Magister

Permanent URI for this collectionhttps://dspace.univ-boumerdes.dz/handle/123456789/60

Browse

Has files: YesSubject: search.filters.subject.Réseaux neuronaux (informatique)

Search Results

Now showing 1 - 3 of 3
  • No Thumbnail Available
    Item
    Détection et localisation des défauts par l’analyse en ondelettes et les réseaux de neurones artificiels : application à un système de trois réservoirs DTS-200
    (2009) Kacimi, Nora
    The monitory plays a major role for the safety of industrial system because of the number of variables and the complexity of their relationships. Therefore, the dynamics of the process is not always precise or accurate. In our approach we focus on monitoring without a model, the monitoring involves two inseparable phase as faults detection and isolation. We propose to apply for phase detection wavelet transform and statistical analysis technique. For the isolation we used neural networks like self organizing maps. To detect the presence of fault on the system, we applied a wavelet transform in order to extract the approximation and details coefficients. From these coefficients, we compute the area of eligibility for each standard deviation (confidence limit). After the occurrence of fault, the values of the standard deviation should not be in these intervals. This decision rule gives a good results. For isolation, we propose to apply the reconstructed approximation coefficients at the maximum input cards kohonen. The fault isolation is performed after a period to calculate the Euclidean distance between a given input and weight of the map, and this input is classified as a member of the class represented by the neuron selected. The results we confirm the ability of the combination of the wavelet transform with the statistic analysis technique for the fault detection and neural network for isolation in nonlinear systems
  • No Thumbnail Available
    Item
    Commande non-linéaire adaptative d'une machine asynchrone en utilisant deux réseaux de neurones artificiels entraînés en temps réel
    (2001) Kabache, Nadir
    Dans les installations industrielles modernes, la machine asynchrone à cage bénéficie d'une attention particulière pour plusieurs raisons ; notamment : le faible cout, la masse réduite, la robustesse et la simplicité de construction. Toutefois, et contrairement aux courant continu, la dynamique de la machine asynchrone est non-linéaire, multi variable et fortement couplée. En plus, certaines de ses variables d'état sont inaccessibles aux mesures directes (flux rotorique) et les paramètres de la machine (en particulier, la résistance rotorique) sont affectés par l'effet thermique et les conditions de fonctionnement, ce qui pose un problème pour sa commande
  • No Thumbnail Available
    Item
    Commande adaptative d’une machine asynchrone en utilisant différentes structures d’estimateurs (non-Linéaire et neuronal)
    (2009) Hadid, Samira
    Les techniques de contrôle intelligentes telles que : les réseaux de neurones artificiels sont souvent utilisés pour résoudre des problèmes de non-linéarité et de variations paramétriques. Grâce à leur capacité d’apprentissage, les réseaux de neurones artificiels peuvent donner de bons résultats de contrôle du MAS, car ils peuvent s’adapter aux non linéarités du système, ainsi qu'aux perturbations et aux variations paramétriques. Le but de ce mémoire est la mise en œuvre d'une loi de commande non linéaire adaptative de haute performance pour un moteur asynchrone, avec comme objectifs : améliorer la poursuite de trajectoires, garantir la stabilité, la robustesse aux variations des paramètres et le rejet de perturbations. L'élément de base dans une commande adaptative est le modèle pour adapter le comportement du système. Deux méthodes sont utilisées pour la conception du modèle d’adaptation : l'une utilise les outils mathématiques de la géométrie différentielle, et les règles d’adaptation classiques pour la commande non linéaire adaptative, et l'autre est une conception à partir de réseaux de neurones pour une commande adaptative neuronale. Les performances obtenues, de poursuite de trajectoires, de robustesse aux variations de paramètres et de rejet de perturbation, sont améliorées en proposant deux estimateurs adaptatifs universels: non linéaire et neuronal, permettant ainsi, d’estimer les déviations des paramètres du MAS. Nous croyons que ce que nous avons réalisé avec la commande adaptative neuronale non linéaire constitue une contribution au domaine des entraînements à vitesse variable par machines asynchrones