Abstract FR:

Le raisonnement qualitatif est un domaine de l'intelligence artificielle qui permet de prédire, par simulation, la gamme des comportements possibles de systèmes modélisés à partir de connaissances imprécises ou incomplètes. Il offre donc un intérêt certain pour pouvoir valider, en première approche, les systèmes conçus par les ingénieurs. Les propriétés des algorithmes de simulation qualitative assurent que tous les états réellement possibles sont prédits. Si le comportement attendu n'est pas trouvé, cela signifie donc que le système conçu n'est pas valide et qu'il est inutile d'utiliser des méthodes plus poussées pour l'étudier. Le principal problème de la simulation qualitative reste la prédiction de comportements incorrects qui ne correspondent à aucun comportement réellement possible. Nous nous sommes donne comme objectif, dans cette thèse, de mettre au point des méthodes capables d'éliminer ces comportements incohérents. Pour ce faire, nous proposons certaines améliorations et extensions du calcul qualitatif comme, notamment, l'utilisation du calcul formel et la propagation d'informations numériques par le biais du calcul dans l'algèbre d'intervalles. Ces extensions nous ont permis d'atteindre l'objectif fixe dans le cas de systèmes à faible dynamique. Les circuits de servitude (hydrauliques, pneumatiques, électriques), étudies dans l'hypothèse de l'approximation quasi-statique, entrent idéalement dans ce cadre de systèmes à faible dynamique. Nous nous sommes plus spécifiquement appuyés sur les problématiques de modélisation et de simulation qualitatives de circuits de servitude pour valider nos méthodes. Ces méthodes ont ainsi été testées à l'aide d'une panoplie d'outils que nous avons développé pour donner aux concepteurs les moyens de modéliser et de simuler leurs circuits durant la phase d'études préalables.