Apprentissage automatique de lois de contrôle d'écoulement par programmation génétique
Résumé
Ce travail vise à la mise en place de stratégies de contrôle en boucle fermée par apprentissage automatique (Machine Learning, ML) pour les écoulements fluides. Notre outil de contrôle, fondé sur la programmation génétique, est testé sur une configuration d’écoulement simple mais qui réunit les caractéristiques essentielles des écoulements en situation réelle, le "pinball fluidique". La richesse dynamique et la possibilité d’un contrôle multi-entrée, multi-sortie justifie le choix du pinball fluidique comme objet d’étude. Notre contribution réside dans l’accélération de l’apprentissage grâce à une meilleure exploration de l’espace de recherche, notamment en éliminant les lois de contrôles redondantes. La programmation génétique a permis de construire une loi de contrôle non intuitive, combinant deux mécanismes d’action issus de la littérature et avec une meilleure performance, en terme d’objectif de contrôle, que celles atteintes par les études précédentes.