Documents disponibles écrits par cet auteur

Mise au point et réalisation d'un système minimal à base du MC 6809 / Ouahiba Azouaoui 

Public ISBD Titre : Mise au point et réalisation d'un système minimal à base du MC 6809 Type de document : texte imprimé Auteurs : Ouahiba Azouaoui, Auteur ; Akila Zemouli, Auteur ; Hamami, Latifa, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 1988 Importance : 54 f. Présentation : ill. Format : 27 cm. Accompagnement : 3 planches Note générale : Mémoire de Projet de Fin d’Études : Électronique : Alger, École Nationale Polytechnique : 1988 Annexe [26] f. - Bibliogr. [1] f Langues : Français (fre) Mots-clés : Système  --  Logique Organisation  --  Logicielle Index. décimale : PN00488 Résumé : Notre travail consiste à réaliser le système étudié en lui apportant d'éventuelles modifications. ce système est un système d'évaluation, destiné d'une part à une utilisation au laboratoire ''Calculateur'' comme outil de travaux pratiques, dans le but d'initier l'étudiant à l'assembleur du μP 6809 et aux systèmes à μP en général, et pour lui faciliter la mise au point de ses programmes d'autre part. Avant d'aborder les différentes parties concernant la réalisation, il nous parait utile de faire un rappel sur les parties déjà établies. Mise au point et réalisation d'un système minimal à base du MC 6809 [texte imprimé] / Ouahiba Azouaoui, Auteur ; Akila Zemouli, Auteur ; Hamami, Latifa, Directeur de thèse . - [S.l.] : [s.n.], 1988 . - 54 f. : ill. ; 27 cm. + 3 planches. Mémoire de Projet de Fin d’Études : Électronique : Alger, École Nationale Polytechnique : 1988 Annexe [26] f. - Bibliogr. [1] f Langues : Français (fre) Mots-clés : Système  --  Logique Organisation  --  Logicielle Index. décimale : PN00488 Résumé : Notre travail consiste à réaliser le système étudié en lui apportant d'éventuelles modifications. ce système est un système d'évaluation, destiné d'une part à une utilisation au laboratoire ''Calculateur'' comme outil de travaux pratiques, dans le but d'initier l'étudiant à l'assembleur du μP 6809 et aux systèmes à μP en général, et pour lui faciliter la mise au point de ses programmes d'autre part. Avant d'aborder les différentes parties concernant la réalisation, il nous parait utile de faire un rappel sur les parties déjà établies.

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
PN00488	PN00488	Papier + ressource électronique	Bibliothèque centrale	Projet Fin d'Etudes	Disponible	Electronique	Consultation sur place/Téléchargeable

Documents numériques

AZOUAOUI.Ouahiba_ZEMOULI.Akila.pdf URL

Planification et contrôle des comportements en groupe des systèmes robotiques autonomes / Ouahiba Azouaoui 

Public ISBD Titre : Planification et contrôle des comportements en groupe des systèmes robotiques autonomes Type de document : texte imprimé Auteurs : Ouahiba Azouaoui, Auteur ; Farah, Ahcene, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2006 Importance : 124 f. Présentation : ill. Format : 30 cm. Accompagnement : 1 CD-ROM. Note générale : Thèse de Doctorat : Electronique : Alger, Ecole Nationale Polytechnique : 2006 Bibliogr. f. I - IX. Annexes f. I - XVI Langues : Français (fre) Mots-clés : Systèmes  robotiques  autonomes  SRAs Navigation  en  groupe Navigation  en  formation Evitement  de  collisions Comportements  élémentaires Apprentissage  par  renforcement Réseaux  de  neurones  flou  ArtMap Index. décimale : D000906 Résumé : Dans diverses applications complexes, l'utilisation de plusieurs Systèmes Robotiques Autonomes (STAs) devient une nécessité afin de réaliser différentes tâches telle que le transport d'objet lourds et encombrants avec un moindre coût et plus d'efficacité. Ainsi, ils doivent avoir la capacité de former la figure géométrique correspondant à la forme de l'objet en question suivie par le déplacement de cette formation vers son objectif. Pour ce faire, les SRAs doivent d'abord apprendre à éviter les collisions entre eux et avec les obstacles. Deux approches d'évitement de collisions et d'attraction vers la cible ont donc été proposées. La première se base sur les réseaux de neurones où un réseau neuro-flou ArtMap a été développé. En effet, chaque robot doit apprendre, en utilisant le système sensoriel LOCISS (LOcally Communicable Infrared Sensory System) pour chaque relation de position à déduire la régle appropriée d'évitement de collisions et d'attraction vers la cible. La seconde approche se base sur le paradigme de l'apprentissage par renforcement où chaque robot apprend comment éviter les autres robots à partir de son interaction avec l'environnement tout en atteignant son but. Ce processus d'apprentissage permet aux robots de bénéficier de l'expérience des autres. Il fournit aux robots la capacité d'acquérir le comportement d'évitement de collisions et d'attraction vers la cible entre plusieurs robots à partir de comportements élémentaires en utilisant un apprentissage par essai et erreur. Une fois le comportement d'évitement de collisions et d'attraction vers la cible est acquis par les robots, ceux-ci doivent apprendre à former des figures géométriques et à naviguer en formation à partir de leur interaction avec l'environnement. Cette troisième approche doit fournir aux SRAs la capacité d'acquérir la navigation en groupe, par apprentissage, à partir de comportements élémentaires choisis judicieusement. Des résultats de simulation des approches proposées sont présentés et montrent l'aptitude des robots à naviguer en groupe et en formation dans des environnements dynamiques. Cette navigation avec son comportement coopératif rend les SRAs capables de travailler ensemble afin d'accomplir la tâche désirée avec succès. Planification et contrôle des comportements en groupe des systèmes robotiques autonomes [texte imprimé] / Ouahiba Azouaoui, Auteur ; Farah, Ahcene, Directeur de thèse . - [S.l.] : [s.n.], 2006 . - 124 f. : ill. ; 30 cm. + 1 CD-ROM. Thèse de Doctorat : Electronique : Alger, Ecole Nationale Polytechnique : 2006 Bibliogr. f. I - IX. Annexes f. I - XVI Langues : Français (fre) Mots-clés : Systèmes  robotiques  autonomes  SRAs Navigation  en  groupe Navigation  en  formation Evitement  de  collisions Comportements  élémentaires Apprentissage  par  renforcement Réseaux  de  neurones  flou  ArtMap Index. décimale : D000906 Résumé : Dans diverses applications complexes, l'utilisation de plusieurs Systèmes Robotiques Autonomes (STAs) devient une nécessité afin de réaliser différentes tâches telle que le transport d'objet lourds et encombrants avec un moindre coût et plus d'efficacité. Ainsi, ils doivent avoir la capacité de former la figure géométrique correspondant à la forme de l'objet en question suivie par le déplacement de cette formation vers son objectif. Pour ce faire, les SRAs doivent d'abord apprendre à éviter les collisions entre eux et avec les obstacles. Deux approches d'évitement de collisions et d'attraction vers la cible ont donc été proposées. La première se base sur les réseaux de neurones où un réseau neuro-flou ArtMap a été développé. En effet, chaque robot doit apprendre, en utilisant le système sensoriel LOCISS (LOcally Communicable Infrared Sensory System) pour chaque relation de position à déduire la régle appropriée d'évitement de collisions et d'attraction vers la cible. La seconde approche se base sur le paradigme de l'apprentissage par renforcement où chaque robot apprend comment éviter les autres robots à partir de son interaction avec l'environnement tout en atteignant son but. Ce processus d'apprentissage permet aux robots de bénéficier de l'expérience des autres. Il fournit aux robots la capacité d'acquérir le comportement d'évitement de collisions et d'attraction vers la cible entre plusieurs robots à partir de comportements élémentaires en utilisant un apprentissage par essai et erreur. Une fois le comportement d'évitement de collisions et d'attraction vers la cible est acquis par les robots, ceux-ci doivent apprendre à former des figures géométriques et à naviguer en formation à partir de leur interaction avec l'environnement. Cette troisième approche doit fournir aux SRAs la capacité d'acquérir la navigation en groupe, par apprentissage, à partir de comportements élémentaires choisis judicieusement. Des résultats de simulation des approches proposées sont présentés et montrent l'aptitude des robots à naviguer en groupe et en formation dans des environnements dynamiques. Cette navigation avec son comportement coopératif rend les SRAs capables de travailler ensemble afin d'accomplir la tâche désirée avec succès.

