Adaptations et applications de modèles mixtes de réseaux de neurones à un processus industriel

This study is interested in analyzing the contribution of artificial neuralnetworks in order to improve the control of complex industrialprocesses that are mainly characterized by their temporalbehavior. The main motivations of the time series analysisare data reduction, indexation based on similarity,localization of sequences, knowledge extraction and prediction.The analyzed industrial process is an electric arc furnace for theliquid steel production in Luxembourg. The proposed approach is aconcept of predictive control based on unsupervised learningtechniques with the aim of knowledge extraction.Our signal coding method is based on primitive patterns thatcompose the signals. These patterns, building the codingalphabet, are extracted using an unsupervised method, the selforganizing maps of Kohonen (SOM). An alphabet validation approachis proposed.One of the important subjects of this research is the similarityof time series. The proposed method is unsupervised and able tohandle sequences of arbitrary size.Cette étude consiste à étudier l'apport de réseaux de neuronesartificiels pour améliorer le contrôle de processus industrielscomplexes, caractérisés en particulier par leur aspect temporel.Les motivations principales pour traiter des séries temporellessont la réduction du volume de données, l'indexation pour larecherche de similarités, la localisation de séquences,l'extraction de connaissances (data mining) ou encore laprédiction.Le processus industriel choisi est un four à arcélectrique pour la production d'acier liquide au Luxembourg. Notreapproche est un concept de contrôle prédictif et se base sur desméthodes d'apprentissage non-supervisé dans le but d'uneextraction de connaissances.Notre méthode de codage se base surdes formes primitives qui composent les signaux. Ces formes,composant un alphabet de codage, sont extraites par une méthodenon-supervisée, les cartes auto-organisatrices de Kohonen (SOM).Une méthode de validation des alphabets de codage accompagnel'approche.Un sujet important abordé durant ces recherches estla similarité de séries temporelles. La méthode proposée estnon-supervisée et intègre la capacité de traiter des séquences detailles variées