Welcome to our digital repository at University of Eloued

We are pleased to welcome you to DSpace, the official digital library of El Oued University. Our platform is designed to preserve, manage, and provide access to the academic and scientific resources produced by the university’s faculty and students. It offers rich and regularly updated content, including:

Graduation theses and final year projects from various disciplines.

Scientific articles and academic publications.

Research reports and findings by faculty members.

Master’s and doctoral dissertations.

Proceedings and contributions from scientific conferences organized by the university.

We invite you to explore, download, and contribute!

You can easily browse our collections, access diverse academic content, and take part in enriching the university’s knowledge base.

Univ Eloued

Communities in DSpace

Select a community to browse its collections.

Now showing 1 - 5 of 15

Recent Submissions

Weight Adaptive Path Tracking Control for Autonomous Vehicles Based on PSO
(University of El Oued, 2026) Zerig Ziad; Ben Amara Aymen; Tioua Yassine
"This thesis addresses the path-tracking problem for autonomous vehicles by proposing a Curvature-Aware Model Predictive Control (CAMPC) framework optimized using Particle Swarm Optimization (PSO). Conventional MPC controllers rely on fixed, manually tuned weighting parameters, which often result in suboptimal performance when operating under different road geometries and driving conditions. To improve tracking accuracy and control stability, the proposed CAMPC incorporates road curvature information directly into the prediction model and cost function. The MPC weighting parameters are optimized offline using PSO within the CARLA simulation environment. During the optimization process, candidate weight sets are evaluated through repeated closed-loop simulations, where a cost function combining trajectorytracking errors and control effort is minimized. The resulting optimal weight vector is then stored and employed by the MPC controller during real-time operation. The proposed framework is evaluated in CARLA using three trajectories of increasing complexity, including a roundabout, a multi-curve route, and a long curvy road. The performance of the optimized CAMPC is compared with that of a conventional PID controller. Experimental results show that the proposed approach significantly improves trajectory-tracking performance, reducing maximum cross-track error by 51–61%, maximum heading error by 85–86%, and average speed error by 22–31%. In addition, the optimized controller decreases braking effort and eliminates steering oscillations, resulting in smoother and more stable vehicle behavior. These results demonstrate that PSO-based offline optimization provides an effective method for selecting MPC weighting parameters and enables robust path tracking for autonomous driving applications. "تتناول هذه الأطروحة مشكلة تتبع المسار للمركبات ذاتية القيادة من خلال اقت ارح إطار عمل للتحكم التنبؤي النموذجي الُم ارعي لانحناء الطريق ( ،)CAMPCوالُمح َّسن باستخدام خوارزمية تحسين سرب الجسيمات ( .)PSOتعتمد وحدات التحكم التنبؤية النموذجية التقليدية على معلمات ترجيح ثابتة يتم ضبطها يدوًيا، مما يؤدي غالًبا إلى أداء دون المستوى الأمثل عند التشغيل في ظل ظروف هندسية مختلفة للطرق وظروف قيادة متنوعة. ولتحسين دقة التتبع واستق ارر التحكم، يدمج إطار عمل CAMPCالمقترح معلومات انحناء الطريق مباشرةً في نموذج التنبؤ ودالة التكلفة. يتم تحسين معلمات ترجيح التحكم التنبؤي النموذجي خارجياً باستخدام خوارزمية PSOضمن بيئة محاكاة .CARLAخلال عملية التحسين، يتم تقييم مجموعات الأوزان المرشحة من خلال عمليات محاكاة متكررة ذات حلقة مغلقة، حيث يتم تقليل دالة التكلفة التي تجمع بين أخطاء تتبع المسار وجهد التحكم. ثم يتم تخزين متجه الوزن الأمثل الناتج واستخدامه بواسطة وحدة التحكم التنبؤية النموذجية أثناء التشغيل في الوقت الفعلي يتم تقييم إطار العمل المقترح في CARLAباستخدام ثلاثة مسا ارت ذات تعقيد مت ازيد، تشمل دواًار، وطريًقا متعدد المنحنيات، وطريًقا طويًلا متعرًجا. تُقارن أداء وحدة التحكم الُمح ّسنة CAMPCمع أداء وحدة تحكم PIDالتقليدية. تُظهر النتائج التجريبية أن النهج المقترح ُيح ّسن بشكل ملحوظ أداء تتبع المسار، حيث ُيقلل من أقصى خطأ في المسار الجانبي بنسبة ،%61-51وأقصى خطأ في الاتجاه بنسبة ،%86-85ومتوسط خطأ السرعة بنسبة .%31-22إضاف ًة إلى ذلك، تُقلل وحدة التحكم الُمح ّسنة من جهد الكبح وتُزيل تذبذبات التوجيه، مما ُيؤدي إلى سلوك أكثر سلاسة واستق ارًار للمركبة. تُوضح هذه النتائج أن التحسين غير المتصل بالإنترنت القائم على خوارزمية ُ PSOيوفر طريقة فعالة لاختيار معلمات ترجيح ،MPCوُيمّكن من تتبع المسار بكفاءة عالية لتطبيقات القيادة الذاتية.
