Commande et identification de la colonne d'absorption par réseaux de neurones artificiels

Abstract

La colonne d’absorption est un système fortement non linéaire; sa modélisation à l’aide d’un bilan de matière permet d’obtenir des équations aux dérivées partielles. Ce modèle à paramètres répartis est toutefois peu utilisé pour la conception d’algorithme de commande. La première partie du travail présente la theorie des réseaux de neurones appliqué à l’Automatique, et la modélisation de la colonne d’absorption et une méthode de simulation basée sur les éléments finis. Cette approche simple permet une simulation rapide et stable du procédé. Elle peut donc être aisément utilisée dans un algorithme de commande en temps réel. La seconde partie du mémoire présente la modélisation par réseaux de neurones de la colonne d’absorption et les stratégies de commande appliquées à la colonne d’absorption. La commande classique PI permet de régler la concentration de CO2 en sortie de la colonne et la commande neuronale par équivalence certaine nous permet de tester les perfomances d’une commande non linéaire. L’analyse des performances de ces approches montre que l’utilisation d’un modèle à paramètres répartis permet de tenir compte efficacement des non linéarités du modèle cinétique. Les aspects théoriques et pratiques de notre travail sont répartis sur 3 chapitres: Le premier chapitre présente la théorie des réseaux de neurones artificiels appliquée à l’Automatique: l’apprentissage des réseaux de neurones, La modélisation et la commande par réseaux de neurones artificiels sera présentée avec détails. Le second chapitre présente l’unité pilote ainsi que les différentes réactions qui se produisent dans la colonne, nous développerons brièvement le modèle mathématique décrivant le processus d’absorption [Sed 04], qui sera considéré dans notre étude comme modèle d’observation, et nous présenterons les résultats de simulation de l’unité pilote, faite par la résolution des équations aux dérivées partielles. Le troisième et dernier chapitre de ce mémoire traite l’identification et l’application de différentes stratégies de commande par réseaux de neurones artificiels du processus d’absorption, et une analyse comparative des résultats de simulation obtenus.