush Current in Power Transformers 42 2.9 Over-Excitation of Transformers 45 2.10 Transients in Instrument Transformers 47 2.10.1 Current Transformer (CT) Saturation (Protection Services) 47 2.10.2 Capacitive Voltage Transformer (CVT) Transients 54 2.11 Ferroresonance 55 2.12 Frequency Variation 56 2.13 Other Kinds of Phenomena and their Signals 56 2.14 Conclusions 57 References 58 3 Transducers and Acquisition Systems 59 3.1 Introduction 59 3.2 Voltage Transformers (VTs) 60 3.3 Capacitor Voltage Transformers 64 3.4 Current Transformers 67 3.5 Non-Conventional Transducers 71 3.5.1 Resistive Voltage Divider 71 3.5.2 Optical Voltage Transducer 72 3.5.3 Rogowski Coil 73 3.5.4 Optical Current Transducer 74 3.6 Analog-to-Digital Conversion Processing 75 3.6.1 Supervision and Control 78 3.6.2 Protection 79 3.6.3 Power Quality 79 3.7 Mathematical Model for Noise 80 3.8 Sampling and the Anti-Aliasing Filtering 81 3.9 Sampling Rate for Power System Application 84 3.10 Smart-Grid Context and Conclusions 84 References 85 4 Discrete Transforms 87 4.1 Introduction 87 4.2 Representation of Periodic Signals using Fourier Series 87 4.2.1 Computation of Series Coefficients 90 4.2.2 The Exponential Fourier Series 92 4.2.3 Relationship between the Exponential and Trigonometric oefficients 93 4.2.4 Harmonics in Power Systems 95 4.2.5 Proprieties of a Fourier Series 97 4.3 A Fourier Transform 98 4.3.1 Introduction and Examples 98 4.3.2 Fourier Transform Properties 103 4.4 The Sampling Theorem 104 4.5 The Discrete-Time Fourier Transform 108 4.5.1 DTFT Pairs 109 4.5.2 Properties of DTFT 110 4.6 The Discrete Fourier Transform (DFT) 110 4.6.1 Sampling the Fourier Transform 116 4.6.2 Discrete Fourier Transform Theorems 116 4.7 Recursive DFT 117 4.8 Filtering Interpretation of DFT 120 4.8.1 Frequency Response of DFT Filter 123 4.8.2 Asynchronous Sampling 124 4.9 The z-Transform 126 4.9.1 Rational z-Transforms 128 4.9.2 Stability of Rational Transfer Function 131 4.9.3 Some Common z-Transform Pairs 131 4.9.4 z-Transform Properties 133 4.10 Conclusions 133 References 133 5 Basic Power Systems Signal Processing 135 5.1 Introduction 135 5.2 Linear and Time-Invariant Systems 135 5.2.1 Frequency Response of LTI System 138 5.2.2 Linear Phase FIR Filter 140 5.3 Basic Digital System and Power System Applications 142 5.3.1 Moving Average Systems: Application 142 5.3.2 RMS Estimation 144 5.3.3 Trapezoidal Integration and Bilinear Transform 146 5.3.4 Differentiators Filters: Application 148 5.3.5 Simple Differentiator 151 5.4 Parametric Filters in Power System Applications 153 5.4.1 Filter Specification 154 5.4.2 First-Order Low-Pass Filter 155 5.4.3 First-Order High-Pass Filter 155 5.4.4 Bandstop IIR Digital Filter (The Notch Filter) 156 5.4.5 Total Harmonic Distortion in Time Domain (THD) 159 5.4.6 Signal Decomposition using a Notch Filter 161 5.5 Parametric Notch FIR Filters 161 5.6 Filter Design using MATLAB1 (FIR and IIR) 163 5.7 Sine and Cosine FIR Filters 163 5.8 Smart-Grid Context and Conclusions 165 References 166 6 Multirate Systems and Sampling Alterations 167 6.1 Introduction 167 6.2 Basic Blocks for Sampling Rate Alteration 167 6.2.1 Frequency Domain Interpretation 168 6.2.2 Up-Sampling in Frequency Domain 169 6.2.3 Down-Sampling in Frequency Domain 169 6.3 The Interpolator 170 6.3.1 The Input–Output Relation for the Interpolator 172 6.3.2 Multirate System as a Time-Varying System and Nobles Identities 172 6.4 The Decimator 174 6.4.1 Introduction 174 6.4.2 The Input–Output Relation for the Decimator 174 6.5 Fractional Sampling Rate Alteration 175 6.5.1 Resampling Using MATLAB1 175 6.6 Real-Time Sampling Rate Alteration 176 6.6.1 Spline Interpolation 177 6.6.2 Cubic B-Spline Interpolation 180 6.7 Conclusions 184 References 184 7 Estimation of Electrical Parameters 185 7.1 Introduction 185 7.2 Estimation Theory 185 7.3 Least-Squares Estimator 187 7.3.1 Linear Least-Squares 188 7.4 Frequency Estimation 191 7.4.1 Frequency Estimation Based on Zero Crossing (IEC61000-4-30) 192 7.4.2 Short-Term Frequency Estimator Based on Zero Crossing 195 7.4.3 Frequency Estimation Based on Phasor Rotation 198 7.4.4 Varying the DFT Window Size 200 7.4.5 Frequency Estimation Based on LSE 201 7.4.6 IIR Notch Filter 203 7.4.7 Small Coefficient and/or Small Arithmetic Errors 203 7.5 Phasor Estimation 205 7.5.1 Introduction 205 7.5.2 The PLL Structure 207 7.5.3 Kalman Filter Estimation 209 7.5.4 Example of Phasor Estimation using Kalman Filter 211 7.6 Phasor Estimation in Presence of DC Component 212 7.6.1 Mathematical Model for the Signal in Presence of DC Decaying 213 7.6.2 Mimic Method 214 7.6.3 Least-Squares Estimator (LSE) 215 7.6.4 Improved DTFT Estimation Method 216 7.7 Conclusions 224 References 224 8 Spectral Estimation 227 8.1 Introduction 227 8.2 Spectrum Estimation 227 8.2.1 Understanding Spectral Leakage 229 8.2.2 Interpolation in Frequency Domain: Single-Tone Signal 232 8.3 Windows 236 8.3.1 Frequency-Domain Windowing 236 8.4 Interpolation in Frequency Domain: Multitone Signal 240 8.5 Interharmonics 243 8.5.1 Typical Interhamonic Sources 246 8.5.2 The IEC Standard 61000-4-7 247 8.6 Interharmonic Detection and Estimation Based on IEC Standard 250 8.7 Parametric Methods for Spectral Estimation 254 8.7.1 Prony Method 254 8.7.2 Signal and Noise Subspace Techniques 262 8.8 Conclusions 269 References 270 9 Time-Frequency Signal Decomposition 271 9.1 Introduction 271 9.2 Short-Time Fourier Transform 274 9.2.1 Filter Banks Interpretation 274 9.2.2 Choosing the Window: Uncertainty Principle 276 9.2.3 The Time-Frequency Grid 279 9.3 Sliding Window DFT 280 9.3.1 Sliding Window DFT: Modified Structure 282 9.3.2 Power System Application 282 9.4 Filter Banks 284 9.4.1 Two-Channel Quadrature-Mirror Filter Bank 288 9.4.2 An Alias-Free Realization 290 9.4.3 A PR Condition 290 9.4.4 Finding the Filters from P(z) 292 9.4.5 General Filter Banks 294 9.4.6 Harmonic Decomposition Using PR Filter Banks 295 9.4.7 The Sampling Frequency 298 9.4.8 Extracting Even Harmonics 298 9.4.9 The Synthesis Filter Banks 300 9.5 Wavelet 300 9.5.1 Continuous Wavelet Transform 301 9.5.2 The Inverse Continuous Wavelet Transform 305 9.5.3 Discrete Wavelet Transform (DWT) 305 9.5.4 The Inverse Discrete Wavelet Transform 308 9.5.5 Discrete-Time Wavelet Transform 308 9.5.6 Design Issues in Wavelet Transform 313 9.5.7 Power System Application of Wavelet Transform 316 9.5.8 Real-Time Wavelet Implementation 318 9.6 Conclusions 319 References 319 10 Pattern Recognition 321 10.1 Introduction 321 10.2 The Basics of Pattern Recognition 322 10.2.1 Datasets 323 10.2.2 Supervised and Unsupervised Learning 323 10.3 Bayes Decision Theory 323 10.4 Feature Extraction on the Power Signal 324 10.4.1 Effective Value (RMS) 324 10.4.2 Discrete Fourier Transform 325 10.4.3 Wavelet Transform 325 10.4.4 Cumulants of Higher-Order Statistics 325 10.4.5 Principal Component Analysis 326 10.4.6 Normalization 327 10.4.7 Feature Selection 328 10.5 Classifiers 329 10.5.1 Minimum Distance Classifiers 329 10.5.2 Nearest Neighbor Classifier 329 10.5.3 The Perceptron 330 10.5.4 Least-Squares Methods 334 10.5.5 Multilayer Perceptron 337 10.5.6 Support Vector Machines 342 10.6 System Evaluation 348 10.6.1 Estimation of the Classification Error Probability 349 10.6.2 Limited-Size Dataset 350 10.7 Pattern Recognition Examples in Power Systems 350 10.7.1 Power Quality Disturbance Classification 350 10.7.2 Load Forecasting in Electric Power Systems 351 10.7.3 Power System Security Assessment 353 10.8 Conclusions 353 References 353 11 Detection 355 11.1 Introduction 355 11.2 Why Signal Detection for Electric Power Systems? 355 11.3 Detection Theory Basics 356 11.3.1 Detection on the Bayesian Framework 356 11.3.2 Newman-Pearson Criterion 357 11.3.3 Receiving Operating Characteristics 358 11.3.4 Deterministic Signal Detection in White Gaussian Noise 358 11.3.5 Deterministic Signals with Unknown Parameters 363 11.4 Detection of Disturbances in Power Systems 368 11.4.1 The Power System Signal 368 11.4.2 Optimal Detection 369 11.4.3 Feature Extraction 370 11.4.4 Commonly Used Detection Algorithms 370 11.5 Examples 371 11.5.1 Transmission Lines Protection 371 11.5.2 Detection Algorithms Based on Estimation 373 11.5.3 Saturation Detection in Current Transformers 377 11.6 Smart-Grid Context and Conclusions 380 References 381 12 Wavelets Applied to Power Fluctuations 383 12.1 Introduction 383 12.2 Basic Theory 384 12.3 Application of Wavelets for Time-Varying Generation and Load Profiles 385 12.3.1 Fluctuation Analyses with FFT 385 12.3.2 Methodology 386 12.3.3 Load Fluctuations 387 12.3.4 Wind Farm Generation Fluctuations 389 12.3.5 Smart Microgrid 390 12.4 Conclusions 392 References 392 13 Time-Varying Harmonic and Asymmetry Unbalances 395 13.1 Introduction 395 13.2 Sequence Component Computation 396 13.3 Time-Varying Unbalance and Harmonic Frequencies 397 13.4 Computation of Time-Varying Unbalances and Asymmetries at Harmonic Frequencies 398 13.5 Examples 401 13.5.1 Inrush Current 401 13.5.2 Voltage Sag 404 13.5.3 Unbalance in Converters 407 13.6 Conclusions 410 References 411 Index 413

