Numéro : 2259 - Année : 1995
Architectures neuronales appliquées à la modélisation et à l'identification de navires
G. HARDIER, ONERA/CERT/DERA, Toulouse
Depuis le début des années 80. l'étude des réseaux neuromimétiques (ou réseaux de neurones artificiels) a suscité bon nombre d'applications dans des domaines aussi variés que la reconnaissance de formes, la classification. l'optimisation. le diagnostic. le traitement du signal et le plus récemment l'identification et la commande de systèmes non linéaires. La base de cet engouement réside dans leur capacité d'approximation de fonctions non linéaires par le biais de méthodes d'apprentissage appropriées et dépendantes de la nature du réseau utilisé. Dans le contexte de la modélisation des engins marins. ils offrent par conséquent une alternative intéressante aux méthodes plus classiques lorsque l'absence de modélisation théorique satisfaisante rend leur usage plus laborieux.
Cette communication a donc pour objectif d'analyser la mise en oeuvre de ces techniques lors de l'identification d'un modèle de manœuvrabilité. Les architectures neuronales récurrentes utilisées, ainsi que le principe des méthodes d'apprentissage correspondantes, seront détaillées et abondamment illustrées par un ensemble de simulations réalistes des évolutions d'un navire (ici le porte-avions Charles de Gaulle). L'accent sera mis sur la difficulté d'une approche globale de type "boite noire", et l'on montrera l'intérêt d'une méthodologie plus structurée, faisant appel ~ certaines connaissances a priori et permettant la mise en évidence des différents phénomènes au moyen d'essais spécifiques. La comparaison avec les méthodes traditionnelles permettra de mieux comprendre l'intérêt et la complémentarité d'une telle approche mais également de la démystifier.
Recherche avancée
Année