5-Électronique et Télécommunications
Permanent URI for this collectionhttp://172.16.2.43:4000/handle/123456789/11490
Browse
Browsing 5-Électronique et Télécommunications by Title
Now showing 1 - 20 of 31
- Results Per Page
- Sort Options
Item AI Applications in Characterizing and Enhancing Optical Fiber Performance(Université Echahid Cheikh Larbi Tebessi - Tebessaa, 2025-06-10) Zediri ,Akila /Rehab ,Nardjes /Encadré par Gouder, SorayaOptical fibers are among the most important modern technologies in the field of communications, enabling high-speed and efficient data transmission over long distances with low signal loss and high immunity to electromagnetic interference. These fibers operate based on the principle of total internal reflection, transmitting light through a central core surrounded by a cladding with a lower refractive index. In recent years, AI has played an increasingly significant role in enhancing the performance of optical fibers. Techniques such as machine learning and ANNs networks have contributed to data analysis, fault detection, performance prediction under various conditions, and the optimization of fiber design through accurate simulations and intelligent forecasting of optical properties. The integration of AI with optical fiber technologies represents a major step toward smarter, more flexible, and more efficient communication systems.Item AI in Cybersecurity: The Design of a Learning Model for the Detection of Zero-Day Attacks(UNIVERSITE DE ECHAHID CHEIKH LARBI TEBESSI, 2024-06) Aya, ARAB/ Yamina SOUAHI / Encadré par Chaima, AOUICHELa prolifération et l'utilisation d'Internet et des applications mobiles ont étendu le cyberespace, le rendant plus vulnérable aux cyberattaques automatisées et persistantes. Les techniques de cybersécurité apportent des améliorations dans les mesures de sécurité pour détecter et contrer ces attaques. Cependant, les systèmes de sécurité traditionnels ne sont plus suffisants, car les cybercriminels sont experts dans leur contournement. Les attaquants et les logiciels malveillants évoluent quotidiennement, nécessitant un développement continu des systèmes de détection d'intrusion (IDS) pour lutter efficacement contre ces menaces. Cette étude vise à proposer un modèle d'apprentissage pour évaluer la performance à long terme des IDS et détecter les attaques zero-day en utilisant des algorithmes d'apprentissage automatique (ML) et d'apprentissage profond (DL). Pour ce faire, trois ensembles de données progressifs ont été sélectionnés : CIC-IDS 2017 (utilisé pour l'entraînement), et CSE-CIC-IDS 2018 et CIC-DDoS2019 (utilisés pour les tests), qui sont largement utilisés pour développer des systèmes IDS. Une analyse approfondie a été réalisée sur ces ensembles de données, et une classification binaire a été effectuée en utilisant l'arbre de décision (DT), la forêt aléatoire (RF), la machine à vecteurs de support (SVM), le Naïve Bayes (NB), le réseau de neurones artificiels (ANN) et le réseau de neurones profonds (DNN). Nos expériences ont obtenu de bons résultats de performance et ont montré une plus grande résistance au surapprentissage avec l'ensemble de données d'entraînement. Cependant, la performance a considérablement diminué sur les ensembles de données de test.Item Apprentissage Par Renforcement Profond Concept et Application(UNIVERSITE DE ECHAHID CHEIKH LARBI TEBESSI, 2024-06) ABDELOUAHAD, Maroua / Khaoula, AMRANI / Encadré par KHEMAISSIA, Seddik"Ce mémoire vise à explorer l'application de l'apprentissage par renforcement profond (DRL) aux stratégies de trading algorithmique. Les principaux objectifs sont : Comprendre les Fondamentaux dans : Chapitre 1 : Apprentissage par Renforcement (RL),Concepts clés : agents, environnements, actions, états, récompenses,Politiques, fonctions de valeur, fonctions de valeur Q,Le défis dilemme exploration-exploitation, convergence des algorithmes. Chapitre 2 : Apprentissage Profond (Deep Learning) Réseaux de neurones artificiels : couches, fonctions d'activation, propagation avant et arrière.Réseaux de Neurones Convolutionnels (CNN) : reconnaissance d'images, traitement des données spatiales.Techniques d'entraînement : optimisation par descente de gradient. Analyser les Algorithmes de DRL dans le Chapitre 3 : Apprentissage par Renforcement Profond (DRL) DQN : Utilisation des réseaux de neurones pour approximer la fonction de valeur Q. Double DQN : Réduction de la surestimation des valeurs Q. Dueling DQN : Séparation de la