La modélisation, l'estimation, l'analyse et la théorie du contrôle des systèmes dynamiques doivent inévitablement faire face aux incertitudes sur les données, les environnements opérationnels et les modèles eux-mêmes. Ce contexte est au centre des travaux de l'équipe MODUS, qui portent sur le développement de modèles incertains et basés sur les données.
 
Les modèles proposés par MODUS permettent de développer des approches méthodologiques, afin de traiter les problèmes du monde réel en exploitant les outils de contrôle et d'optimisation modernes. Les méthodes développées combinent des approches classiques basées sur la théorie de Lyapunov ou le contrôle optimal. Elles visent à garantir la stabilité et l'optimalité avec des techniques stochastiques, basées sur les données et sur l'apprentissage pour traiter les incertitudes et les grands jeux de données.
 
Dans le prolongement des projets déjà lancés, et avec la volonté de s’enrichir des relations avec le contexte socio-économique, les domaines applicatifs de MODUS relèvent des secteurs énergie/mécatronique, procédés/environnement, informatique/données et santé/vivant.
 
MODUS est l'une des équipes du pôle Automatique et Diagnostic (PAD).
Image
MODUS image

Illustration des thématiques de recherche de MODUS.
Crédits photos © GIPSA-lab

 


Chiffres-clés


10 
permanents


12 
doctorants & post-doctorants


9 
collaborations industrielles


Axes de recherche

Les thématiques de recherche de MODUS visent notamment :

  •  la modélisation en développant des modèles pour des systèmes incertains et basés sur des données du monde réel ;
  •  l'estimation en développant et en appliquant des techniques d'estimation et d'observation à des systèmes réels ;
  •  la commande, en concevant et en appliquant à des systèmes réels des contrôles modernes s'appuyant sur des outils d'optimisation et des techniques d'apprentissage ;
  •  l'énergie, et plus particulièrement les systèmes de production et de conversion d'énergie, le contrôle des réseaux électriques, les réseaux de communication et les réseaux intelligents.
  •  les procédés avec le contrôle des procédés tels que la production d'aluminium
  •  l'environnement avec la gestion de l'eau (transport, pollution, surveillance, optimisation)
  •  l'informatique et les données en modélisant et en contrôlant des systèmes informatiques et de télécommunications (Cloud), au travers de méthodologies d'apprentissage automatique appliquées au contrôle
  •  la santé et le vivant avec des modèles appliqués au cancer et aux thérapies basées sur le contrôle ; avec des modèles pour l'EEG et l'activité neuronale dans des situations d'épilepsie ; avec la surveillance de l'anesthésie et la détection des pathologies telles que Alzheimer.

Mots-clés

systèmes non linéaires, systèmes incertains, analyse de stabilité, contrôle optimal, optimisation, conception d'observateurs, contrôle prédictif, apprentissage automatique, identification de systèmes, anesthésie, production d'aluminium, générateur éolienne, pipelines, production d'énergie, EEG


Prix et distinctions

Logo du concours i-PhD

Andrea MATTIONI
Best “Aluminium Electrolysis” student paper award, ICSOBA, 2024

En savoir

Image
Publication vignette avec prix (default)

Andrea MATTIONI, Gildas BESANCON & Mirko FIACCHINI
Best application paper award, SAFE PROCESS, 2024

En savoir

Visuel
Mattéo Tacchi

Matteo TACCHI
Best paper award, Optimization letter journal, 2022

En savoir

Logo du concours i-PhD

Gildas BESANCON
Best paper award, ICSTCC, 2019

En savoir


Projets

Coopération UMFST/UEFISCDI

2024

Objectif : Mise en place d'une coopération avec UMFST Taragu Mures et le ministère de l'éducation roumain UEFISCDI.  
Financement : Romanian Ministry of Research, Innovation and Digitalization PN-IV-P2-2.2-MCD-2024-0388 
Coordinateur : Bogdan ROBU

RADYAL

2023-2027

Objectif : Resource-Aware DYnamically Adaptable machine Learning.  
Financement : ANR-23-IAS3-0002 TSIA 
Coordinateur : Stefan DUFFNER (UMR 5205 - Laboratoire d'Informatique en Image et Systèmes d'information)

DAMon

2021-2024

Objectif : Projet sur l'anesthésie, le contrôle et l'apprentissage automatique. 
Financement : PERSYVAL-lab
Coordinateur : Mirko FIACCHINI

Partenaires

Partenaires académiques

  • University of Newcastle (Australia)
  • University of Pise (Italy)
  • IMT-Atlantique (Nantes)
  • LAGEP (Lyon)
  • G2Elab (Grenoble)
  • INRIA Grenoble
  • INRIA Lille
  • INSA Lyon - LIRIS
  • Politecnico di Torino
  • UFRGS Porto Alegre (Brésil)
  • Universidad Nacional del Litoral, Sante Fe (Argentina)
  • National Technological Institute of Mexico (TecNM)
  • Univ. Politehnica Bucarest (Roumanie)
  • INS Instit Neurosciences Marseille

Partenaires industriels

  • Schneider Electric
  • General Electric
  • CEA
  • IFPEN
  • SEB
  • Amiral-Technologies
  • EDF
  • Rio Tinto
  • IFP Energies Nouvelles (Institut Français du Pétrole)