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).

Documents avec texte intégral

181

Documents en Open Access %

56 %

Références bibliographiques

216

Mots-clés

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