Sujet de la thèse de S. ABRAS

shadi.abras@imag.fr - 04.76.57.50.59

Début : 1er octobre 2005  |  Fin prévu : 31 septembre 2008

MOTS-CLES :

Système domotique, Pilotage de systèmes distribués, Systèmes multi-agents, Systèmes embarqués, Capteurs et actionneurs intelligents, Modélisation d'équipements domotiques, Algorithmes d'apprentissage

CADRE ET OBJECTIFS DU SUJET :

Un système domotique peut être vu comme un système de pilotage réparti spatialement visant à maîtriser différentes variables caractéristiques d'environnements (thermique-air, thermique-eau, lumineux, ventilation) et de services (cuisson, lavage,…). La commande est réalisée au moyen d'équipements qui peuvent être qualifiés, par analogie avec la notion de capteur intelligent, d'actionneurs intelligents : les équipements embarquent une intelligence qui comprend généralement capteurs et mécanisme de commande locale. En guise d'exemple, un radiateur, actionneur agissant sur l'environnement thermique-air, dispose d'un capteur de température et d'un mécanisme de régulation. Il en va de même du réfrigérateur qui participe au service réfrigération. Les commandes de ces différents équipements sont indépendantes les unes des autres et peuvent parfois conduire à des situations difficile à gérer d'un point de vue énergétique. Pour mieux maîtriser la consommation d'énergie, il faut être capable de coordonner les différents équipements entre eux. Deux mécanismes ont d'ores et déjà ont été distingués (travaux de Jean-Luc Fillon s'inscrivant dans le cadre d'une collaboration LAG-LEIBNIZ) : un mécanisme de protection temps réel, qui permet de réagir rapidement à des perturbations imprévues et un mécanisme de commande anticipative qui permet d'anticiper les demandes d'énergie prévues sur un horizon de plusieurs heures. Ces deux mécanismes viennent compléter, sans pour autant s'y substituer les dispositifs de commande locale existants. Pour anticiper les demandes d'énergie afin d'éviter de systématiquement avoir recours aux systèmes de protection, il faut mettre en exergue les différentes contraintes liées à la fois au fonctionnement des charges et des sources d'énergie, et à la fois aux demandes de l'usager. Ces contraintes peuvent être formulées sous la forme d'un problème de satisfaction de contrainte, avec la particularité de faire apparaître des récurrences temporelles (aspect dynamique). La résolution du problème s'appuiera à la fois les techniques de CSP adaptés aux variables dont les ensembles de valeurs sont finis (Tsang, 1993) et à la fois les techniques d'ensemble de valeurs continus, associant l'arithmétique des intervalles et la propagation de contraintes (Jaulin, 2001), (Braems,2002). Les techniques CSP permettent de mettre en évidence les solutions admissibles parmi lesquels il faut encore extraire les solutions les plus intéressantes d'un point de vue énergétique et du point de vue de la satisfaction de l'usager. Cette optimisation se traduit par différents critères qui peuvent être fusionnés en un seul critère ou conservés sous la forme d'un problème d'optimisation multicritère afin d'offrir la possibilité à l'usager de choisir une solution parmi un ensemble de solutions présentées sous la forme d'un lieu de Pareto. Ces mécanismes peuvent être réalisés au moyen d'un algorithme centralisée basée sur un ordonnanceur (Long, 2004) ou au moyen d'algorithmes répartis coopérant les uns avec les autres afin de permettre à des solutions acceptables d'émerger. Un certain nombre de résultats concernant les grands réseaux ont déjà été proposés, notamment dans le cadre des projets Archon (Jennings, 1994) et DA-SoC (Hägg et Ygge, 1995). Le LAG et le LEIBNIZ travaillent actuellement à la mise au point d'une solution s'appuyant sur le paradigme multi-agent. Néanmoins, la mise au point de solutions s'appuyant sur le paradigme multi-agent requiert d'une part de vérifier la convergence de ces algorithmes vers des solutions admissibles malgré la présence d'incertitudes de modélisation et, d'autre part, d'être capable de déterminer les modèles les plus adaptés à l'anticipation. Les modèles utilisés devront être capable de s'auto-adapter au contexte, qu'il s'agisse des habitudes des usagers ou de l'environnent extérieur au système domotique.

REFERENCES :

Braems, I. (2002)
Méthodes ensemblistes garanties pour l'estmation de grandeurs physiques, Phd of the University Paris XI, Orsay.
Hägg, S., and F. Ygge (1995)
Agent-oriented programming in power distribution automation, Phd of the University of Karlskrona/Ronneby, Ronneby, Sweden.
Jaulin, L., M. Kieffer, O. Didrit, and E. Walter (2001)
Applied Interval Analysis, Spinger-Verlag, London, U.K.
Jennings, N. R. (1994)
The Archon system and its applications. Second International Conference on Cooperating Knowledge based System, University of Keele, U.K.
Long Duy Ha, 2004
Optimisation de la consommation d'énergie en domotique par ordonnancement sous contrainte de ressources, Mémoire de Master - LAG.
Tsang, E. (1993)
Foundations of Constraint Satisfaction, Academic Press.


ENCADREMENTS :

Sylvie PESTY
Email : Sylvie.Pesty@imag.fr
Tel : 04.76.57.47.85
Stéphane PLOIX
Email : Stephane.ploix@inpg.fr
Tel : 04.76.82.62.28
Mireille JACOMINO
Email : Mireille.Jacomino@inpg.fr
Tel : 04.76.82.71.05