IDENTIFICATION DES SYSTEMES NON LINEAIRES PAR RESEAUX DE NEURONES.

Abstract

L’identification des systèmes non linéaires par réseaux de neurones a fait l'objet de nombreux travaux de recherche depuis une trentaine d'années à cause de la capacité d'apprentissage, d'approximation et de généralisation que possèdent ces réseaux .En effet, cette nouvelle approche fournit une solution efficace à travers laquelle de larges classes des systèmes non linéaires peuvent être modélisés sans une description mathématique précise. Ce travail consiste en l’exploitation des réseaux de neurone artificiels (RNA) à l’identification des systèmes non linéaires. En effet, les RNA eux-mêmes sont des structures à modèles Boite-noire non linéaires. Le but visé par ce travail c’est de voir l’effet du choix de l’architecture d’un RNA sur la procédure d’identification voire la validation du modèle estimé. Plusieurs modèles non linéaires existent dans la littérature tels que : NAR, NARMA, NARX, NARMAX, etc… Dans ce travail, nous avons appliqué la technique d'identification par réseaux de neurones sur une machine asynchrone (la machine asynchrone est un système dynamique non linéaire et multi-variables). Pour cela, en utilisant deux architectures différentes des réseaux de neurones (perceptron multicouche (MLP) et fonctions de base radiale (RBF)) basent sur la structure NARX.