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

181

Documents en Open Access %

56 %

Références bibliographiques

216

Mots-clés

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