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

188

Documents en Open Access %

55 %

Références bibliographiques

225

Mots-clés

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