valeur d'un état et de l'avantage des actions. Implémentation dans Chapitre 4 : Application du DRL au Marché Boursier Développement de stratégies de trading algorithmique adaptées aux conditions de marché changeantes. par les étapes : Préparation des données : collecte, nettoyage, prétraitement des données de marché historiques. Modélisation de l'environnement de trading : définition des états, actions, récompenses. Implémentation des algorithmes DRL : développement et entraînement des modèles DQN, Double DQN, Dueling DQN. Évaluation et optimisation : test des stratégies, ajustement des hyperparamètres, évaluation des performances. Le mémoire vise à améliorer les pratiques de trading algorithmique en minimisant les risques et maximisant les profits grâce aux capacités de l'IA et du DRL. Il fournit une compréhension détaillée des concepts et techniques, des exemples d'implémentation, et des études de cas pratiques, ouvrant la voie à des systèmes de trading plus intelligents et efficaces"Item Blockchain-Enabled Biometric Template Protection: A secure Authentication Framework(UNIVERSITE DE ECHAHID CHEIKH LARBI TEBESSI, 2025-06-10) Gouasmia , Aya / Rabah, Malak / Encadré par Meraoumia, AbdallahInformation security has quickly become a major priority in the world digital due to our increasing reliance on interconnected systems and sharing data via networks for virtually all activities. Identity verification and access control are fundamental to the protection of our digital assets; thus, this research presents a proof of concept aimed at developing an innovative solution combining biometric technologies and blockchain to strengthen data confidentiality and authenticate the identity to handle reliably. The system exploits biometric features extracted from finger joint images using modern image processing techniques, such as HOG, combined with advanced encryption methods to protect the biometric template. Our solution also integrates blockchain technology to ensure data integrity and offer a reliable and decentralized authentication mechanism. The high recognition rate and system efficiency demonstrate the validity of this proof of concept, which could address current security challenges.Item Chaotic Encryption for Secure Image Transmission in Free-Space Optical Systems(UNIVERSITE DE ECHAHID CHEIKH LARBI TEBESSI, 2026-06-09) Chettouh Chayma; Harbaoui Nesrine; encadré par Hanane DjellabThis work presents a secure Free-Space Optical (FSO) communication system based on a four-dimensional memristor-based hyperchaotic image encryption scheme. The proposed framework combines hyperchaotic cryptography with optical wireless communication to ensure both high-level data security and reliable image transmission under atmospheric disturbances. A 4D hyperchaotic system was designed and analyzed using time-series analysis, phase-space trajectories, and Lyapunov exponents, confirming strong randomness and high sensitivity to initial conditions. Three image encryption methods based on XOR diffusion, arithmetic addition, and QR matrix decomposition were developed and evaluated using entropy, correlation, NPCR, UACI, and key sensitivity analyses. The obtained entropy values reached 7.9987, 7.9983, and 7.9893, while NPCR values exceeded 99.55% and UACI values remained close to 33%, demonstrating excellent security performance and strong resistance against statistical and differential attacks. In addition, the proposed system provided a large key space estimated at approximately ( 10112.). The proposed encryption framework was integrated into an FSO communication system using MATLAB and OptiSystem environments. The obtained results showed that clear weather achieved the best transmission performance, maintaining BER values below ( 10−5.) and Q-factor values above 4 up to approximately 1.6 km, with a BER of (8.68 × 10−22.) and a Q-factor of 9.51 at 1 km. Under moderate rain conditions, the acceptable communication range decreased to approximately 1.1 km with a BER of (4.27 × 10−9.) and a Q-factor of 5.75, while snow conditions reduced the effective range to approximately 0.4 km with a BER of (1.89× 10−4.) and a Q-factor of 3.56 due to severe atmospheric attenuation. Overall, the obtained results demonstrate that the proposed QR-based hyperchaotic encryption scheme provides an effective compromise between cryptographic security, diffusion capability, and transmission robustness, making the proposed framework a promising solution for next-generation