Doctorat

Permanent URI for this collectionhttps://dspace.univ-boumerdes.dz/handle/123456789/59

Browse

Filters

2022 - 202519

Settings

Start date: 2022Has files: No

Search Results

Now showing 1 - 10 of 19
  • Thumbnail Image
    Item
    Adaptive control of drone by rejection of disturbances
    (Université M'Hamed Bougara Boumerdès : Faculté de Technologie, 2025) Hadid, Samira; Boushaki, Razika(Directeur de thèse)
    Quadrotor or Unmanned Aerial Vehicles (UAVs), a popular type, use four propellers for flight and are gaining popularity due to their versatility and ease of use. Interest in controlling UAVs has significantly increased recently. This work focuses on the control and trajectory planning challenges of quadrotors. While many studies address disturbances and faults, the inherent underactuation (four inputs controlling six degrees of freedom) makes precise control and trajectory tracking difficult, particularly in complex scenarios. The research aims to improve quadrotor control in challenging environments. The Newton-Euler method is used in this work to develop the quadrotor's dynamic model. Then, an exploration using Dyna-Q reinforcement learning for autonomous quadrotor navigation in complex environments. The algorithm allows the quadrotor to learn optimal flight paths through trial and error. In addition, this thesis presents an in-depth investigation into improving the autonomy and control capabilities of quadrotors. The focus is on developing and implementing various linear and nonlinear control strategies to regulate the behavior of quadrotor UAVs. Each control strategy is carefully adjusted and fine-tuned to achieve the desired dynamic response and stability during quadrotor flight. Following that, we provide a comparison of the designed controllers. It then focuses on comparing the performance of fractional-order PID (FOPID) and sliding mode control (SMC) for trajectory tracking, emphasizing robustness against disturbances and nonlinearities. Furthermore, the research introduces an intelligent trajectory planning system using Dyna-Q learning to enable autonomous navigation and obstacle avoidance in complex environments, enhancing quadrotor adaptability and responsiveness for various applications. Extensive simulations validate the proposed control strategies and trajectory planning. Overall, this study contributes significantly to the field of quadrotor control and autonomy, providing valuable insights and solutions for improving flight stability and enabling secure and efficient operations in a variety of real-world scenarios.
  • Thumbnail Image
    Item
    SoC estimation for optimal ESS’ energy management
    (Université M'Hamed Bougara Boumerdès : Faculté de Technologie, 2025) Zermout, Abdelaziz; Belaidi, Hadjira(Directeur de thèse)
    Battery energy storage systems have become indispensable to modern civilization, enabling the functionality of numerous advanced technologies, including high-performance smartphones, long-range electric vehicles, and various portable electronic, tools, and backup systems. The continuous advancement of battery technology is a key driver for future innovations. A crucial component of battery systems is the Battery Management System (BMS), which monitors and optimizes various operational parameters, including the State of Charge (SoC). SoC represents the remaining useful battery capacity relative to its total capacity, however it cannot be directly measured and must be estimated through computational techniques instead. While existing estimation methods have significantly improved in terms of accuracy and reliability, they remain challenged by complexity, sensitivity to operating conditions, and dependence on dynamic load behavior. Overcoming these challenges is essential for enhancing the performance and longevity of battery systems in next-generation applications. Our contribution is a novel estimation technique that periodically stimulates the battery with a predefined current profile during charging or discharging to determine its State of Charge (SoC). Since this method is not continuous, it is combined with Coulomb counting for calibration. The results demonstrated the method's efficiency and reliability, effectively overcoming dependency on environmental conditions and dynamic load behavior. Its key advantages include independence from operating conditions and dynamic load behavior, as well as, minimal computational complexity without sacrificing accuracy achieving an error of less than 1%. This ensures high reliability and efficiency with reduced complexity
  • No Thumbnail Available
    Item
    Interval-valued statistical approaches for process monitoring
    (Universite M'Hamed Bougara Boumerdès : Institut de Génie Eléctrique et Eléctronique, 2025) Louifi, Abdelhalim; Harkat, Mohamed Faouzi(Directeur de thèse)
