Contribution Des Approches De L’intelligence Artificielle Pour La Stabilisation Robuste Des Systèmes Non Linéaires

Résumé: La présente thèse est dédiée à l'application des techniques de l'intelligence artificielle afin de pallier aux limites de la commande robuste des systèmes non linéaires. Dans le but de la résolution du problème de non linéarité, nous avons la commande linearisante qui permet de transformer un système non linéaire en un système linéaire facile à étudier. La sensibilité par rapport aux variations paramétriques et la stabilité de système font introduire la commande par Mode Glissant et celle par Backstepping successivement pour minimiser l’influences de ces problèmes. Le terme hybride va prendre une grande place dans l’évolution des commandes non linéaires. D’une part, la stabilité et la robustesse par rapport aux variations paramétriques est assurée simultanément par la commande hybride Backstepping-Mode glissant. Pour remédier aux problèmes de la commande hybride Backstepping-Mode Glissant à savoir, la nécessité de connaitre à priori les paramètres du modèle, nous proposons d'utiliser les systèmes neuro-flous approximateurs. Le choix de système neuro-flou précisément STFIS (Self Tuning Fuzzy Inference System) comme une technique de commande est motivé par le fait, qu’elle offre un grand potentiel d’adaptabilité aux systèmes non linéaires. On effectue une hybridation entre la commande hybride Backstepping-Mode Glissant et STFIS, nous essayerons d’améliorer davantage les performances de contrôle des systèmes non linéaires. La commande proposée a été appliquée sur le pendule inversé. Les résultats obtenus sont très satisfaisants même en présence des perturbations et incertitudes.

Publié dans la revue: