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

widget_cartohal

Documents avec texte intégral

186

Documents en Open Access %

55 %

Références bibliographiques

225

Mots-clés

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