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

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