Apprentissage du contrôle de systèmes complexes par l'auto-organisation coopérative d'un système multi-agent : application à la calibration de moteurs à combustion
Institution:
Toulouse 3Disciplines:
Directors:
Abstract EN:
Controlling a system means applying the adequate modifications on its inputs in order to put him in a desired state. Usual methods rely on mathematical models of the controlled system to compute the actions. These methods find their limits when the controlled system is complex, for instance, those with non-linear dynamics or subject to noise. Building a model of such systems is a difficult task that may take several years. On one hand, avoiding the use of a model requires a controller able to learn. On the other hand, the distribution of the control, i. E. Assigning the control of each input to a local controller, enables the control to deal with the complexity of a system. Thus, Multi-Agent Systems (MASs), which are naturally distributed, are a good alternative. In particular, Adaptive Multi-Agent Systems (AMASs) rely on the self-organization of the agents to enable the emergence of an adequate global function. This self-organization is driven by cooperation principles. Applied to the problem of learning the control, this approach leads to the definition of a specific AMAS, presented in this thesis. Experimentations, lead on a real heat engine, show the ability of the AMAS to control several inputs with several control criteria, while being robust to perturbations and easy to instantiate.
Abstract FR:
Contrôler un système, c'est appliquer les modifications adéquates sur ses entrées de façon à le placer dans un état désiré. Les méthodes habituelles se basent majoritairement sur l'utilisation de modèles mathématiques du système contrôlé, afin de calculer les actions de contrôle à effectuer. Ces méthodes trouvent leurs limites face aux systèmes complexes, qui ont une dynamique non-linéaire, et sont souvent bruités. La construction d'un modèle est alors une tâche ardue, qui peut s'étendre sur plusieurs années. D'une part, se passer de modèle nécessite un contrôleur capable d'apprendre. D'autre part, la distribution du contrôle, c'est-à-dire l'affectation du contrôle de chaque entrée d'un système à des contrôleurs locaux, permet de s'attaquer à la complexité. Mais cela demeure un sujet de recherche actif. Les systèmes multi-agents (SMA), composés d'entités autonomes, se prêtent naturellement aux problèmes distribués et peuvent ainsi beaucoup apporter. En particulier, les systèmes multi-agents adaptatifs (AMAS) s'appuient sur l'auto-organisation des agents pour faire émerger une fonction globale adéquate. Cette auto-organisation est guidée par des principes de coopération. Un AMAS est ainsi doté de fortes capacités d'adaptation. Appliquée au problème du contrôle et de son apprentissage, cette approche conduit à la définition d'un AMAS particulier, présenté dans cette thèse. Les expérimentations, menées sur des simulations ainsi qu'en situation réelle (sur un moteur à combustion), ont montré la capacité du système à apprendre le contrôle de plusieurs entrées en fonction de critères sur plusieurs sorties, tout en étant robuste aux perturbations, et facile à instancier.