Contribution à la commande des systèmes complexes selon une approche orientée agents neuros-flous

Neuro-fuzzy agents approach based control for complex systems

• Auteur / Autrice : Youcef Touati
• Direction : Yacine Amirat
• Type : Thèse de doctorat
• Discipline(s) : Informatique. Robotique
• Date : Soutenance en 2002
• Etablissement(s) : Paris 12

Mots clés

Mots clés contrôlés

Intelligence artificielle

Réseaux neuronaux (informatique)

Logique floue

Systèmes adaptatifs

Résumé

Le travail présenté dans cette thèse porte sur la commande adaptative de systèmes robotiques complexes et traite, en particulier, le problème du contrôle en effort. Les difficultés liées à la modélisation de ce type de systèmes et le nombre de paramètres qui peuvent être mis en oeuvre limitent le champ d'application des approches conventionnelles, et justifient la nécessité de nouvelles approches de commande telles que les réseaux de neurones (RN) et les systèmes d'inférence flous (SIF). Bien que l'approche par RN donne souvent lieu à de bons! résultats de simulation ou d'expérimentation, elle présente certaines limites, liées, en particulier, à la nécessité de disposer d'un ensemble de couples d'entrée/sortie de référence ou à l'ininterprétabilité des paramètres à l'issue de l'apprentissage. Les SIF, contrairement aux RN, permettent directement d'exploiter la connaissance disponible, et de l'interpréter sous forme de règles linguistiques. Dans ce cadre, deux contributions sont présentées. La première, consiste à proposer une méthodologie de conception de SIF pour l'identification et la commande. La deuxième s'articule autour de la génération et de l'optimisation de contrôleurs flous en utilisant une méthode de classification basée sur la notion d'indice d'inclusion ayant pour but la réduction du nombre de règles et le maintien de l'interprétabilité. La notion d'indice d'inclusion permet de construire des bases de connaissance de taille raisonnable, avec des règles lisibles et interprétables, sans perte de précision. La démarche proposée est. Validée en simulation sur un robot à deux mobilités exécutant une tâche de suivi de contour. Selon une commande adaptative en effort externe. L'efficacité de la méthode, est bien mise en évidence, au niveau des temps et de l'erreur de convergence

The work presented in this thesis deals with adaptive control of complex robotics systems and treats, particularly, the problem of force control. The complex modeling of such systems along with the large number of control parameters, limit the application field of a conventional approaches and lead us to prospect new control approaches such as Neural Networks (NN) and Fuzzy Inference Systems (FIS). Although, NN often gives good simulation or experimentation results, however, this approach requires an input/output reference set and suffers from the absence of interpretability of system dynamics behavior. At the opposite to NN, the FIS approach permits, on one hand, to exploit the available knowledge without requiring an analytical model, which is difficult to obtain, and on the other hand, to translate the dynamics behavior into an expert valuation rules expressed in a simple language. In this framework, two contributions are presented. The first one consists in proposing a FIS conception methodology for identification and control. The second one consists in the generation and optimization of fuzzy controllers using clustering method based on an inclusion concept. This concept permits to build a knowledge base exhibiting a reasonable size and legible and interpretable rules, without loss of accuracy. The proposed approach has been validated in simulation on 2-DOF planar robot executing a following contour task according to an adaptive external force control. The efficiency of the proposed approach has been proved from time and error convergence point of view.