secure optical wireless communication systems.Item Commande d'un système photovoltaïque à base d'un réseau de neurone artificiel(UNIVERSITE DE ECHAHID CHEIKH LARBI TEBESSI, 2024-06) EL HASSASNA, Imed / Encadré par GUIZA, DhaouadiL'énergie renouvelable basée sur la production d'électricité à partir de l'énergie solaire est considérée comme la meilleure parmi les sources d'énergie alternatives en raison de son abondance et de son respect de l'environnement. Cependant, les systèmes photovoltaïques présentent deux inconvénients majeurs : l'influence des conditions climatiques sur la puissance produite et la non linéarité de leurs caractéristiques qui impose la nécessité de l'ajout d'un convertisseur DC-DC entre le système et la charge pour extraire le maximum de puissance à la charge à l'aide d'un algorithme de poursuite du point de puissance maximale (MPPT). A cet effet, diverses techniques conventionnelles et intelligentes sont utilisées pour la sélection du rapport cyclique optimal afin de suivre le point de puissance maximale (PPM). Le but de ce travail est l'application des techniques intelligentes basées sur les réseaux de neurones artificiels (RNA) pour optimiser la puissance dans un système photovoltaïque. Les résultats obtenus ont démontré que les méthodes basées sur les RNA sont capables d'extraire le maximum de puissance délivrée par un générateur PV avec une vitesse de poursuite élevée. Elles sont également plus efficaces que les algorithmes conventionnels perturbation et observation (P&O) et de conductance incrémentale (INC).Item Conception d'un système intelligent de détection des images falsifiées basé sur le Deep Learning et la transformée en Ondelettes (DWT)(UNIVERSITE DE ECHAHID CHEIKH LARBI TEBESSI, 2026-06) Berkani lamis; BOUKHRIS HAIFA; Aoulmi Chahinda; encadré par CHERIET LeylaÀ l’ère de l’intelligence artificielle générative, la prolifération des manipulations d’images numériques, notamment les Deepfakes, pose un défi majeur pour la criminalistique informatique (Digital Forensics). Ce mémoire de Master présente une approche hybride robuste dédiée à la détection automatique de falsifications d’images, en combinant l’analyse spatio-fréquentielle et l’apprentissage profond. Notre contribution fondamentale repose sur l’intégration de la Transformée en Ondelettes Discrète (DWT) en amont des Réseaux de Neurones Convolutifs (CNN). En écartant l’approximation globale basse fréquence pour forcer le réseau à focaliser son attention sur les sous-bandes de détails fréquentielles (LH,HL,HH), le système parvient à isoler les micro-anomalies géométriques et statistiques laissées par les algorithmes de manipulation. Les simulations rigoureuses menées sous l’environnement MATLAB sur la base de données de référence Celeb- DF v2 valident l’efficacité de cette fusion. En utilisant l’ondelette de Daubechies (db4), le modèle basé sur l’apprentissage résiduel ResNet-18 surclasse les architectures standard et SqueezeNet, en atteignant une précision remarquable de 95,42% (jusqu’à 96,15%), avec un score AUC de 0,978 et un taux de fausses alarmes (FPR) réduit à seulement 4,00%.Item CONCEPTION ET OPTIMISATION D’ANTENNE PATCH POUR LES APPLICATION DE COMMUNICATION 5G(UNIVERSITE DE ECHAHID CHEIKH LARBI TEBESSI, 2024-06) BOUAKEZ, WAFA/ KHEDIRI, AIDA Encadré par FERROUDJI, KarimDe nos jours, avec la généralisation des systèmes de communication sans fil et la nécessité croissante de miniaturiser les antennes pour les intégrer dans de petits objets fonctionnant à des fréquences UHF élevées. De plus, optimiser les performances de ces antennes, notamment en termes d'adaptation d'impédance, de bande passante, de gain, etc., constitue un défi majeur. Notre travail vise principalement à concevoir une antenne patch adaptée aux systèmes de communication de cinquième génération. Dans ce contexte, nous avons développé une antenne miniature fonctionnant à une fréquence de résonance de 28 GHz, en nous appuyant sur un modèle classique de patch rectangulaire. Pour y parvenir, nous avons utilisé des techniques d'ajustement et d'amélioration afin d'atteindre les performances optimales. Une analyse paramétrique a été réalisée pour déterminer les paramètres les plus influents en vue de satisfaire les exigences spécifiques. Nous avons pris en compte l'impact des paramètres géométriques de l'antenne sur la fréquence de résonance, la bande passante, le coefficient de réflexion et le gain. À cette fin, nous avons employé l'outil de simulation