    Various data-driven approaches, such as Principal Component Analysis (PCA), are widely employed for process monitoring in industrial applications, particularly for detecting abnormal events. PCA-based Fault Detection and Isolation is a well-established strategy, praised for its robust performance. However, its reliability diminishes in uncertain systems where model uncertainties signi?cantly impact e ectiveness. To address this challenge, process modeling is conducted using PCA for interval-valued data, incorporating uncertainties directly into the modeling phase. Four of the most prominent methods for interval-valued PCA are detailed, alongside an extension of conventional PCAbased statistical process monitoring to handle interval-valued data. Over the past decade, this approach has garnered substantial research attention, leading to the development of multiple interval-valued PCA models. This thesis proposes a novel approach called Interval-Valued Principal Component Analysis (IV-PCA), designed to handle uncertainties by de?ning a safe interval for data ?uctuations. The developed technique is applied to the cement rotary kiln process and the Tennessee Eastman Process, where its performance is compared against conventional PCA and four leading Interval-Valued Data PCA (IVD-PCA) methods. Through tests involving actual involuntary system faults and various sensor faults, the IV-PCA demonstrates superior performance in accurately and quickly detecting distinct faults, even in stochastic environments with unknown and uncontrolled uncertainties. The results show signi?cant reductions in false alarms and missed detections compared to the best outcomes of the studied methods
  • No Thumbnail Available
    Item
    Interval-valued statistical approaches for process monitoring
    (Universite M'Hamed Bougara Boumerdès : Institut de Génie Eléctrique et Eléctronique, 2025) Louifi, Abdelhalim; Harkat, Mohamed Faouzi(Directeur de thèse)
    Various data-driven approaches, such as Principal Component Analysis (PCA), are widely employed for process monitoring in industrial applications, particularly for detecting abnormal events. PCA-based Fault Detection and Isolation is a well-established strategy, praised for its robust performance. However, its reliability diminishes in uncertain systems where model uncertainties signi?cantly impact e ectiveness. To address this challenge, process modeling is conducted using PCA for interval-valued data, incorporating uncertainties directly into the modeling phase. Four of the most prominent methods for interval-valued PCA are detailed, alongside an extension of conventional PCAbased statistical process monitoring to handle interval-valued data. Over the past decade, this approach has garnered substantial research attention, leading to the development of multiple interval-valued PCA models. This thesis proposes a novel approach called Interval-Valued Principal Component Analysis (IV-PCA), designed to handle uncertainties by de?ning a safe interval for data ?uctuations. The developed technique is applied to the cement rotary kiln process and the Tennessee Eastman Process, where its performance is compared against conventional PCA and four leading Interval-Valued Data PCA (IVD-PCA) methods. Through tests involving actual involuntary system faults and various sensor faults, the IV-PCA demonstrates superior performance in accurately and quickly detecting distinct faults, even in stochastic environments with unknown and uncontrolled uncertainties. The results show signi?cant reductions in false alarms and missed detections compared to the best outcomes of the studied methods
  • No Thumbnail Available
    Item
    Optimization of smart grid communication systems
    (Universite M'Hamed Bougara Boumerdès : Institut de Génie Eléctrique et Eléctronique, 2025) Grainat, Youcef; Recioui, Abdelmadjid(Directeur de thèse)
    This PhD research focuses on optimizing smart grid communication systems through the application of metaheuristic optimization algorithms, specifically Particle Swarm Optimization (PSO) and Ant Colony Optimization (ACO), as well as advanced communication technologies such as Multiple-Input Multiple-Output (MIMO) and LoRa. The study aims to improve the reliability, efficiency, and security of real-time data exchange in critical smart grid components, including smart metering, home control, and Wide-Area Monitoring Systems (WAMS). In the first part, PSO and ACO are employed to optimize the placement of Data Aggregation Points (DAPs) in networks of 150 Z-wave smart meters deployed across various smart cities, with results showing that PSO provides faster execution, lower latency, and better cost-efficiency compared to ACO, especially in less complex networks. The second part introduces MIMO communication to improve data transmission accuracy and speed within WAMS, demonstrating performance gains in latency, data completeness, and correctness when compared with traditional systems. In the final phase, LoRa technology is utilized to support long-range, low-data-volume transmission for a proposed Wide-Area Network State Monitoring System. Using the IEEE 14-bus system with Phasor Measurement Units (PMUs), the study compares Single-Input Single-Output (SISO) and MIMO configurations under varying Signal-to-Noise Ratios (SNRs), revealing that MIMO significantly reduces the Bit Error Rate (BER) and that higher reporting rates further enhance data accuracy. Overall, the findings demonstrate the effectiveness of optimization and advanced communication techniques in building a more resilient, cost-effective, and high-performance smart grid communication infrastructure
  • No Thumbnail Available
    Item
    Control against faults of dynamical systems
    (Universite M'Hamed Bougara Boumerdès : Institut de Génie Eléctrique et Eléctronique, 2025) Azizi, Abdesamia; Kouadri, Abdelmalek(Directeur de thèse)
