Développement d une version neurofloue du filtre de Kalman etendu

Abstract

Sommaire: Introduction generale -Chapitre -1- filtrage optimal I.1-Historique I.2- Introduction I.3- Les Observateurs I.3.1- Classification des observateurs I.3.1.1-Les Observateurs déterministes : I.3.1.2- les Observateurs stochastiques : I.3.1.3- Les Observateurs linéaires : I.3.1.4-Les Observateurs non linéaires : I.3.2- Observateur lineaire : I.3.2.2- Filtre de kalman : I.3.2.3- Filtre de kalman étendu Conclusion -Chapitre -2- technique hybride neuro-floue II.1-Introduction II.2- Les Reseaux de neurones II.2.1- Prototype biologique II.2.2- Neurone formel II.2.3 Architecture des réseaux de neurones II.2.3.1 réseaux statiques II.2.3.2 Réseaux dynamiques II.2.4 Apprentissage II.2.4.1 Apprentissage supervisé II.2.4.2Apprentissage non supervisé II.2.5 Réseaux multicouches (perceptron) II.2.5.1 Algorithme de rétro propagation du gradient II.3 La Logique floue II.3.1 Proposition floue II.3.1.1 Variables floues et linguistiques II.3.1.2 Fonction d’appartenance II.3.1.3 Opérateurs sur les ensembles flous II.3.1.4 Règles floues II.4. Systemes hybrides neuro-flous II.4.1 Premier type II.4.1.1 Codage des sous-ensembles flous II.4.2 Deuxième type II.4.3Troisième type Chapitre -3- modélisation de la machine asynchrone III.1 Introduction III.2 Modelisation de la machine asynchrone II.2.1Hypothèses simplificatrices III.2.2 Equations générales de la machine iii.2.2.1 Equation liée au stator III.2.2.2 Equation liée au rotor III.2.2.3 Equations du couplage électromagnétique III.2.2.4 Equation du couple électromagnétique III.2.3Transformation de park III.3 Aimentation et onduleur m.l.i III.3.1 Composition du système de tension tri phasée III.3.2 La Commande (pwm) III.4 Identification des parametres de la machine asynchrone III.4.1 Equations d'état III.5 Conclusion -Chapitre -4- simulation IV.1 Introduction VI.2 Application du filtre de kalman etendu VI.2.1 Simulation de la machine asynchrone IV.2.2 Augmentation du vecteur d’état IV.2.3 Choix des matrices de covariance des bruits IV.3 Application des reseaux de neurones IV.4 Approche neuro-floue IV.5 Conclusion