Réglages P.I.D. (2009) / 978-2-7462-2345-5

Wed, 6 Sep 2017 22:41:46

Réglages P.I.D. [Monographie imprimée] / Daniel Lequesne . - Paris : Hermes science, 2009 . - 390 p. : ill. ; 24 cm.ISBN : 978-2-7462-2345-5

Catégories :	[Agneaux] Régulateurs PID
Résumé :	Cet ouvrage concentre tous les ingrédients nécessaires au réglage des boucles P.I.D. dans le but de minimiser les calculs et de faciliter la mise en oeuvre des systèmes automatisés. S'intéressant tout d'abord aux caractéristiques essentielles des systèmes fondamentaux (premier et second ordre, intégrateurs), Réglages P.I.D. permet, par les nombreuses courbes présentées, de modéliser les performances des procédés ou de choisir les performances désirées d'un système bouclé. Rédigé pour une utilisation fonctionnelle et illustré de nombreux tableaux et abaques, Réglages P.I.D. propose également des méthodes pratiques, principalement graphiques, pour l'identification des procédés à des modèles simples (Broida, second ordre, Strejc, intégrateurs et à déphasage non minimal). L'ouvrage rassemble l'essentiel des régulateurs P.I.D. (fonctionnalités, structures, continu, numérique, algorithmes de réalisation) et traite des différentes méthodes de réglage des boucles P.I.D. avec les spécificités de chacune d'entre elles.
Sommaire :	Chapitre 1. Généralités. Chapitre 2. Systèmes du premier ordre. Chapitre 3. Systèmes du second ordre. Chapitre 4. Systèmes intégrateurs. Chapitre 5. Identification des systèmes stables. Chapitre 6. Identification des systèmes intégrateurs. Chapitre 7. Régulateur P.I.D. Chapitre 8. P.I.D. numérique. Chapitre 9. Méthodes de réglage. Chapitre 10. Méthodes de réglage numérique. Chapitre 11. Réglage des boucles P.I.D. Annexe. Bibliographie. Index.