électromagnétique du logiciel HFSS pour le développement. Les résultats obtenus ont démontré de bonnes performances pour les antennes que nous avons conçues.Item Conception et Réalisation d'un Système Suiveur de Rayonnement Solaire Piloté par Arduino(UNIVERSITE DE ECHAHID CHEIKH LARBI TEBESSI, 2024-06) DEMMANE, Mohammed Amine / HANNACHI, Rachid/ Encadré par Seddik, BOUABIDA"Un système de suivi solaire avec système de refroidissement est une technologie avancée dans le domaine des énergies renouvelables et de la durabilité. Ce système utilise les dernières technologies pour augmenter l'efficacité de l'utilisation de l'énergie solaire et améliorer ses performances. Tout d'abord, des panneaux solaires mobiles sont utilisés pour suivre le mouvement du soleil tout au long de la journée et s'orienter précisément vers lui. Cela permet aux panneaux solaires de tirer pleinement parti de la lumière du soleil, ce qui renforce l'efficacité de la conversion de l'énergie solaire en électricité. Cependant, les températures élevées peuvent avoir un impact négatif sur les performances des panneaux solaires. C'est là qu'intervient le système de refroidissement, qui utilise des techniques telles que le refroidissement liquide pour abaisser la température des panneaux. Cela aide à éviter la perte d'efficacité des panneaux due à la chaleur excessive et prolonge leur durée de vie. En combinant les techniques de suivi et de refroidissement, le système peut atteindre des performances supérieures et une efficacité excellente dans la génération d'énergie solaire. Grâce à ces technologies avancées, il est possible d'améliorer la durabilité environnementale et de réduire les coûts pour les projets solaires, ce qui renforce leur attrait en tant qu'option de génération d'énergie propre et fiable. "Item Desgin and analysis of a reconfigurable patch antenna using pin diode for wireless Applications(Université Echahid Cheikh Larbi Tebessi - Tebessaa, 2025-06-10) Bouaffene, nada /Fetni, manel Encadré par Farroudji,KarimThis project presents the design and simulation of a reconfigurable patch antenna using a PIN diode for dynamic frequency tuning. By integrating a PIN diode into the antenna design, it becomes possible to dynamically adjust the operating frequency, allowing support for multiple applications using the same component without the need for replacement or additional hardware. Key parameters such as gain, VSWR, and S11 were optimized using HFSS to ensure efficient performance within the targeted frequency bands. The results confirm that the proposed design achieves reliable reconfigurability, making it suitable for advanced multi-band communication applications.Item Enhanced medical image diagnosis using a deep learning approach based on autoencoders(UNIVERSITE DE ECHAHID CHEIKH LARBI TEBESSI, 2026-06-09) Ghalloussi Wissal; Filali Hiba; encadré par Haouam LotfiMedical image analysis is essential for disease diagnosis, but its interpretation remains challenging. This thesis investigates the use of deep learning, particularly Convolutional Neural Networks (CNNs) and autoencoders, to automate medical image classification. Two case studies are presented: brain tumor classification from MRI images and pneumonia detection from chest X-ray images. The obtained results demonstrate high classification accuracy and confirm the potential of these approaches for developing computer-aided diagnosis systems.Item Etude et Conception d’antenne patch planaire avec réseau de fentes pour des applications de communication multifréquence(UNIVERSITE DE ECHAHID CHEIKH LARBI TEBESSI, 2024-06) Ladjal, Sarra/ Chaâbour, Ahlem Encadré par Malika, OUACIFIL'étude se concentre sur la conception d'antennes patchs planaires, des antennes à faible profil largement utilisées dans les applications de communication sans fil en raison de leur compacité et de leur facilité de fabrication. Dans cette recherche, des réseaux de fentes sont intégrés dans la structure de ces antennes pour améliorer leurs performances sur une gamme de fréquences plus large que celle des antennes traditionnelles. Ce mémoire vise à examiner les techniques de conception et d'amélioration des antennes patchs planaires qui intègrent des réseaux de fentes dans le plan de masse, avec une résonance à 5 GHz afin de générer des comportements multifréquences. Deux géométries de fentes sont insérées : un réseau de fentes en forme de L et de L inversé, ainsi qu'un autre réseau de fentes en forme de 2L et de 2L