Reconnaissance système en temps réel des processus linéaires à l’aide de l’apprentissage en profondeur

Vidéo de thèse : “Utiliser l’apprentissage en profondeur pour effectuer une reconnaissance de système en temps réel de processus linéaires et les appliquer aux véhicules aériens sans pilote” Cet article propose une nouvelle méthode d’utilisation des réseaux de neurones profonds (DNN) pour la reconnaissance de paramètres de modèles de systèmes linéaires. La méthode proposée utilise un test de rétroaction de relais modifié (MRFT) pour révéler la fréquence de discrimination du processus inconnu. Un DNN bien entraîné utilise les oscillations d’excitation générées par MRFT et identifie les paramètres de processus potentiels. Les méthodes proposées fournissent des garanties pour la stabilité et les performances du système dans les phases d’identification et de contrôle, respectivement. La dynamique d’attitude et d’altitude d’un véhicule aérien sans pilote quadrirotor (UAV) est modélisée au second ordre avec un intégrateur et un système de retard pour la simulation et les expériences afin de vérifier la théorie proposée.Auteurs :-Abdulla Ayyad-Mohamad Chehadeh-Dr Mohammad Awad-Yahya Zweiri Khalifa University Center for Autonomous Robot Systems (KUCARS) PhD, Khalifa University of Science and Technology, Abu Dhabi, EAU