Dans un contexte où les méthodologies de modélisation, estimation, analyse, et commande des systèmes dynamiques ont atteint une certaine maturité pour les cas de modèles bien définis d’une part, et où les incertitudes sur les données, les environnements d’opération, ou les modèles eux-mêmes prennent une place de plus en plus incontournable, notre nouvelle équipe a choisi de mettre cet enjeu au cœur de ses objectifs : ces incertitudes sont donc à considérer dans le cadre de démarches méthodologiques garanties, pour traiter des problèmes en fort ancrage avec le monde réel.
Elles invitent à envisager les stratégies de commande dans un contexte de prise de décisions qui peut aller au delà du bouclage classique, pour lequel les approches par optimisation sont des outils essentiels. Les incertitudes liées aux manques ou à l’imperfection dans les mesures motivent tout aussi naturellement des travaux autour des enjeux fondamentaux des problématiques d’estimation, comme les problèmes inverses, l’identification, l’observation. Les méthodes vont donc marier les outils classiques à base de Lyapunov ou de commande optimale (calcul variationnel, programmation dynamique, MPC) pour des garanties de stabilité ou d’optimalité, à des techniques stochastiques, ensemblistes ou à base d’apprentissage pour la gestion d’incertitudes et de grands jeux de données.
Dans le prolongement des projets déjà lancés, et en ligne avec la volonté de continuer à s’enrichir de relations avec le contexte socio-économique, les domaines applicatifs pourront relever des secteurs Énergie/Mécatronique, Procédés/Environnement, Informatique/Données et Santé/Vivant.
techniques stochastiques, appliquées aux domaines Énergie, Mécatronique, Procédés, Informatique et Santé.
