Contribution à la synthèse automatique des systèmes flous par approches méta-heuristiques

Abstract

La thématique abordée dans ce travail de mémoire concerne le problème de conception de systèmes à base de règles floues. Nous nous sommes fixés l'objectif d'apporter une contribution dans ce domaine de recherche particulier à travers l'élaboration d'une nouvelle méthodologie d'extraction automatique de modèle de représentation flous à partir de données numériques en se basant exclusivement sur le modèle d'optimisation par colonies d'abeilles artificielles. L'intérêt de l'approche d'identification floue proposée réside dans le fait qu'elle exploite directement la base de données numériques disponibles sur le système à identifier ou à commander pour caractériser son comportement dynamique. Son application est très simple et systématique ne nécessitant ni une modélisation physique, ni une connaissance profonde sur le processus à gouverner. Les différentes structures algorithmiques développées dans ce mémoire emploient le concept d'optimisation par colonies d'abeilles artificielles qui modélise le comportement des essaims d'abeilles lors du fourragement. Ainsi, le problème de conception de systèmes flous est traduit en un problème d'optimisation méta-heuristique. La procédure de synthèse est validée sur plusieurs problèmes d'identification et de commande. Les problèmes benchmark considérés sont repris de travaux de recherche très récents. Une application à un échangeur de chaleur pilote exploitant des données xpérimentales prélevées sur l'installation réelle est également envisagée. Les résultats obtenus pour l'ensemble des cas envisagés sont très satisfaisants, démontrant une nette amélioration des résultats déjà existants