Article de référence | Réf : S7582 v1

Stabilité et sécurité
Régulation d’un processus industriel par réseaux de neurones

Auteur(s) : Fabrice SORIN, Lionel BROUSSARD, Pierre ROBLIN

Date de publication : 10 juin 2001

Pour explorer cet article
Télécharger l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !

Sommaire

Présentation

Version en anglais English

Auteur(s)

  • Fabrice SORIN : Chef du Service Contrôle et Régulation Procédés - ALSTOM Power Conversion France

  • Lionel BROUSSARD : Ingénieur Développement Service Contrôle et Régulation Procédés - ALSTOM Power Conversion France

  • Pierre ROBLIN : Directeur Technique Technologie et Systèmes Standards - ALSTOM Power Conversion France

Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.

Lire l’article

INTRODUCTION

Le souci d’améliorer les performances des processus industriels et de réduire les coûts sont des raisons déterminantes pour l’introduction de nouvelles stratégies de régulation dans les techniques d’automatisme. Dans son calculateur d’automatisme temps réel rapide, ALSTOM intègre la technique de modélisation et d’apprentissage en ligne de processus par des réseaux artificiels neuronaux. Ceux-ci permettent de représenter des relations fonctionnelles complexes difficiles à décrire sous une forme analytique de systèmes non linéaires ou de systèmes variables en fonction du temps.

Cet article est réservé aux abonnés.
Il vous reste 94% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

DOI (Digital Object Identifier)

https://doi.org/10.51257/a-v1-s7582


Cet article fait partie de l’offre

Automatique et ingénierie système

(139 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS

Lecture en cours
Présentation
Version en anglais English

7. Stabilité et sécurité

Un des problèmes de la technologie des réseaux artificiels neuronaux est de vérifier la stabilité et, pour préciser encore la formulation du praticien, de vérifier la fiabilité et la cohérence du comportement. Cette difficulté n’apparaît pas uniquement dans le cas des réseaux neuronaux, mais aussi dans celui de nombreux circuits de régulation adaptatifs (par exemple, les boucles de régulation à apprentissage).

Garantir stabilité et sécurité est indispensable dans la pratique.

Une application typique des réseaux artificiels neuronaux en régulation est d’améliorer un procédé conventionnel existant connu. Il est rare d’opérer une substitution complète des procédés conventionnels ou de pénétrer sur un terrain totalement nouveau.

Le but recherché, lorsque l’on décide d’installer un réseau artificiel neuronal, est de profiter des possibilités d’apprentissage et de facilité d’élaboration de modèles et de régulations, que les procédés conventionnels ne peuvent réaliser qu’insuffisamment ou au prix d’efforts coûteux. Cela est en particulier vrai dans le cas de régulations non linéaires ou variables en fonction du temps.

La limitation du signal de réglage élaboré par le nouveau régulateur de type neuronal s’est avérée être une mesure technique concluante. Une autre possibilité est de saturer les éléments de pondération du réseau artificiel neuronal. On peut ainsi garantir sécurité et stabilité, mais exclusivement pour les boucles de régulation ouvertes. Pour les boucles de régulation fermées, il est nécessaire d’effectuer un contrôle de plausibilité, de sécurité et de stabilité supplémentaire. L’intervention la plus simple est de déclencher le réseau artificiel neuronal lorsque l’on atteint les limites de saturation.

HAUT DE PAGE

Cet article est réservé aux abonnés.
Il vous reste 93% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

Cet article fait partie de l’offre

Automatique et ingénierie système

(139 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS

Lecture en cours
Stabilité et sécurité
Sommaire
Sommaire

BIBLIOGRAPHIE

  • (1) - YASMINE (Y.) -   Stage sur les réseaux de neurones.  -  CICT, 1999. http://www.cict.fr.

  • (2) - HARDY (J.-M.), STRASSERA (A.) -   Les réseaux de neurones.  -  1998.

  • (3) - ROSSI (F.) -   Introduction aux réseaux de neurones.  -  1997. http://www.ceremade.dauphine.fr/~rossi/work.html

  • (4) - HAMBRECHT (A.) -   Requirements for Integration of Neural Control in Automation Systems.  -  Third European Congress on Intelligent Techniques and Soft Computing. EUFIT ’95 Proceedings Vol. 3, p. 1861, Aachen, Germany, August 1995.

  • (5) - FECHNER (T.H.), NEUMERKEL (D.), KELLER (I.) -   Neural Network Filter for Steel Rolling.  -  ICNN ’94 IEEE International Conference on Neural Network, June 1994 in Orlando, USA.

  • (6) - HUNT (K.), SBARBARO (D.), ZBIKOWSKI (R.) -   Neural Network for Control Systems – A Survey, Automatica.  -  ...

Cet article est réservé aux abonnés.
Il vous reste 95% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

Cet article fait partie de l’offre

Automatique et ingénierie système

(139 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS