Nous utilisons des cookies pour améliorer votre expérience. Pour nous conformer à la nouvelle directive sur la vie privée, nous devons demander votre consentement à l’utilisation de ces cookies. En savoir plus.
Intelligence Artificielle pour la Commande des systemes non Lineaires
Univ Europeenne - EAN : 9783330872349
Édition papier
EAN : 9783330872349
Paru le : 1 oct. 2018
69,90 €
66,26 €
Disponible
Pour connaître votre prix et commander, identifiez-vous
Notre engagement qualité
-
Livraison gratuite
en France sans minimum
de commande -
Manquants maintenus
en commande
automatiquement -
Un interlocuteur
unique pour toutes
vos commandes -
Toutes les licences
numériques du marché
au tarif éditeur -
Assistance téléphonique
personalisée sur le
numérique -
Service client
Du Lundi au vendredi
de 9h à 18h
- EAN13 : 9783330872349
- Réf. fournisseur : 2958147
- Editeur : Univ Europeenne
- Date Parution : 1 oct. 2018
- Disponibilite : Disponible
- Barème de remise : NS
- Nombre de pages : 216
- Format : H:229 mm L:152 mm E:13 mm
- Poids : 325gr
- Interdit de retour : Retour interdit
- Résumé : Le présent ouvrage est dédié à l'application des techniques de l'intelligence computationnelle afin de palier aux limites de la commande sliding mode des systèmes non linéaires. En effet, les réseaux de neurones à fonctions de bases radiales (RBF) sont utilisés pour estimer les paramètres du modèle dynamique et compenser les incertitudes. Pour le développement d'un algorithme d'apprentissage des réseaux de neurones à bases radiales (RBF), nous avons opté en premier lieu pour les algorithme évolutionnaires en considérant l'apprentissage d'un réseau de neurones RBF comme un problème d'optimisation. Pour y parvenir, nous avons amélioré deux algorithmes récents, l'algorithme d'optimisation par colonie d'abeilles articielles (ABC) et l'algorithme de l'optimisation basée sur la biogéographie (BBO) en les hybridant avec un modèle prédateur et proies (PP) modifié. Le deuxième algorithme développé est l'algorithme GAP-EKF qui est un algorithme d'apprentissage en ligne basé sur une stratégie de Growing and Pruning (GAP). L'approche proposée a été appliquée pour la commande d'un pendule inversé et ensuite un robot manipulateur SCARA. Les résultats obtenus sont très satisfaisants.
