Contrôle avancé d'un système de micro-irrigation pour les plantes sous serre
Les avancées technologiques ont profondément transformé l'agriculture sous serre, révolutionnant ainsi le paysage agricole moderne. Grâce à l'environnement contrôlé des serres, il est désormais possible de cultiver des plants tout au long de l'année, indépendamment des conditions clim...
Enregistré dans:
| Auteur principal: | |
|---|---|
| Autres auteurs: | , , , , , , , |
| Format: | Thèse numérique |
| Langue: | Français |
| Publié: |
2024.
|
| Sujets: | |
| Accès en ligne: | Accès au texte intégral http://www.theses.fr/2024ISAB0008/abes https://theses.hal.science/tel-05080439 |
| Note: |
Thèse soutenue en co-tutelle Titre provenant de l'écran-titre Ecole(s) Doctorale(s) : École doctorale Mathématiques, Informatique, Physique Théorique et Ingénierie des Systèmes (Centre-Val de Loire ; 2012-....) Partenaire(s) de recherche : Laboratoire Pluridisciplinaire de recherche en ingénierie des systèmes, mécanique et énergétique (Orléans ; 2008-....) (Laboratoire), Laboratoire pluridisciplinaire de recherche en ingénierie des systèmes- mécanique et énergétique / PRISME (Laboratoire) Autre(s) contribution(s) : Laurent Autrique (Président du jury) ; Frédéric Kratz, Hassina Megherbi, Laurent Autrique, Mohamed Boutayeb, Mohammed Chadli, Mohamed-Faouzi Harkat, Ouafae Bennis-Saboni, Mebarek Bahri (Membre(s) du jury) ; Mohamed Boutayeb, Mohammed Chadli, Mohamed-Faouzi Harkat (Rapporteur(s)) |
| Autres localisations: | Voir dans le Sudoc |
| Variante du titre: | Advanced control of a micro-irrigation system for greenhouse application |
| Résumé: | Les avancées technologiques ont profondément transformé l'agriculture sous serre, révolutionnant ainsi le paysage agricole moderne. Grâce à l'environnement contrôlé des serres, il est désormais possible de cultiver des plants tout au long de l'année, indépendamment des conditions climatiques extérieures. Plus particulièrement, la gestion efficace de l'irrigation sous serre nécessite une combinaison de technologies avancé et de pratiques culturales adaptées. Dans cette thèse, à l aide de techniques d intelligence artificielle, un ensemble de contributions à la modélisation de l évapotranspiration (ET) et au contrôle de l irrigation sous serre, a été réalisé. Dans le deuxième chapitre, la modélisation du processus de culture sous serre est abordée. Dans un premier temps, un accord de collaboration entre le laboratoire PRISME et laboratoire UAL-ARM-TEP197 de l université d Almeria, Espagne, nous a permis d utiliser un ensemble, de taille suffisante, de données fiables enregistrées sur quatre mois, pour l élaboration d un modèle de l ET des plans de tomates sous serre. Dans le troisième chapitre, une contribution a été obtenue dans le traitement des données manquantes dans les enregistrements de données microclimatiques fournis par l université d Almeria. Pour traiter la saisonnalité quotidienne de 24 heures dans les variables climatiques de la serre, plusieurs techniques ont été appliquées et testées pour combler le ce manque de données (ARIMA, SARIMA et ACP-SARIMAX). La méthode retenue est basée sur la technique de modélisation SARIMAX (moyenne mobile intégrée autorégressive saisonnière avec des variables exogènes), associée à l'analyse en composantes principales ACP pour le prétraitement des données et la réduction de la dimensionnalité des variables exogènes. Dans le but de validation de nos modèles et pour combler le manque de données expérimentales du laboratoire d ALMERIA, une serre équipée de divers capteurs, actionneurs et systèmes d'acquisition de données nécessaires, a été installée à Pierres en Eure et Loir. L'ET est une mesure importante pour évaluer les besoins en eau des cultures et des écosystèmes. Sa quantification permet de calculer la quantité d'eau nécessaire pour compenser les pertes des plants. Le quatrième chapitre présente une contribution à l estimation de l ET. La méthode proposée utilise un modèle basé sur un réseau neuronal artificiel (ANN) pour saisir les relations complexes entre les variables climatiques à l'extérieur de la serre et le taux d'ET à l'intérieur de la serre. Une application de deux techniques d'apprentissage à l'estimation du taux de transpiration des cultures de tomates a été réalisée. La recherche a été menée dans deux serres expérimentales situées dans deux régions différentes, la première à Almeria, en Espagne, la seconde à Pierres, en France. Les deux sites présentent une différence significative au niveau des paramètres climatiques, en particulier le rayonnement solaire cumulé. Les performances de l'application ANN ont été comparées à celles de l'équation de Penman-Monteith et celles du modèle SVM. Les résultats ont montré que, contrairement aux deux autres méthodes, le modèle ANN adapte ses paramètres en fonction de la région climatique, se basant sur des variables exogènes dans les deux sites et de ce fait donne des résultats beaucoup plus précis. Dans le chapitre cinq, et