Mohamed Amine YAKOUBI2023-04-252023-04-252017https://dspace.univ-annaba.dz//handle/123456789/2658Depuis l’émergence de la communauté scientifique de l’intelligence artificielle, les sys tèmes ou les applications robotiques sont devenus des outils incontournables dans notre vie quotidienne, tels que l’assistance aux personnes âgées, les véhicules sous-marins et aériens, les robots de l’agriculture, les robots shopping mobiles, les robots aspirateurs etc. Le robot aspirateur, par exemple, a la mission de balayer tous les points accessibles dans tout l’environnement. Cette tâche est connue en tant que Navigation par Couverture Complète d’une Région (CRCN) de l’environnement cible. À l’heure actuelle, la mission de nettoyage de toute surface d’une pièce avec un robot aspirateur autonome, est typiquement planifiée par plusieurs méthodes. Mais, ces der nières, ne sont pas efficaces pour le CRCN simplement parce qu’elles négligent certains paramètres tels que l’environnement inconnu, les obstacles mobiles dans la pièce (envi ronnement dynamique), l’optimisation de la longueur de trajectoire parcourue, le nombre de tours et le temps de mission CRCN. Pour palier à ces limitations, notre approche dans cette thèse est de proposer une nouvelle méthode pour trouver des chemins sans collision permettant au robot avec ses capteurs de couvrir une région de la surface de la pièce (planification de la trajectoire de couverture). La méthode proposée est appelée le Modèle de Réseau Neuronal à Impulsions Couplées (PCNN) qui est inspirée du modèle Eckhorn (1990) et qui garantit aussi de bons résultats dans de nombreux domaines, telles que la reconnaissance des formes et la rapi dité de trouver le chemin le plus court avec un minimum d’effort. Les résultats des études de simulation et de comparaison démontrent l’efficacité et la robustesse de la méthode proposée où nous remarquons que le modèle proposé ne nécessite pas une connaissance préalable de l’environnement-cible, de sorte qu’il fonctionne en temps réel et dans un environnement dynamique dans lequel il peut réduire la longueur de la trajectoire, le temps de calcul, le nombre de tours et le nombre des cellules déjà nettoyées, de manière à obtenir un temps court avec une faible consommation d’énergie (batteries).PDFfrrobot aspirateur; navigation par couverture complète d’une région (CRCN); réseau neuronal à impulsions-couplées (PCNN); environnement dynamiqueThesis