Adaptations et applications de modèles mixtes de réseaux de neurones à un processus industriel - INRIA - Institut National de Recherche en Informatique et en Automatique Accéder directement au contenu
Thèse Année : 2006

Adaptations et applications de modèles mixtes de réseaux de neurones à un processus industriel

Georges Schutz
  • Fonction : Auteur
  • PersonId : 757382
  • IdRef : 115842195

Résumé

This study is interested in analyzing the contribution of artificial neural
networks in order to improve the control of complex industrial
processes that are mainly characterized by their temporal
behavior. The main motivations of the time series analysis
are data reduction, indexation based on similarity,
localization of sequences, knowledge extraction and prediction.

The analyzed industrial process is an electric arc furnace for the
liquid steel production in Luxembourg. The proposed approach is a
concept of predictive control based on unsupervised learning
techniques with the aim of knowledge extraction.

Our signal coding method is based on primitive patterns that
compose the signals. These patterns, building the coding
alphabet, are extracted using an unsupervised method, the self
organizing maps of Kohonen (SOM). An alphabet validation approach
is proposed.

One of the important subjects of this research is the similarity
of time series. The proposed method is unsupervised and able to
handle sequences of arbitrary size.
Cette étude consiste à étudier l'apport de réseaux de neurones
artificiels pour améliorer le contrôle de processus industriels
complexes, caractérisés en particulier par leur aspect temporel.
Les motivations principales pour traiter des séries temporelles
sont la réduction du volume de données, l'indexation pour la
recherche de similarités, la localisation de séquences,
l'extraction de connaissances (data mining) ou encore la
prédiction.

Le processus industriel choisi est un four à arc
électrique pour la production d'acier liquide au Luxembourg. Notre
approche est un concept de contrôle prédictif et se base sur des
méthodes d'apprentissage non-supervisé dans le but d'une
extraction de connaissances.

Notre méthode de codage se base sur
des formes primitives qui composent les signaux. Ces formes,
composant un alphabet de codage, sont extraites par une méthode
non-supervisée, les cartes auto-organisatrices de Kohonen (SOM).
Une méthode de validation des alphabets de codage accompagne
l'approche.

Un sujet important abordé durant ces recherches est
la similarité de séries temporelles. La méthode proposée est
non-supervisée et intègre la capacité de traiter des séquences de
tailles variées.
Fichier principal
Vignette du fichier
Schutz.pdf (5.9 Mo) Télécharger le fichier

Dates et versions

tel-00115770 , version 1 (23-11-2006)

Identifiants

  • HAL Id : tel-00115770 , version 1

Citer

Georges Schutz. Adaptations et applications de modèles mixtes de réseaux de neurones à un processus industriel. Interface homme-machine [cs.HC]. Université Henri Poincaré - Nancy I, 2006. Français. ⟨NNT : ⟩. ⟨tel-00115770⟩
202 Consultations
191 Téléchargements

Partager

Gmail Facebook X LinkedIn More