Optimisation des estimateurs stochastiques par les méthodes intelligentes pour la commande des systèmes non linéaires
No Thumbnail Available
Date
2024
Authors
ALLAOUI Samia
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
De nos jours, l’évolution consistante en technologie des systèmes informatiques a fait de
l’optimisation un moyen de grande importance pour le traitement des problèmes en termes
de capacité et de rapidité.
Ce présent travail, met en évidence l'importance croissante de l'optimisation des estimateurs
stochastiques, en utilisant des méthodes intelligentes basées sur la population et inspiré de la
nature telles que les algorithmes évolutionnaires. En effet, les estimateurs stochastiques jouent
un rôle crucial dans la commande sans capteurs de systèmes non linéaires en fournissant des
informations précieuses sur l'état du système, malgré la présence de bruit et d'incertitudes. Nos
contributions se concentrent sur l'estimation des états et/ou des paramètres de quelques systèmes
stochastiques non linéaires à l'aide du filtre de Kalman étendu (FKE) et du filtre de Kalman non
parfumé (UKF) dont la qualité de l’estimation est très étroitement liée aux matrices de
covariance des bruits d’état (Q) et de mesure (R). Cela nous a offert l'occasion d'examiner de
manière plus approfondie deux aspects sensibles et rarement abordés dans le domaine du
contrôle des systèmes, à savoir :
- Le choix approprié des composantes des matrices Q et R en utilisant trois algorithmes
d’optimisation distincts : (1) l’algorithme d’essaim de particules (PSO), (2) les algorithmes
génétiques (AG), et (3) l’algorithme basé sur la biogéographie insulaire (BBO). Cette approche
vise à augmenter les performances d’estimation d’état des systèmes en sélectionnant
la solution la mieux adaptée parmi une variété de possibilités.
- L'utilisation des deux versions optimisées du filtre de Kalman dans le contexte de modèles
stochastiques, qu'ils soient non linéaires ou fortement non linéaires, a été envisagée dans le but
de réaliser une estimation d'état, et par conséquent, de mettre en œuvre une commande
sans capteur.
En fin, les résultats de simulation obtenus jusqu'à présent montrent que cette approche
d’estimation optimisée pourrait jouer un rôle prépondérant dans l'amélioration des performances
des systèmes complexes dans divers domaines industriels.