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
D000906B	D000906	Papier + ressource électronique	Bibliothèque Annexe	Thèse de Doctorat	Disponible	Electronique	Consultation sur place/Téléchargeable
D000906A	D000906	Papier + ressource électronique	Bibliothèque centrale	Thèse de Doctorat	Disponible	Electronique	Consultation sur place/Téléchargeable

Documents numériques

AZOUAOUI.Ouahiba.pdf URL

Planification de la trajectoire d'un robot mobile autonome dans un environnement statique et/ou dynamique / Mohamed Hazerchi 

Public ISBD Titre : Planification de la trajectoire d'un robot mobile autonome dans un environnement statique et/ou dynamique Type de document : texte imprimé Auteurs : Mohamed Hazerchi, Auteur ; Mohamed Lamine Tazir, Auteur ; Ouahiba Azouaoui, Directeur de thèse ; Chekireb, Hachemi, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2012 Importance : 85 f. Présentation : ill. Format : 30 cm. Accompagnement : 1 CD-ROM. Note générale : Mémoire de Projet de Fin d'Etudes : Automatique : Alger, Ecole Nationale Polytechnique : 2012 Bibliogr. f. 81 - 85 Langues : Français (fre) Mots-clés : Robot  mobile Planification  de  la  trajectoire Environnement  dynamique Algorithmes  génétiques Algorithme  du  concept  de  temps  d’attente Index. décimale : PA03012 Résumé : Les robots mobiles sont largement utilisés dans beaucoup des domaines industriels. La recherche sur la planification de la trajectoire pour les robots mobiles est un des sujets les plus importants dans le domaine de la robotique mobile. Il consiste à trouver un chemin libre sans collision avec les obstacles de l'environnement, pour faire déplacer le robot du point de départ au point de destination, tout en satisfaisant certains critères d'optimisation. La plupart des méthodes existantes de la planification, telles que le graphe de visibilité, la méthode de la décomposition en cellules, et la méthode du champ de potentiel sont conçues à des environnements statiques, dans lesquels où il y a seulement des obstacles stationnaires. Cependant, dans les cas réels tels que la recherche maritime, l'industrie minière, le secteur médical et l'industrie nucléaire, les robots font face habituellement à des environnements dynamiques, dans lesquels les obstacles statiques et dynamiques existent. En raison de la complexité des environnements dynamiques, la recherche dans ce domaine est limitée. Nombre limité de papiers ont été publié dans ce secteur en comparaison avec des centaines de rapports qui ont été publié dans la planification de chemin dans les environnements statiques dans la littérature ouverte. Dans ce travail, on développe une méthode de planification de la trajectoire pour un robot mobile, basée sur les algorithmes génétiques et le concept de temps d’attente (CTA) dans un environnement encombré d’obstacles qui ont des formes, des tailles et des endroits arbitraires. L'algorithme proposé est applicable à des environnements statiques, partiellement dynamiques aussi bien que des environnements dynamiques. L'approche est divisée en deux phases, statique et dynamique. Dans la phase statique, le Calcul est basé sur les sommets des obstacles stationnaires élargis, réduisant de ce fait l'espace de recherche et le temps de calcul d’une manière significative. L'approche utilise les algorithmes génétiques combinés avec l’algorithme de Dijkstra pour trouver le chemin optimal en créant une population initiale des chemins faisables et infaisables. Puis, elle trouve le chemin optimal pour le robot. Une fois que le chemin est prêt, le robot commence à se déplacer entre les obstacles stationnaires avec des capteurs qui peuvent détecter le moindre changement au voisinage du robot. La phase dynamique est appliquée une fois que les obstacles mobiles sont détectés par ces capteurs. Quand l'obstacle mobile entre dans l’intervalle de détection du robot, les capteurs le détecteront et le robot peut acquérir les informations de cet obstacle mobile tel que sa vitesse et sa direction. Puis, le robot utilise ces informations pour calculer la possibilité de collision avec cet obstacle mobile. S'il y en a, le robot fait appel à l’algorithme du CTA pour éviter la collision avec cet obstacle. L’algorithme calcule le temps d’attente nécessaire au passage de l’obstacle et la position d’attente où le robot peut attendre en toute sécurité. Dans le cas où il n’y a pas de collision entre le