Séance de cours

Systèmes de contrôle moteur

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Dans cours

CH-234: Organic functions and reactions II

To develop basic understanding of the reactivity of aromatic and heteroaromatic compounds. To develop a knowledge of a class of pericyclic reactions. To apply them in the context of the synthesis. ...

Description

Cette séance de cours couvre les principes fondamentaux des systèmes de contrôle moteur, y compris des sujets tels que les algorithmes de contrôle moteur, l'intégration de capteurs et l'optimisation du système. Il traite également des applications pratiques en robotique et en automatisation industrielle, en soulignant l'importance d'un contrôle précis pour un fonctionnement efficace.

Enseignant·e·s (2)

Nicolai Cramer

Nicolai Cramer est né à Stuttgart, en Allemagne ; il a étudié la chimie à l'université de Stuttgart, où il a obtenu son diplôme en 2003, et son doctorat en 2005 sous la direction du professeur Sabine Laschat. Après un stage de recherche à l'université d'Osaka, au Japon, en 2006 il a rejoint le groupe du professeur Barry M. Trost à l'université de Stanford en tant que postdoc. A partir de 2007, il a travaillé sur son habilitation à l'ETH Zurich sous la direction du Professeur Erick M. Carreira et a reçu la venia legendi en 2010. En 2010, il a été nommé comme professeur assistant à l'EPF de Lausanne et a été promu professeur associé en 2013 et professeur ordinaire en 2015. Son principal programme de recherche englobe les transformations énantiosélectives catalysées par des métaux et leur mise en œuvre pour la synthèse de molécules biologiquement actives.Profile (Angew. Chem. Int. Ed.) CV

Felix Daniel Bobbink

Source officielle

Concepts associés (28)

Optimisation (mathématiques)

L'optimisation est une branche des mathématiques cherchant à modéliser, à analyser et à résoudre analytiquement ou numériquement les problèmes qui consistent à minimiser ou maximiser une fonction sur un ensemble. L’optimisation joue un rôle important en recherche opérationnelle (domaine à la frontière entre l'informatique, les mathématiques et l'économie), dans les mathématiques appliquées (fondamentales pour l'industrie et l'ingénierie), en analyse et en analyse numérique, en statistique pour l’estimation du maximum de vraisemblance d’une distribution, pour la recherche de stratégies dans le cadre de la théorie des jeux, ou encore en théorie du contrôle et de la commande.

Algorithme de colonies de fourmis

Les algorithmes de colonies de fourmis (, ou ACO) sont des algorithmes inspirés du comportement des fourmis, ou d'autres espèces formant un superorganisme, et qui constituent une famille de métaheuristiques d’optimisation. Initialement proposé par Marco Dorigo dans les années 1990, pour la recherche de chemins optimaux dans un graphe, le premier algorithme s’inspire du comportement des fourmis recherchant un chemin entre leur colonie et une source de nourriture.

Optimisation multidisciplinaire

L'Optimisation de Conception Multidisciplinaire (OMD ou MDO, Multidisciplinary Design Optimisation, en anglais) est un domaine d'ingénierie qui utilise des méthodes d'optimisation afin de résoudre des problèmes de conception mettant en œuvre plusieurs disciplines. La MDO permet aux concepteurs d'incorporer les effets de chacune des disciplines en même temps. L'optimum global ainsi trouvé est meilleur que la configuration trouvée en optimisant chaque discipline indépendamment des autres, car l'on prend en compte les interactions entre les disciplines.

Optimisation multiobjectif

L'optimisation multiobjectif (appelée aussi Programmation multi-objective ou optimisation multi-critère) est une branche de l'optimisation mathématique traitant spécifiquement des problèmes d'optimisation ayant plusieurs fonctions objectifs. Elle se distingue de l'optimisation multidisciplinaire par le fait que les objectifs à optimiser portent ici sur un seul problème. Les problèmes multiobjectifs ont un intérêt grandissant dans l'industrie où les responsables sont contraints de tenter d'optimiser des objectifs contradictoires.

Optimisation combinatoire

L’optimisation combinatoire, (sous-ensemble à nombre de solutions finies de l'optimisation discrète), est une branche de l'optimisation en mathématiques appliquées et en informatique, également liée à la recherche opérationnelle, l'algorithmique et la théorie de la complexité. Dans sa forme la plus générale, un problème d'optimisation combinatoire (sous-ensemble à nombre de solutions finies de l'optimisation discrète) consiste à trouver dans un ensemble discret un parmi les meilleurs sous-ensembles (ou solutions) réalisables, la notion de meilleure solution étant définie par une fonction objectif.

Afficher plus

Séances de cours associées (56)

Optimisation et simulation

Couvre le cadre général de l'optimisation et de la simulation, y compris le contrôle déterministe et le problème d'optimisation.

Systèmes intelligents distribués: Logistique générale et aperçu du cours

Couvre la logistique générale, la justification des cours, les conditions préalables, l'organisation, les crédits, la charge de travail, le classement et le contenu des cours, y compris les renseignements sur les essaims, les stratégies de recherche de nourriture et les phénomènes collectifs.

Optimisation et simulation

Explore les transformations en fonctions mono-objectifs, les règles lexicographiques et l'optimisation limitée dans l'optimisation et la simulation.

Résoudre les jeux de parité dans la pratique

Explore les aspects pratiques de la résolution des jeux de parité, y compris les stratégies gagnantes, les algorithmes, la complexité, le déterminisme et les approches heuristiques.

Algèbre linéaire : efficacité et complexité

Explore les contraintes, l'efficacité et la complexité de l'algèbre linéaire, en mettant l'accent sur la convexité et la complexité du pire des cas dans l'analyse algorithmique.

Afficher plus

Concepts associés (28)

Optimisation (mathématiques)

Algorithme de colonies de fourmis

Optimisation multidisciplinaire

Optimisation multiobjectif

Optimisation combinatoire

Afficher plus