    Modern industrial systems have become increasingly complex, making them more vulnerable to faults in critical components such as actuators and sensors. The objective of this thesis is to develop robust control strategies capable of managing faults in actuators and sensors while maintaining the stability and desired performance of complex systems, even in the presence of faults and external disturbances. To achieve this, the work combines advanced fault estimation techniques with robust fault-tolerant control (FTC) strategies designed for both linear and nonlinear systems. Specifically, for linear systems, Unknown Input Observers (UIO) and output feedback fault-tolerant controllers are developed, with their gain matrices obtained by optimizing a multi-objective function using a genetic algorithm. Similarly, for nonlinear systems, UIO and output feedback sliding mode faulttolerant controllers are designed. Stability is ensured through the use of Linear Matrix Inequalities (LMIs) based on Lyapunov functions. Additionally, the LMI region is employed to control the poles of the overall closed-loop system, allowing for greater flexibility in achieving desired performance levels. The proposed framework not only detects and isolates faults but also compensates for them to ensure smooth operation. Simulations involving systems such as wind turbines and DC motors demonstrate the effectiveness of these methods. This research contributes to safer and more efficient industrial processes
  • No Thumbnail Available
    Item
    Analyse d’images radiographiques pour le diagnostic de la gonarthrose
    (Université M'Hamed Bougara Boumerdès : Faculté de Technologie, 2025) Messaoudene, Khadidja; Harrar, Khaled(Directeur de thèse)
    La gonarthrose est une pathologie dégénérative articulaire répandue qui altère considérablement la qualité de vie des patients. Un diagnostic précoce et précis est essentiel pour une prise en charge thérapeutique optimale. Cette recherche propose une approche novatrice combinant l'analyse texturale avancée et les méthodes d'apprentissage profond afin de développer un système intelligent d'aide au diagnostic. Notre étude se concentre sur la classification de la gonarthrose en deux stades : KL-0 (sain) et KL-2 (modéré). En ciblant ces stades précoces, nous visons à améliorer le diagnostic initial et à favoriser des interventions opportunes avant que la maladie ne progresse vers des formes plus sévères. Pour l'extraction des caractéristiques, nous avons exploré plusieurs méthodes basées sur la texture, notamment l'histogramme des gradients orientés (HOG), les motifs binaires locaux (LBP), les caractéristiques de Tamura, les filtres de Gabor, la matrice de cooccurrence de niveaux de gris (GLCM) et la transformée en ondelettes discrète (DWT). Par ailleurs, nous avons évalué l'extraction de caractéristiques par apprentissage profond en exploitant des modèles préentraînés via l'apprentissage par transfert, tels que GoogLeNet, ResNet-101, DenseNet-201, SqueezeNet et AlexNet. Face à la disponibilité limitée des données en imagerie du genou, nous avons testé différentes stratégies d'augmentation de données, incluant des transformations classiques (rotation, translation) ainsi que des approches avancées basées sur l'apprentissage profond, telles que les modèles génératifs et les autoencodeurs. Nous avons également mis en œuvre diverses techniques de sélection des caractéristiques, combinant des méthodes traditionnelles d'apprentissage automatique, comme l'analyse en composantes principales (ACP) et Relief, avec des approches issues de l'apprentissage profond, telles que la distillation des connaissances (KD) et les mécanismes d'attention. Les méthodes proposées ont été validées sur l'ensemble de données OAI (Osteoarthritis Initiative). Nous avons évalué notre approche sur différentes zones d'intérêt afin d'identifier les régions les plus touchées par l'arthrose, permettant ainsi une meilleure compréhension de la progression de la maladie. La méthodologie développée a atteint une performance élevée avec AUC = 98,3%, démontrant son efficacité dans la détection de l'arthrose. Le principal apport de cette recherche est un cadre unifié intégrant l'analyse texturale et les modèles d'apprentissage profond afin d'améliorer la fiabilité et la précision du diagnostic de la gonarthrose. Nos résultats montrent une amélioration significative des performances diagnostiques par rapport aux approches existantes, offrant ainsi des perspectives prometteuses pour une détection plus précoce et des interventions thérapeutiques mieux ciblées
  • No Thumbnail Available
    Item
    Algorithmes de contrôle d’un UAV avancés
    (Université M'Hamed Bougara Boumerdès : Faculté de Technologie, 2025) Zamoum, Yasmine; Baiche, Karim(Directeur de thèse)
    Ce travail de thèse se concentre sur les défis critiques des systèmes de guidage et de contrôle des drones, en se concentrant sur la planification et la stabilisation de la trajectoire des quadrotors dans des environnements complexes. Tout d'abord, nous nous penchons sur le problème du guidage des drones, puis nous explorons systématiquement les outils de mise en œuvre et les solutions permettant de répondre à des spécifications opérationnelles rigoureuses. Les progrès récents de la technologie des quadrotors ont élargi les applications civiles et militaires, nécessitant des systèmes de contrôle robustes pour la gestion de l'attitude, de l'altitude et de la trajectoire. La recherche intègre l'apprentissage par renforcement (Deep Q-learning et Dyna Q-learning) pour une planification optimisée de la