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

189

Documents en Open Access %

55 %

Références bibliographiques

227

Mots-clés

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