Stabilité et sécurité
Régulation d’un processus industriel par réseaux de neurones

Un des problèmes de la technologie des réseaux artificiels neuronaux est de vérifier la stabilité et, pour préciser encore la formulation du praticien, de vérifier la fiabilité et la cohérence du comportement. Cette difficulté n’apparaît pas uniquement dans le cas des réseaux neuronaux, mais aussi dans celui de nombreux circuits de régulation adaptatifs (par exemple, les boucles de régulation à apprentissage).

Garantir stabilité et sécurité est indispensable dans la pratique.

Une application typique des réseaux artificiels neuronaux en régulation est d’améliorer un procédé conventionnel existant connu. Il est rare d’opérer une substitution complète des procédés conventionnels ou de pénétrer sur un terrain totalement nouveau.

Le but recherché, lorsque l’on décide d’installer un réseau artificiel neuronal, est de profiter des possibilités d’apprentissage et de facilité d’élaboration de modèles et de régulations, que les procédés conventionnels ne peuvent réaliser qu’insuffisamment ou au prix d’efforts coûteux. Cela est en particulier vrai dans le cas de régulations non linéaires ou variables en fonction du temps.

La limitation du signal de réglage élaboré par le nouveau régulateur de type neuronal s’est avérée être une mesure technique concluante. Une autre possibilité est de saturer les éléments de pondération du réseau artificiel neuronal. On peut ainsi garantir sécurité et stabilité, mais exclusivement pour les boucles de régulation ouvertes. Pour les boucles de régulation fermées, il est nécessaire d’effectuer un contrôle de plausibilité, de sécurité et de stabilité supplémentaire. L’intervention la plus simple est de déclencher le réseau artificiel neuronal lorsque l’on atteint les limites de saturation.