Browsing by Author "Lamamra, Kheireddine"

Now showing 1 - 6 of 6
  • No Thumbnail Available
    Item
    Box and jenkins nonlinear system modelling using RBF neural networks designed by NSGAII
    (Springer, 2015) Lamamra, Kheireddine; Belarbi, Khaled; Boukhtini, Souaad
    In this work, we use radial basis function neural network for modeling nonlinear systems. Generally, the main problem in artificial neural network is often to find a better structure. The choice of the architecture of artificial neural network for a given problem has long been a problem. Developments show that it is often possible to find architecture of artificial neural network that greatly improves the results obtained with conventional methods. We propose in this work a method based on No Sorting Genetic Algorithm II (NSGA II) to determine the best parameters of a radial basis function neural network. The NSGAII should provide the best connection weights between the hidden layer and output layer, find the parameters of the radial function of neurons in the hidden layer and the optimal number of neurons in the hidden layers and thus ensure learning necessary. Two functions are optimized by NSGAII: the number of neurons in the hidden layer of the radial basis function neural network, and the error which is the difference between desired input and the output of the radial basis function neural network. This method is applied to modeling Box and Jenkins system. The obtained results are very satisfactory.
  • No Thumbnail Available
    Item
    Commande Intelligente D’une Base Mobile 4×4.
    (Université Oum El Bouaghi, 2021) Messaoudi, Mourad; Goual, Takieddine; Lamamra, Kheireddine; Merabti, Halim
    Dans ce travaille, nous avons appliqué une stratégie de commande à distance d'un robot mobile par une commande prédictif non linéaire sous contraintes. L'identification du centre de Gravity du robot et de son angle de rotation se fait à travers un marqueur ArUco montée au-dessus du robot, qui est capturé par une caméra montée dans le plafond de la pièce, que nous avons considérée comme le système de vision. Le processus de calcul dans l'unité de contrôle est effectué par les algorithmes (écrits en Python) de la commande par "Robot solver de Labyrinthe Virtual " aussi commande prédictive non linéaire avec un l'algorithme d'Optimisation de l'essaim de particules. Puis nous connectons le robot au système de contrôle, et aussi le système de vision, où nous les connectons au même réseau WI-FI, et le contrôleur envoie les commandes et les vitesses nécessaires au robot après que la direction et l'angle de rotation sont corrigés.
  • No Thumbnail Available
    Item
    Contribution to motion planning and control of robotic systems
    (University of Oum El Bouaghi, 2024) Ghediri, Akram; Lamamra, Kheireddine
    This study presents a novel design for adaptive PID gain tuning in the context of robot manipulators’ PID Computed-Torque control. The approach incorporates Deep Deterministic Policy Gradient (DDPG) reinforcement learning to account for unmodeled dynamics and external disturbances. The main objective is to dynamically compute the outer-loop PID controller gains, ensuring minimal trajectory tracking errors while effectively rejecting disturbances and maintaining stable closed-loop dynamics. To implement the control scheme, a comprehensive understanding of the robot’s dynamics is necessary. Therefore, the study develops both the kinematic and dynamic equations for an n-link serial manipulator. The UR5e robot manipulator model is utilized, and the dynamic and kinematic parameters provided by the manufacturer and related works are considered to ensure accuracy. Simulation results demonstrate the effectiveness and robustness of the proposed approach. It successfully handles bounded internal and external disturbances, showcasing its ability to adapt and mitigate their effects. Additionally, the adaptive gain tuning offers improved trajectory tracking performance compared to conventional PID controllers. Overall, this work contributes to the advancement of control strategies for robot manipulators by integrating adaptive PID gain tuning with DDPG reinforcement learning. By addressing unmodeled dynamics and external disturbances, the proposed approach enhances the stability and tracking capabilities of robot manipulator systems. Cette étude présente une conception novatrice pour l'ajustement adaptatif des gains PID dans le contexte du contrôle PID de la commande de couple des