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

185

Documents en Open Access %

55 %

Références bibliographiques

221

Mots-clés

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