Modélisation et commande par réseaux de neurones d'une suspension active

Abstract

Le travail présenté dans ce mémoire, concerne la synthèse d'une loi de commande neuronale, assurant la stabilité en boucle fermée de la suspension active d'un véhicule. Pour se faire, on a commencé par la présentation des différentes modélisation décrivant le fonctionnement d'une suspension automobile. On a cité les deux types de modélisation, à savoir la modélisation linéaire et non linéaire, pour les systèmes quart et demi véhicule. Le deuxième axe de notre travail est décidé à l'étude des réseaux de neurones. On avais donc, cité les différents types de réseaux existant dans la littérature, les divers types et algorithmes d'apprentissage neurolal, et quelque méthode de la commande par réseaux de neurones. En troisième et dernière partie, nous avons synthétisé quatre lois de commande pour les quatre modèles cités, en utilisant l'approche de backstepping et des bouclages filtrés pour les modèles quart et demi véhicule respectivement. Les lois de commande ainsi synthétisées, sont supervisées par un réseau de neurones convenable. Pour tous les cas, des testes de simulation ont été faits à fin de comparer les performances.