Utilisation des méthodes d’optimisation métaheuristiques pour la résolution de problèmes génériques d’Automatique

Retour à la liste des thèses
Ajouté le: 13/05/2014
Directeur : SANDOU Guillaume - guillaume.sandou@supelec.fr
Titre : Utilisation des méthodes d’optimisation métaheuristiques pour la résolution de problèmes génériques d’Automatique
Thèmes : Automatique, Signal, Télécoms, Systèmes embarqués
Laboratoires : E3S Supélec Sciences des Systèmes EA 4454
Description : EQUIPE D’ACCUEIL : Supélec Sciences des Systèmes (E3S), Département Automatique, EA 4454 DIRECTEURS DE THESE : Guillaume.Sandou@supelec.fr DESCRIPTIF ET APPORT DU TRAVAIL DE THESE : - Contexte de la recherche De nombreuses approches de commande en automatique reposent sur la résolution de problèmes d’optimisation (synthèse H2, commande prédictive, commande robuste, retouche de correcteur…). Dans le cas de systèmes de grande dimension, non linéaires, ou présentant de nombreuses variables entières (systèmes hybrides), ces problèmes d’optimisation sous contraintes deviennent difficilement solvables en un temps raisonnable. De plus, la plupart des critères (dépassement, temps de réponse, marges de stabilité, normes) sont non différentiables, voire non analytiques. L’orientation vers une classe de méthodes approchées, souvent stochastiques, les métaheuristiques (algorithme génétique, colonie de fourmis, essaims particulaire pour ne citer que les plus connues) semble une voie intéressante pour la détermination rapide de solutions « sous optimales mais de qualité » à des problèmes d’optimisation difficiles, et est donc une piste pour la détermination de lois de commande ou la retouche de correcteur, comme l’ont montré les premiers travaux de l’équipe d’accueil sur le sujet [1]. Cependant, dans le cadre de l’Automatique, le caractère stochastique de ces méthodes peut poser des problèmes en termes de garantie de performances et de robustesse : n’ayant pas de garantie a priori sur la solution trouvée par l’algorithme stochastique, par nature non reproductible, comment garantir tout de même la stabilité du système piloté par cette loi de commande, et comment évaluer ses performances ? [1] G. SANDOU. Metaheuristic optimization for the design of automatic control laws. ISTE-Wiley, 144 pages, Collection FOCUS Automation and control series, ISBN: 978-1-84821-590-0, 2013. - Bref descriptif scientifique Le travail de thèse devra s’attacher aux points suivants : * Etude des algorithmes de type métaheuristiques et développement d’algorithmes performants permettant de résoudre des problèmes d’automatique (synthèse H? à structure de correcteur fixée, retouche de correcteurs…) * Validation des méthodes sur les maquettes disponibles dans le laboratoire d’accueil. * Etude des propriétés de robustesse des lois de commande calculées. - Compétences acquises lors du travail de thèse Le sujet proposé permettra au candidat d’acquérir de solides compétences dans les domaines de l’Automatique classique (commande optimale, commande prédictive, commande robuste), de la robustesse et de l’optimisation.