Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

Semestre: 3 Unité d’enseignement: UEF 2.1.1 Matière 1: Commande prédictive et a

Semestre: 3 Unité d’enseignement: UEF 2.1.1 Matière 1: Commande prédictive et adaptative VHS: 67h30 (Cours: 3h00, TD: 1h30) Crédits: 6 Coefficient: 3 Objectifs de l’enseignement: Ce cours est constitué de deux parties. La première partie concerne la commande prédictive, elle présente les différents types de cette commande et leur mise en œuvre. La deuxième partie traite la commande adaptative, elle présente les éléments essentiels permettant de mettre en œuvre cette commande. Connaissances préalables recommandées: L’étudiant devra posséder les connaissances suivantes :  Systèmes asservis linéaires  Système asservis non linéaires Contenu de la matière: Commande prédictive Chapitre 1 : Principes de la commande prédictive (1 semaine) Chapitre 2 : Commande Prédictive Généralisée (3 semaines) Modèle de prédiction, prédicteur optimal. Minimisation d'une fonction de coût quadratique à horizon fini. Synthèse du régulateur polynomial RST équivalent. Choix des paramètres de réglage, compromis stabilité, performances, robustesse. GPC sous contraintes. Chapitre 3 : La commande prédictive à base de modèle d’état (3 semaines) Modèle de prédiction, prédicteur optimal. Minimisation d'une fonction de coût quadratique à horizon fini , MBPC sous contraintes. Commande adaptative Chapitre 1 : Les différentes méthodes de commande adaptative (3 semaines) Commande à gains préprogrammés. Commande adaptative directe à modèle de référence. Commande adaptative indirecte avec identification du modèle. Chapitre 2 : Mise en oeuvre de la commande adaptative (3 semaines) Structure du régulateur. Structure adaptative directe continue et discrète. Lois de commande d'une structure adaptative indirecte. Stabilité d'un schéma adaptatif. Robustesse et robustification d'un schéma adaptatif. Chapitre 3 : Identification en commande adaptative (2 semaines) Structures et algorithmes d'identification : gradient, moindres carrés. Stabilité de l'identificateur, condition d'excitation permanente. Convergence des paramètres. Mode d’évaluation: Contrôle continu: 40 % ; Examen: 60 %. Références bibliographiques : 1. Aström, K., et Wittenmark, B., (1989). "Adaptive Control , Addison-Wesley Editions. 2. Bitmead, R.R., Gevers, M. et Wertz, V., (1990). "Adaptive Optimal Control". The Thinking Man's GPC, Prentice Hall International, Systems and Control Engineering. 3. Boucher, P., et Dumur, D., (1996). "La Commande Prédictive", Éditions Technip, Paris. 4. Isermann, R., Lachmann, K. H., et Matko, D. (1992). "Adaptive control systems", Prentice Hall. 5. Richalet, J., (1993). "Pratique de la Commande Prédictive". Hermès. 6. R. Isermann, Fault-Diagnosis Systems - An Introduction from Fault Detection to Fault Tolerance. Springer, 2006. 7. E. F. Camacho and C.Bordons Alba, Model Predictive Control, Springer 2004. 8. M. Alamir, A Pragmatic Story of Model Predictive Control: Self-Contained algorithms and case-studies, Create Space, 2013. Semestre: 3 Unité d’enseignement: UEF 2.1.1 Matière: Commande intelligente VHS: 45h00 (Cours: 1h30, TD: 1h30) Crédits: 4 Coefficient: 2 Objectifs de l’enseignement: Présenter les méthodes et outils nécessaires à l'intégration de la logique floue et des réseaux de neurones dans les schémas d'identification et de commandes de processus industriels. Donner une base théorique indispensable à la compréhension de ces approches et à leur utilisation dans les phases d'analyse, de synthèse et de mise en œuvre. Connaissances préalables recommandées: L’étudiant devra posséder les connaissances suivantes :  Systèmes asservis linéaires  Systèmes échantillonnés ; Contenu de la matière: Partie I : Logique floue : Chapitre 1. Introduction à la théorie des ensembles flous (1 Semaine) Chapitre 2. Raisonnement flou (1 Semaine) Chapitre 3. Modélisation floue et systèmes d’inférence floue (2 Semaines) Chapitre 4. Commande floue (3 Semaines) Partie II : Réseaux de neurones Chapitre 1. Introduction sur les réseaux de neurones (1 Semaine) Chapitre 2. Modélisations (modèle de Mac Culloch et Pitts, Modélisation générale, Le perceptron, Algorithmes/techniques d’apprentissage) (3 Semaines) Chapitre 3. Réseaux multicouches (3 Semaines) Chapitre 4. Application des réseaux de neurones (1 Semaine) . Mode d’évaluation: Contrôle continu: 40% ; Examen: 60%. Références bibliographiques : 1. Isabelle Borne, Introduction à la commande floue, Technip, 1998. 2. Louis Gacogne, Eléments de logique floue, Hermès - Lavoisier, 1997. 3. B. Bouchon-Meunier, L. Foulloy, M. Ramdani Logique floue : Exercices corrigés et exemples d'applications, Cépaduès, 1998. 4. J. Harris, An Introduction to Fuzzy Logic Applications, Springer, 2000. 5. George J. Klir, Bo Yuan, Fuzzy Sets and Fuzzy Logic: Theory and Applications, Prentice Hall; 1st edition, 1995. 6. P. Borne, M. Benrejeb, J. Haggège, Les réseaux de neurons: Présentation et applications, Technip, Collection : Méthodes et pratiques de l'ingénieur, 2007. 7. Gérard Dreyfus, Manuel Samuelides, Jean-Marc Martinez, Mirta B. Gordon, Fouad Badran, Sylvie Thiria, Laurent Hérault, Réseaux de neurones : Méthodologie et applications, Eyrolles(2e édition), 2004 . 