Contrôle basé données pour les systèmes multivariables

Mots clés

Data driven control, Free model based control

Détail de l'offre

Dans le paysage en évolution rapide de l'intelligence artificielle (IA), l'intégration de stratégies de contrôle pilotées par les données représente un changement de paradigme dans l'amélioration des performances et de l'adaptabilité des systèmes. L'intérêt croissant pour le contrôle basé données est motivé par sa capacité à contourner les étapes d'identification qui nécessitent du temps [1, 2, 3]. Cette approche permet d'utiliser les données pour atteindre directement les objectifs de contrôle souhaités. Néanmoins, en particulier dans le domaine des systèmes complexes, l'adoption de stratégies de conception basées sur les données n'est pas encore consolidée. Cela est dû à l'absence de garanties et d'une compréhension globale du comportement en boucle fermée avant le déploiement du contrôleur. En outre, la complexité croissante des systèmes d'ingénierie modernes, en particulier ceux qui comportent de multiples variables en interaction, pose des défis importants. Les systèmes multivariables présentent une dynamique complexe nécessitant des stratégies innovantes pour un contrôle efficace. Cette recherche vise à explorer et à développer des techniques basées données afin d'améliorer les performances de contrôle des systèmes multivariables.

Les objectifs de recherche sont les suivants. D'un point de vue méthodologique, l'objectif est d'étudier comment les approches guidées par les données peuvent capturer et exploiter les couplages entre les variables. Un autre objectif essentiel consiste à évaluer la robustesse des stratégies de contrôle pilotées par les données face aux incertitudes, aux saturations, aux perturbations et aux changements dans le système [4]. On s'intéressera également aux méthodes permettant d'incorporer des connaissances préalables sur le système, si elles sont disponibles, dans le processus de conception de la commande basée données. D'un point de vue pratique, l'objectif est de valider les stratégies proposées sur une application réelle. En effet, le travail sera effectué en collaboration avec Fives Cryo, un leader technologique sur le marché de la cryogénie. L'objectif est de concevoir un algorithme de contrôle basé données pour un four de brasage sous vide. Les difficultés majeures sont de deux ordres. La première concerne le nombre très élevé d'entrées/sorties du four (88 actionneurs et 49 points de mesure), et la seconde concerne la variabilité des géométries de charge à prendre en compte. L'objectif est de surmonter la dépendance du contrôleur à la géométrie de la pièce. Le travail de thèse tirera parti de l'analyse du couplage entrée/sortie pour proposer une loi de commande pilotée par les données qui permet de contrôler la température du four indépendamment de la géométrie de la pièce à souder. Les résultats de cette thèse seront validés sur le simulateur numérique complet de Fives Cryo [5].
La thèse de doctorat offre une occasion unique de contribuer à l'évolution du domaine du contrôle piloté par les données tout en abordant les défis spécifiques posés par les systèmes multivariables dans les applications du monde réel. La principale contribution attendue est le développement d'algorithmes innovants de contrôle piloté par les données, spécifiquement conçus pour les systèmes multivariables. En outre, le projet fait partie d'un consortium de recherche où le candidat au doctorat interagira avec un ensemble de partenaires de recherche universitaires et industriels. Pour les candidats potentiels passionnés par l'intersection des méthodologies de contrôle pilotées par les données, les systèmes multivariables et le pouvoir de transformation de l'IA, cette recherche offre une opportunité passionnante. La collaboration avec Fives Cryo garantit que les avancées théoriques contribuent non seulement à la compréhension académique des systèmes de contrôle, mais ont également un impact tangible sur les pratiques industrielles de pointe dans le secteur de la cryogénie.