Repository logo
  • English
  • Français
  • Log In
Repository logo
  • Communities & Collections
  • All of DSpace
  • English
  • Français
  • Log In
  1. Home
  2. Browse by Author

Browsing by Author "Khati, Hocine"

Now showing 1 - 2 of 2
Results Per Page
Sort Options
  • Loading...
    Thumbnail Image
    Item
    Commande d’une architecture de téléopération par la carte FPGA
    (UNIVERSITE MOULOUD MAMMERI TIZI-OUZOU, 2020) Khati, Hocine
    Dans ce travail de thèse, nous avons élaboré un nouveau schéma de commande bilatérale basé sur FPGA pour un système de téléopération à un degré de liberté. Un contrôleur neuro-flou adaptatif est développé pour les systèmes maître et esclave afin de contrôler la position et le couple en fonction de chaque stratégie de commande adoptée (position-position ou quatre canaux). L'apprentissage du réseau neuro-flou est effectué en ligne, en ajustant les paramètres de la conséquence des règles floues à l'aide d'un algorithme d'apprentissage basé sur les méthodes de la descente du gradient et du filtre de Kalman étendu, et cela en tirant profit du parallélisme de calcul du FPGA et sa fréquence d'échantillonnage élevée. Les contrôleurs proposés sont développés sur l'environnement Simulink de MATLAB et implémentés en utilisant les outils " Fixed-Point Tool " et " HDL Coder ". Une telle méthodologie de conception nous a permis d'obtenir un algorithme précis avec un code VHDL optimal en terme de ressources matérielles consommées, tout en réduisant le temps de conception de l'algorithme. Les résultats expérimentaux obtenus ont démontré l'efficacité des contrôleurs proposés comparant aux contrôleurs classiques PID.
  • Loading...
    Thumbnail Image
    Item
    Neuro-fuzzy Control of a Position-Position Teleoperation System Using FPGA
    (26/08/2019) Khati, Hocine; Mellah, Rabah; Talem, Hand
    This paper presents an ANFIS (adaptive neurofuzzy inference system) controller for a teleoperation system using FPGA (Field Programmable Gate Array). The proposed controller allows adapting to the dynamic variations of the master and slave models by adjusting the output parameters of the neuro-fuzzy network using a learning algorithm, while taking advantage of the benefits of the FPGA computing power and its high sampling frequency. The ANFIS controllers are developed in MATLAB-Simulink environment and implemented using Simulink's Fixed point tool and HDL Coder. These features provide a fast and accurate control algorithm while optimizing the hardware resources used by the FPGA. The proposed controllers are implemented on a teleoperation system with one degree of freedom. The experimental position tracking results clearly show that the proposed control algorithm guarantees better performance compared to conventional control methods (PID).

Dspace Portail web UMMTO E-Learning UMMTO Messagerie UMMTO

    Centre des Systèmes et Réseaux CSRICTED 026.18.62.29 centre_reseaux@ummto.dz