manipulateurs robotiques. L'approche intègre l'apprentissage par renforcement Deep Deterministic Policy Gradient (DDPG) pour prendre en compte les dynamiques non modélisées et les perturbations externes. L'objectif principal est de calculer dynamiquement les gains du régulateur PID en boucle externe, garantissant des erreurs minimales de suivi de trajectoire tout en rejetant efficacement les perturbations et en maintenant une dynamique en boucle fermée stable. Pour mettre en œuvre le schéma de contrôle, une compréhension approfondie de la dynamique du robot est nécessaire. Par conséquent, l'étude développe à la fois les équations cinématiques et dynamiques pour un manipulateur série à n maillons. Le modèle de manipulateur robotique UR5e est utilisé, et les paramètres dynamiques et cinématiques fournis par le fabricant et les travaux connexes sont pris en compte pour assurer la précision. Les résultats de la simulation démontrent l'efficacité et la robustesse de l'approche proposée. Elle gère avec succès les perturbations internes et externes bornées, illustrant sa capacité à s'adapter et à atténuer leurs effets. De plus, l'ajustement adaptatif des gains offre une meilleure performance de suivi de trajectoire par rapport aux régulateurs PID classiques. Dans l'ensemble, ce travail contribue à l'avancement des stratégies de contrôle pour les manipulateurs robotiques en intégrant l'ajustement adaptatif des gains PID avec l'apprentissage par renforcement DDPG. En traitant les dynamiques non modélisées et les perturbations externes, l'approche proposée améliore la stabilité et les capacités de suivi des systèmes de manipulateurs robotiques.
  • No Thumbnail Available
    Item
    L’influence de l’ombrage sur les performances de la cellule solaire
    (Univérsité Oum El Bouaghi, 2020) Ghennam, Abd El Raouf; Lamamra, Kheireddine
    Dans ce travail, nous présentons l'utilisation des réseaux de neurones artificiels pour la modélisation du comportement d'un panneau solaire PV soumit au aux conditions de phénomène de l'ombrage partiel. Le modèle neuronal obtenu nous a permis d'étudier l'influence du phénomène de l'ombrage sur les performances des cellules PV durant leur fonctionnement. Les résultats ont montrés que les courbes caractéristiques courant-tension et puissance-tension sont fortement influencés par l'ombrage partiel. Ce modèle neuronal permettra de faire des études plus poussées sur l'impact de l'ombrage sur les caractéristiques des systèmes PV pour les différentes conditions météorologiques et faire ainsi des prévisions afin d'éviter d'endommager le panneau PV.
  • No Thumbnail Available
    Item
    Modélisation et classification avec Deep Learning
    (Univérsité Oum El Bouaghi, 2020) Ounissi, Mohammed; Harnane, Zahra Ilham; Lamamra, Kheireddine
    Dans ce travail, nous présentons la classification d'images de radiographie dans l'objectif de détecter si une personne est atteinte par le Coronavirus Covid-19 ou non ce qui facilitera le processus de diagnostic pour les médecins. Pour cela, nous avons conçu un modèle de classification par Deep-Learning qui représente une forme de l'apprentissage profond. Les résultats obtenus sont très satisfaisante mais ce modèle de diagnostic ne remplacera pas les tests des laboratoires d'analyses médicales à savoir le test PCR (Polymerase Chain Reaction).
  • No Thumbnail Available
    Item
    Numerical study and performance analysis of carbone nanotube field effect transistors
    (Opatija, Croatia, 2013) Rechem, Djamil; Benkara, Salima; Lamamra, Kheireddine
    As transistors are scaled down to nanometers, the theory and structure of nanometers devices such as carbon nanotubes field effect transistors (CNTFET) are being extensively studied. Self consistent solution of the Poisson and Schrödinger equations is performed using the nonequilibrium Green’s function (NEGF) formalism to investigate the impact of nanotube diameter, gate oxide thickness and high-k gate dielectric permittivity parameters on the coaxially gate, n-type CNTFET. Our results show that the nanotube diameter and gate oxide thickness influences the ION/IOFF current ratio, the drain induced barrier lowering (DIBL), the subthreshold slop as well as transconductance and drain conductance. Furthermore, in this work we focus on the impact of high-k gate dielectric permittivity on the performance of CNTFETs. Using high-k dielectric is caused by the enhancement in device characteristics. A good agreement with numerical simulation results is obtained.