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

224

Mots-clés

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