Apprentissage automatique de lois de controle d'ecoulement par intelligence artificielle

Created by W.Langdon from gp-bibliography.bib Revision:1.7630

@InProceedings{Maceda:2019:jdf,

• author = "Guy Y. {Cornejo Maceda} and Bernd R. Noack and Francois Lusseyran and Marek Morzynski and Nan Deng and Luc Pastur",
• title = "Apprentissage automatique de lois de controle d'ecoulement par intelligence artificielle",
• year = "2019",
• booktitle = "Journee de Dynamique des Fluides du Plateau de Saclay",
• address = "Orsay, France",
• month = jan # "~01",
• publisher = "HAL CCSD",
• keywords = "genetic algorithms, genetic programming, machine learning, control, fluidic pinball, AI, artificial intelligence control, physics, mechanics, mechanics of the fluids",
• type = "info:eu-repo/semantics/conferenceObject",
• URL = "https://hal.archives-ouvertes.fr/hal-02263719",
• abstract = "Le controle d'ecoulement est au coeur de nombreux defis en ingenierie tel que la reduction de la trainee pour les vehicules de transport terrestre ou aerien, l'augmentation de la portance en aeronautique, l'amelioration du melange pour les reactions chimiques pour ne citer que quelques exemples.Le controle des ecoulements par retroaction s'appuyant sur la connaissance de l'etat du systeme, ouvre la possiblite de controle robuste pour ces applications (Brunton \& Noack, 2015 Appl. Mech. Rev. 67, 050801).Ce projet vise a la mise en place d'une strategie de controle generale, sans modele et auto-adaptaptive pour stabiliser/controler les systemes non-lineaires et la turbulence dans des applications concretes, aussi nommee {"}machine learning control{"} (MLC) (Duriez et al. 2016 Springer).Parmi les differentes techniques d'intelligence artificiel, nous explorons la programmation genetique.Elle est inspiree de la biologie et mime le processus de selection naturelle Darwinien pour faire emerger empiriquement une loi de controle efficace.Cette approche est appliquee a un systeme de mecanique des fluides, le pinball fluidique, presentant une dynamique riche et permettant un controle MIMO.Remerciement au projet ASTRID-ANR-17- FLOwCON, Controle d'ecoulements turbulents en boucle fermee par apprentissage automatique",
• annote = "Laboratoire d'Informatique pour la Mecanique et les Sciences de l'Ingenieur (LIMSI) ; Universite Paris Saclay (COmUE)-Centre National de la Recherche Scientifique (CNRS)-Sorbonne Universite - UFR d'Ingenierie (UFR 919) ; Sorbonne Universite (SU)-Sorbonne Universite (SU)-Universite Paris-Saclay-Universite Paris-Sud - Paris 11 (UP11)",
• bibsource = "OAI-PMH server at api.archives-ouvertes.fr",
• contributor = "Laboratoire d'Informatique pour la Mecanique et les Sciences de l'Ingenieur",
• identifier = "hal-02263719",
• language = "en",
• oai = "oai:HAL:hal-02263719v1",

}

Genetic Programming entries for Guy Yoslan Cornejo Maceda Bernd R Noack Francois Lusseyran Marek Morzynski Nan Deng Luc Pastur

Citations