Développement de commande à variance minimale et à réseaux de neurones

Show simple item record

dc.contributor.author Djebiri, Mustapha
dc.contributor.other Boucherit, Mohamed Seghir, Directeur de thèse.
dc.date.accessioned 2020-12-23T13:17:35Z
dc.date.available 2020-12-23T13:17:35Z
dc.date.issued 2000
dc.identifier.other M003300
dc.identifier.uri http://repository.enp.edu.dz/xmlui/handle/123456789/2409
dc.description Mémoire de Magister : Automatique : Alger, École Nationale Polytechnique : 2000 fr_FR
dc.description.abstract L'objectif de ce travail est le développement de plusieurs techniques de commande appliquées aux structures de génie civil soumises à une excitation sismique afin de réduire leurs réponses dynamiques. En premier lieu, la modélisation des structures a été abordée et les différents modèles ont été élaborés, ainsi que le modèle de l'excitation sismique utilisée comme perturbation. La commande à variance minimale généralisée (GMV) a été ensuite présentée. Plusieurs approches de commande à base de l'algorithme à GMV sont développées et testées dans la commande des structures. Une stratégie de commande à base de réseaux de neurones a été, par la suite, présentée dans une alternative pour remédier à certains inconvénients de la GMV. La commande à gain programmé destinée aux structures non linéaires a été enfin présentée et appliquée. Les résultats de simulation sur des structures à un seul et à plusieurs degrés de liberté ont démontré l'efficacité des techniques développées. fr_FR
dc.language.iso fr fr_FR
dc.subject Commande à variance minimale généralisée fr_FR
dc.subject Modèle ARMAX fr_FR
dc.subject Réseaux de neurones fr_FR
dc.subject Commande à gain programmé Structure fr_FR
dc.title Développement de commande à variance minimale et à réseaux de neurones fr_FR
dc.title.alternative application en dynamique des structures fr_FR
dc.type Thesis fr_FR


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search Repository


Advanced Search

Browse

My Account