Commande prédictive à modèle neuronal

Abstract

Ce travail envisage la mise en oeuvre d'une loi de commande prédictive non linéaire à modèle neuronal. La stratégie adoptée, est celle qui consiste à utiliser un modèle de prédiction constitué d’une partie non linéaire, dépendante des conditions initiales disponibles à l’instant actuel, et d’une partie linéaire dépendante des incréments futures du signal de commande. Le système à commander est modélisé par un réseau de neurones multicouches statique. Ce modèle sert à générer les deux parties du modèle de prédiction. Cette stratégie de commande permet de fournir une solution, rapide et efficace, au problème d’optimisation de la fonction de coût sans recourir aux algorithmes d’optimisation numérique. En effet, elle permet d’établir une expression analytique pour la loi de commande. Afin de mettre en évidence l’apport de la démarche développée, nous considérons sous forme de simulation, la commande du réacteur chimique CSTR. Ainsi qu’une étude comparative avec d’autres approches existantes sera présentée.