Commande adaptative robust floude des systèmes non linéaires

Abstract

Dans ce travail, nous avons proposé un contrôleur à structure d’un réseau de neurones multicouches dont la base de connaissance( fonctions d’appartenance – règles d’inférence )est développée par l’adaptation des poids synaptiques du réseau neuronal flou , éliminant le besoin d’un expert humain dans la phase de conception. La structure du réseau est spécifiée par le raisonnement flou de Sugeno d’ordre un . Pour tester la validité de la méthodologie de conception proposée , un exemple d’application d’un système non linéaire est étudié , ceci selon la commande directe appliquée sur le système du pendule inversé . Les poids du réseau représentent les écarts types des fonctions d’appartenance qu’on doit adapter par l’application de la combinaison des deux méthodes ( réseau de neurone , logique floue ) , et cela pour obtenir la stabilité du pendule inversé c’est à dire : La variation de l’angle et la vitesse angulaire du pendule inversé tendent vers zéro pendant quelque seconde au maximum . Mais la contrainte majeur est l’optimisation des coefficients de Takagi Sugeno et cela pour éviter le minimum local que le réseau subit pendant la phase de d’adaptation des poids . Donc ce réseau a deux groupes de coefficients à adapter : 1er groupe : Les poids synaptiques du réseau neuro - flou (dans notre cas il y en a 6 poids ). 2em groupe : Les coefficients de Takagi Sugeno (dans notre cas il y a 18 coefficients à régler) En pratique cela est très difficile , ardu , et même impossible de réaliser et pour dépasser cet obstacle nous devons fixer l’une des deux variables . Les résultats de simulation obtenus montrent l’efficacité du contrôleur . Des changements dans les entrées ( vitesse angulaire et angle ) et dans la sortie ( force ) , ainsi que des changements de l’environnement de fonctionnement sont introduits afin de tester la robustesse du contrôleur conçu , ainsi que l’avantage de l’utilisation ou de l’hybridation des deux approches ( LF , RN ) dans le domaine de contrôle des systèmes non linéaires .