Les robots (2016) / 978-2-340-01398-8

Wed, 6 Sep 2017 22:58:50

Les robots : apprendre la robotique par l'exemple / [Monographie imprimée] / Vincent Maille ; Cyprien Accard ; Bruno Breton . - Paris [France] : Ellipses, 2016 . - 1 vol. (240 p.) ; 24 x 17 cm.ISBN : 978-2-340-01398-8

Résumé :

L’initiation à la robotique est de plus en plus présente dans les programmes scolaires que ce soit en collège avec l’introduction du codage, ou dans des projets EPI (Enseignements Pratiques Interdisciplinaires), ou bien au lycée avec le développement de la spécialité ISN (Informatique et Sciences du Numérique) et l’enseignement d’exploration ICN (Informatique et Création Numérique). Grâce à une démarche progressive, pédagogique et surtout ludique, les auteurs vous initient aux premiers rudiments de la robotique. À travers l’étude de trois systèmes différents vous pourrez découvrir la programmation en Python en réalisant différentes missions virtuelles du monde de Reeborg. Pour un coût modeste, vous pourrez aussi réaliser votre propre robot à programmer à l’aide d’une carte Arduino dans un langage proche du C. Enfin, les plus créatifs pourront créer en LEGO® des robots plus élaborés grâce à Lego Mindstorms® et sa programmation simple via la technologie LabView™. L’originalité de ce livre est son approche par thématiques déclinées suivant les trois systèmes étudiés. Les apports théoriques sont volontairement réduits à l’essentiel pour ne présenter que les fonctionnalités de base. Chaque chapitre comporte à la fois de nombreux exemples concrets et illustrés et surtout des exercices pour vous permettre de vous approprier ou d’approfondir les notions étudiées. De plus, vous pourrez retrouver sur le site de la collection du livre, de nombreux compléments (programmes des corrections, ressources, conseils, vidéos). Ainsi que vous soyez collégien, lycéen, étudiant, enseignant, à la recherche d’activités d’initiation à la robotique ou simplement intéressé par le sujet, ce livre vous permettra de découvrir le monde étonnant de la robotique.

Sommaire :

Les syst`emes pr´esent´es dans ce livre 9 A Des syst`emes virtuels 11 1 - G´eoTortue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 2 - Lightbot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 3 - RurpleNG-fr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 4 - Le monde de REEBORG . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 B Un robot tr`es ´economique 17 1 - Pourquoi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 2 - La carteArduino . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 3 - Assembler le robot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 4 - IDEArduino . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 5 - ArduinoetScratch . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 6 - Extensions possibles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 C Pr´esentation deMindstorms® 33 1 - Historique deMindstorms® . . . . . . . . . . . . . . . . . . . . . . . . 33 2 - ContenuduKitEV3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34 3 - BriqueprogrammableEV3 . . . . . . . . . . . . . . . . . . . . . . . . . 34 4 - Capteurs et actionneurs . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 5 - Environnement de d´eveloppement . . . . . . . . . . . . . . . . . . . . 37 Les premiers pas... 41 D Premiersd´eplacements avec Reeborg 43 1 - Avancer et tourner . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 2 - Cr´eerune fonction simple . . . . . . . . . . . . . . . . . . . . . . . . . 44 3 - R´ep´eterune action . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46 4 - D’autres instructions que Reeborg connaˆıt . . . . . . . . . . . . . . . 47 5 - Passer d’un monde `a l’autre . . . . . . . . . . . . . . . . . . . . . . . . 48 6 - Cr´eer sa biblioth`equede fonctions . . . . . . . . . . . . . . . . . . . . 48 7 - Solutionsdes exercices. . . . . . . . . . . . . . . . . . . . . . . . . . . . 49 E Programmation Python avec Reeborg 55 1 - Variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55 2 - Afficher . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56 3 - Boucles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57 4 - Tests . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58 5 - Et lesmaths? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60 6 - Fonctions plus avanc´ees . . . . . . . . . . . . . . . . . . . . . . . . . . . 60 7 - Solutionsdes exercices. . . . . . . . . . . . . . . . . . . . . . . . . . . . 61 F Sed´eplacer avec le robot Arduino 65 1 - Avancer, reculer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65 2 - Tourner . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70 3 - Solutionsdes exercices. . . . . . . . . . . . . . . . . . . . . . . . . . . . 74 G Structurer un programme Arduino 81 1 - Variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81 2 - Tableaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84 3 - Chaˆınes de caract`eres . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85 4 - Comparerdes expressions . . . . . . . . . . . . . . . . . . . . . . . . . 87 5 - Structures conditionnelles . . . . . . . . . . . . . . . . . . . . . . . . . 87 6 - Boucles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91 7 - Fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94 8 - Liaison s´erie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95 9 - Solutionsdes exercices. . . . . . . . . . . . . . . . . . . . . . . . . . . . 97 H Premiersd´eplacements avec Mindstorms® 107 1 - Pr´esentationde l’interface . . . . . . . . . . . . . . . . . . . . . . . . . 107 2 - Premierprogramme enMindstorms® . . . . . . . . . . . . . . . . . . 109 Les robots r´eagissent... 111 I Reeborg & les objets 113 1 - Prendre et d´eposer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113 2 - Reconnaissance d’objets . . . . . . . . . . . . . . . . . . . . . . . . . . . 114 3 - Qu’as-tudoncdans tonpanier? . . . . . . . . . . . . . . . . . . . . . . 115 4 - Quelques exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116 5 - Solutionsdes exercices. . . . . . . . . . . . . . . . . . . . . . . . . . . . 117 J R´eagir `a un stimulus ext´erieur 121 1 - Le capteurHC-SR04 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121 2 - Utiliser le capteur sur le robot . . . . . . . . . . . . . . . . . . . . . . . 124 3 - Solutionsdes exercices. . . . . . . . . . . . . . . . . . . . . . . . . . . . 126 K Apr`es les premiers pas avec Mindstorms® 129 1 - Construction d’unrobot basique . . . . . . . . . . . . . . . . . . . . . 129 2 - D´eplacementdurobot . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130 3 - Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131 4 - Solutionsdes exercices. . . . . . . . . . . . . . . . . . . . . . . . . . . . 132 ´ Eviter les obstacles 137 L Reeborg d´etecte les murs 139 1 - Le capteur frontal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139 2 - Uncapteurdeposition . . . . . . . . . . . . . . . . . . . . . . . . . . . 140 3 - Unautre capteurdemur . . . . . . . . . . . . . . . . . . . . . . . . . . 141 4 - Solutionsdes exercices. . . . . . . . . . . . . . . . . . . . . . . . . . . . 142 M D´etecter et g´erer les obstacles avec le robot Arduino 153 1 - D´etecterunobstacle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153 2 - R´eagir face `aunobstacle . . . . . . . . . . . . . . . . . . . . . . . . . . 156 3 - Solutionsdes exercices. . . . . . . . . . . . . . . . . . . . . . . . . . . . 163 N Prise en compte de l’environnement avec Mindstorms® 167 1 - Utilisation du capteur de contact . . . . . . . . . . . . . . . . . . . . . 167 2 - Utilisation du capteur infrarouge . . . . . . . . . . . . . . . . . . . . . 169 3 - Utilisation du capteur de couleurs . . . . . . . . . . . . . . . . . . . . 172 4 - Solutionsdes exercices. . . . . . . . . . . . . . . . . . . . . . . . . . . . 174 Commander le robot Arduino 193 O Utiliser une carte SD 193 1 - Configurer et utiliser la carte . . . . . . . . . . . . . . . . . . . . . . . . 193 2 - Commander le robotpar la carte . . . . . . . . . . . . . . . . . . . . . 197 3 - Solutionsdes exercices. . . . . . . . . . . . . . . . . . . . . . . . . . . . 204 P Communiquer avec le robot par Bluetooth 209 1 - Unnouvel outil pour communiquer . . . . . . . . . . . . . . . . . . . 209 2 - Le robot command´e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218 3 - Solutionsdes exercices. . . . . . . . . . . . . . . . . . . . . . . . . . . . 226 Index 233 1

