{"id":{"repo_id":"moncton","oai_identifier":"oai:umoncton.scholaris.ca:20.500.14658/6887"},"canonical_url":"https://search.dev.ndltd.org/etd/moncton/oai:umoncton.scholaris.ca:20.500.14658/6887","repository":{"repo_id":"moncton","name":"University de Moncton","base_url":"https://umoncton.scholaris.ca/server/oai/request"},"display":{"title":"Modélisation et identification des actionneurs piézo-électriques à l'aide d'algorithmes évolutionnaires","abstract":""Cette thèse porte sur la modélisation et de l'identification de l'hystérésis des actionneurs piézoélectriques: l'hystérésis étant la principale forme non-linéaire qui rend complexe le développement des applications des actionneurs piézoélectriques. Trois modèles, à savoir le modèle de Coleman-Hodgdon (C-H), le modèle de Prandtl-Inshlinskii (P-I), ont été étudiés. Leurs paramètres ont été identifiés en utilisant trois méthodes d'intelligence artificielle : l'optimisation par essaim de particules (OEP), l'algorithme génétique à codage réel (AGR) et l'algorithme des colonies de fourmis dans le domaine continue (ACFR). L'intelligence artificielle a été choisie pour sa simplicité, sa flexibilité, son efficacité et le fait qu'elle a déjà montré de bonnes performances dans le traitement des problèmes d'optimisation complexes. Des tests ont été faits pour optimiser les différents paramètres des algorithmes et ceux des modèles pour garantir l'obtention de modèles fidèles. Pour les trois techniques d'identification, les résultats d'identification ont montré un bon accord entre les données expérimentales et les données du modèle avec une erreur inférieure à 0.8% pour plus de 95% des données du modèle C-H; les modèles de LuGre et de P-I ont respectivement pu être identifiés à 94% et à 86% avec une erreur inférieure à 1.7%. L'analyse de la précision et de la robustesse a montré que l'OEP est la technique la plus adaptée pour identifier les modèles de C-H et de LuGre tandis que l'AGR est plus adapté à l'identification du modèle de P-I." -- Sommaire.","abstract_html":""Cette thèse porte sur la modélisation et de l'identification de l'hystérésis des actionneurs piézoélectriques: l'hystérésis étant la principale forme non-linéaire qui rend complexe le développement des applications des actionneurs piézoélectriques. Trois modèles, à savoir le modèle de Coleman-Hodgdon (C-H), le modèle de Prandtl-Inshlinskii (P-I), ont été étudiés. Leurs paramètres ont été identifiés en utilisant trois méthodes d'intelligence artificielle : l'optimisation par essaim de particules (OEP), l'algorithme génétique à codage réel (AGR) et l'algorithme des colonies de fourmis dans le domaine continue (ACFR). L'intelligence artificielle a été choisie pour sa simplicité, sa flexibilité, son efficacité et le fait qu'elle a déjà montré de bonnes performances dans le traitement des problèmes d'optimisation complexes. Des tests ont été faits pour optimiser les différents paramètres des algorithmes et ceux des modèles pour garantir l'obtention de modèles fidèles. Pour les trois techniques d'identification, les résultats d'identification ont montré un bon accord entre les données expérimentales et les données du modèle avec une erreur inférieure à 0.8% pour plus de 95% des données du modèle C-H; les modèles de LuGre et de P-I ont respectivement pu être identifiés à 94% et à 86% avec une erreur inférieure à 1.7%. L'analyse de la précision et de la robustesse a montré que l'OEP est la technique la plus adaptée pour identifier les modèles de C-H et de LuGre tandis que l'AGR est plus adapté à l'identification du modèle de P-I." -- Sommaire.","abstract_has_math":false,"creators":["Irakoze, Raoul"],"institution":"Université de Moncton,","degree_name":"Maîtrise ès sciences appliquées","degree_level":"2e cycle","degree_discipline":"Faculté d'ingénierie","degree_department":null,"school":null,"contributors":[],"advisors":["Kaddouri, Azeddine"],"committee_chairs":[],"committee_members":[],"year":2015,"date_issued":"2015","date_published":"2015","updated_at":"2026-07-24T03:10:02Z","subjects":["Dispositifs piézoélectriques","Modèles mathématiques","Actionneurs","Hystérésis","Optimisation mathématique","Programmation non linéaire"],"languages":["iso639-2b","fre"],"rights":["Author"],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["oclc: 946587927"],"render_values":[{"text":"oclc: 946587927","href":null,"code":true}]},{"key":"dc:identifier.other","label":"Dc Identifier Other","values":["umir:1937"],"render_values":[{"text":"umir:1937","href":null,"code":true}]}]},"links":{"outbound_url":"https://hdl.handle.net/20.500.14658/6887","outbound_label":"Handle","outbound_source":"dc:identifier.uri"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:contributor.advisor","label":"Advisor","values":["Kaddouri, Azeddine"]},{"key":"dc:creator","label":"Author","values":["Irakoze, Raoul"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date.accessioned","label":"Dc Date Accessioned","values":["2024-12-20T17:56:24Z","2025-05-13T20:42:35Z"]},{"key":"dc:date.available","label":"Dc Date Available","values":["2024-12-20T17:56:24Z","2025-05-13T20:42:35Z"]},{"key":"dc:date.issued","label":"Date","values":["2015"]},{"key":"dc:publisher","label":"Institution","values":["Université de Moncton,"]},{"key":"dc:type","label":"Dc Type","values":["Text","thèse"]},{"key":"thesis:degree_discipline","label":"Discipline","values":["Faculté d'ingénierie"]},{"key":"thesis:degree_level","label":"Degree Level","values":["2e cycle"]},{"key":"thesis:degree_name","label":"Degree