Commande Adaptative des Systèmes Non linéaires par l’Approche Backstepping Neuronale. Doctorat thesis, Université de Batna 2. (2015)
No Thumbnail Available
Date
2017-04-25
Authors
Mokhtari Messaoud
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Le travail de cette thèse est une contribution à la commande adaptative backstepping neuronale des systèmes non linéaires incertains. La première étape consiste à éclaircir la notion de base du backstepping non adaptatif et adaptatif. Ensuite, l’idée est d’associer le critère d’approximation par les réseaux neuronaux à la stratégie de commande backstepping. Des développements théoriques et applications sur des procédés physiques clarifient la stabilité et la robustesse de cette technique. Le deuxième axe de travail est le développement détaillé de la commande backstepping neuronale des systèmes non linéaires avec incertitudes à caractères internes et externes. Un observateur apporte des améliorations notables pour ce type de contrôle en termes de robustesse et de résolution de problèmes tels que le rejet de perturbations, l'estimation des états et des paramètres inconnus du système et l’approximation des fonctions non linéaires. Afin d'approuver l'efficacité de cette méthode, deux procédés ont été considérés pour les applications qui sont le moteur à aimants permanents et le moteur à induction. Dans le but de donner plus de mérite à cette commande, un modèle plus complexe et d'actualité est exploré. Il s'agit d'un quadrirotor qui est un système non linéaire, multivariables et couplé. Dans cette dernière partie d’étude, la technique backstepping est appliquée pour ce procédé physique. Un tel modèle est très complexe, voir difficile à contrôler ; car la commande est multivariables dans le sens où 6 degrés de liberté sont à contrôler de manière simultanée et opérant dans un milieu particulièrement perturbé. Un algorithme basé sur la technique backstepping a été employé afin de stabiliser le quadrirotor et de permettre le rejet total des perturbations