Design and Implementation of an IoT-Based Solar-Powered Meteorological Station for Monitoring Climate Variables in Isolated Areas
(University of El Oued, 2026) Abbas Ramzi; Benkaddour Mohammed Abdel Aziz
"Abstract: An innovative solar-powered meteorological station will utilize an IoT-based approach to provide reliable solutions for remote areas lacking electricity and conventional or reliable communications infrastructure, as well as for agricultural facilities to enable early prediction of weather changes. The primary purpose of this project is to collect essential climate information (such as temperature, humidity, air pressure, wind speed and direction, precipitation, and air quality) with minimal or no human intervention. The station's solar energy and intelligent power management system will allow it to operate effectively for several months in extreme environmental conditions. This station is built around an ESP32 low-power microcontroller. A solar panel, a lithium battery, and an MPPT (Maximum Power Point Tracking) charge controller to enable charging even in overcast conditions will power each station. For communication with agricultural facilities and isolated areas, different technologies will be used based on the available local infrastructure: Wi-Fi, LoRaWAN, NB-IoT, or satellite communications. This project provides integrated solutions for climate monitoring in challenging locations using solar energy, smart power management, and long-range communication technologies. Despite the problems associated with operating in harsh conditions, the difficulty of system maintenance, and frequent communication outages due to the remote location, the design features and advantages—such as local data storage, data transmission via dedicated applications, and self-monitoring—make this project practical and reliable. This type of remote sensing will greatly assist farmers and users in monitoring their land and making immediate decisions based on accurate, real-time data. Keywords: Internet of Things (IoT), Autonomous Weather Station, ESP32 Microcontroller, LoRaWAN, MPPT Charge Controller, Smart Agriculture, Remote Climate Monitoring, Local Data Logging, Energy-Harvesting IoT, Remote Sensing." "ملخص: ستستخدم محطة أرصاد جوية مبتكرة تعمل بالطاقة الشمسية نهجًا قائمًا على إنترنت الأشياء لتوفير حلول موثوقة للمناطق النائية الخالية من الكهرباء والتي تفتقر إلى البنية التحتية التقليدية أو الموثوقة للاتصالات والمنشآت الزراعية لتنبؤ مسبقا بتغير الأحوال الجوية. الهدف الأساسي من هذا المشروع هو جمع معلومات مناخية أساسية (مثل درجات الحرارة، الرطوبة، الضغط الجوي، سرعة الرياح واتجاهها، هطول الأمطار، وجودة الهواء) بأقل تدخل بشري أو بدونه. سيمكن نظام إدارة الطاقة الذكي والطاقة الشمسية المحطة من العمل بكفاءة لعدة أشهر في ظروف بيئية قاسية. هذه المحطة عبارة عن ترتيب مبني حول متحكم دقيق ESP32. سيتم تشغيل كل محطة بواسطة لوح شمسي، بطارية ليثيوم، ومنظم شحن بتقنية تتبع نقطة الطاقة القصوى (MPPT) لشحن اللوح حتى في الظروف الغائمة. بالنسبة للاتصال بالمنشآت الزراعية والمناطق المعزولة سيتم استخدام تقنيات مختلفة حسب البنية التحتية المحلية المتاحة (Wi-Fi ؛LoRaWAN ؛ NB-IoT ؛ الأقمار الصناعية ). يوفر هذا المشروع حلولاً متكاملة لمراقبة المناخ في المواقع الصعبة باستخدام الطاقة الشمسية، الإدارة الذكية للطاقة، وتقنيات الاتصال بعيدة المدى على الرغم من المشاكل المرتبطة بالتشغيل في الظروف القاسية، وصعوبة صيانة النظام، وكثرة الأيام التي ينقطع فيها الاتصال بسبب المنطقة، فإن خصائص ومزايا التصميم التخزين المحلي للبيانات وارسالها عبر التطبيقات الخاصة، والمراقبة الذاتية تجعل من الممكن لهذا المشروع أن يكون عمليًا وموثوقًا. هذا النوع من الاستشعار عن بعد سيساعد كثيرا الفلاحين والمستخدمين بمراقبة أراضيهم واتخاذ قرارات فورية مبنية على بيانات دقيقة ولحظية. الكلمات المفتاحية:إنترنت الأشياء (IoT)، محطة أرصاد جوية مستقلة، المتحكم الدقيق ESP32، تقنية LoRaWAN، منظم شحن MPPT، الزراعة الذكية، مراقبة المناخ في المناطق النائية، تجميع البيانات. "