trajectoire, permettant aux drones de naviguer dans des environnements dynamiques. Ces algorithmes sont complétés par des stratégies de contrôle hybrides, notamment des contrôleurs PID pour la stabilité de base et des méthodes non linéaires telles que le backstepping, la logique floue et le contrôle adaptatif par logique floue, afin d'améliorer la manœuvrabilité et la précision. Un modèle complet de quadrotor est développé en utilisant le formalisme de Newton-Euler, incorporant les effets aérodynamiques et la dynamique du rotor pour créer une représentation de l'espace d'état pour la validation du contrôle. Des simulations de divers scénarios, y compris des obstacles dynamiques, démontrent l'efficacité de l'apprentissage par renforcement pour générer des trajectoires sans collision. L'étude évalue en outre l'interaction entre la planification de trajectoire basée sur l'apprentissage et les contrôleurs à logique floue, mettant en évidence les améliorations en matière d'adaptabilité et de gestion de l'incertitude. Les résultats indiquent que l'intégration d'architectures de contrôle avancées améliore considérablement les performances des quadrotors dans des tâches telles que la course et la surveillance, offrant un cadre évolutif pour les systèmes de drones. En faisant le lien entre les modèles théoriques et les mises en œuvre pratiques, ce travail fait progresser le domaine de la navigation des drones, en mettant l'accent sur l'intégration rentable des capteurs, l'efficacité énergétique et la réactivité en temps réel
  • No Thumbnail Available
    Item
    Smart-grid supply continuity control
    (Université M'Hamed Bougara Boumerdès : Faculté de Technologie, 2025) Kaddour, Djillali; Belaidi, Hadjira(Directeur de thèse)
    This thesis investigates supply continuity in smart grids, emphasizing system reliability under both gridconnected and islanded conditions. It begins with a structured review of how integrating Distributed Energy Resources (DERs) and Energy Storage Systems (ESS) affects supply reliability, assessed using standard indices: System Average Interruption Duration Index (SAIDI), System Average Interruption Frequency Index (SAIFI), and Customer Average Interruption Duration Index (CAIDI). Building on this review, the thesis proposes an intelligent Energy Management System (EMS) paired with a Diesel Generator–Photovoltaic (DG–PV) synchronization strategy. This system ensures continuous operation in islanded mode, overcoming the limitations of traditional grid-tied setups. The EMS, implemented in MATLAB Simulink, applies advanced methods such as peak shaving and optimized resource sizing, using estimated load data from the Institute of Electrical and Electronic Engineering (IGEE) to manage energy flow and peak demand effectively. Comparative insights from the case study demonstrate that although grid-connected systems enable bidirectional power flow and benefit from net metering, they remain vulnerable to grid disturbances. In contrast, islanded mode offers full control and supervision over local resources and improves overall system reliability. To support the preference for islanded operation, the thesis also presents a proof-ofconcept implementation of an AC stand-alone photovoltaic (PV) system, managed by a Multi-Agent System (MAS) integrated with Internet of Things (IoT) technologies. This system employs prioritybased load control and peak shaving to maintain energy stability under varying conditions
  • No Thumbnail Available
    Item
    Etude de l'effet d'une mousse métallique imprégnée de matériaux à changement de phase sur les échanges convectifs dans un système thermique
    (Université M'Hamed Bougara Boumerdès : Faculté de Technologie, 2024) Cheradi, Hanane; Haddad, Zoubida(Directeur de thèse)
    Malgré les avancées technologiques notables visant à améliorer les performances thermiques des systèmes de stockage, la création d'une conception optimale en termes de performance et de coût reste un défi majeur. Parmi les différentes approches envisagées pour résoudre ce problème, l'intégration du matériau à changement de phase (PCM) avec des mousses métalliques est considérée comme une solution prometteuse en raison de leur haute conductivité thermique. Cependant, l'utilisation des mousses métalliques entraîne une réduction du volume disponible pour le PCM, ce qui limite la quantité d'énergie stockée. L'objectif principal de ce travail est de résoudre le défi persistant lié à la faible performance thermique des systèmes de stockage pour obtenir des conceptions de stockage thermique rentables. Une analyse numérique approfondie de la performance de fusion à l'intérieur d'une cavité de stockage, avec une intégration partielle de mousse métallique, a été réalisée. Cinq configurations distinctes, comprenant quatre conceptions poreuses et une non poreuse, ont été étudiées pour fournir une évaluation exhaustive du processus de fusion. Les simulations numériques ont été effectuées en utilisant une méthode de volumes finis basée sur la technique d'enthalpie-porosité. Divers paramètres tels que la position, la forme et le taux de remplissage de la mousse métallique, ainsi que la fraction volumique des nanoparticules, ont été examinés selon différents critères. Ce travail permet de mieux comprendre le phénomène de fusion des PCMs et ouvre la voie à des solutions innovantes pour optimiser à la fois les performances thermiques et économiques des systèmes de stockage d'énergie thermique