Mise en oeuvre d’un système d’apprentissage par renforcement pour la gestion automatique des voiles sur un bateau à propulsion hybride voile-moteur

• Main Authors: GLORENNEC, Pierre-Yves, NGUYEN, Le Vinh
• Format: Theses and Dissertations
• Language: French
• Published: 2015
• Subjects: logique floue; système d’inférence floue; pilote automatique; apprentissage automatique; apprentissage par renforcement
• Online Access: http://repository.vnu.edu.vn/handle/VNU_123/214
• Institution: Vietnam National University, Hanoi

Le travail du stage est réalisé dans le cadre du projet Grand Largue et sous la direction de la société Avel-Vor Technologie. Grand Largue, c’est un vaste projet proposant par Pôle Mer Bretagne avec Avel-Vor Technologie, le porteur du projet, travaille sur les problèmes d’optimisation dans le monde maritime qui fournit des applications utilisant la logique floue et l’apprentissage automatique pour le projet. Dans le cadre du projet, nous étudions et proposons des solutions utilisant des algorithmes d’apprentissage par renforcement pour piloter automatiquement un voilier afin d’améliorer les performances. La première étape du projet, nous faisons des études des connaissances maritimes, de la logique floue, de l’algorithme d’apprentissage par renforcement et nous concevons un Système de Pilote Automatique Intelligent. La partie principale de notre travail concerne un Système de Pilote Automatique Intelligent (SPAI). C’est un système intelligent qui peut donner des décisions pour piloter automatiquement le bateau. Il peut contrôler la gîte du bateau, utiliser systématiquement la polaire de vitesse pour profiter l’énergie du vent. Pour construire ce système, nous utilisons une méthode d’optimisation utilisant les Système d’Inférence Floue (SIF). Les SIF sont composés d’une collection de règles qui ont la forme générale : Si telle situation alors telle conclusion. La table de règles est établie par des " experts ". Nous avons utilisé le QFUZZ [3] pour construire un algorithme d’optimisation d’une SIF dans ce contexte du projet. La méthode utilise des algorithmes d’apprentissage par renforcement qui sont présentés dans le chapitre 10 du livre [3]. Afin d’estimer l’effcacité de la solution, nous l’avons testé sur un système de simulation et les résultats obtenus sont optimistes. Actuellement, dans la condition réelle, il y a beaucoup de variables de milieu. Notre simulateur tient en compte seulement des variables principales comme : le vent réel, l’accélération du bateau, la polaire de vitesse du bateau, l’oscillation du bateau, et le changement aléatoire du vent réel. Il est nécessaire d’avoir plus de temps pour tester le système sur un bateau en conditions réelles. A partir des résultats obtenus, nous trouvons que le SIF est une bonne direction. La méthode QFUZZ a obtenu des résultats acceptables.