Robots mobiles intelligents (2006) / 978-2-10-049682-2

Sun, 16 Jan 2011 09:22:20

Robots mobiles intelligents : du capteur au comportement [Monographie imprimée] / yann Leidwanger, Auteur . - ETSF, 2006 . - 215p ; 24/15.ISBN : 978-2-10-049682-2Langues : Français (fre) Langues originales : Français (fre)

Résumé :

Cet ouvrage regroupe l'ensemble des informations méthodologiques et techniques permettant la construction de robots mobiles "intelligents", conçus pour évoluer dans et en interaction avec leur environnement, en s'acquittant des tâches que l'on souhaite leur faire accomplir. Tous les aspects de la robotique sont traités : mécanique, électronique, programmation... afin de permettre à chacun, amateur averti, enseignant ou étudiant en électronique/robotique, de mettre en oeuvre capteurs, actionneurs, microcontrôleurs, etc. et ainsi de concevoir son propre robot. L'ouvrage se termine par deux réalisations à faire soi-même : un premier robot "Cubic" dont le but est de débarrasser une aire de jeu des palets qui sont au sol, et un deuxième robot "Quadripode" qui se déplace grâce à quatre pattes motorisées.

Sommaire :

Généralités Capteurs Acquisition et traitement d'une information capteur Actionneurs Réglages et démarrage Alimentations Mécaniques Microcontrôleurs Circuits de Reset Structures des programmes et algorithmes Programmation des microcontrôleurs Réalisation n°1 - Le robot "Cubic" Réalisation n°2 - Le robot "Quadripode"

Swarm intelligence from natural to artificial intelligence (1999) / 978-0-19-513158-1

Tue, 23 May 2017 15:08:59

Swarm intelligence from natural to artificial intelligence = Intelligence d'essaim: de naturel à l'intelligence artificielle [Monographie imprimée] / Eric Bonabeau ; Marco Dorigo ; Guy Theraulaz . - OXFORD UNIVERSITY PRESS, 1999 . - xii, 307 p. : ill. ; 25 cm.ISBN : 978-0-19-513158-1

Catégories :	[Agneaux] Artificial intelligence.[Agneaux] Biological models.[Agneaux] Insect societies.[Agneaux] Insects:Psychology.
Index. décimale :	006.3 Intelligence artificielle
Résumé :	Social insects--ants, bees, termites, and wasps--can be viewed as powerful problem-solving systems with sophisticated collective intelligence. Composed of simple interacting agents, this intelligence lies in the networks of interactions among individuals and between individuals and the environment. A fascinating subject, social insects are also a powerful metaphor for artificial intelligence, and the problems they solve--finding food, dividing labor among nestmates, building nests, responding to external challenges--have important counterparts in engineering and computer science. This book provides a detailed look at models of social insect behavior and how to apply these models in the design of complex systems. The book shows how these models replace an emphasis on control, preprogramming, and centralization with designs featuring autonomy, emergence, and distributed functioning. These designs are proving immensely flexible and robust, able to adapt quickly to changing environments and to continue functioning even when individual elements fail. In particular, these designs are an exciting approach to the tremendous growth of complexity in software and information. Swarm Intelligence draws on up-to-date research from biology, neuroscience, artificial intelligence, robotics, operations research, and computer graphics, and each chapter is organized around a particular biological example, which is then used to develop an algorithm, a multiagent system, or a group of robots. The book will be an invaluable resource for a broad range of disciplines.
Sommaire :	1: Introduction 2: Ant Foraging Behavior, Combinatorial Optimization, and Routing in Communications Networks 3: Division of Labor and Task Allocation 4: Cemetery Organization, Brood Sorting, Data Analysis, and Graph Partitioning 5: Self-Organization and Templates: Application to Data Analysis and Graph Partitioning 6: Nest Building and Self-Assembling 7: Cooperative Transport by Insects and Robots 8: Epilogue

Systèmes temps réel embarqués (DL 2014) / 978-2-10-071331-8

Mon, 21 Nov 2016 01:52:17

Systèmes temps réel embarqués : spécification, conception, implémentation et validation temporelle [Monographie imprimée] . - 2e éd. . - Paris : Dunod, DL 2014 . - 1 vol. (XI-626 p.) : ill. ; 24 cm. - (Collection Technique & ingénierie. Automatique et réseaux. Automatique et réseaux) .ISBN : 978-2-10-071331-8 : 85 EURIndexLangues : Français (fre)

Catégories :	[Agneaux] Temps réel (informatique)
Index. décimale :	004.33 Temps réel
Résumé :	Cet ouvrage présente une méthodologie complète et opérationnelle de développement des systèmes temps réel de contrôle-commande. Il permet au lecteur de : connaître et mettre en oeuvre les méthodes de spécification et de conception ; définir et paramétrer l'environnement d'exécution des systèmes ; réaliser l'implémentation multitâche basée sur un noyau temps réel ; développer l'application en C, Ada ou LabVIEW . L'ouvrage fait également le point sur les dernières avancées dans le domaine des systèmes temps réel multitâches. De nombreux exemples industriels sont traités, permettant de comprendre puis de mettre en oeuvre les principes de cette méthodologie de développement. Ce livre s'adresse à tous les ingénieurs ou techniciens concepteurs d'applications temps réel de contrôle-commande de procédés industriels. Il est également destiné aux étudiants en informatique industrielle.
Sommaire :	Avant-propos IX Chapitre 1 : Le développement des systèmes embarqués temps réel 1 1.1 Introduction 1 1.2 Architecture des applications temps réel 9 1.3 Développement des applications de contrôle-commande 20 Chapitre 2 : La spécification fonctionnelle 33 2.1 Introduction générale aux méthodes d’analyse fonctionnelle 33 2.2 Les langages de modélisation « à la UML » 37 2.3 Modélisation des flots de données 40 2.4 Modélisation statique du flot de contrôle 55 2.5 Modélisation de l’aspect comportemental du processus de contrôle 61 2.6 Modélisation de l’aspect comportemental des processus fonctionnels 71 2.7 Modélisation des données 78 2.8 Organisation générale de la méthode SA-RT en SysML 84 2.9 Exemples 89 Chapitre 3 : La conception à l’aide d’AADL 107 3.1 Introduction 107 3.2 Présentation du langage AADL 112 3.3 Exemples de conception à l’aide d’AADL 130 9782100713318-Livre.indb 5 23/09/14 17:21 VI Systèmes temps réel embarqués © Dunod - Toute reproduction non autorisée est un délit. Chapitre 4 : Architectures matérielles et système d’exploitation 137 4.1 Architecture matérielle 137 4.2 Architecture logicielle 171 4.3 Réseaux et bus de terrain 197 Chapitre 5 : Les exécutifs temps réel 223 5.1 Introduction 223 5.2 Concepts des exécutifs temps réel 226 5.3 Principales normes temps réel 255 5.4 Exemples d’exécutifs temps réel 279 Chapitre 6 : Programmation des systèmes multitâches 295 6.1 Programmation C, Ada et LabVIEW 295 6.2 Programmation multitâche en langage C 341 6.3 Programmation multitâche en langage Ada 375 6.4 Programmation multitâche en LabVIEW 398 Chapitre 7 : Traitement complet d’une application industrielle 413 7.1 Cahier des charges 413 7.2 Spécification 415 7.3 Conception 422 7.4 Implémentation sur simulateur 425 7.5 Spécification et conception adaptées 461 7.6 Implémentation de la commande réelle 467 7.7 Conclusion 478 Chapitre 8 : Étude avancée des systèmes informatiques multitâches et temps réel 479 8.1 Introduction 479 8.2 Modélisation des tâches 485 8.3 Ordonnancement de tâches indépendantes 505 8.4 Ordonnancement des tâches indépendantes apériodiques 530 9782100713318-Livre.indb 6 23/09/14 17:21 Table des matières VII © Dunod - Toute reproduction non autorisée est un délit. 8.5 Ordonnancement des tâches périodiques dépendantes 546 8.6 Ordonnancement en environnement multicœur 571 8.7 Ordonnancement dans les systèmes distribués 582 Annexes Annexe A : Représentation de l’information 597 A.1 Représentation binaire des entiers signés 597 A.2 Représentation des nombres fractionnaires 599 Annexe B : Module de boîtes aux lettres POSIX 605 Annexe C : Module générique de gestion de files bornées de messages en Ada 607 C.1 En-tête de module 607 C.2 Corps de module 608 Annexe D : Module de communication Ada 609 D.1 Spécification de module 609 D.2 Corps de module 611 Index 615 Chapitre 1 : Le développement des systèmes embarqués temps réel Chapitre 2 : La spécification fonctionnelle Chapitre 3 : La conception à l'aide d'AADL Chapitre 4 : Architectures matérielles et système d'exploitation Chapitre 5 : Les exécutifs temps réel Chapitre 6 : Programmation des systèmes multitâches Chapitre 7 : Traitement complet d'une application industrielle Chapitre 8 : Étude avancée des systèmes informatiques multitâches et temps réel Annexes Annexe A : Représentation de l'information Annexe B : Module de boîtes aux lettres POSIX Annexe C : Module générique de gestion de files bornées de messages en Ada Annexe D : Module de communication Ada

Théorie élémentaire et pratique de la commande par les régimes glissants (cop. 2006) / 978-3-540-31003-7

Sat, 20 May 2017 04:13:38

Théorie élémentaire et pratique de la commande par les régimes glissants [Monographie imprimée] / Pierre Lopez (19..-....), Auteur ; Ahmed Säid Nouri (19..-....), Auteur . - Berlin : Springer, cop. 2006 . - 1 vol. (XVI-336 p.) : ill. ; 24 cm. - (Mathématiques & applications, ISSN 1154-483X; 55) .ISBN : 978-3-540-31003-7 : 61,61

Résumé :

Cet ouvrage applique les algorithmes à Régimes Glissants (RG) aux boucles industrielles de régulation et d'asservissement pilotées jusqu'à ce jour par les traditionnels PID et leurs variantes (RST, etc.). Le système réel à commander peut être de nature variée, avoir des parties mal ou non modélisées, être soumis à des perturbations. Les algorithmes numériques robustes RG calculent une commande ayant une composante discontinue et donnent une évolution du point de fonctionnement du système bouclé sur la surface de glissement (l'équation de la surface définit la dynamique du système bouclé). Pour les applications nous avons choisi le contexte de la formation initiale et de la formation continue (théorie élémentaire, schéma-bloc, tableau de synthèse, diagrammes temporels, équations différentielles, formalisme de Laplace, simulation numérique, commande par calculateur). Le tableau de synthèse conduit à l'équation de la commande et au calcul des paramètres de réglage. Des résultats de simulation et d'expérimentation sont donnés pour différents actionneurs et plusieurs technologies (électrique continue et alternative, pneumatique, hydraulique, muscles artificiels). Cette première édition comprend deux parties, des annexes et un index. La première partie est une initiation aux modes glissants complétée par divers aspects pratiques, dans le cas des systèmes continus mono-entrée mono-sortie. La deuxième partie, orientée troisième cycle et recherche, propose divers modes glissants généralisés et aspects théoriques, dans le cas des systèmes multi-entrée multi-sortie continus, discrets et hybrides. La première partie constitue une formation (initiale et continue) à la pratique des algorithmes RG et un support à l'enseignement de 3e cycle (DEA) développé dans la deuxième partie.

Sommaire :

Partie I Introduction aux modes glissants Cas des syt` emes monovariables continus 1 Principaux Concepts dans la Commande des Syst` emes ` a l’aide de R´ egimes Glissants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 1.1 Pr´ esentation de la structure variable ` a r´ egime glissant et ` a composante discontinue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 1.2 Exemple g´ en´ erique : cas de l’asservissement de la position . . . . 5 1.3 Principaux concepts de la commande ` a r´ egime glissant . . . . . . . 9 1.3.1 La surface de glissement . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 1.3.2 Les conditions de glissement et le r´ egime transitoire. . . . 9 1.3.3 Equation de la commande instantan´ ee et expression de la composante discontinue . . . . . . . . . . . . . . . . . . . . . . . 12 1.4 Comparaison ` a une commande classique . . . . . . . . . . . . . . . . . . . . 18 1.4.1 Dynamique de l’erreur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 1.4.2 Syst` eme ´ equivalent au syst` eme ` a commander boucl´ e par un correcteur ` a r´ egime glissant . . . . . . . . . . . . . . . . . . 19 1.4.3 Discussion et exemples en exp´ erimentation . . . . . . . . . . . 21 2 Th ´ eorie ´ el´ ementaire du bouclage lin´ earisant par r´ egime glissant d’un syst` eme monovariable avec et sans dynamique de z´ eros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 2.1 Changement du comportement dynamique par des bouclages lin´ earisants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 2.2 Cas des syst` emes mono-entr´ ee mono-sortie observables . . . . . . . 27 2.2.1 Dynamique g´ en´ eralis´ ee en boucle ouverte et avec bouclage dans le cas d’un syst` eme ` a commander . . . . . . . 27 2.2.2 Bouclages lin´ earisants continus . . . . . . . . . . . . . . . . . . . . . . 29 2.2.3 Bouclage lin´ earisant ` a r´ egime glissant et ` a commande discontinue (structure variable) . . . . . . . . . . . . . . . . . . . . . 30 XII Table des mati` eres 2.2.4 Loi de commande ` a structure variable classique ou statique commande effective commande ´ equivalente . . . . 33 2.3 Cas des syst` emes observables non d´ eg´ en´ er´ es mono-entr´ ee mono-sortie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36 2.3.1 Bouclage lin´ earisant et dynamique lin´ eaire . . . . . . . . . . . . 36 2.3.2 Bouclage lin´ earisant ` a r´ egime glissant et ` a commande discontinue avec dynamique de z´ eros (structure variable) 38 2.3.3 Loi de commande ` a structure variable g´ en´ eralis´ ee (ou dynamique) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40 2.4 Condition n´ ecessaire de glissement et commandes . . . . . . . . . . . . 43 2.4.1 Formes pour la condition n´ ecessaire de glissement . . . . . 44 2.4.2 Commande ´ equivalente dans le cas non d´ eg´ en´ er´ e . . . . . . 46 2.4.3 Commande ´ equivalente dans le cas d´ eg´ en´ er´ e . . . . . . . . . . 48 3 Algorithmes ` a r´ egime glissant statique simulation et exp´ erimentation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49 3.1 Pr´ esentation d’une commande ` a r´ egime glissant ` a composante discontinue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49 3.1.1 Aspect X-MRAC d’une loi de commande . . . . . . . . . . . . . 49 3.1.2 Aspect X-TRAC d’une loi de commande . . . . . . . . . . . . . 51 3.1.3 Le compromis entre les strat´ egies TRAC et MRAC . . . . 51 3.1.4 De la robustesse de la loi de commande . . . . . . . . . . . . . . 53 3.2 Identification et mod´ elisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55 3.2.1 Pr´ esentation du syst` eme actionneur identification et mod´ elisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55 3.2.2 Moteurs ´ electriques ` a courant continu . . . . . . . . . . . . . . . . 56 3.2.3 Moteurs ` a muscles artificiels . . . . . . . . . . . . . . . . . . . . . . . . 59 3.3 R´ egime glissant classique ` a trajectoire d´ esir´ ee (CVS-TRAC) . . 63 3.3.1 Cas de la commande u = −M.sign(S) . . . . . . . . . . . . . . . . 64 3.3.2 Cas de la commande u = u eq − k.sign(S) . . . . . . . . . . . . . 67 3.4 R´ egime glissant classique ` a mod` ele de r´ ef´ erence (CVS-MRAC) 71 3.4.1 Cas d’une commande de la forme u = −M.sign(S) . . . . . 71 3.4.2 Cas d’une commande de la forme u = u eq + ∆u . . . . . . . 75 4 Applications ´ electriques et fluidiques dans le cas d’un degr´ e de libert´ e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83 4.1 Moteurs ` a courant alternatif pilot´ es par des algorithmes . . . . . . 83 4.1.1 Principe de fonctionnement et description mat´ erielle de l’asservissement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84 4.1.2 Identification et mod´ elisation . . . . . . . . . . . . . . . . . . . . . . . 85 4.1.3 Algorithmes ` a r´ egimes glissants test´ es sur les moteurs ` a courant alternatif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86 4.2 Actionneurs pneumatiques command´ es par des algorithmes . . . 97 4.2.1 Principe de fonctionnement et description mat´ erielle de l’asservissement de position pneumatique . . . . . . . . . . 99 Table des mati` eres XIII 4.2.2 Mod` ele pr´ esum´ e et identification . . . . . . . . . . . . . . . . . . . . 99 4.2.3 Algorithmes ` a r´ egimes glissants test´ es sur deux actionneurs pneumatiques . . . . . . . . . . . . . . . . . . . . . . . . . . 101 4.3 Actionneurs hydrauliques command´ es par des algorithmes . . . . 108 4.3.1 Principe de fonctionnement et description mat´ erielle de l’asservissement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109 4.3.2 Mod` ele pr´ esum´ e et identification . . . . . . . . . . . . . . . . . . . . 111 4.3.3 Algorithmes ` a r´ egimes glissants test´ es sur les deux ´ electrovalves : comparaison ` a une loi de commande lin´ eaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113 A Formes de la fonction de glissement et nombre de surfaces de commutation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121 A.1 Rappel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121 A.2 R´ egime glissant sur une surface de commutation non lin´ eaire . . 122 A.3 R´ egime glissant sur une courbe de commutation constitu´ ee de quatre morceaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126 A.3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126 A.3.2 Deux m´ ethodes test´ ees pour mettre la trajectoire d’´ etat en r´ egime de glissement depuis l’instant initial. . . 126 A.3.3 G´ en´ eralisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129 A.4 Algorithmes de commande ` a r´ egime glissant utilisant des surfaces de glissement en cascade . . . . . . . . . . . . . . . . . . . . . . . . . . 130 A.4.1 Cas de la commande CVS des moteurs alternatifs . . . . . 130 A.4.2 Cas de la commande CVS-MRAC-IO . . . . . . . . . . . . . . . . 131 A.5 Autres formes pour la fonction de commutation . . . . . . . . . . . . . 131 A.6 Correction int´ egrale ` a partir de la surface de glissement . . . . . . 133 A.7 Utilisation de la fonction de surface dans l’expression de la commande . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134 B Prise en compte d’un retard ou d’un traˆ ınage . . . . . . . . . . . . . . 