inversé. Les positions et les dimensions des fentes sont déterminées à l'aide d'une analyse paramétrique pour atteindre les objectifs requis. Il a été observé que la configuration finale produit de très bonnes performances à six fréquences : 2,37 GHz, 3,11 GHz, 4,16 GHz, 5,88 GHz, 6,48 GHz et 7,82 GHz, avec un gain raisonnable.Item Étude et Conception d’un Système de Brouillage Wi-Fi/Bluetooth(Université echahid cheikh Larbi tebessi, 2025-06-11) Ghoul, yassine /encadré par Hassene, NEZZARICe mémoire porte sur la conception et la mise en œuvre d’un système de brouillage sans fil ciblant les communications Wi-Fi et Bluetooth dans la bande des 2,4 GHz. Un prototype a été développé à l’aide d’une carte ESP32 WROOM-32E et de modules NRF24L01, configurés pour émettre des signaux perturbateurs via plusieurs interfaces SPI. L’approche adoptée repose sur une étude théorique, une modélisation numérique, puis des tests expérimentaux pour valider l’efficacité du brouillage. Le système, simple et économique, est destiné à prévenir la fraude dans les environnements d’examenItem Evaluating Explainable Artificial Intelligence (XAI) in the Network Security Domain A Case Study(UNIVERSITE DE ECHAHID CHEIKH LARBI TEBESSI, 2026-06-09) Haouichi Salah Eddine; encadré par Aouiche ChaimaL'expansion rapide des infrastructures de l'Internet des Objets a profondément modifié le paysage des menaces en matière de sécurité réseau, engendrant des environnements où le volume, la vitesse et la diversité du trafic malveillant dépassent les capacités des systèmes de détection basés sur des règles et des équipes d'analystes humains. L'apprentissage automatique constitue une alternative puissante, mais les modèles les plus performants — réseaux de neurones profonds et méthodes d'ensemble — sont précisément ceux dont le raisonnement interne est le plus opaque, créant un fossé entre capacité prédictive et interprétabilité opérationnelle. Ce mémoire examine si l'intelligence artificielle explicable (XAI) peut combler ce fossé dans le contexte de la détection d'intrusions réseau pour les environnements IoT. Un cadre expérimental comparatif a été construit, dans lequel trois architectures distinctes — un réseau de neurones profond (DNN), un ensemble Bagging basé sur la forêt aléatoire, et un ensemble Stacking à deux niveaux — ont été entraînées et évaluées sur le jeu de données CIC IoT-DIAD 2024, comprenant 27 713 532 enregistrements de flux réseau étiquetés décrits par 36 caractéristiques. Chaque modèle a été évalué non seulement sur des métriques de détection standard, mais également sur la qualité, la cohérence et l'interprétabilité opérationnelle des attributions SHAP produites. Les trois architectures ont dépassé 97% de précision et 97% de F1-score sur l'ensemble de test. L'ensemble Bagging a atteint la précision la plus élevée (99,76%) et le nombre de faux positifs le plus faible (188), tandis que l'ensemble Stacking a obtenu le meilleur rappel (96,71%) et le nombre de faux négatifs le plus faible (2 622). L'analyse SHAP a identifié trois caractéristiques — SYN Flag Count, Bwd Packet Length Max et Flow IAT Min — apparaissant systématiquement dans le top 10 des trois architectures. La corrélation de rang de Spearman a révélé que la cohérence des attributions est dépendante de l'architecture : Bagging et Stacking produisent des classements fortement corrélés (ρ = 0,7521), tandis que le DNN diverge significativement (ρ ≈ 0,12–0,20). L'ensemble Bagging est recommandé comme architecture optimale, combinant fiabilité de détection, exactitude des explications et faisabilité computationnelle.Item Identification of an autonomous photovoltaic system using radial basis function (RBF) networks(UNIVERSITE DE ECHAHID CHEIKH LARBI TEBESSI, 2024-06) BAYAZA, kaddour/ Encadré par AOUICHE, Abdelaziz"The efficiency, stability and reliability of a photovoltaic energy are considered major factors for establishing this energy resource on the market. In this work, common maximum power point tracking technique, based on artificial neural network using the RBF (Radial basis function) has been proposed for a grid-connected PV system to maximize the output power of a PV array. The aim has also been improving the stability and reliability of a PV power conversion, with a certain value of temperature and radiation. We began this thesis with identification of dynamic systems we explored methods for identifying and understanding the complex behavior of a dynamic system. Among