Optimisation de la commande prédictive basée sur l’algorithme PSO: Application sur un réacteur CSTR

dc.contributor.authorFERHAT Kenza, FERHAT Kenza ENC: Dr. MENIGHED Kamel
dc.date.accessioned2026-02-22T10:05:22Z
dc.date.available2026-02-22T10:05:22Z
dc.date.issued2025-07-08
dc.description.abstractCe mémoire présente le développement et la mise en œuvre d’une stratégie de commande prédictive (MPC - Model Predictive Control) appliquée à un réacteur chimique continu (CSTR), un système non linéaire couramment utilisé dans les procédés industriels. L’objectif principal de ce travail est d’améliorer les performances de contrôle en termes de stabilité, de suivi de consigne et de rejet des perturbations, tout en optimisant les paramètres du régulateur MPC à l’aide de l’algorithme d’optimisation par essaim particulaire (PSO - Particle Swarm Optimization). L’originalité de ce travail réside dans l’application de l’algorithme PSO pour calibrer automatiquement les paramètres clés du MPC, notamment l’horizon de prédiction, l’horizon de contrôle, et les pondérations dans la fonction coût. L’algorithme PSO, inspiré du comportement collectif des oiseaux ou poissons, est particulièrement bien adapté à la recherche globale dans des espaces de solution complexes et non convexes. Les résultats de simulation montrent que la méthode proposée permet d’obtenir une commande robuste, rapide et précise, avec de meilleures performances que les approches classiques à paramètres fixes. La combinaison MPC-PSO s’avère efficace pour le contrôle de procédés non linéaires comme le CSTR, et ouvre la voie à des applications plus larges dans le domaine du génie des procédés.
dc.identifier.urihttp://dspace.univ-skikda.dz:4000/handle/123456789/5875
dc.language.isofr
dc.publisherUNIVERSITE DU 20 AOUT 1955 SKIKDA Faculté de Technologie (Département : Pétrochimie)
dc.titleOptimisation de la commande prédictive basée sur l’algorithme PSO: Application sur un réacteur CSTR
dc.title.alternativeAutomatisation en industrie pétrochimique
dc.typeThesis
Files
Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
Mémoire fin d'étude master 2025.pdf
Size:
2.41 MB
Format:
Adobe Portable Document Format
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description:
Collections