Méthodes d'analyse de données pour le Traitement d'images, le Diagnostic et la Commande des Systèmes complexes .

Equipe impliquée

Nom du responsable du projet :
Messaoud Hassani - Professeur
Nom des enseignants-chercheurs impliqués Grade
Tarek Garna Maître de conférences
Anis Khouaja Maître de conférences
Anouar Ben Amor Maître de conférences
Ines Jaffel Maître Assistante
Chakib Ben Njima Maître Assistant
Imène Laamiri Maître Assistante

 

Nom des doctorants à mobiliser dans le cadre du projet :

Sana Benhamed

Maria Ben Jaballah

Fahd Ghabi

Hatem Mabrouk

Mohamed Ameur Kallel

Emna Fezai

Rim Touzia

Wejdene Zarrougui                      Hafayedh Hager

Ameni Nasri                                  Zied Boumaiza 

Sabeur Ben Hadj Mohamed       Hanene Bouchamla 

Hajer Benamor                          Radhia Nefzi Houimli 

Sarra Mellouli                            Awatef Lahyaoui 

Raghada Jouirou                        Sirine Abid

Safa Zairi                                  Wael  Messaoud

La surveillance, le diagnostic et la commande des systèmes industriels sont des sujets d'hier, d'aujourd'hui et certainement de demain. En effet, le développement des technologies à un rythme soutenu, la concurrence féroce entre les industriels pour gagner des parts de marché, devenus mondialisés, encouragent les chercheurs à développer de nouvelles approches et/ou techniques qui permettraient de mieux maitriser ces processus industriels, devenus très complexes. L'identification et la commande de ces systèmes font partie de ces recherches. Partant du fait que le modèle parfait n'existe pas, un autre niveau dans la chaine d'automatisation a été introduit. Il concerne la supervision et la surveillance. C'est dans ce cadre, que s'inscrit la première partie de ce projet. En fait dans cette partie on propose de faire de la modélisation et le diagnostic de systèmes non linéaires et dynamiques. Ces deux caractéristiques sont celles des processus réels, et ils complexifient davantage la tâche des chercheurs. Plusieurs travaux sur le sujet ont été produits par le monde, avec des avancées plus ou moins pertinentes. Il s'agit, en fait, à partir de signaux remarquables ou d'indicateurs, de détecter des disfonctionnements et de réagir en conséquence, afin de garantir l'intégrité du processus. Ces indicateurs sont développés en utilisant les méthodes à noyaux caractérisées par leurs efficacités en termes d'aptitude à la généralisation. L'intérêt de cette partie du projet par rapport à l'aspect surveillance, diagnostic et même sûreté de fonctionnement des processus, est évident.

Ces dernières années, la théorie de l'apprentissage statistique, initiée par Vapnik, a connu un intérêt croissant. Ces techniques exploitent la théorie des noyaux reproduisant. L'idée principale est l'astuce du noyau, permettant de transformer les données d'observations en utilisant une application non-linéaire, dans un espace de dimension élevée, ou des méthodes linéaires peuvent être appliquées. Dans le foisonnement de ces méthodes, dont les Machines à Vecteurs Supports sont le fer de lance, peu de travaux ont été menés sur le problème inverse, c'est- à dire le retour à l'espace des observations. Paradoxalement, bien que la transformation non linéaire induite par le noyau soit fondamentale, le retour inverse à l'espace des observations est souvent crucial. La résolution de ce problème, dit de la pré-image, permet de nouveaux domaines d'application pour les méthodes à noyaux, dont la reconnaissance des formes, l'extraction de caractéristiques, le débruitage de signaux, ou encore l'analyse de séries temporelles. C'est dans ce cadre que la deuxième partie de ce projet soit développée. En effet L'objectif est de montrer que les méthodes à noyaux apportent des solutions pertinentes à plusieurs problèmes soulevés en traitement du signal et des images, Différentes méthodes non-linéaires ont été élaborées : la résolution du problème de la pré-image sous contraintes de non-négativité pour la reconnaissance des formes, l'extraction des caractéristiques et le débruitage, le modèle autorégressif à noyaux pour la prédiction des séries temporelles, et finalement les machines à vecteurs supports pour la discrimination afin d'améliorer les performances en classification.

Une autre application des méthodes à noyaux concerne la commande des systèmes dits complexes basée sur des modèles délivrés par les dites méthodes Il serait alors intéressant d'adapter deux stratégies de commande largement utilisées à savoir la commande prédictive et la commande par modes glissants et de les tester sur les deux procédés réels acquis par le laboratoire. Une autre application de la commande prédictive basée sur les méthodes à noyaux consiste à la régulation de la puissance de chauffage au sein des bâtiments intelligents.

En fait il s'agit de deux équipes qui travaillent en parallèle et qui utilisent les mêmes outils, une première équipe qui s'occupe des aspects de diagnostic et de traitement d'image et une deuxième qui sera consacrée à la synthèse et l'application des stratégies de commande prédictive et par mode glissants.


  • Poursuivre les travaux entamés sur le diagnostic des systèmes complexes. Il s'agit d'approfondir les connaissances sur la détection, la localisation et l'isolation des défauts capteurs affectant les systèmes complexes.
  • Mise en place de modèles de détection et de diagnostic dans le domaine médical (maladies cardiovasculaires, cancérogènes et maladie du cerveau) basés sur la transformé en ondelette, l'ACP et les KPCA pour la détection, la classification et la localisation. En fait, les maladies cardiaques, cancérogènes et du cerveau sont de plus en plus diversifiées et nombreuses d'un jour à l'autre. Notre stratégie fait appel d'une part à des techniques de traitement de signal, la transformée en ondelettes et les techniques à noyaux (KPCA, KPLA, SVM,…) pour faire la classification et la réduction de la complexité des signaux et des images afin de pouvoir prendre une décision.
  • Etat de l'art des méthodes à noyaux dans le contexte de traitement d'images (problème de pré-image)
  • Etat de l'art des méthodes à noyaux multiples dans le contexte de traitement d'image
  • Proposition des méthodes à noyau en ligne pour la reconnaissance de forme
  • Proposition des méthodes à noyaux multiple pour la reconnaissance de forme
  • Proposition des nouvelles méthodes à noyau multiple en ligne pour le traitement d'image
  • Etude comparative des méthodes d'identification en ligne basées sur les méthodes à noyaux en termes de temps de calcul, de temps de convergence et de complexité.
  • Adaptation de la méthode de commande prédictive MPC aux modèles obtenus par les méthodes d'identification su-citées avec choix du prédicteur et des horizons.
  • Application de la méthode proposée aux deux systèmes réels existant au laboratoire.
  • Application de la méthode proposée à la régulation des systèmes de chauffage dans les bâtiments intelligents en utilisant les experts résultants de la fusion des données provenant des capteurs installés au niveau du bâtiment.
  • Adaptation de la méthode de commande par modes glissants obtenus par les méthodes d'identification su-citées avec une étude des phénomènes de Cahttering