Optimisation de la commande robuste par les métaheuristiques

Fiche technique

Format : Broché
Nb de pages : 431 pages
Poids : 400 g
Dimensions : 16cm X 24cm
Date de parution :
ISBN : 978-1-78405-263-8
EAN : 9781784052638

Optimisation de la commande robuste par les métaheuristiques

de

chez Iste éditions

Collection(s) : Systèmes et génie industriel

Paru le | Broché 431 pages

Professionnels

64.36 Indisponible

Quatrième de couverture

Dans l'industrie, l'automaticien doit concevoir une loi de commande unique pour satisfaire un cahier des charges complexe sur un grand nombre de systèmes. Pour cela, en fonction de son expérience, il emploie un processus itératif chronophage basé sur le réglage et l'expérimentation (ou la simulation). Il s'agit de la phase d'essai-erreur.

Dans cet ouvrage, une méthodologie de synthèse des correcteurs des asservissements plus efficace et moins coûteuse est développée. Les problèmes de commande robuste sont reformulés pour l'optimisation stochastique à travers la synthèse des correcteurs structurés à partir de problématiques de type H(...), µ-synthèse ou encore synthèse LPV. L'intérêt de l'approche formulée réside dans sa flexibilité et la prise en compte de contraintes « exotiques » complexes.

Une méthode originale de synthèse de correcteurs structurés et robustes vis-à-vis d'exigences de haut niveau de forme quelconque est proposée sur la base d'algorithmes évolutionnaires très performants et compétitifs. Cette méthodologie donne lieu à la mise en oeuvre d'un outil numérique de synthèse de correcteur. La validation de ces travaux a été réalisée sur des problèmes industriels tels que celui de la stabilisation inertielle de ligne de visées.

Biographie

Philippe Feyel est expert en automatique appliquée à la stabilisation inertielle de ligne de visée chez Safran Electronics and Defense (groupe Safran). Il travaille en partenariat avec le monde académique sur la mise en oeuvre industrielle de la commande robuste par les techniques d'optimisation modernes (optimisation stochastique par les métaheuristiques, optimisation non lisse, etc.).