Contrôle flou des processus biotechnologiques à base d’algorithmes génétiques

Abstract

L’objectif principal de cette thèse est la mise au point d’une méthodologie de travail pour l’optimisation par les Algorithmes Génétiques (AG’s) des conditions opératoires, applicables en conduite d’un procédé biotechnologique. Dans cette direction, la commande des bioprocédés est développée avec deux objectifs principaux. Le premier est primordial et concerne la croissance des microorganismes qui exige une valeur optimale de pH (acidité) et de réguler les variables d’intérêt autour des profils, cet objectif est assuré par un contrôleur flou (FLC) dans lequel les AG sont employés pour optimiser les paramètres du contrôleur (fonctions d’appartenance et règles floues). Le deuxième objectif est la détermination des conditions optimales de travail d’un bioréacteur semi continu où le débit d’alimentation (commande) joue un rôle primordial. Comme les produits nécessaires à l’alimentation du bioréacteur (inducteurs) sont très chers, un objectif naturel pour l'optimisation de la production de protéines est de maximiser la quantité de protéines produite tout en réduisant le volume d’inducteur ajouté. La productivité de ce processus est considérée comme un indexe de performance en combinant deux objectifs : maximisation de la production du protéine et minimisation du débit de l’inducteur. D’autre part le problème est reformulé sous forme multiobjective qui est résolu par la méthode Non-dominated Sorting Genetic Algorithm (NSGA-II) pour aboutir à la zone de Pareto (zone de travail).Traditionnellement le même problème est résolu en utilisant la théorie de la commande optimale, et la programmation dynamique itérative basée sur une fonctionnelle (productivité) de type mono-objectif. Les performances de la méthode d’optimisation multicritère (NSGA-II) proposée sont testées sur un procédé complexe discontinu multiproduit, qui peut être décrit comme une séquence d’événements chimiques, physiques ou biologiques à partir desquels on obtient un nouveau produit où les variables de décision sont la configuration du procédé, la taille et le nombre des équipements à chaque étape du traitement ainsi que les conditions opératoires ayant un impact majeur sur les critères d’optimisation. L’aspect multicritère est pris en compte à travers une procédure dite de tri de Pareto.