Identification de systemes complexes par techniques neuronales. Application a l'identification de frottements dans un verin de telescope

Complex systems identification by neural technics. Aplication to friction identification in a telescope jack

• Auteur / Autrice : MANUEL DOMINGUEZ
• Direction : René-Jean Gibert
• Type : Thèse de doctorat
• Discipline(s) : Sciences appliquées. Terre, océan, espace
• Date : Soutenance en 1998
• Etablissement(s) : Evry-Val d'Essonne

Résumé

Dans le cadre de la modelisation des processus complexes, nous decrivons dans ce memoire l'apport des reseaux de neurones a la modelisation des frottements mecaniques. Le memoire se presente en trois parties correspondant chacune a differentes phases du travail realise. La premiere partie fait le point sur les proprietes des reseaux de neurones en les replacant dans le cadre statistique de la theorie de l'apprentissage (en particulier : les modeles de regression non-lineaires non-parametriques) et en les reliant aux autres techniques plus classiques de l'automatique. Puis nous montrons comment les modeles d'identification peuvent s'integrer dans les reseaux de neurones vus comme une classe plus large de modeles non-lineaires. Une methodologie de l'identification precede les outils utilises. En particulier, un point est fait sur la validation a partir de fonctions de correlation pour les systemes non-lineaires, ainsi que l'utilisation des techniques de regularisation. La seconde partie fait le point sur les caracteristiques physiques des frottements secs dans les systemes mecaniques. En particulier, nous presentons les principaux phenomenes identifies a ce jour et integres dans la modelisation avancee du frottement. La caracterisation de ces phenomenes nous permettra dans la troisieme partie d'en tirer une connaissance a priori, utilisable dans la phase d'identification. Nous rappelons dans cette partie quelques uns des modeles mathematiques (modele de dahl, du reset integrator et celui dynamique propose par canudas) que nous avons utilises. La derniere partie, s'appuyant sur les deux precedentes, illustre l'application sur l'exemple reel traite : un verin de la societe sfim-industries, intervenant dans le controle du miroir du very large telescope. Cette derniere partie commence par la presentation du systeme physique. La caracterisation du frottement specifique permet la construction (architecture) de modeles neuronaux. Une comparaison des differents resultats est faite avec les methodes plus classiques. On terminera par les essais en boucle fermee de la compensation neuronale du frottement dans la boucle d'asservissement.