Soutenance de thèse de Anthony KHOURY

Ce travail est dédié à l'optimisation des algorithmes de contrôle sur smartphone. Les défis liés au développement d’applications scientifiques pour smartphones permettant la simulation de contrôle sont d’abord définis en deux catégories principales; utilisation de la mémoire spatiale et calculs scientifiques. Un ensemble de solutions logicielles est proposé et constitue un choix de conception général pour toute application d'ingénierie pour smartphone. Ces solutions sont implémentées dans un prototype d'application de simulation de contrôle conçu en parallèle de ces travaux. Ils sont testés et validés par comparaison avec d’autres applications de simulation standards. Ensuite, l’accent est mis sur des algorithmes spécifiques dans la théorie du contrôle. L'approche est une optimisation mathématique qui cible ces algorithmes. La première cible est la modélisation des systèmes et les algorithmes d'identification en particulier. Ses défis sont d'abord définis sur la base des obstacles explorés dans des travaux antérieurs liés à l'identification et un algorithme optimisé est proposé pour contrer ces défis. Les tests montrent une diminution des coûts de calcul tout en sauvegardant ou réduisant les erreurs d'identification. La prochaine cible d’optimisation est le Processus de Contrôle et particulièrement le Régulateur Quadratique Linéaire (LQR) dont le but est d'évaluer l'impact des techniques de réduction des ressources sur le temps et la précision des calculs. Les méthodes étudiées sont des méthodes de réduction d’ordre, principalement la réduction équilibrée et l’approximation de perturbations singulières. Plusieurs ensembles de simulations sont effectués afin d'évaluer la prévisibilité des performances et des modèles pour le temps de calcul et l'erreur de réduction qui en résulte sont proposés. La réduction équilibrée s'avère être la méthode de réduction optimale dans le cas du contrôle LQR. Ensuite, le même processus de simulation et d'identification est effectué pour analyser l'erreur de réduction. Le résultat est un ensemble de modèles qui représentent la relation entre le gain de temps de calcul et la perte de précision pour LQR. Enfin, le prototype d'application de simulation de contrôle qui a été développé pour tester les solutions proposées est présenté où toutes les sections sont mises en évidence.

This work is dedicated for System Control algorithm optimization on smartphone. The challenges for the development of scientific smartphone applications that enable Control simulation are first defined as two main categories; Space memory usage and Scientific Calculations. A set of software solutions is proposed and act as a general design choice for any engineering smartphone application. These solutions are implemented in a prototype application for control simulation that was designed in parallel with this work. They are tested and validated through the comparison with other standard simulation applications. Afterwards, the focus shifts towards specific algorithms in Control Theory. The approach is a mathematical optimization that targets these algorithms. The first target is System Modelling and identification algorithms in particular. Its challenges are first defined based on the explored obstacles in previous work related to identification and an optimized algorithm is proposed that aims to counter these challenges. Tests show a decrease in computational costs while maintaining or reducing identification error. The next target of optimization is the Control Process and particularly the Linear Quadratic Regulator (LQR) where the aim is to assess the impact of resource reduction techniques on calculation time and precision. The methods in study are order reduction methods, mainly Balanced Reduction and Singular Perturbation Approximation. Several sets of simulations are conducted in order to assess the predictability of the performance and models for calculation time and resulting reduction error are proposed. Balanced Reduction is found as the optimal method for reduction in the case of LQR Control. Then the same simulation process and identification is conducted for analyzing the reduction error. The result is a set of models that represent the relationship between calculation time gain and precision loss for LQR. Finally, the prototype application for control simulation that was developed for testing the proposed solutions is presented where all of the sections are highlighted.