Identification et commande par réseaux de neurones d'une colonne d'absorption

Abstract

L’objectif de ce travail porte sur l’application de différentes stratégies de commande neuronale à une colonne d’absorption pilote à garnissage utilisée pour retirer le CO2 d’un mélange gazeux (air+CO2) par absorption grâce à un liquide de lavage (Eau + MonoEthanolAmine). La modélisation de notre système à l’aide d’un bilan de matière permet d’obtenir un système non linéaire aux paramètres répartis. Afin d’améliorer les résultats obtenus avec une régulation PI classique, nous avons appliqué à notre système trois techniques de commande se basant sur les réseaux de neurones, qui sont: la commande par équivalence certaine, la commande prédictive neuronale (Nnpc) et en fin la commande neuronale NARMA(Non linear Autoregressive Moving Average). Pour chaque structure de commande, des résultats de simulation sont présentés pour montrer ses performances. La thèse est organisée en quatre chapitres: Le premier est consacré à la modélisation du comportement dynamique de notre système à partir des principes fondamentaux concernant le transfert de matière et les équations du bilan de matière. Nous présenterons également les résultats de simulation en boucle ouverte. Nous traitons également dans ce chapitre, la régulation classique avec un contrôleur PI, et ce dans le but de comparer les résultats donnés par une approche classique de commande avec ceux donnés par des approches de commande avancées telle que les réseaux de neurones. Le deuxième chapitre est consacré à l’étude des réseaux de neurones. Nous exposerons les principales notions relatives aux réseaux de neurones, leurs applications ainsi que les algorithmes d’apprentissage de ces derniers. Le troisième chapitre est consacré à l’identification par réseaux de neurones de la colonne d’absorption qui constitue une étape importante pour définir une stratégie de commande assurant les performances désirées. Le quatrième chapitre, traite les différentes stratégies envisagées pour la commande neuronale de la colonne d’absorption et une étude comparative entre l’approche classique (régulation PI) et l’approche avancée offerte par les réseaux de neurones est développée.