2ème année IASRIA semestre 1

Ce cours porte sur l'étude et l'application des algorithmes génétiques et la logique floue. 

- Les algorithmes génétiques sont des algorithmes d'optimisation stochastiques. Pour comprendre correctement ces outils nous avons besoin de connaitre les fondements de l'optimisation des fonctions et les différentes notions en relation telles que : les fonctions de coût, la méthode du gradient, la méthode de Newton, les points critiques, minimum local, minimum global, ...

- La logique floue est une nouvelle logique autre que la logique binaire. Il s'agit de traiter les variables qui ne sont pas modélisables par les 0 et les 1 mais par des états intermédiaires. Cette logique est utilisée basiquement dans les problèmes de commande des systèmes bien qu'elles peuvent êtres intégrés dans plusieurs autres applications. Dans ce cours nous allons introduire les notions de base de la logique floue telles que la fuzzification, la défuzzification, les fonctions d'appartenances, les règles d'inférence,...

Ce cours se partage principalement en deux grandes parties. Dans la première partie, on aborde le problème de la modélisation des systèmes en allant des systèmes simples pour arriver aux systèmes complexes. Pour cela, on commence par la description du langage SysML (Systems Modeling Langage) qui repose sur 4 piliers : la modélisation architecturale, la modélisation structurelle, la modélisation transversale et la modélisation paramétrique. Ensuite, on traite le problème de la modélisation mathématiques des systèmes dynamiques par analogie des différents domaines  : électrique, mécanique, hydraulique et thermique. Puis on aborde le problème de la modélisation des systèmes multiphysiques en  utilisant la modélisation causale et acausale. En ce qui concerne la seconde partie de ce cours, on traite le problème de l'identification qui consiste à déterminer les paramètres du modèle à partir des mesures entrée-sortie prélevées sur le système. On se limite, dans ce cours, à la présentation uniquement des méthodes paramétriques telles que la méthodes des moindres carrés ordinaire et récursive.

Le module Commande des robots collaboratifs intelligents est une suite du module que nous venons d'achever à savoir la robotique bio-inspirée intelligente. En effet, nous continuons l'étude des robots intelligents (tels que les robots Humanïdes) à travers l'analyse des algorithmes de commandes afin de générer des séquence de collaboration entre un ou plusieurs robots intelligents et l'être humain. Les simulations seront effectuées à l'aide de l'environnement ROS (Robotic operating systems).

Objectifs

-          Mettre en évidence l’intérêt des robots collaboratifs.

-          Maîtriser la méthodologie de l’évaluation des fonctions de sécurité pour ce contexte collaboratif

-          Mise en place et intégration des robots collaboratifs suivis d’une évaluation et d’une supervision

Le cours " Robotique intelligente et bio-inspirée " porte sur la maîtrise des différents concepts, techniques et méthodologies du domaine de la robotique dotés de l’intelligence artificielle et inspirée des systèmes biologiques réels soit humain ou d’origine animale « bio-inspirée ».