Optimisation de la performance des systèmes à partir de modèles identifiés: Application au design de projectiles et à la commande feedforward des systèmes Wiener.
System Performance Optimization based on Identified Models: Application to Projectile Design and Feed-Forward Control of Wiener Systems.
Jury
Directeur de these_GILSON-BAGREL_Marion_Université de Lorraine
CoDirecteur de these_BOMBOIS_Xavier_Ecole Centrale de Lyon
Co-encadrant de these_ALBISSER_Marie_Institut franco-allemand de recherches de Saint-Louis
Rapporteur_WEBER_Jonathan_Université de Haute-Alsace
Rapporteur_VICTOR_Stéphane_Université de Bordeaux
Examinateur_MERCERE_Guillaume_Université de Poitiers
école doctorale
IAEM - INFORMATIQUE - AUTOMATIQUE - ELECTRONIQUE - ELECTROTECHNIQUE - MATHEMATIQUES
Laboratoire
CRAN - Centre de Recherche en Automatique de Nancy
Mention de diplôme
Automatique, Traitement du signal et des images, Génie informatique
Amphithéâtre Hubert-Demange
2 Rue Jean Lamour, 54519 Vandœuvre-lès-Nancy
Mots clés
Identification,Optimisation,Apprentissage automatique,Conception Aérodynamique,Contrôle feed-forward,Systèmes Wiener,
Résumé de la thèse
Dans de nombreuses applications techniques, l'objectif est d'optimiser les performances d'un système. Pour ce faire, il est nécessaire d'évaluer la sortie du système afin d'analyser la performance obtenue. Cependant, dans plusieurs scénarios concrets, les systèmes sont souvent coûteux à évaluer, rendant la tâche d'optimisation complexe. Pour remédier à ce problème, des modèles basés sur les données sont souvent identifiés afin d'estimer les fonctions objectives coûteuses, associées aux systèmes, puis sont utilisés pour estimer l'optimum.
Keywords
Identification,Optimization,Machine Learning,Aerodynamic Design,Feed-forward control,Wiener systems,
Abstract
In many engineering applications, the objective is to find the optimum performance of a system. To evaluate the performances, it is necessary to measure the output of the system for given inputs. However, in several real-life scenarios, systems are often expensive to evaluate making it difficult to perform the optimization tasks. To address this issue, data-driven models are often identified to estimate the expensive objective functions, associated with the systems, and are employed to approximate their optimum.
