Warehouse trucks are now a practical equipment for lifting and moving goods in warehouses. The working situation for warehouse trucks is complicated. Spilling of machine oil or liquid product leads to low friction coefficient of the floor. Warehouse floors are normally made of concrete. Smooth concrete floors easily become slippery with liquid on the surface. With several tons of load on the fork, the braking distance is longer. An Anti-lock Braking System(ABS) for the truck control system is needed concerning the safety of the operator and people surrounding the truck. The warehouse truck braking is realized by controlling the motor torque. In order to control the torque, the truck wheel slip ratio is needed. With an accurate slip ratio, the control system will have accurate information regarding the vehicle status. To calculate the slip ratio, both the vehicle speed and wheel speed is needed. The wheel speed is derived from the motor speed. The vehicle speed is the challenge of this project. For normal passenger vehicles, sensors are installed on the trailer wheel where no slip occurs. In this case, the requirement is to use a lower number of sensors. There are two reasons of this requirement. It reduces the installation complexity and the cost of the control system. According to the literature study, a sensorless ABS system is impossible realize. Without sensor, it is not possible to estimate the vehicle status. One accelerometer is used in this project. An algorithm is designed and implemented in MATLAB. This algorithm solves the problem with zero-point drifting. Additional features are also added to the algorithm. The algorithm is a self-adaptive algorithm. It operates independently of the installation position of the accelerometer, without additional sensors. The result of the experiment with real measurements is very good. Future work on how to rewrite the algorithm from MATLAB programming to C programming is suggested in the end. Methods of implementation of the algorithm are also recommended. / Lagertruckar är en praktisk utrustning för att lyfta och flytta gods på ett lager. Arbetssituationen för en lagertruck är komplicerad. Oljespill eller spill av vätskor i allmänhet innebär att friktionskoefficienten för golvet blir låg. En förklaring till att golvet påverkas mycket av spill är att ytan är mycket slät eftersom den vanligvis är ett obehandlat betonggolv. Med flera ton last på gaffeln kan bromssträckan bli avsevärt längre om golvet är halt. För att uppnå tillräcklig säkerhet för föraren och personer i truckens omgivning skulle ett anti-låsningssystem (ABS) för bromsfunktionen vara nödvändig. Bromsfunktionen hos lagertrucken ombesörjs genom styrning av motormomentet. För detta ändamål är det nödvändigt att känna till drivhjulets âslipâ. Om denna storhet är känd med god noggrannhet kan styrsystemet få god information om fordonets status. För att kunna bestämma drivhjulets âslipâ krävs information om såväl fordonets hastighet som drivhjulets varvtal. Drivhjulets varvatl kan bestämmas mha motorvarvtalet. Fordonets hastighet är utmaningen i detta arbete. För normala passagerarfordon installeras varvtalsgivare på ett hjul som inte har drivning, eftersom detta inte har något âslipâ. I detta fall krävs emellertid att ett lägre antal sensorer ska användas. Det finns två skäl till detta krav. För det första minskas komplexiteten av installationen och för det andra minskas kostnaden. Enligt litteraturstudien är det omöjligt att realisera ett sensorlöst ABS-system. Utan givare kan fordonets status inte bestämmas. I detta projekt används därför en accelerometer. En algoritm har tagits fram och implementerats i MATLAB. Denna algoritm löser problemet med s.k. âzero-point driftningâ. Ytterligare funktioner har också lagts till i algoritmen. Algoritmen är själv-uppdaterande. Den fungerar oberoende av positionen av acelerometern utan ytterligare sensorer. Resultatet av mätningen en mycket bra. I framtiden kan MATLAB-koden ersättas med C-kod. Metoder för implementering av algoritmen föreslås också.