robot et l’obstacle, le robot utilise le chemin obtenu par les algorithmes génétiques pour atteindre son but. Planification de la trajectoire d'un robot mobile autonome dans un environnement statique et/ou dynamique [texte imprimé] / Mohamed Hazerchi, Auteur ; Mohamed Lamine Tazir, Auteur ; Ouahiba Azouaoui, Directeur de thèse ; Chekireb, Hachemi, Directeur de thèse . - [S.l.] : [s.n.], 2012 . - 85 f. : ill. ; 30 cm. + 1 CD-ROM. Mémoire de Projet de Fin d'Etudes : Automatique : Alger, Ecole Nationale Polytechnique : 2012 Bibliogr. f. 81 - 85 Langues : Français (fre) Mots-clés : Robot  mobile Planification  de  la  trajectoire Environnement  dynamique Algorithmes  génétiques Algorithme  du  concept  de  temps  d’attente Index. décimale : PA03012 Résumé : Les robots mobiles sont largement utilisés dans beaucoup des domaines industriels. La recherche sur la planification de la trajectoire pour les robots mobiles est un des sujets les plus importants dans le domaine de la robotique mobile. Il consiste à trouver un chemin libre sans collision avec les obstacles de l'environnement, pour faire déplacer le robot du point de départ au point de destination, tout en satisfaisant certains critères d'optimisation. La plupart des méthodes existantes de la planification, telles que le graphe de visibilité, la méthode de la décomposition en cellules, et la méthode du champ de potentiel sont conçues à des environnements statiques, dans lesquels où il y a seulement des obstacles stationnaires. Cependant, dans les cas réels tels que la recherche maritime, l'industrie minière, le secteur médical et l'industrie nucléaire, les robots font face habituellement à des environnements dynamiques, dans lesquels les obstacles statiques et dynamiques existent. En raison de la complexité des environnements dynamiques, la recherche dans ce domaine est limitée. Nombre limité de papiers ont été publié dans ce secteur en comparaison avec des centaines de rapports qui ont été publié dans la planification de chemin dans les environnements statiques dans la littérature ouverte. Dans ce travail, on développe une méthode de planification de la trajectoire pour un robot mobile, basée sur les algorithmes génétiques et le concept de temps d’attente (CTA) dans un environnement encombré d’obstacles qui ont des formes, des tailles et des endroits arbitraires. L'algorithme proposé est applicable à des environnements statiques, partiellement dynamiques aussi bien que des environnements dynamiques. L'approche est divisée en deux phases, statique et dynamique. Dans la phase statique, le Calcul est basé sur les sommets des obstacles stationnaires élargis, réduisant de ce fait l'espace de recherche et le temps de calcul d’une manière significative. L'approche utilise les algorithmes génétiques combinés avec l’algorithme de Dijkstra pour trouver le chemin optimal en créant une population initiale des chemins faisables et infaisables. Puis, elle trouve le chemin optimal pour le robot. Une fois que le chemin est prêt, le robot commence à se déplacer entre les obstacles stationnaires avec des capteurs qui peuvent détecter le moindre changement au voisinage du robot. La phase dynamique est appliquée une fois que les obstacles mobiles sont détectés par ces capteurs. Quand l'obstacle mobile entre dans l’intervalle de détection du robot, les capteurs le détecteront et le robot peut acquérir les informations de cet obstacle mobile tel que sa vitesse et sa direction. Puis, le robot utilise ces informations pour calculer la possibilité de collision avec cet obstacle mobile. S'il y en a, le robot fait appel à l’algorithme du CTA pour éviter la collision avec cet obstacle. L’algorithme calcule le temps d’attente nécessaire au passage de l’obstacle et la position d’attente où le robot peut attendre en toute sécurité. Dans le cas où il n’y a pas de collision entre le robot et l’obstacle, le robot utilise le chemin obtenu par les algorithmes génétiques pour atteindre son but.

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
PA03012A	PA03012	Papier + ressource électronique	Bibliothèque centrale	Projet Fin d'Etudes	Disponible	Automatique	Consultation sur place/Téléchargeable
PA03012B	PA03012	Papier + ressource électronique	Bibliothèque centrale	Projet Fin d'Etudes	Disponible	Automatique	Consultation sur place/Téléchargeable

Documents numériques

HAZERCHI.Mohamed_TAZIR.Mohamed Lamine.pdf URL