Soft computing in control and modelling

Abstract

Dans cette thèse, on décrit l'application d'un algorithme évolutionnaire à codage entier (IEA) pour l'optimisation de la base de connaissances d'un contrôleur flou (FLC); éliminant de la sorte le besoin d'un expert-humain dans la phase de conception. L'IEA proposé est étendu pour concentrer la recherche dans la région de voisinage de l'optimum de l'espace de recherche en adoptant une phase dite d'exploitation. En considérant la variation de la tension d'entrée des actionneurs DC comme une composante de la fonction objectif, on a obtenu un comportement suffisamment lisse à la sortie du contrôleur conçu. Pour garantir l’aspect de complétude de la partition floue sans perdre celui de distinction, on propose une stratégie de codage spéciale où les chevauchements entre les fonctions d’appartenances (MFs) adjacentes sont codés dans le chromosome et évolués par l’IEA. On a aussi recherché les paramètres des MFs dans des intervalles dépendant sur ceux des MFs adjacentes précédentes, ce qui rend le processus de codage hiérarchique. La motivation de la méthode de recherche proposée est la conception d'un contrôleur interprétable et lisse pour accomplir un contrôle de poursuite précis et rapide pour les actionneurs à entrainement direct. Les résultats de simulation montrent que l’interprétabilité de la partition floue est garantie et que le FLC évolué a manifesté de hautes performances dans le contrôle de poursuite lent et rapide par rapport au contrôleur PD conventionnel.Cette thèse présente aussi une méthodologie de recherche évolutionnaire à deux étages pour concevoir automatiquement un contrôleur flou sectoriel (SFC). Dans le premier étage, l’EA proposé optimise, le SFC pour un model nominal (i.e., sans bruit additive ou variation de paramètres). L’objective principale du 2 ème étage est le renforcement de la robustesse de SFC résultant du 1 ère étage. Plus précisément, l’EA proposé cherche dans le voisinage du meilleur SFC trouvé dans le 1 ère étage en vue de trouver un SFC qui fournit un compromis entre les performances de contrôle pour un modèle nominal et un model perturbé. Les propriétés sectorielles sont accommodées dans la recherche évolutionnaire à travers une paramétrisation spéciale de la base de règles floues (FRB) et les MFs, un opérateur de réparation et une initialisation spéciale de la partie réservée pour la base des règles. Le SFC obtenu avec la méthodologie de conception proposée a fourni des performances très satisfaisantes sous différents types de perturbations. Le compromis entre les performances de précision et ceux de robustesse sont aussi analysé lors du processus d’évolutionABSTRACT : In this thesis, we describe the application of an integer-coded evolutionary algorithm (IEA) for fuzzy knowledge base optimization of a fuzzy logic controller (FLC), eliminating in such a way the need of an experthuman in the design phase. The proposed IEA is extended to concentrate the search into optimum vicinity region of the overall search space by adopting exploitation or focusing phase. By considering the variation of the input voltage of the DC actuators as components of the fitness function, we get a satisfactory smooth behavior at the evolved FLC output. To guarantee the completeness aspect of fuzzy partitions without losing the distinguishability one, we propose a special encoding strategy where the overlappings between the adjacent membership functions (MF) are coded in the chromosome and evolved by the IEA. We also evolve the MF parameters in ranges depending on the parameters of the previous adjacent MF parameters which make the decoding process hierarchical. The motivation behind the proposed search method is to design a smooth interpretable fuzzy controller to achieve rapid and accurate tracking control for direct drive. Simulation results show that fuzzy partition interpretability is guaranteed and the evolved FLC exhibits high performances in slow and fast tracking tasks as compared with the conventional PD controllerWe also present in this thesis a two stages evolution search methodology to automatically design a sectorial fuzzy controller (SFC). At first stage, the proposed EA optimises the SFC for disturbance-free model of the plant to be controlled. The principal aim of the second stage is the robustness enhancement of the evolved SFC resulting from the former stage. Specifically, the proposed EA looks in the vicinity of the best SFC found in the first stage for a SFC that provide the best compromise between the control performance for a disturbance-free model and for disturbed model. The sectorial properties were accommodated in the evolutionary search through a special parameterization of the fuzzy rule base (FRB) and the membership functions (MFs) of the SFC, repairing operator and special initialization of FRB chromosome part. The evolved SFC with the proposed design methodology found to provide very satisfactory performance under different types of disturbances. The trade-off between the accuracy performance and the robustness performance is also analysed during the evolution process.