139 B.1 Probl´ ematique technologique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139 B.2 Principe de l’obtention de la sortie d´ esir´ ee par une avance sur la consigne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141 B.3 R´ ealisation pratique de l’avance sur la consigne pour un syst` eme boucl´ e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143 C Param` etres nominaux des moteurs asynchrones envisag´ es dans le chapitre 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147 C.1 Moteur asynchrone mod´ elis´ e en diphas´ e selon la m´ ethode du flux orient´ e, simul´ e et exp´ eriment´ e dans un r´ eglage de la position . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147 C.2 Moteur asynchrone mod´ elis´ e en diphas´ e selon la m´ ethode du flux orient´ e, simul´ e et exp´ eriment´ e dans un r´ eglage de la vitesse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147 XIV Table des mati` eres C.3 Moteur asynchrone mod´ elis´ e en diphas´ e selon la m´ ethode α β, simul´ e et exp´ eriment´ e dans un r´ eglage de vitesse . . . . . . . . 148 D Choix du cœfficient de la surface et du gain du terme de commutation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149 D.1 Premi` ere approche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149 D.2 Deuxi` eme approche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149 D.3 Rappel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154 E G´ en´ eration par r´ ecurrence de trajectoire pour des tˆ aches r´ ep´ etitives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155 E.1 G´ en´ eration par r´ ecurrence de trajectoire de tˆ aches r´ ep´ etitives . 156 E.2 Pr´ esentation de la m´ ethode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158 Partie II Modes glissants g´ en´ eralis´ es – Cas des syst` emes multi-entr´ ee multi-sortie continus discrets et hybrides 5 Comportement dynamique des syst` emes en boucle ouverte et en boucle ferm´ ee avec r´ egime glissant . . . . . . . . . . . 171 5.1 Comportement des syst` emes dynamiques en boucle ouverte . . . 171 5.1.1 Approche par le formalisme classique . . . . . . . . . . . . . . . . 172 5.1.2 Approche par les formes canoniques g´ en´ eralis´ ees . . . . . . . 173 5.1.3 Approche par les inclusions diff´ erentielles . . . . . . . . . . . . . 175 5.1.4 Approche par la platitude . . . . . . . . . . . . . . . . . . . . . . . . . 177 5.2 Changement du comportement dynamique par le bouclage et la commande . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182 5.2.1 Bouclage par les techniques stabilisantes cas des syst` emes non plats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182 5.2.2 Bouclage lin´ earisant . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183 5.2.3 Bouclage par les r´ egimes glissants . . . . . . . . . . . . . . . . . . . 188 6 Bouclage lin´ earisant par r´ egime glissant d’un syst` eme multivariable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203 6.1 Cas des syst` emes multivariables (MIMO) . . . . . . . . . . . . . . . . . . . 203 6.1.1 Syst` emes multivariables lin´ eaires en entr´ ees . . . . . . . . . . . 205 6.1.2 Commande ` a structure variable simplexe . . . . . . . . . . . . . 208 6.2 Cas des syst` emes discrets et hybrides . . . . . . . . . . . . . . . . . . . . . . 219 6.2.1 Syst` eme dynamique avec espace d’´ etat fini . . . . . . . . . . . . 219 6.2.2 Stabilit´ e d’un syst` eme discret . . . . . . . . . . . . . . . . . . . . . . . 220 6.2.3 Commande ` a r´ egime glissant dans le cas des syst` emes discrets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222 6.2.4 Commande ` a r´ egime glissant dans le cas des syst` emes hybrides. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225 Table des mati` eres XV 7 R´ egime glissant g´ en´ eralis´ e ou utilisant un mod` ele de r´ ef´ erence et les entr´ ees-sorties . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231 7.1 R´ egimes glissants g´ en´ eralis´ es . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231 7.1.1 R´ egime glissant g´ en´ eralis´ e ` a trajectoire d´ esir´ ee (GVS-TRAC) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 232 7.1.2 R´ egime glissant g´ en´ eralis´ e ` a mod` ele de r´ ef´ erence (GVS-MRAC) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237 7.2 R´ egime glissant utilisant un mod` ele de r´ ef´ erence . . . . . . . . . . . . . 243 7.2.1 Introduction ` a la CVS-MRAC-IO. . . . . . . . . . . . . . . . . . . . 244 7.2.2 Commande adaptative avec mod` ele de r´ ef´ erence . . . . . . . 245 7.2.3 Commande ` a structure variable adaptative ` a mod` ele de r´ ef´ erence et plusieurs surfaces de glissement utilisant les entr´ ees et les sorties (CVS-MRAC-IO). . . . . 247 7.2.4 Application d’une commande CVS-MRAC-IO du type relais ` a un syst` eme de second ordre et de degr´ e relatif n∗ = 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 252 7.2.5 Remarque . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260 8 Simulation et exp´ erimentation dans le cas multivariable . . . 261 8.1 Commande d’un syst` eme multivariable par des r´ egimes glissants ind´ ependants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261 8.1.1 Rappel sur les commandes utilisant plusieurs surfaces de glissement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261 8.1.2 Pr´ esentation succincte de l’algorithme utilis´ e pour les deux syst` emes m´ ecaniques ` a 2 ddl et ` a 3 ddl . . . . . . . . . . 262 8.2 Commande ` a l’aide de r´ egimes glissants d’un syst` eme m´ ecanique articul´ e ` a deux ddl et ` a deux actionneurs . . . . . . . . . 269 8.2.1 Mod` eles dynamiques de connaissance pour la structure m´ ecanique et pour les actionneurs du robot SCARA . . . 269 8.2.2 Algorithme de commande . . . . . . . . . . . . . . . . . . . . . . . . . . 273 8.2.3 Algorithmes de commande pour le SCARA consid´ er´ e comme un syst` eme multi-entr´ ee / multi-sortie . . . . . . . . . 277 8.3 Commande ` a l’aide des r´ egimes glissants d’un syst` eme robotique ` a trois ddl de rotation et ` a trois actionneurs ` a muscles artificiels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 287 8.3.1 Pr´ esentation du bras manipulateur . . . . . . . . . . . . . . . . . . 287 8.3.2 Identification et mod´ elisation des axes . . . . . . . . . . . . . . . 288 8.3.3 Algorithme de commande utilis´ e . . . . . . . . . . . . . . . . . . . . 290 8.3.4 R´ esultats exp´ erimentaux . . . . . . . . . . . . . . . . . . . . . . . . . . . 293 F Exemples de Syst` emes plats et non plats . . . . . . . . . . . . . . . . . . 301 G Evaluation des ordres et degr´ es d’un syst` eme . . . . . . . . . . . . . . 303 G.1 Syst` eme r´ eduit ´ equivalent ` a un syst` eme lin´ eaire command´ e par un algorithme ` a r´ egime glissant . . . . . . . . . . . . . . . . . . . . . . . . 303 XVI Table des mati` eres G.2 Fonction de surface g´ en´ eralis´ ee et degr´ e relatif . . . . . . . . . . . . . . 304 G.3 M´ ethodologie de confirmation des ordres du mod` ele . . . . . . . . . . 306 G.4 M´ ethodologie de d´ etermination du degr´ e relatif d’un syst` eme sans affectation d’un mod` ele pr´ esum´ e, par glissement sur des surfaces lin´ eaires d’ordre croissant . . . . . . . . . . . . . . . . . . . . . . . . . 309 G.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 309 H M´ ethodologie de choix et de r´ eglage des correcteurs ` a r´ egime glissant. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 313 Conclusion g´ en´ erale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 317 R´ ef´ erences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 321 Index . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 335

