Magister
Permanent URI for this collectionhttps://dspace.univ-boumerdes.dz/handle/123456789/60
Browse
3 results
Search Results
Item Système d'aide à la décision pour la détection offline des cas de fraudes sur le réseau sonelgaz(2012) Moulay, AzzeddineLe vol d'électricité est un problème au quel sont confrontés toutes les compagnies d'électricité dans le monde entier. Trouver des mesures efficaces pour la détection de la consommation frauduleuse de l'électricité a été un domaine de recherche actif ses dernières années. Dans le présent travail on propose une nouvelle approche de détection des pertes non-techniques dans les réseaux 'électriques en utilisant les techniques de fouille de données et les techniques de l'intelligence artificielle ; à savoir: les séparateurs à vaste marge (SVM). La motivation principale de cette étude est d'aider la Sonelgaz (Algérie) à réduire ses pertes non techniques dans le secteur de distribution. Le système intelligent développé dans cette étude de recherche détecte les clients suspects afin qu'ils soient inspectés sur place par les agents de la société de distribution.Cette approche fournit une méthode d'exploration de données, ce qui implique la sélection et l'extraction des caractéristiques de l'historique des indexes de consommation des clients. La technique des séparateurs à vaste marge appliquée dans cette étude utilise ces caractéristiques afin de dénoncer les comportements anormaux ou bien suspectsItem Optimisation de la conduite de processus par émulation floue des stratégies de commande(2014) Lamraoui, OualidLa théorie de commande multivariable offre des outils intéressants pour la conception de contrôleurs se basant sur des critères d’optimalité et de robustesse. Cependant, l’application de certaines de ces méthodologies conduit dans certains cas (systèmes de grandes dimensions, synthèse H1,. . . ) à des réalisations d’ordre élevé nécessitant le recours à des simplifications structurelles (notamment de réduction d’ordre ou d’approximation) avant toute éventuelle implémentation. Ces simplifications ne sont bien évidemment pas sans effets. En fait, dans bon nombre de cas, des dégradations de performances ou même des situations de désadaptation du contrôleur au processus à régler peuvent être observées. L’émulation par approches alternatives inspirées de l’intelligence Artificielle (AI) de ce type de lois de commande multivariable conduisant à des configurations réalisables représente une piste intéressante à étudier et à mettre en oeuvre. Dans le présent travail, nous nous sommes plus particulièrement intéressés aux systèmes d’inférence floue issus de la théorie de la logique floue pour étudier cette problématique. L’objectif de ce travail est de synthétiser des systèmes de commande à base de règles floues émulant des lois de commande optimale et robuste d’ordre élevé à partir d’une base de données dont la réalisation pratique est souvent difficile voire impossible à mettre en oeuvre. Pour ce faire, une méthodologie de synthèse de lois de commande multivariable basée sur la coalescence floue est proposée. L’objectif étant d’émuler le comportement dynamique d’un système de commande multivariable par la génération automatique de bases de règles floues susceptibles de le décrire à partir de données. Afin de mettre en oeuvre cette approche, deux différentes configurations de commande multivariable sont examinées : le contrôle H1 avec loop-shaping et le contrôle LQG. Pour démontrer la performance de la méthodologie d’émulation floue proposée, une application à la commande d’un générateur de turbine à vapeur est traitée. Plusieurs simulations sont effectuées dans différentes conditions de fonctionnementItem 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, NoraThe 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