ACCUEIL

Consignes aux
auteurs et coordonnateurs
Nos règles d'éthique
Auteurs : soumettez
votre article en ligne

APPEL À
CONTRIBUTION

Le comité de rédaction du JESA lance un appel à proposition de numéros spéciaux.

En savoir plus >>
Autres revues >>

Journal Européen des Systèmes Automatisés

1269-6935
Revues des Systèmes
 

 ARTICLE VOL 42/10 - 2008  - pp.1279-1309  - doi:10.3166/jesa.42.1279-1309
TITRE
Identification des systèmes non linéaires par des modèles de type NARMA

RÉSUMÉ
Ce travail concerne l'identification des systèmes non linéaires complexes. La structure du modèle retenue pour caractériser le comportement du système est de type NARMA (Nonlinear AutoRegressive Moving Average). Nous proposons, pour les systèmes monovariables, deux nouvelles approches permettant la détermination des termes intervenant dans l'expression du modèle NARMA ainsi que l'estimation des paramètres correspondants. La première approche exploite les algorithmes génétiques binaires pour la sélection des termes intervenants dans le modèle et la deuxième approche est fondée sur la combinaison des réseaux de neurones artificiels à fonction d'activation polynomiale avec l'algorithme génétique sous sa représentation réelle. Nous proposons, également, une extension de la deuxième méthode au cas des systèmes non linéaires multivariables.


ABSTRACT
This paper deals with the identification of nonlinear complex systems using the Nonlinear Auto Regressive Moving Average (NARMA) model. We propose, for the monovariable systems, two new approaches allowing the determination of the significant terms in the expression of NARMA model as well as the estimate of the corresponding coefficients. The first one exploits the Binary Genetic Algorithm, whereas the second uses a procedure based on a single layer neural network with polynomial activation function which is optimised with a real-coded genetic algorithm. We propose, also, the extension of the second method to identify the multivariable nonlinear systems.


AUTEUR(S)
Brahim TLILI, Bouani FAOUZI, Mekki KSOURI

MOTS-CLÉS
identification, systèmes non linéaires, modèle NARMA, algorithme génétique, réseau de neurones.

KEYWORDS
identification, nonlinear systems, NARMA model, genetic algorithm, neural networks.

LANGUE DE L'ARTICLE
Français

 PRIX
• Abonné (hors accès direct) : 7.5 €
• Non abonné : 15.0 €
|
|
--> Tous les articles sont dans un format PDF protégé par tatouage 
   
ACCÉDER A L'ARTICLE COMPLET  (3,32 Mo)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
Lavoisier