8. Alain Faure, Classification et commande par réseaux de neurones, Hermès – Lavoisier, 2006. Semestre:3 Unité d’enseignement: UEF 2.1.2 Matière: Commande de robots de manipulation VHS: 45h00 (Cours: 1h30, TD: 1h30) Crédits: 4 Coefficient: 2 Objectifs de l’enseignement : Cette matière a pour objectif de permettre aux étudiants de maîtriser les outils de modélisation et les techniques de contrôle des robots manipulateurs. Elle vise à donner aux étudiants la possibilité d’entreprendre en toute autonomie la résolution d’un certain nombre de problèmes élémentaires de robotique comme la mise en configuration, la génération de trajectoires, la commande dynamique Connaissances préalables recommandées : - Automatique linéaire et asservissement. - Notions de base en : cinématique et dynamique. Contenu de la matière : I-Introduction (1 semaine)  1. Définition et historique  2. Différentes catégories de robots  3. Vocabulaire de la robotique  4. Caractérisation des robots  5. Les différents types de robots manipulateurs  6. Utilisation des robots  7. Avenir de la robotique II- Fondements théoriques et mathématiques préliminaires (2 semaines)  1. Positionnement 1.1. Rotation 1.2. Représentations de la rotation 1.3. Attitude 1.4. Les matrices de transformations homogènes  2. Cinématique 2.1. Vitesse d'un solide 2.2. Vecteur vitesse de rotation 2.3. Mouvement rigide 2.4. Torseur cinématique et composition de vitesses III- Modélisation d’un robot manipulateur (3 semaines)  1. Modèle géométrique •Convention de Denavit-Hartenberg • Modèle géométrique direct • Modèle géométrique inverse  2. Modèle cinématique •Analyse directe (utilisation du Jacobien direct) •Analyse inverse (utilisation du Jacobien inverse) •Notion de Singularité  3. Modèle dynamique •Formalismes pour la modélisation dynamique •Méthode de Lagrange : équation de Lagrange, représentation matricielle (matrice d’inertie, matrice de Coriolis, Matrice de gravité). • Exemple (Robot plan à 1 ou 2DDL) IV- Génération de trajectoire (3 semaines)  génération de trajectoires et boucles de commande  génération de mouvement point à point : méthode de base, méthode à profil d’accélération, méthode à profil de vitesse , application dans l’espace articulaire, application dans l’espace cartésien.  Génération de mouvement par interpolation : application dans l’espace articulaire et dans l’espace cartésien V- Commande des robots (3 semaines)  1. Commande dynamique  2. Commande par mode glissant VI- Programmation des robots (3 semaines)  1. Généralités et objectifs des systèmes de programmation  2 . Méthodes de programmation  3. Caractéristiques des différents langages de programmation Mode d’évaluation : Contrôle continu : 40% ; Examen : 60% Références bibliographiques : 1. Philippe Coiffet, La robotique, Principes et Applications, Hermès, 1992. 2. Reza N. Jazar, Theory of Applied Robotics, Kinematics, Dynamics and Control. Springer 2007. 3. Mark W. Spong, Seth Hutchinson, and M. Vidyasagar, Robot Modeling and Control, Wiley, 1989. 4. Bruno Siciliano et al, Robotics, Modelling planning and Control, Springer, 2009. 5. W. Khalil & E. Dambre, modélisation, identification et commande des robots, Hermès, 1999. Semestre: 3 Unité d’enseignement: UEF 2.1.2 Matière 1: Diagnostic des systèmes VHS: 45h00 (Cours: 1h30, TD: 1h30) Crédits: 4 Coefficient: 2 Objectifs de l’enseignement: Le but de ce cours est d’étudier les différentes méthodes de diagnostic qui consistent en la détection et l’isolation de défauts, on verra notamment les méthodes avec et sans modèles. On montrera comment on peut augmenter les performances des systèmes dynamiques en garantissant une meilleure fiabilité. Connaissances préalables recommandées: L’étudiant devra posséder les connaissances suivantes :  Systèmes asservis continus.  Systèmes échantillonnés Contenu de la matière: Chapitre 1. Généralités et Définitions. (1 semaine) L’analyse du terme diagnostic, on rappelle la terminologie adoptée des différents termes liés au diagnostic, et des définitions sur les différentes étapes d’une procédure de diagnostic industriel. Chapitre 2. Les méthodes de diagnostic. (3 semaines) Un tour d’horizon des différentes méthodes de diagnostic de défaillances. Les diverses méthodes ont été classées suivant deux catégories : les méthodes à base de modèle et les méthodes à base d’intelligence artificielle Chapitre 3. Génération de Résidus par observateurs d’état. (3 semaines) Nous développons la technique de détection et de localisation de défauts capteurs et actionneurs à base d’observateurs de Luenberger, de Kalman et à entrées inconnues (Unkown Input Observer). Chapitre 4. Générations de Résidus par espace de parité. (3 semaines) Génération de résidus pour la détection et l’isolation des défauts capteurs et actionneurs par redondance analytique basé sur la notion d’espace de parité. Chapitre 5. Diagnostic par identification paramétrique. (3 semaines) Nous développons la méthode de diagnostic par identification paramétrique basé sur le modèle Auto- regressive à moyenne ajustée (ARMA), en vue d’une détection des défauts système. Chapitre 6. Analyse des Résidus. (2 semaines) L’analyse des résidus générés par des tests statistiques (Page-Hinkly) en vue d’une prise de décision quant à la présence ou l’absence de dysfonctionnement. Mode d’évaluation: Contrôle continu: 40 % ; Examen: 60 %. Références bibliographiques : uploads/Industriel/ canva-automatique 1 .pdf