[Retour au sommaire] [suivant] [précédent]
1.2. TRAITEMENT DE DONNÉES IMPRÉCISES ET INCERTAINES
Le problème qui nous intéresse ici est celui de la gestion de l'imprécision et de l'incertitude sur des informations qui peuvent être numériques ou symboliques. La logique floue a été initialement l'outil que nous avons privilégié dans ce domaine, puis nous avons développé différents travaux, en particulier dans le cadre de la fusion de données, en faisant appel à d'autres théories de l'incertain.
1.2.1 Systèmes d'Inférence Floue Optimisés (SIFO).
Ce thème a été le premier abordé, en particulier à travers une participation active au groupe de travail "Commande Symbolique et Neuromimétique" du pôle "Automatisation Intégrée" du G.R. Automatique dès sa création. Il est aussi très impliqué dans les activités du CEMIF concernant la robotique mobile et les véhicules intelligents (cf. thème 3 : § 3.1.2.1).
Un système d'inférence floue peut être vu comme un système multi-paramètres. Même si l'esprit de la commande floue est de choisir ces paramètres par recours à "l'expertise humaine", une démarche logique est de se servir de cette expertise comme initialisation (introduction de connaissance a priori), mais de rajouter à cela une étape d'optimisation supervisée. Un lien naturel apparaît donc avec les activités concernant les problèmes d'apprentissage (cf § 1.1) et nous avons privilégié, par rapport à l'ensemble des méthodes d'optimisation possibles, le recours à des méthodes proches de celles utilisées dans les réseaux neuromimétiques multicouches (RMC), c'est à dire celles basées sur la minimisation d'une fonction de coût, puisqu'il existe une analogie structurelle très forte entre SIF et RMC. Néanmoins une différence importante apparaît immédiatement. Un RMC est une "boîte noire" à apprentissage global dans laquelle aucune interprétation physique ou logique n'est attribuable aux paramètres à optimiser. Par contre un SIF est un système de nature locale (seules quelques règles sont activées pour un vecteur d'entrée donné) dans lequel la signification des paramètres est très forte.
Deux attitudes peuvent alors être suivies :
- Considérer que l'objectif de l'étape d'optimisation est uniquement d'obtenir la meilleure commande possible du processus, quitte à ce que le système de commande devienne une boîte noire.
- Considérer au contraire que cet objectif ne doit pas se faire au détriment de ce qui est l'essence de la commande floue, c'est à dire en s'imposant la contrainte que cette optimisation ne détruise pas la lisibilité et la cohérence logique des règles de décision.
Nous nous inscrivons clairement dans une démarche du second type.
Nous avons tout d'abord analysé de façon systématique les mécanismes d'apprentissage par descente de gradient appliqués à un SIF sous différentes contraintes visant à préserver la lisibilité des règles [BRU96T, BRU95C] , afin de dégager un certain nombre de principes méthodologiques. Un problème majeur est lié au contrôle de la dérive des paramètres (ou poids) du SIF, en particulier pour ceux correspondant aux conclusions des règles. Nous avons pour cela développé un algorithme utilisant une méthode d'optimisation basée sur la minimisation d'un critère lié d'une part à la tâche à accomplir et contenant d'autre part un terme de pénalité qui va assurer un comportement de convergence des poids vers des valeurs faibles et quasi constantes. On peut alors extraire une table de règles du SIF optimisé, vérifier sa cohérence et son interprétabilité et comparer éventuellement sa logique à celle déduite par expertise
Cette méthode a été validée dans le cadre applicatif d'un système de navigation réactive de robot mobile utilisant plusieurs blocs de commande floue et qui est présenté au § 3.1.2.1. Les différents modules flous ont été optimisés et une technique d'apprentissage a été mise au point qui évite les "pertes de mémoire" lorsque l'information reçue par le système est pauvre. On peut ainsi effectuer un apprentissage totalement en ligne, avec ou sans introduction de connaissance a priori, et en laissant l'algorithme actif en permanence [MAA98aC]. Cette capacité d'apprentissage progressif permet de pouvoir passer, sans aucune étape de modélisation et de simulation, de la commande d'un mobile à celle d'un autre (ou plus généralement de celle d'un processus à un processus voisin) avec seulement une très courte phase de complément d'apprentissage en ligne [MAA98bC].
