L'équipe SIAM (Signal, Image, AutoMatique) est une équipe interdisciplinaire dont les recherches s’articulent autour des quatre étapes indispensables à l’étude générale d’un système que sont la perception, l’observation, la modélisation et la commande. Les deux types de systèmes visés pour l’application de ces méthodes sont principalement les véhicules et les systèmes biologiques. Les comportements hors normes des systèmes étudiés ainsi que la prise en compte de leur autonomie conduisent les chercheurs de l’équipe à mettre en œuvre des méthodes originales sur des aspects très variés : comportement en limite de sécurité pour les véhicules, véhicule aérien plus léger que l’air, coopération d’engins autonomes, mobilité des cellules en phase améboïde et prise en compte du micro-environnement.

Cette expertise participe à la définition de l’équipe et à son rayonnement. S’appuyant sur des applications hétérogènes, l’équipe a imaginé des méthodes transversales aux outils habituels, offrant ainsi la possibilité de relier des disciplines donc des communautés qui ne le sont pas naturellement. Citons quelques exemples : la décomposition de tenseurs statistiques pour l’analyse d’images 3D, la théorie de la décision statistique appliquée à la reconnaissance de types cellulaires, la prise en compte de modèles déformables avec efforts aéro-élastiques dans le but du contrôle de dirigeables, la classification de la stabilité sous contraintes de systèmes non-hamiltoniens.

L’équipe mise donc sur ces interactions multidisciplinaires pour asseoir son projet de recherche dans un contexte local favorable (installation du CHSF en 2010, de l’IRBA en 2009, extension de Genopole, rapprochement avec l’IFFSTAR-LIVIC).

Derniers dépôts

Chargement de la page

widget_cartohal

Documents avec texte intégral

186

Documents en Open Access %

55 %

Références bibliographiques

222

Mots-clés

Optimal control Robust control Games Adaptive fuzzy control Observer-based control Multi-agent systems Nonlinear systems Deep Learning Adaptive systems Takagi-Sugeno LBP Networked control systems Heuristic algorithms Lyapunov Theory Model Predictive Control Actuator saturation Interval observer Machine learning Nonlinear system Time-frequency LMI Adaptive Control Neural networks Fault detection Adaptive control Grid stability Topology Actuators State estimation Stability analysis Six-rotor unmanned aerial vehicles Fault tolerant control Markov processes Deep learning Calibration Fuzzy logic systems Nonlinear control Renewable source integration Autonomous aerial vehicles Observers Convolutional neural networks Consensus control Costs Cyberattack LMI constraints Identification Clinical gait analysis Structure from Motion Autonomous driving Fault-Tolerant Control Fuzzy control Model predictive control Linear matrix inequality Fault estimation Estimation Distributed control Fault-tolerant control Photovoltaic system Lyapunov methods Apprentissage profond Multi-task learning Segmentation Semantic segmentation Rank aggregation Linear systems Synchrosqueezing Linear Matrix Inequality LMI Sensor faults Linear matrix inequalities LMIs UAV Neural Networks Disturbance observer Time delay Stability Adaptation models Object detection Protocols Stability criteria Pooling function Vehicle dynamics Localization Event-triggered mechanism Sliding mode control Gait rehabilitation DC MicroGrids Cameras Ridge extraction Reinforcement learning Fuzzy systems Unknown input Linear matrix inequalities UAVs Additives Optical flow Home Electrical Appliances HEAs Roads Optimization LPV systems Contour extraction LMIs