Le but de l’identification est la détermination des paramètres d’un modèle à partir de données expérimentales pour obtenir des comportements identiques entre le système et le modèle
établi .
De nos jours, l’évolution des moyens de calcul a permis le développement des algorithmes d’identification et leur application avec succès pour diverses applications industrielles.
Les techniques d’identification peuvent être classées en méthodes conventionnelles et non conventionnelles. Les méthodes d’identification conventionnelles sont chronologiquement, les premières techniques utilisées pour l’identification des systèmes dynamiques. Elles permettent la
description d’un système par un modèle mathématique en se basant, soit sur une analyse théorique, soit sur une analyse expérimentale ou sur les deux. Les méthodes d’identification non conventionnelles, et en particulier, celles qui sont basées sur le concept des Réseaux de Neurones Artificiels (RNA), sont de nos jours de plus en plus utilisées.
Les RNA sont des approximateurs universels, constitués d’un grand nombre d’unités de traitements élémentaires opérant en parallèle. Les RNA sont également connus par leur robustesse au bruit provenant du fait que chaque information est répartie sur plusieurs neurones à la fois.
Ce mémoire, qui a comme thématique la mise en oeuvre de méthodes d’identification conventionnelles et non conventionnelles, est organisé en deux chapitres.
Dans le premier chapitre, des généralités sur les techniques d’identification sont présentés. Dans une première partie, les principales techniques d’identification conventionnelles,
répertoriées en méthodes non paramétriques et paramétriques sont cités. Dans la deuxième partie de ce chapitre, le concept des RNA est introduit et les différentes méthodes d’identification sont mentionnées.
Le deuxième chapitre est consacré à la mise en oeuvre de deux méthodes d’identification conventionnelles à savoir, la méthode de blanchissement de l’erreur de prédiction et la méthode de décorrélation de l’erreur de prédiction et du vecteur d’observation. De telles méthodes ont été appliquées à un pendule simple. De même, la méthode d’identification NNARMAX a été appliquée sur le même exemple d’étude. Les algorithmes mis en oeuvre dans ce travail ont été programmés en C++.Les différents résultats de simulations sont présentés et commentés dans le but de comparer entre les différentes méthodes d’identification étudiés dans ce travail.
Inhaltsverzeichnis
- CHAPITRE I: GENERALITES SUR LES METHODES D'IDENTIFICATION CONVENTIONNELLES ET NON CONVENTIONNELLES
- I.1 INTRODUCTION
- 1.2 PRINCIPES D'IDENTIFICATION
- 1.3 MÉTHODES D'IDENTIFICATION CONVENTIONNELLES
- I.3.1 Méthodes d'identification non paramétriques
- I.3.1.1 Identification d'un système du premier ordre
- I.3.1.2 Identification d'un système du second ordre oscillant
- I.3.2 Méthodes d'identification Paramétriques
- I.3.3 Comparaisons entre les méthodes d'identification paramétriques et non paramétriques
- I.4 MÉTHODES D'IDENTIFICATION NON CONVENTIONNELLES
- I.4.1 Principe des Réseaux de Neurones Artificiels
- I.4.2 Architecture des RNA
- I.4.2.1 Réseaux de neurones non bouclés
- I.4.2.2 Réseaux de neurones bouclés
- I.4.3 Apprentissage
- I.4.3.1 Apprentissage supervisé
- I.4.3.2 Apprentissage non supervisé
- I.4.4 Identification des systèmes par les réseaux de neurones
- I.5 TESTS DE VALIDATION DES MODÈLES IDENTIFIÉS
- I.6 CONCLUSION
- CHAPITRE II : APPLICATION DES METHODES D'IDENTIFICATION A UN PENDULE SIMPLE
- II.1 INTRODUCTION
- II.2 DESCRIPTION DU SYSTÈME ÉTUDIÉ « PENDULE SIMPLE »
- II.3 IDENTIFICATION D'UN MODÈLE DU PENDULE SIMPLE PAR LES MÉTHODES CONVENTIONNELLES
- II. 3.1 Algorithme d'adaptation parmétrique.
- II.3.2 Application de la méthode des moindres carrés étendus au pendule simple
- II. 3.2.1 Élaboration du modèle
- II.3.2.2 Validation du modèle
- II.3.3 Modélisation du pendule simple par le programme variable instrumentale à observations retardées
- II.3.3.1 Élaboration du modèle
- II.3.3.2 Validation du modèle
- II.4 DÉTERMINATION D'UN MODÈLE REPRÉSENTATIF DU SYSTÈME ÉTUDIÉ PAR LES RÉSEAUX DE NEURONES
- II.4.1 Élaboration du modèle
- II.4.2 Validation du modèle
- II.5 CONCLUSION
Zielsetzung und Themenschwerpunkte
Dieses Masterarbeit befasst sich mit der Implementierung von konventionellen und nicht-konventionellen Identifikationsmethoden. Ziel ist es, ein umfassendes Verständnis der verschiedenen Methoden zu entwickeln und deren Anwendbarkeit auf ein praktisches Beispiel, nämlich ein einfaches Pendel, zu demonstrieren. Die Arbeit befasst sich mit den Prinzipien der Systemidentifikation, verschiedenen Identifikationsmethoden, einschließlich parametrischer und nicht-parametrischer Ansätze, sowie der Verwendung künstlicher neuronaler Netze für die Modellierung von Systemen.
- Prinzipien der Systemidentifikation
- Konventionelle und nicht-konventionelle Identifikationsmethoden
- Anwendungen von Identifikationsmethoden auf ein einfaches Pendel
- Modellierung von Systemen mit künstlichen neuronalen Netzen
- Validierung und Vergleich von Identifikationsmodellen
Zusammenfassung der Kapitel
Kapitel I bietet eine umfassende Einführung in die konventionellen und nicht-konventionellen Identifikationsmethoden. Es werden die grundlegenden Prinzipien der Systemidentifikation erläutert, verschiedene Methoden, wie z.B. parametrische und nicht-parametrische Ansätze, vorgestellt und ihre Vor- und Nachteile diskutiert. Darüber hinaus werden die Grundlagen der künstlichen neuronalen Netze und ihre Anwendung in der Systemidentifikation behandelt. Kapitel II konzentriert sich auf die Anwendung der Identifikationsmethoden auf ein einfaches Pendel. Es werden verschiedene Modelle des Pendels mit konventionellen Methoden und mit künstlichen neuronalen Netzen entwickelt und validiert. Die Ergebnisse der verschiedenen Ansätze werden verglichen und diskutiert.
Schlüsselwörter
Systemidentifikation, konventionelle Methoden, nicht-konventionelle Methoden, künstliche neuronale Netze, parametrische Modelle, nicht-parametrische Modelle, Pendel, Modellbildung, Validierung, Vergleich.
- Quote paper
- Farouk Zouari (Author), 2005, Mise en oeuvre de méthodes d’identification conventionnelles et non conventionnelles, Munich, GRIN Verlag, https://www.grin.com/document/299249