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

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