these methods, we examined Least Squares, Recursive Least Squares, Particle swarm optimization, fuzzy logic as well as the steps necessary for successful identification. We then presented the photovoltaic systems and their main characteristics, their different main components. Then we presented the different parameters and equations allowing the design of a photovoltaic installation for a specific site. The last part of our work addresses an in-depth study about artificial neural networks, we simulated a code that predicts the power produced by a photovoltaic system. The output power of the photovoltaic generator (GPV) depends on several climatic factors, such as irradiation and temperature. However, real-time tracking of the optimum operating point (MPP) is required to optimize system performance. In this work, we studied an intelligent modeling neural network to extract the maximum power from the PV Array. The simulation results demonstrated that our RBF network learned well, confirming this by the test values which gave very approximate power values or almost equal to the real power values produced by the solar panels. The characteristics of the PV were taken from electrical parameters of the BP SX 150S for learning the network. "Item Implementation of FIR filter using an innovative windows for speech signal(UNIVERSITE DE ECHAHID CHEIKH LARBI TEBESSI, 2024-06) TIDJANI, Hichem/ DOUBIA Abd Ennour/ Encadré par NEZZARI, HasanFIR Filters are used, nowadays, in different applications because of their phase linearity as well as their intrinsic stability. This research introduces an innovative window-based near optimal FIR Filters design, especially for high order FIR Filters (complex mathematical calculations). And showcasing its effectiveness in enhancing speech signal quality by minimizing noise. In this research we try to rely on an innovative window called the Fractional order window whose characteristics depend on a parameter α. The fractional window function can adjust the spectral characteristics of FIR Filters, i.e., Ripple ratio, Main Lobe Width, and Side Lobes Ripple ratio by using two parameters: order ‘N’ and coefficient ‘α’. Order of window N! Yes, A characteristic of this window is that its main lobe and the amplitude of its side lobes also depend on the number of samples N, the Ripple ratio can be reduced to the lowest levels, something which does not exist for conventional windows. To performance appraisal of Fractional window in speech signals de-noising, FIR filter has been designed using Fractional window and compared with filter designed using Kaiser window. It has been shown that proposed window gives far better performance than Kaiser window function. The enhanced performance and computational efficiency of FIR filters with these innovate window make them particularly suitable for real-time applications. This research provides valuable insights into the optimization of FIR filters, laying the groundwork for future advancements in adjustable and hybrid filtering methods that promise to further refine speech signal processing and improve audio technologies.Item Improving The Performance of Next-Generation Network Communication using Machine Learning (ML)(UNIVERSITE DE ECHAHID CHEIKH LARBI TEBESSI, 2025-06-11) Gaidi, Ahmed/ Hamdi, Safi Eddine/ Encadré par Aouiche, ChaimaThe rapid development of wireless networks with the massive increase in the number of users and demands for high-speed data have pose real challenges in managing high frequency bands such as millimeter waves, which offer high data rates, but their limited coverage is a drawback which calls for the need for advanced technologies such as machine learning (ML). In this study, we explore the use of various ML models to predict throughput performance in 6G networks. We used the Lumos5G dataset, a widely recognized real-world dataset after rigorous processing. We trained and tested these models, including Random Forest, XGBoost, GradientBoosting, XTREE and advanced stacking with multiple meta-models, optimizing their performance through the Optuna hyperparameter tuning framework. Fur thermore, we generated synthetic samples using generative adversarial networks (GANs) to address sample shortages and select key features to improve model‘s accuracy. The results indicated significant improvements in throughput prediction accuracy, which was quantified using metrics such as the root mean square error (RMSE) and coefficient of determination (R2), confirming the effectiveness of the proposed techniqueItem Maintenance prédictive des Moteurs(UNIVERSITE DE ECHAHID CHEIKH LARBI TEBESSI, 2024-06-12) Arous, Ahmed Yassine/ Encadré par GATTAL, Azzeddine"L'objectif de notre thèse est de concevoir un système de bruit permettant de prévoir et de détecter les problèmes des moteurs en utilisant La maintenance prédictive. Nous examinerons également les problèmes potentiels au sein des moteurs en analysant leurs émissions sonores. Cette étude repose sur des méthodes de collecte et de traitement de données sonores avancées, ainsi que sur des algorithmes d'intelligence artificielle afin de concevoir un outil de diagnostic précis et fiable. Ce mémoire vise principalement à améliorer la maintenance préventive et à diminuer les pannes coûteuses, tout en renforçant la sécurité et les performances des moteurs. C'est la raison pour laquelle nous avons mis en place un système spécialisé afin de nous assister dans la résolution des problèmes de moteur, leur prévision et leur résolution. "Item Miniaturisation des Antennes Patch à l'Aide des Métamatériaux pour les Applications Sans Fil(UNIVERSITE DE ECHAHID CHEIKH LARBI TEBESSI, 2026-06-09) Nabet Chourouk; Khediri Ramzi; encadré par FERROUDJI KarimCe travail de fin d'études est consacré à la conception, l'optimisation et la miniaturisation d'une antenne patch plane à haute performance, destinée aux applications de communication modernes (5G, Réseaux WiMAX , 4G/LTE, IoT, …). L'objectif principal de cette recherche était de surmonter la limitation théorique majeure qui associe systématiquement la réduction de la taille physique des antennes à une dégradation de leurs performances. Pour relever ce défi, nous avons exploité les propriétés électromagnétiques inédites des métamatériaux. La démarche scientifique adoptée a consisté à concevoir, dans un premier temps, une antenne conventionnelle de référence optimisée pour résonner à la fréquence initiale de 5 GHz. Par la suite, une cellule résonnatrice à anneau fendu complémentaire (CSRR) a été intégrée avec précision au niveau du plan de masse. Le couplage électromagnétique ainsi généré a permis de confiner l'énergie et de translater avec succès la fréquence fondamentale vers 2.50 GHz, accomplissant de ce fait un taux de miniaturisation remarquable sans altérer l'intégrité radiative globale de la structure. Les simulations numériques menées sous le logiciel ANSYS HFSS confirment la robustesse et la viabilité technique de l'architecture proposée, démontrant qu'elle constitue une solution efficace et hautement compétitive pour l'intégration au sein des terminaux de communication compacts de nouvelle génération.Item Modeling and Identification of Photovoltaic Systems Using Fuzzy Logic Models(UNIVERSITE DE ECHAHID CHEIKH LARBI TEBESSI, 2026-06) Mohammed Elhadi; Belmekki Bakhouche Nour EL ISLEM; encadré par Abdelaziz AouichPhotovoltaic (PV) systems are characterized by nonlinear power-voltage characteristics that vary significantly with solar irradiance and cell temperature. Conventional Maximum Power Point Tracking (MPPT) techniques often suffer from oscillations, slow response, and reduced efficiency under rapidly changing and partial shading conditions. This thesis presents the modeling and identification of photovoltaic systems using intelligent techniques. A single-diode equivalent circuit model was studied and implemented in MATLAB for the KC200GT PV module. The effects of environmental conditions on the I-V and P-V characteristics and the location of the Maximum Power Point (MPP) were thoroughly analyzed. Classical MPPT methods, including Perturb and Observe (P&O), Incremental Conductance (IncCond), and Particle Swarm Optimization (PSO), were reviewed and their limitations highlighted. To overcome these limitations, a proposed intelligent models based on Multi-Layer Perceptron (MLP) and Adaptive Neuro-Fuzzy Inference System (ANFIS) were designed for accurate MPP identification. These models were trained using data generated from the validated photovoltaic model under a wide range of irradiance and temperature conditions. Simulation results demonstrated that the proposed intelligent models achieve superior tracking accuracy, faster convergence, and significantly reduced oscillations compared to conventional methods, even under dynamic and non-uniform irradiance conditions. The developed approach offers a robust and efficient solution for improving the performance of photovoltaic systems.