Modélisation, Identification et Commande des Systèmes Non Linéaires

Univ Europeenne - EAN : 9786131505362

Ilyes El Aissi

Skip to the end of the images gallery

Skip to the beginning of the images gallery

Édition papier

EAN : 9786131505362

Paru le : 8 févr. 2012

59,00 € 55,92 €

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

Détails

EAN13 : 9786131505362
Réf. fournisseur : 5221965
Editeur : Univ Europeenne
Date Parution : 8 févr. 2012
Disponibilite : Disponible
Barème de remise : NS
Nombre de pages : 176
Format : H:220 mm L:150 mm
Poids : 268gr
Interdit de retour : Retour interdit

Résumé

Résumé : Pour un système boîte noire la tâche de modélisation consiste à obtenir une information sur la structure du système à partir des seules données d'observations et à fournir un modèle utilisable dans un domaine expérimental donné. Avec les espaces RKHS ce problème de modélisation est formulé comme un problème de minimisation d'une fonctionnelle similaire à celle habituellement utilisée par les automaticiens. Le modèle RKHS ainsi obtenu est une combinaison linéaire de fonctions de cet espace avec un nombre des paramètres égal au nombre des observations utilisées lors de l'apprentissage. Ce nombre ne dépend ni de l'ordre de la non linéarité du système ni de sa mémoire, ce qui constitue un avantage dans l'identification des systèmes dynamiques fortement non linéaires. Toutefois, ce nombre risque d'être élevé et peu conduire à une représentation complexe et peu convenable à un schéma de commande en temps réel. Une réduction de la complexité du modèle RKHS est alors nécessaire. Dans cet ouvrage, nous étudions les modèles RKHS et les approches de réduction de leur complexité. Le modèle réduit obtenu est ensuite utilisé dans une stratégie de commande prédictive à base de modèle(MBPC).
Biographie : Dr. El Aissi Ilyes est ingénieur diplômé de l'Ecole Nationale des Ingénieurs de Tunis (ENIT), spécialité Génie Electrique. Il a enseigné à l'Institut Supérieur des Etudes Technologiques de Sousse et est, actuellement Maître assistant à l'E.N.I. de Sousse. Ses recherches s'intéressent à la modélisation et la commande des systèmes non linéaires.