• Aucun résultat trouvé

Commande Predictive non Lineaire d’une Stationde Production d’eau Froide à Base de Reseaux deNeurones Artificiels

N/A
N/A
Protected

Academic year: 2021

Partager "Commande Predictive non Lineaire d’une Stationde Production d’eau Froide à Base de Reseaux deNeurones Artificiels"

Copied!
1
0
0

Texte intégral

(1)

International Electrical and Computer Engineering Conference'2015 2015

Commande Predictive non Lineaire d’une Station de Production d’eau Froide à Base de Reseaux de

Neurones Artificiels

F.MEDJILI, A. MOURAD, K. FERROUDJI

Abstract : Cet article présente la commande prédictive non linéaire (CPNL) avec une application sur une station de production d’eau froide . La modélisation de la station a été réalisée à l’aide des Réseaux de Neurones Artificielles (RNA). Le développement des modèles RNA des différents composants de la station à savoir compresseur, évaporateur, condenseur et détendeur ont été réalisés séparément et regroupés par la suite pour donner le modèle complet de la station. L’objectif principal de ce travail est de maintenir les sorties de la commande du système de production proches d’une valeur désirée ou alors de poursuivre une référence donnée par la température d’un produit. Pour cela la commande prédictive non linéaire a été implémenté avec comme modèle interne. Le modèle neuronal développé est validé à l’aide de données entrées/sorties de la station. La commande a été réalisée en utilisant comme variable de commande la température et/ou le débit du fluide frigorigène.

Keywords : Commande prédictive non linéaire (CPNL), station de production d’eau froide, Réseaux de Neurones Artificielles (RNA)

Centre de Recherche en Technologies Industrielles - CRTI - www.crti.dz

Powered by TCPDF (www.tcpdf.org)

Références

Documents relatifs

L’apparente simplicit´e de (1.3.2) cache le comportement complexe du d´eplacement dans les particules. Murat [47] dans le contexte des ´equations de diffusion Brinkman obtenu par

• – Dans un délai de 2 mois après la notification, possibilité de recours gracieux, hiérarchique. • – Dans un délai de 2 mois ou 2 mois après la réponse

We will suppose here that external in- homogeneity are always dominating the transverse relaxation time (T 2 ≥ 50 ms). For the Echo Planar Imaging, we consider that each gradient

Copyright and moral rights for the publications made accessible in the public portal are retained by the authors and/or other copyright owners and it is a condition of

Au chapitre précédent, un modèle simplifié, dit de commande, a été présenté pour les besoins de la synthèse de la loi de commande. Ce modèle est un modèle paramétrique

Le triangle YZF est rectangle en Y. 1) Tracer le triangle YZF en respectant ses mesures.. 2) On veut calculer le

Pour évaluer ces performances, notre objectif est de proposer un système de commande qui permet de réguler une température dans une station de production d’eau froide.. 1

Le développement du modèle RNA des différents composants de la station à savoir compresseur, évaporateur, condenseur et détendeur ont été réalisés séparément et regroupés par