dans le but de contrôler le processus d irrigation, deux lois de commande ont été appliquées, la commande PID classique, et la commande sans modèle. Les résultats obtenus ont été validés expérimentalement dans une serre réelle et la comparaison des deux commandes a montré que la commande sans modèle présente des avantages en termes de simplicité et de flexibilité par rapport à la commande PID. Elle se distingue par sa capacité à offrir une régulation efficace et une durée d'irrigation adaptable en agissant sur un seul paramètre arbitraire, indépendamment de la complexité de la dynamique du système de pompage. Technological advancements have profoundly transformed greenhouse agriculture, revolutionizing the modern agricultural landscape. Thanks to the controlled environment of greenhouses, it is now possible to grow plants year-round, regardless of external climatic conditions. Specifically, efficient greenhouse irrigation management requires a combination of advanced technologies and adapted cultural practices. In this thesis, using artificial intelligence techniques, a set of contributions to the modeling of evapotranspiration (ET) and greenhouse irrigation control has been made. In the second chapter, the modeling of the greenhouse cultivation process is addressed. Initially, a collaboration agreement between the PRISME laboratory and the UAL-ARM-TEP197 laboratory of the University of Almeria, Spain, allowed us to use a sufficiently large set of reliable data recorded over four months to develop a model of ET for greenhouse tomato plants. In the third chapter, a contribution was made in handling missing data in the microclimatic data records provided by the University of Almeria. To address the 24-hour daily seasonality in the greenhouse climate variables, several techniques were applied and tested to fill this data gap (ARIMA, SARIMA, and PCA-SARIMAX). The chosen method is based on the SARIMAX (Seasonal Autoregressive Integrated Moving Average with Exogenous Variables) modeling technique, combined with Principal Component Analysis (PCA) for data preprocessing and dimensionality reduction of exogenous variables. To validate our models and to compensate for the lack of experimental data from the Almeria laboratory, a greenhouse equipped with various sensors, actuators, and necessary data acquisition systems was installed in Pierres, Eure-et-Loir. ET is an important measure to assess the water needs of crops and ecosystems. Its quantification allows the calculation of the amount of water needed to compensate for plant losses. The fourth chapter presents a contribution to the estimation of ET. The proposed method uses a model based on an Artificial Neural Network (ANN) to capture the complex relationships between external climatic variables and the ET rate inside the greenhouse. An application of two learning techniques to estimate the transpiration rate of tomato crops was carried out. The research was conducted in two experimental greenhouses located in two different regions, the first in Almeria, Spain, and the second in Pierres, France. The two sites have a significant difference in climatic parameters, particularly cumulative solar radiation. The performance of the ANN application was compared with that of the Penman-Monteith equation and the SVM model. The results showed that, unlike the other two methods, the ANN model adapts its parameters based on the climatic region, using exogenous variables from both sites, thus providing much more accurate results. In the fifth chapter, to control the irrigation process, two control laws were applied: the classic PID control and model-free control. The results obtained were experimentally validated in a real greenhouse, and the comparison of the two controls showed that model-free control offers advantages in terms of simplicity and flexibility compared to PID control. It stands out for its ability to provide effective regulation and adaptable irrigation duration by acting on a single arbitrary parameter, regardless of the complexity of the pumping system dynamics. |
|---|---|
| Description: | Thèse soutenue en co-tutelle Titre provenant de l'écran-titre Ecole(s) Doctorale(s) : École doctorale Mathématiques, Informatique, Physique Théorique et Ingénierie des Systèmes (Centre-Val de Loire ; 2012-....) Partenaire(s) de recherche : Laboratoire Pluridisciplinaire de recherche en ingénierie des systèmes, mécanique et énergétique (Orléans ; 2008-....) (Laboratoire), Laboratoire pluridisciplinaire de recherche en ingénierie des systèmes- mécanique et énergétique / PRISME (Laboratoire) Autre(s) contribution(s) : Laurent Autrique (Président du jury) ; Frédéric Kratz, Hassina Megherbi, Laurent Autrique, Mohamed Boutayeb, Mohammed Chadli, Mohamed-Faouzi Harkat, Ouafae Bennis-Saboni, Mebarek Bahri (Membre(s) du jury) ; Mohamed Boutayeb, Mohammed Chadli, Mohamed-Faouzi Harkat (Rapporteur(s)) |
| Format: | Configuration requise : un logiciel capable de lire un fichier au format : PDF |