Les métaheuristiques sont une famille d'algorithmes stochastiques destinés à résoudre des problèmes d 'optimisation difficile . Utilisées dans de nombreux domaines, ces méthodes présentent l'avantage d'être généralement efficaces, sans pour autant que l'utilisateur ait à modifier la structure de base de l'algorithme qu'il utilise. Parmi celles-ci, l'Optimisation par Essaim Particulaire (OEP) est une nouvelle classe d'algorithmes proposée pour résoudre les problèmes à variables continues. Les algorithmes d'OEP s'inspirent du comportement social des animaux évoluant en essaim, tels que les oiseaux migrateurs ou les poissons. Les particules d'un même essaim communiquent de manière directe entre elles tout au long de la recherche pour construire une solution au problème posé, en s'appuyant sur leur expérience collective. Reconnues depuis de nombreuses années pour leur efficacité, les métaheuristiques présentent des défauts qui rebutent encore certains utilisateurs. Le réglage des paramètres des algorithmes est un de ceux-ci. Il est important, pour chaque probléme posé, de trouver le jeu de paramètres qui conduise à des performances optimales de l'algorithme. Cependant, cette tâche est fastidieuse et coûteuse en temps, surtout pour les utilisateurs novices. Pour s'affranchir de ce type de réglage, des recherches ont été menées pour proposer des algorithmes dits adaptatifs . Avec ces algorithmes, les valeurs des paramètres ne sont plus figées, mais sont modifiées, en fonction des résultats collectés durant le processus de recherche. Dans cette optique-là, Maurice Clerc a proposé TRIBES, qui est un algorithme d'OEP mono-objectif sans aucun paramètre de contrôle. Cet algorithme fonctionne comme une boite noire , pour laquelle l'utilisateur n'a qu'à définir le problème à traiter et le critàre d'arrêt de l'algorithme. Nous proposons dans cette thèse une étude comportementale de TRIBES, qui permet d'en dégager les principales qualités et les principaux défauts. Afin de corriger certains de ces défauts, deux modules ont été ajoutés à TRIBES. Une phase d'initialisation régulière est insérée, afin d'assurer, dès le départ de l'algorithme, une bonne couverture de l'espace de recherche par les particules. Une nouvelle stratégie de déplacement, basée sur une hybridation avec un algorithme à estimation de distribution, est aussi définie, afin de maintenir la diversité au sein de l'essaim, tout au long du traitement. Le besoin croissant de méthodes de résolution de problèmes multiobjectifs a conduit les concepteurs à adapter leurs méthodes pour résoudre ce type de problème. La complexité de cette opération provient du fait que les objectifs à optimiser sont souvent contradictoires. Nous avons élaboré une version multiobjectif de TRIBES, dénommée MO-TRIBES. Nos algorithmes ont été enfin appliqués à la résolution de problèmes de seuillage d'images médicales et au problème de dimensionnement de composants de circuits analogiques / Metaheuristics are a new family of stochastic algorithms which aim at solving difficult optimization problems. Used to solve various applicative problems, these methods have the advantage to be generally efficient on a large amount of problems. Among the metaheuristics, Particle Swarm Optimization (PSO) is a new class of algorithms proposed to solve continuous optimization problems. PSO algorithms are inspired from the social behavior of animals living in swarm, such as bird flocks or fish schools. The particles of the swarm use a direct way of communication in order to build a solution to the considered problem, based on their collective experience. Known for their e ciency, metaheuristics show the drawback of comprising too many parameters to be tuned. Such a drawback may rebu some users. Indeed, according to the values given to the parameters of the algorithm, its performance uctuates. So, it is important, for each problem, to nd the parameter set which gives the best performance of the algorithm. However, such a problem is complex and time consuming, especially for novice users. To avoid the user to tune the parameters, numerous researches have been done to propose adaptive algorithms. For such algorithms, the values of the parameters are changed according to the results previously found during the optimization process. TRIBES is an adaptive mono-objective parameter-free PSO algorithm, which was proposed by Maurice Clerc. TRIBES acts as a black box , for which the user has only the problem and the stopping criterion to de ne. The rst objective of this PhD is to make a global study of the behavior of TRIBES under several conditions, in order to determine the strengths and drawbacks of this adaptive algorithm. In order to improve TRIBES, two new strategies are added. First, a regular initialization process is defined in order to insure an exploration as wide as possible of the search space, since the beginning of the optimization process. A new strategy of displacement, based on an hybridation with an estimation of distribution algorithm, is also introduced to maintain the diversity in the swarm all along the process. The increasing need for multiobjective methods leads the researchers to adapt their methods to the multiobjective case. The di culty of such an operation is that, in most cases, the objectives are con icting. We designed MO-TRIBES, which is a multiobjective version of TRIBES. Finally, our algorithms are applied to thresholding segmentation of medical images and to the design of electronic components

Les Réseaux de capteurs sans fil (WSN) sont une technologie émergente avec des applications potentielles dans divers domaines de la vie quotidienne, tels que la surveillance structurelle et environnementale, la médecine, la surveillance militaire, les explorations robotisées, etc. Les nœuds de capteurs doivent fonctionner pendant une longue période avec des batteries capacité limitée, par conséquent le facteur plus important dans les WSN est la consommation d'énergie. Dans cette thèse, nous proposons des techniques d'optimisation algorithmiques dynamiques, et adaptative pour la réduction de l'énergie. Tout d'abord, un modèle énergétique précis est présenté. Ce modèle repose sur des mesures réelles de courant consommé pour différents scénarios qui peuvent se produire lors de la communication entre les nœud. Il en est conclu que la couche MAC joue un rôle essentiel dans la réduction de l'énergie consommée. Ensuite, un protocole MAC dynamique est présenté. Il adapte de manière dynamique l’intervalle de réveil des nœuds de capteurs à partir d’une estimation du trafic. L’algorithme adaptatif modélisé de façon heuristique pour comprendre le comportement de convergence des paramètres algorithmiques. Le protocole est appliqué sur des réseaux de capteurs corporels et il surclasse les autres protocoles MAC en termes de latence ainsi que de consommation d'énergie ce qui permet donc d'augmenter la durée de vie de trois à six fois. Enfin, une technique basée sur l’optimisation adaptative de la puissance d'émission radio est appliquée sur des canaux variant dans le temps. La puissance de sortie est réglée dynamiquement au meilleur niveau de puissance selon l’état du canal, ce qui diminue la consommation d’un facteur deux. / Wireless Sensor Networks (WSN) are a fast emerging technology with potential applications in various domains of daily-life, such as structural and environmental monitoring, medicine, military surveillance, robotic explorations etc. WSN devices are required to operate for a long time with limited battery capacity, therefore, the most important constraint in WSN is energy consumption. In this thesis, we propose algorithmic-level dynamic and adaptive optimization techniques for energy reduction in WSN. First, an accurate energy model is presented. This model relies on real-time power measurements of various scenarios that can occur during communication between sensor nodes. It is concluded that MAC layer plays a pivotal role for energy reduction. Then, a traffic-aware dynamic MAC protocol is presented which dynamically adapts the wake-up schedule of sensor nodes through traffic estimation. An adaptive algorithm is designed for this purpose that is heuristically modeled to understand the convergence behavior of algorithmic parameters. The proposed protocol is applied to body area networks and it outperforms other low-power MAC protocols in terms of latency as well as energy consumption and consequently increases the lifetime from three to six times. Finally, an SNR-based adaptive transmit power optimization technique is applied under time-varying channels. The output power is dynamically tuned to best power level under slow varying channel, which results in an average gain by two times.

When the finite element method is used to solve boundary value problems, the corresponding finite element mesh is appropriate if it is reflects the behavior of the true solution. A posteriori error estimators are suited to construct adequate meshes. They are useful to measure the quality of an approximate solution and to design adaptive solution algorithms. Singularly perturbed problems yield in general solutions with anisotropic features, e.g. strong boundary or interior layers. For such problems it is useful to use anisotropic meshes in order to reach maximal order of convergence. Moreover, the quality of the numerical solution rests on the robustness of the a posteriori error estimation with respect to both the anisotropy of the mesh and the perturbation parameters. There exist different possibilities to measure the a posteriori error in the energy norm for the singularly perturbed reaction-diffusion equation. One of them is the equilibrated residual method which is known to be robust as long as one solves auxiliary local Neumann problems exactly on each element. We provide a basis for an approximate solution of the aforementioned auxiliary problem and show that this approximation does not affect the quality of the error estimation. Another approach that we develope for the a posteriori error estimation is the hierarchical error estimator. The robustness proof for this estimator involves some stages including the strengthened Cauchy-Schwarz inequality and the error reduction property for the chosen space enrichment. In the rest of the work we deal with adaptive algorithms. We provide an overview of the existing methods for the isotropic meshes and then generalize the ideas for the anisotropic case. For the resulting algorithm the error reduction estimates are proven for the Poisson equation and for the singularly perturbed reaction-difussion equation. The convergence for the Poisson equation is also shown. Numerical experiments for the equilibrated residual method, for the hierarchical error estimator and for the adaptive algorithm confirm the theory. The adaptive algorithm shows its potential by creating the anisotropic mesh for the problem with the boundary layer starting with a very coarse isotropic mesh.

