Contrôle adaptatif par entraînement spécialisé de réseaux de neurones

Abstract

Cette thèse développe un algorithme de contrôle adaptatif constitué uniquement de réseaux de neurones. Cet algorithme utilise un entraînement spécialisé de réseaux de neurones. Par rapport aux autres approches qui utilisent un entraînement spécialisé, celle-ci se démarque par l'utilisation d'un réseau de neurones distinct pour modéliser la dynamique du procédé, par une utilisation cohérente des coordonnées de temps ainsi que par une nouvelle fonction erreur à minimiser qui est le reflet de la composante prédictive de l'algorithme. Cet algorithme est facile à utiliser, car il n'y a qu'un seul paramètre à ajuster pour le contrôleur. Ce travail a permis de mettre au point un algorithme d'entraînement des réseaux de neurones répondant au besoin d'un contrôleur adaptatif qui suit un entraînement spécialisé. Cette méthode est une variante des méthodes quasi-Newton et prend en compte la structure du réseau dans la sélection des éléments d'interaction du deuxième ordre à évaluer. De plus, il n'y a aucun paramètre à ajuster pour faire l'entraînement. Deux exemples d'utilisation du contrôleur neuronal adaptatif ont été développés. Les résultats montrent que le contrôleur a une bonne réponse aux changements de consigne et qu'il est capable de maintenir le procédé stable en présence de perturbations qui introduisent des écarts entre le modèle par réseau de neurones et le procédé. L'adaptation du contrôleur aux nouvelles conditions créées par les perturbations est rapide.