Name","values":["Maîtrise ès sciences appliquées"]},{"key":"thesis:institution_name","label":"Thesis Institution Name","values":["Université de Moncton"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Dispositifs piézoélectriques","Modèles mathématiques","Actionneurs","Hystérésis","Optimisation mathématique","Programmation non linéaire"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["fre"]},{"key":"dc:language.iso","label":"Language (ISO)","values":["iso639-2b"]},{"key":"dc:rights","label":"Dc Rights","values":["Author"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["oclc: 946587927"]},{"key":"dc:identifier.other","label":"Dc Identifier Other","values":["umir:1937"]},{"key":"dc:identifier.uri","label":"Identifier URI","values":["https://hdl.handle.net/20.500.14658/6887"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description.abstract","label":"Abstract","values":[""Cette thèse porte sur la modélisation et de l'identification de l'hystérésis des actionneurs piézoélectriques: l'hystérésis étant la principale forme non-linéaire qui rend complexe le développement des applications des actionneurs piézoélectriques. Trois modèles, à savoir le modèle de Coleman-Hodgdon (C-H), le modèle de Prandtl-Inshlinskii (P-I), ont été étudiés. Leurs paramètres ont été identifiés en utilisant trois méthodes d'intelligence artificielle : l'optimisation par essaim de particules (OEP), l'algorithme génétique à codage réel (AGR) et l'algorithme des colonies de fourmis dans le domaine continue (ACFR). L'intelligence artificielle a été choisie pour sa simplicité, sa flexibilité, son efficacité et le fait qu'elle a déjà montré de bonnes performances dans le traitement des problèmes d'optimisation complexes. Des tests ont été faits pour optimiser les différents paramètres des algorithmes et ceux des modèles pour garantir l'obtention de modèles fidèles. Pour les trois techniques d'identification, les résultats d'identification ont montré un bon accord entre les données expérimentales et les données du modèle avec une erreur inférieure à 0.8% pour plus de 95% des données du modèle C-H; les modèles de LuGre et de P-I ont respectivement pu être identifiés à 94% et à 86% avec une erreur inférieure à 1.7%. L'analyse de la précision et de la robustesse a montré que l'OEP est la technique la plus adaptée pour identifier les modèles de C-H et de LuGre tandis que l'AGR est plus adapté à l'identification du modèle de P-I." -- Sommaire."]},{"key":"dc:format","label":"Dc Format","values":["application/pdf"]},{"key":"dc:format.medium","label":"Dc Format Medium","values":["electronic","sans médiatio","volume"]},{"key":"dc:title","label":"Title","values":["Modélisation et identification des actionneurs piézo-électriques à l'aide d'algorithmes évolutionnaires"]}]}],"canonical_facts":{"dc:contributor.advisor":["Kaddouri, Azeddine"],"dc:creator":["Irakoze, Raoul"],"dc:date.accessioned":["2024-12-20T17:56:24Z","2025-05-13T20:42:35Z"],"dc:date.available":["2024-12-20T17:56:24Z","2025-05-13T20:42:35Z"],"dc:date.issued":["2015"],"dc:description.abstract":[""Cette thèse porte sur la modélisation et de l'identification de l'hystérésis des actionneurs piézoélectriques: l'hystérésis étant la principale forme non-linéaire qui rend complexe le développement des applications des actionneurs piézoélectriques. Trois modèles, à savoir le modèle de Coleman-Hodgdon (C-H), le modèle de Prandtl-Inshlinskii (P-I), ont été étudiés. Leurs paramètres ont été identifiés en utilisant trois méthodes d'intelligence artificielle : l'optimisation par essaim de particules (OEP), l'algorithme génétique à codage réel (AGR) et l'algorithme des colonies de fourmis dans le domaine continue (ACFR). L'intelligence artificielle a été choisie pour sa simplicité, sa flexibilité, son efficacité et le fait qu'elle a déjà montré de bonnes performances dans le traitement des problèmes d'optimisation complexes. Des tests ont été faits pour optimiser les différents paramètres des algorithmes et ceux des modèles pour garantir l'obtention de modèles fidèles. Pour les trois techniques d'identification, les résultats d'identification ont montré un bon accord entre les données expérimentales et les données du modèle avec une erreur inférieure à 0.8% pour plus de 95% des données du modèle C-H; les modèles de LuGre et de P-I ont respectivement pu être identifiés à 94% et à 86% avec une erreur inférieure à 1.7%. L'analyse de la précision et de la robustesse a montré que l'OEP est la technique la plus adaptée pour identifier les modèles de C-H et de LuGre tandis que l'AGR est plus adapté à l'identification du modèle de P-I." -- Sommaire."],"dc:format":["application/pdf"],"dc:format.medium":["electronic","sans médiatio","volume"],"dc:identifier":["oclc: 946587927"],"dc:identifier.other":["umir:1937"],"dc:identifier.uri":["https://hdl.handle.net/20.500.14658/6887"],"dc:language":["fre"],"dc:language.iso":["iso639-2b"],"dc:publisher":["Université de Moncton,"],"dc:rights":["Author"],"dc:subject":["Dispositifs piézoélectriques","Modèles mathématiques","Actionneurs","Hystérésis","Optimisation mathématique","Programmation non linéaire"],"dc:title":["Modélisation et identification des actionneurs piézo-électriques à l'aide d'algorithmes évolutionnaires"],"dc:type":["Text","thèse"],"thesis:degree_discipline":["Faculté d'ingénierie"],"thesis:degree_level":["2e cycle"],"thesis:degree_name":["Maîtrise ès sciences appliquées"],"thesis:institution_name":["Université de Moncton"]},"updated_at":"2026-07-24T03:10:02Z"}