Pour résoudre des problèmes d'optimisation discret de type boîte noire, de nombreux algorithmes stochastiques tels que les algorithmes évolutionnaires ou les métaheuristiques existent et se révèlent particulièrement efficaces selon le problème à résoudre. En fonction des propriétés observées du problème, choisir l'algorithme le plus pertinent est un problème difficile. Dans le cadre original des environnements de calcul parallèle et distribué, nous proposons et analysons différentes stratégies adaptative de sélection d'algorithme d'optimisation. Ces stratégies de sélection reposent sur des méthodes d'apprentissage automatique par renforcement, issu du domaine de l'intelligence artificielle, et sur un partage d'information entre les noeuds de calcul. Nous comparons et analysons les stratégies de sélection dans différentes situations. Deux types d'environnement de calcul distribué synchrone sont abordés : le modèle en île et le modèle maître-esclave. Sur l'ensemble des noeuds de manière synchrone à chaque itération la stratégie de sélection adaptative choisit un algorithme selon l'état de la recherche de la solution. Dans une première partie, deux problèmes OneMax et NK, l'un unimodal et l'autre multimodal, sont utilisés comme banc d'essai de ces travaux. Ensuite, pour mieux saisir et améliorer la conception des stratégies de sélection adaptatives, nous proposons une modélisation du problème d'optimisation et de son opérateur de recherche locale. Dans cette modélisation, une caractéristique importante est le gain moyen d'un opérateur en fonction de la fitness de la solution candidate. Le modèle est utilisé dans le cadre synchrone du modèle maître-esclave. Une stratégie de sélection se décompose en trois composantes principales : l'agrégation des récompenses échangées, la technique d'apprentissage et la répartition des algorithmes sur les noeuds de calcul. Dans une dernière partie, nous étudions trois scénarios et nous donnons des clés de compréhension sur l'utilisation pertinente des stratégies de sélection adaptative par rapport aux stratégies naïves. Dans le cadre du modèle maître-esclave, nous étudions les différentes façons d'agréger les récompenses sur le noeud maître, la répartition des algorithmes d'optimisation sur les noeuds de calcul et le temps de communication. Cette thèse se termine par des perspectives pour le domaine de l'optimisation stochastique adaptative distribuée. / To solve discrete optimization problems of black box type, many stochastic algorithms such as evolutionary algorithms or metaheuristics exist and prove to be particularly effective according to the problem to be solved. Depending on the observed properties of the problem, choosing the most relevant algorithm is a difficult problem. In the original framework of parallel and distributed computing environments, we propose and analyze different adaptive optimization algorithm selection strategies. These selection strategies are based on reinforcement learning methods automatic, from the field of artificial intelligence, and on information sharing between computing nodes. We compare and analyze selection strategies in different situations. Two types of synchronous distributed computing environment are discussed : the island model and the master-slave model. On the set of nodes synchronously at each iteration, the adaptive selection strategy chooses an algorithm according to the state of the search for the solution. In the first part, two problems OneMax and NK, one unimodal and the other multimodal, are used as benchmarks for this work. Then, to better understand and improve the design of adaptive selection strategies, we propose a modeling of the optimization problem and its local search operator. In this modeling, an important characteristic is the average gain of an operator according to the fitness of the candidate solution. The model is used in the synchronous framework of the master-slave model. A selection strategy is broken down into three main components : the aggregation of the rewards exchanged, the learning scheme and the distribution of the algorithms on the computing nodes. In the final part, we study three scenarios, and we give keys to understanding the relevant use of adaptive selection strategies over naïve strategies. In the framework of the master-slave model, we study the different ways of aggregating the rewards on the master node, the distribution of the optimization algorithms of the nodes of computation and the time of communication. This thesis ends with perspectives in the field of distributed adaptive stochastic optimization.

