http://hdl.handle.net/STDB_UNAM/598 2026-04-20T10:10:01Z 2026-04-20T10:10:01Z KEBIZE, Sidahmed ZOUDJI, Zine eddine http://hdl.handle.net/STDB_UNAM/685 2026-02-08T13:28:20Z 2025-09-30T00:00:00Z

Réduction et le calage d’un bioprocédé de digestion anaérobie KEBIZE, Sidahmed; ZOUDJI, Zine eddine La transition vers les énergies propres est impérative pour la préservation de l’environnement, tandis que le traitement efficace des eaux usées demeure un enjeu sanitaire critique. La digestion anaérobie (DA) présente une solution à double objectif en traitant simultanément les déchets organiques et en produisant du biogaz, une source d’énergie renouvelable. Cette étude se concentre sur l’optimisation du Modèle de Digestion Anaérobie n°1 (ADM1), un modèle structuré et complexe développé par l’International Water Association (IWA), afin d’améliorer sa précision prédictive pour divers substrats, y compris les boues d’épuration. Notre méthodologie implique un étalonnage systématique des paramètres cinétiques et stoechiométriques de l’ADM1 pour refléter les caractéristiques spécifiques de différentes matières premières. Par la suite, pour remédier à la complexité computationnelle élevée du modèle, nous appliquons une technique de réduction de modèle basée sur l’homotopie. Cette approche simplifie la structure du modèle en éliminant systématiquement les dynamiques non essentielles, améliorant ainsi sa maniabilité computationnelle pour les applications de conception et de contrôle de procédés, tout en conservant les processus biochimiques fondamentaux qui gouvernent la production de biogaz et la stabilité du système.

2025-09-30T00:00:00Z KHIATI, Chahira BENOSMAN, Douniazed http://hdl.handle.net/STDB_UNAM/684 2026-02-08T10:36:58Z 2025-11-29T00:00:00Z

Conception et commande d’un bioprocédé de digestion anaérobie KHIATI, Chahira; BENOSMAN, Douniazed Ce travail d’ingéniorat consiste en la conception et la réalisation d’un chémostat destiné à la digestion anaérobie, avec une attention particulière portée à la régulation de la température à 37 °C et au contrôle du débit d’alimentation. Le projet comprend la mise en place des capteurs, le conditionnement des signaux, le choix et l’implémentation des actionneurs, ainsi que la programmation du régulateur PID. Une phase expérimentale est réalisée pour tester le fonctionnement du système, valider la stratégie de commande et analyser les performances en conditions réelles. Les résultats expérimentaux confirment l’efficacité de la régulation mise en place et démontrent la fiabilité du système conçu. Ce travail montre l’importance de l’automatisation dans l’optimisation des procédés de digestion anaérobie et met en évidence l’aspect pratique et appliqué de l’ingéniorat.

2025-11-29T00:00:00Z DJELLOULI, Boumediene http://hdl.handle.net/STDB_UNAM/681 2026-02-08T09:44:46Z 2025-11-19T00:00:00Z

Étude et réalisation d’un pancréas artificiel intelligent DJELLOULI, Boumediene Ce travail présente la conception d’un pancréas artificiel intelligent capable d’estimer la glycémie de manière non invasive et de contrôler automatiquement l’injection d’insuline. L’estimation repose sur le signal PPG combiné à un modèle d’intelligence artificielle, dont la sortie alimente un contrôleur flou chargé de piloter une micropompe piézoélectrique en PDMS fabriquée au FabLab. L’ensemble capteur PPG, modèle IA, logique floue et micropompe a été intégré dans un prototype compact. Malgré certaines limites matérielles, les résultats confirment la faisabilité de la solution et son potentiel comme alternative plus confortable, accessible et intelligente pour l’administration d’insuline.

2025-11-19T00:00:00Z SEDDAR, Imane Yamina http://hdl.handle.net/STDB_UNAM/644 2025-12-09T09:35:18Z 2025-07-02T00:00:00Z

Estimation of Muscle States from EMG Signals Using a Nonlinear KKL Observer SEDDAR, Imane Yamina This thesis presents a data-driven observer for estimating internal muscle states—activation, fiber length, and tendon force—from surface EMG signals under isometric conditions. A simplified Hill-type model (Menegaldo 2017) is used to simulate muscle dynamics. A Kazantzis–Kravaris–Luenberger (KKL) observer, implemented via neural networks, embeds the nonlinear system into a linear latent space for robust state estimation. The observer is validated on synthetic and real EMG signals, including pathological cases. Results show strong generalization and robustness, offering a promising approach for real-time muscle monitoring and control. Future work will integrate KKL with modulating function methods for online parameter identification.

2025-07-02T00:00:00Z