Abstract FR:

Les travaux presentes dans cette these portent sur l'utilisation des techniques connexionnistes pour l'identification et la commande de systemes non lineaires continus. L'hypothese de la connaissance de la structure du modele est prise en compte, ainsi que l'introduction d'un eventuel modele nominal. Les reseaux de neurones, qui se veulent des approximateurs universels, sont utilises pour approximer les fonctions non connues du modele du systeme considere. Apres une presentation synthetique des techniques connexionnistes pour l'identification des systemes non lineaires, un schema d'identification neuronale est propose pour la classe consideree de systemes. Ensuite, il est propose un schema de commande asymptotiquement stable base sur le modele identifie. Enfin, une strategie de commande neuronale adaptative est proposee. L'ajustement des parametres est en ligne et les approximations sont utilisees de maniere adaptative pour calculer des commandes asymptotiquement stables en boucle fermee. Dans cette approche neuro-adaptative, deux types de reseaux de neurones sont consideres, des reseaux lineairement parametres et des reseaux non lineairement parametres. Ces derniers permettent de reduire considerablement le nombre de parametres necessaires. Dans les differents schemas de commande proposes, un terme de robustesse est introduit pour reduire l'effet de l'erreur d'approximation inherente a l'utilisation des reseaux de neurones. Les performances et les qualites des schemas d'identification et de commande proposes ont ete montrees a travers des applications en simulation sur des systemes robotises.