Thèses de Doctorat et Mémoires de Magister
Permanent URI for this communityhttps://dspace.univ-boumerdes.dz/handle/123456789/17
Browse
2 results
Search Results
Item Centralisation des plateformes de supervision des chaines de productions automatisées(2012) Aberkane, AmineLa complexité des systèmes de production industriels, modernes, induit un nombre important de variables, émanant des divers équipements. Il conviendra, alors de les regrouper afin de mieux les gérer par un système de supervision. A cette fin, nos travaux de recherche ont abouti à la création d'une plateforme de supervision SCADA pour l'entreprise de fritte, engobes et émaux de Khemis Khechna. Le développement de la plateforme de supervision SCADA prend en charge tous les ateliers reliés par un réseau local PROFIBUS DP configuré en " maitre - esclave intelligent ", dans ce cadre, nous avons : Créé des programmes d'automatisation prenant en charge le réseau PROFIBUS DP pour l'ensemble des ateliers avec le logiciel STEP7 en repérant les variables les plus pertinentes. Réalisé à l'aide du logiciel, WIN CC, des vues graphiques des installations permettant la visualisation dynamique des entrées/sorties et le paramétrage des installations. Enfin, nous avons configuré des alarmes pour attirer l'attention sur un éventuel comportement anormal des installations, et faciliter, ainsi, la mission de surveillance et de supervisionItem Contribution au diagnostic des systèmes automatiques complexes basée sur une approche neuronale en composantes principales non linéaires : application sur un système hydraulique à trois cuves(2012) Kouadri, AbdelmalekDans cette thèse, nous avons présenté une extension de l’ACP dans le cas non linéaire par l’utilisation de deux types de réseaux de neurones. Le premier réseau, représenté par la carte d’auto-organisation de Kohonen, sert à extraire les composantes principales, tandis que le deuxième de fonction à base radiale est utilisé pour la reconstruction des données initiales. La connaissance des poids référents de la carte de Kohonen détermine une quantification vectorielle de la projection dans l’espace de dimension réduit. La transformation inverse permettant de calculer l’estimation des données initiales à partir des composantes principales obtenues par la carte de Kohonen se fait par un réseau de neurones de fonction à base radiale. Ce réseau de neurones est utilisé comme outil de modélisation par apprentissage. L’apprentissage est réalisé par des algorithmes d’optimisation dans le but est de minimiser la fonction de coût qui défini l’écart entre les sorties du réseau et les sorties réelles, en modifiant les paramètres d’une manière itérative. Nous avons présenté un algorithme d’optimisation direct et globale, appelé ‘DIRECT’ dans sa forme standard. Cet algorithme est basé sur la division continuelle de l’espace de recherche de la fonction coût. Cette approche neuronale proposée a été utilisée au diagnostic de défauts dans un système à trois réservoirs DTS-200