Submitted by Emanuel Varela Cardoso (emanuel.varela@ufcg.edu.br) on 2018-08-13T16:41:07Z No. of bitstreams: 1 FRANCISCO DAS CHAGAS SOUZA JÚNIOR – TESE (PPGEEI) 2016.pdf: 4537364 bytes, checksum: 1696c9bd2456c0caad5ee6e61bcb7ca4 (MD5) / Made available in DSpace on 2018-08-13T16:41:07Z (GMT). No. of bitstreams: 1 FRANCISCO DAS CHAGAS SOUZA JÚNIOR – TESE (PPGEEI) 2016.pdf: 4537364 bytes, checksum: 1696c9bd2456c0caad5ee6e61bcb7ca4 (MD5) Previous issue date: 2016-07-05 / Uma técnica auto-adaptativa que torna a obtenção dos ajustes de coordenação de relés de sobre corrente instantânea para sistemas de distribuição uma tarefa automática, sem a necessidade de intervenção humana e nem a interrupção do fornecimento de energia elétrica ou do monitoramento da rede é proposta. Usando uma arquitetura distribuída, formada por três camadas conectadas através de canal de comunicação, modificações topológicas como entrada/saída de linhas, e/ou nos perfis de carga e geração do sistema elétrico terão seus efeitos automaticamente refletidas nos ajustes dos dispositivos de proteção. O método proposto usa a corrente de carga como item principal para a determinação dos ajustes das unidades instantâneas de sobre corrente em redes de distribuição de média tensão com e sem apresentação geração distribuída. Por meio do cálculo online dos equivalentes de rede a técnica proposta necessita de baixos níveis de intervenção humana para a realização dos estudos de coordenação e seletividade. Os resultados obtidos comprovam a viabilidade técnica da metodologia proposta e corrobora com o estado da arte no tocante ao desenvolvimento das redes elétricas inteligentes. / A self-adaptive technique that improves the instantaneous overcurrent relay settings determination an automatic task, without human intervention neither interruption on electric supply or grid monitoring is proposed. An architecture designed by three layers connected using a communication channel provides that modificationon power electric grid as connection/disconnection of transmissionlines, and/or on generator or load profiles will be automatically reflected on protective device settings. Load current has been used to determine the reach of instantaneous over current relay settings in a médium voltage distribution system considering cases with and without distributed generation connected on the grid. The possibility of online determination at Thevenin equivalent circuit low human interventions to execute coordination study. Obtained results demonstrate the viability of proposed technique an dincrease with state of art a bout improvements of smart electric grids.

When the finite element method is used to solve boundary value problems, the corresponding finite element mesh is appropriate if it is reflects the behavior of the true solution. A posteriori error estimators are suited to construct adequate meshes. They are useful to measure the quality of an approximate solution and to design adaptive solution algorithms. Singularly perturbed problems yield in general solutions with anisotropic features, e.g. strong boundary or interior layers. For such problems it is useful to use anisotropic meshes in order to reach maximal order of convergence. Moreover, the quality of the numerical solution rests on the robustness of the a posteriori error estimation with respect to both the anisotropy of the mesh and the perturbation parameters. There exist different possibilities to measure the a posteriori error in the energy norm for the singularly perturbed reaction-diffusion equation. One of them is the equilibrated residual method which is known to be robust as long as one solves auxiliary local Neumann problems exactly on each element. We provide a basis for an approximate solution of the aforementioned auxiliary problem and show that this approximation does not affect the quality of the error estimation. Another approach that we develope for the a posteriori error estimation is the hierarchical error estimator. The robustness proof for this estimator involves some stages including the strengthened Cauchy-Schwarz inequality and the error reduction property for the chosen space enrichment. In the rest of the work we deal with adaptive algorithms. We provide an overview of the existing methods for the isotropic meshes and then generalize the ideas for the anisotropic case. For the resulting algorithm the error reduction estimates are proven for the Poisson equation and for the singularly perturbed reaction-difussion equation. The convergence for the Poisson equation is also shown. Numerical experiments for the equilibrated residual method, for the hierarchical error estimator and for the adaptive algorithm confirm the theory. The adaptive algorithm shows its potential by creating the anisotropic mesh for the problem with the boundary layer starting with a very coarse isotropic mesh.