Traité de robotique Tome 01 (DL 2010) / 978-2-7298-5281-8

Sun, 21 May 2017 00:53:41

Traité de robotique Tome 01 : conception, modélisations, équations, optimisation [Monographie imprimée] / Charles Bop (1942-....), Auteur . - Paris [France] : Ellipses, DL 2010 . - 1 vol. (392 p.) : ill., couv. ill. ; 26 cm. - (Technosup (Paris), ISSN 1275-3955) .ISBN : 978-2-7298-5281-8 : 55 EURLa couv. et la p. de titre portent en plus : "robotique" Bibliogr. 1 p. IndexLangues : Français (fre)

Catégories :	[Agneaux] Automates mathématiques, Théorie des[Agneaux] Robotique
Index. décimale :	629.892
Résumé :	L'ouvrage : niveau C (Master - Écoles d'ingénieurs - Recherche) Ce premier ouvrage d'une série de trois, présente la schématisation et la modélisation de toutes les architectures ainsi que les outils mathématiques nécessaires aux mises en équations des modèles des différentes commandes. Des architectures de chaque type sont entièrement traitées : chaînes ouvertes, chaînes fermées planes et spatiales, robots parallèles, architectures de type lombric et trompe d'éléphant, robots mobiles à trois et à quatre roues, à plusieurs pattes, ainsi qu'une approche d'architectures souples. Des architectures poly-articulées et de type humanoïde sont modélisées et mises en équation pour les différentes commandes. Pour chaque commande, plusieurs conceptions de structures et méthodes de mise en équations sont entièrement développées et comparées pour une optimisation. Enfin, tous les formalismes sont développés à l'aide de la schématisation, de la modélisation et du paramétrage présentés. Le second ouvrage sera consacré à la préhension, à la compliance ou adaptabilité, aux transmissions, à la motorisation, aux prises d'informations, à la précision, à la sécurité. Le troisième ouvrage analysera la construction des mouvements dans divers environnements.
Sommaire :	La robotique Les architectures des robots Les modèles mathématiques Chaînes ouvertes - Robots mobiles Les chaînes fermées Les commandes cinématiques La commande en force et couple Utilisations pratiques de la commande en force et couple Etudes d'architectures - Commande en force - couple La commande dynamique Optimisations des architectures Robots humanoïdes Principales méthodes de modélisations

Titres acquis en 2016 au profit du departement de genie electrique:automatique

Ant colony optimization (cop. 2004) / 978-0-262-04219-2

Applied control theory for embedded systems (cop. 2006) / 978-0-7506-7839-1

Asservissements et régulations continus (2002.) / 978-2-7108-0822-0

Automatique non lineaire / 978-3-8416-2799-5

Automatique (impr. 2014) / 978-2-7462-4631-7

Automatisation des protections mobiles (impr. 2013) / 978-2-35917-086-3

Commande adaptative des systemes non lineaires backstepping (2014) / 978-3-8416-2794-0

La commande prédictive (2006) / 978-2-7462-1361-6

Commande prédictive en Scilab (DL 2016) / 978-2-8227-0531-8

Foundations of fuzzy control / 978-1-118-50622-6

Identification et commande adaptative (2001) / 2-7462-0217-4

Intelligence artificielle (impr. 2011) / 978-2-86661-179-8

Introduction à la commande des systèmes linéaires multidimensionnels (DL 2015) / 978-2-343-06288-4

Linear control system analysis and design with MATLAB / 978-1-4665-0426-4

Machine learning (cop. 2015) / 978-1-4665-8328-3

Modélisation et identification des processus (1992) / 978-2-7108-0616-5

New advances in intelligent signal processing (2011) / 978-3-642-11738-1

Optimal control theory (2004) / 978-0-486-43484-1

Power systems signal processing for smart grids / 978-1-119-99150-2

Réglages P.I.D. (2009) / 978-2-7462-2345-5

Les robots (2016) / 978-2-340-01398-8

Robots mobiles intelligents (2006) / 978-2-10-049682-2

Swarm intelligence from natural to artificial intelligence (1999) / 978-0-19-513158-1

Systèmes temps réel embarqués (DL 2014) / 978-2-10-071331-8

Théorie élémentaire et pratique de la commande par les régimes glissants (cop. 2006) / 978-3-540-31003-7

Traité de robotique Tome 01 (DL 2010) / 978-2-7298-5281-8

Catégories :	[Agneaux] Algorithmes optimaux[Agneaux] Fourmis:Moeurs et comportement:Modèles mathématiques[Agneaux] Optimisation mathématique
Index. décimale :	519.3
Résumé :	The complex social behaviors of ants have been much studied by science, and computer scientists are now finding that these behavior patterns can provide models for solving difficult combinatorial optimization problems. The attempt to develop algorithms inspired by one aspect of ant behavior, the ability to find what computer scientists would call shortest paths, has become the field of ant colony optimization (ACO), the most successful and widely recognized algorithmic technique based on ant behavior. This book presents an overview of this rapidly growing field, from its theoretical inception to practical applications, including descriptions of many available ACO algorithms and their uses. The book first describes the translation of observed ant behavior into working optimization algorithms. The ant colony metaheuristic is then introduced and viewed in the general context of combinatorial optimization. This is followed by a detailed description and guide to all major ACO algorithms and a report on current theoretical findings. The book surveys ACO applications now in use, including routing, assignment, scheduling, subset, machine learning, and bioinformatics problems. AntNet, an ACO algorithm designed for the network routing problem, is described in detail. The authors conclude by summarizing the progress in the field and outlining future research directions. Each chapter ends with bibliographic material, bullet points setting out important ideas covered in the chapter, and exercises. Ant Colony Optimization will be of interest to academic and industry researchers, graduate students, and practitioners who wish to learn how to implement ACO algorithms.
Sommaire :	Preface ix Acknowledgments xiii 1 From Real to Artificial Ants 1 1.1 Ants’ Foraging Behavior and Optimization 1 1.2 Toward Artificial Ants 7 1.3 Artificial Ants and Minimum Cost Paths 9 1.4 Bibliographical Remarks 21 1.5 Things to Remember 22 1.6 Thought and Computer Exercises 23 2 The Ant Colony Optimization Metaheuristic 25 2.1 Combinatorial Optimization 25 2.2 The ACO Metaheuristic 33 2.3 How Do I Apply ACO? 38 2.4 Other Metaheuristics 46 2.5 Bibliographical Remarks 60 2.6 Things to Remember 61 2.7 Thought and Computer Exercises 63 3 Ant Colony Optimization Algorithms for the Traveling Salesman Problem 65 3.1 The Traveling Salesman Problem 65 3.2 ACO Algorithms for the TSP 67 3.3 Ant System and Its Direct Successors 69 3.4 Extensions of Ant System 76 3.5 Parallel Implementations 82 3.6 Experimental Evaluation 84 3.7 ACO Plus Local Search 92 3.8 Implementing ACO Algorithms 99 3.9 Bibliographical Remarks 114 3.10 Things to Remember 117 3.11 Computer Exercises 117 4 Ant Colony Optimization Theory 121 4.1 Theoretical Considerations on ACO 121 4.2 The Problem and the Algorithm 123 4.3 Convergence Proofs 127 4.4 ACO and Model-Based Search 138 4.5 Bibliographical Remarks 149 4.6 Things to Remember 150 4.7 Thought and Computer Exercises 151 5 Ant Colony Optimization for N P-Hard Problems 153 5.1 Routing Problems 153 5.2 Assignment Problems 159 5.3 Scheduling Problems 167 5.4 Subset Problems 181 5.5 Application of ACO to Other N P-Hard Problems 190 5.6 Machine Learning Problems 204 5.7 Application Principles of ACO 211 5.8 Bibliographical Remarks 219 5.9 Things to Remember 220 5.10 Computer Exercises 221 6 AntNet: An ACO Algorithm for Data Network Routing 223 6.1 The Routing Problem 223 6.2 The AntNet Algorithm 228 6.3 The Experimental Settings 238 6.4 Results 243 6.5 AntNet and Stigmergy 252 6.6 AntNet, Monte Carlo Simulation, and Reinforcement Learning 254 6.7 Bibliographical Remarks 257 6.8 Things to Remember 258 6.9 Computer Exercises 259 7 Conclusions and Prospects for the Future 261 7.1 What Do We Know about ACO? 261 7.2 Current Trends in ACO 263 7.3 Ant Algorithms 271 Appendix: Sources of Information about the ACO Field 275 References 277 Index