Abstract:
Dans cette thèse, on présente les approches de commande basées sur le feedback des réseaux de neurones adaptatives qui augmentent un contrôleur backstepping applicable à une classe de systèmes non linéaires incertains.
La stabilité de l'architecture de contrôle proposée est assurée localement par une fonction de Lyapunov augmentée.
Il est robuste aux incertitudes paramétriques et les dynamiques non modélisées.
Un élément clé de ces approches est que l'ordre du système n'est pas besoin d'être connus.
Cette méthode est validée sur deux systèmes électromécaniques.
La première application consiste à utiliser la commande augmentée par les réseaux de neurones à fin de contrôler un système de freinage antiblocage ABS du laboratoire.
La seconde est une application de simulation sur une machine asynchrone.