Ces travaux sur la commande floue et l'optimisation des SIF sont actuellement étendus, en collaboration avec le LARP de l'INT, à la modélisation et la commande de systèmes non linéaires multi-entrées et multi-sorties (MIMO) [SOR-T]. Ceci pose tout d'abord le problème de la mise en oeuvre de méthodes de découplage pour lesquelles des solutions originales basées sur le concept de relation floue ont été proposées [SOR97C], [SOR98C]. Les démarches d'optimisation décrites précédemment peuvent ensuite s'appliquer efficacement et nous les avons évaluées très favorablement par rapport à des méthodes stochastiques telles que les algorithmes génétiques qui connaissent une grande vogue actuellement [SOR96C].
Par ailleurs, ce thème est source de collaborations industrielles diverses :
- Contrôle de dispositif de séchage de bois (Cathild Industries)
Le séchage industriel du bois est une opération qui est réalisée actuellement sous contrôle d'un "expert" humain qui adapte de façon régulière les consignes (température, hygrométrie, ventilation) du système de séchage en fonction de ses observations sur le comportement actuel du bois et de sa mémoire sur les comportements passés. Un prototype de Système Expert Flou destiné à aider les prises de décision de l'opérateur a été réalisé. Il est basé sur la gestion d'une mémoire à court terme et d'une mémoire à long terme des mesures et un système de règles floues hiérarchisées qui s'adaptent automatiquement au contexte. Ce travail, soutenu par l'ANVAR, est actuellement en évaluation dans l'entreprise.
- Commmande de température de fours de métallurgie (Stein Heurtey)
La gestion de la température dans un four de sidérurgie est classiquement réalisée à base de PID. L'expérience montre que le réglage de ces PID reste très empirique et largement sous-optimal. Nous avons développé un système de supervision des coefficients de ces PID à base de règles floues qui a été implanté sur les fours de l'aciérie du Ruault (Belgique). Ce système, opérationnel depuis 18 mois, a d'une part réduit significativement la consommation de gaz et d'autre part amélioré considérablement le confort des opérateurs en diminuant très fortement le nombre d'alarmes et en gérant automatiquement les fluctuations de production. Ce système a été breveté par l'entreprise et fait partie maintenant de son offre commerciale.
- Aide au contrôle de four verrier (Stein-Heurtey)
Le problème de la commande automatique de fours à verre est beaucoup plus délicat que le précédent en raison des retards très élevés, des contraintes fortes sur la température en sortie du four, des difficultés d'obtention de mesures in situ et de la complexité des réactions physico-chimiques se produisant dans le four. Le rôle des opérateurs est ici à la fois très important et très empirique. Dans le cadre d'un contrat CIFRE, une thèse est actuellement en cours [LEP-T])., avec comme principaux objectifs :
- l'amélioration de l'extraction de données pertinentes à partir des capteurs [OBS98C] ;
- la réalisation d'un système d'aide à la décision pour l'opérateur à base de règles floues ;
- la mise au point d'un modèle prédictif simplifié permettant d'évaluer d'évaluer la température future du verre en
sortie de four à partir des conditions actuelles.
- Régulation de métro automatisé (INRETS)
Une collaboration s'est établie entre le CEMIF et le laboratoire ESTAS de l'INRETS sur l'amélioration du système de commande des transports guidés automatisés (de type VAL). Un prototype de système de commande basé sur des SIFO a été réalisé et testé sur la plate-forme de simulation de l'INRETS. La contribution du CEMIF a porté principalement sur le problème de l'introduction de la prise en compte du flux de passagers dans le système de commande.
[Retour au sommaire] [suivant] [précédent]