Prediction of Power Transformer Lifetime and Performance Using Dissolved Gas Analysis (DGA) and Machine Learning Algorithms
(University of El Oued, 2026) Salhi Ali; Hoggui Youcef; Ghribi Salman
Fault diagnosis of oil-immersed power transformers plays a central role in ensuring system reliability and supporting predictive maintenance in power networks. This study proposes an intelligent diagnostic framework based on dissolved gas analysis (DGA) and machine learning for transformer fault classification. The methodology relies on the extraction of ratio-based and graphical features from DGA data, followed by Z-score normalization and dimensionality reduction using t-distributed stochastic neighbor embedding (t-SNE) to obtain a compact and informative feature representation. The reduced features are then evaluated using supervised classification algorithms. Model performance is assessed through multiple metrics, including accuracy, precision, recall, F1-score, and specificity. The findings indicate that integrating heterogeneous DGA-derived features within a unified framework improves the robustness and reliability of transformer fault diagnosis, highlighting the potential of intelligent datadriven approaches for condition monitoring and maintenance decision support in modern power systems . ُعد تشخيص أعطال محولات القدرة المغمورة بالزيت عنص ًرا أساسيًا لضمان موثوقية الأنظمة الكهربائية ودعم الصيانة التنبؤية في شبكات الطاقة. تقترح هذه الدراسة إطا ًرا ذكيًا لتشخيص الأعطال يعتمد على تحليل الغازات المذابة ( )DGAوتقنيات التعلم الآلي لتصنيف أعطال المحولات. تعتمد المنهجية على استخراج خصائص قائمة على النِّسب والخصائص البيانية من بيانات تحليل الغازات المذابة، يلي ذلك تطبيق تطبيع Z-scoreوتقليل الأبعاد باستخدام تقنية التضمين العشوائي الموزع t-SNEللحصول على تمثيل مدمج وغني بالمعلومات للخصائص المستخرجة. بعد ذلك، يتم تقييم الخصائص المختزلة باستخدام خوارزميات تصنيف خاضعة للإشراف. ويتم تقييم أداء النماذج اعتمادًا على عدة مؤشرات، تشمل الدقة ( ،)Accuracyوالإحكام ( ،)Precisionوالاسترجاع ( ،)Recallودرجة ،F1والنوعية ( .)Specificityوتشير النتائج إلى أن دمج الخصائص غير المتجانسة المستخرجة من بيانات DGAضمن إطار موحد يُحسن من متانة وموثوقية تشخيص أعطال المحولات، مما يبرز إمكانات الأساليب الذكية المعتمدة على البيانات في مراقبة الحالة ودعم قرارات الصيانة في أنظمة الطاقة الحديثة
Performance study of a four-pole cable robot
(University of El Oued, 2026) Haroun Abdeljabar; Maamra Salah
This study focuses on the performance of a four-pole, cable-operated parallelogram robot designed for upper limb rehabilitation and typing exercises. The robot features a large working area, a lightweight and flexible structure, and enhanced safety in case of failure. The work presented in the "Performance Study of the Four-Pole Cable Robot" includes kinematic and dynamic modeling of the robot to analyze its behavior and optimize cable tension and actuator torque. The study demonstrates that this optimization improves system stability, prevents cable slack, and ensures greater motion accuracy. A glide-type control strategy was also employed and compared with traditional methods such as PID. The results show improvements in response time, robustness, and accuracy of the robot during rehabilitation and typing exercises. تركز هذه الدراسة على أداء روبوت متوازي مست ٍو رباعي الأقطاب، يعمل بنظام الكابلات، ومصمم لإعادة تأهيل الأطراف العلوية والمساعدة في تمارين الكتابة. يتميز هذا الروبوت بمساحة عمل واسعة، وهيكل خفيف الوزن ومرن، ومستوى أمان معزز في حالة حدوث عطل. يتضمن العمل المقدم في "دراسة أداء روبوت الكابلات رباعي الأقطاب" نمذجة حركية وديناميكية للروبوت لتحليل سلوكه وتحسين شد الكابلات وعزم دوران المشغلات. تُظهر الدراسة أن هذا التحسين يُح ّسن استقرار النظام، ويمنع ارتخاء الكابلات، ويضمن دقة حركة أكبر. كما تم استخدام استراتيجية تحكم بالنمط الانزلاقي ومقارنتها بالأساليب التقليدية مثل . PIDتُظهر النتائج المتحصل عليها تحسناً في زمن الاستجابة، والمتانة، ودقة الروبوت أثناء تمارين إعادة التأهيل والكتابة
Faults Diagnosis PV Panels Using Artificial Intelligence and Simulation
(University of El Oued, 2026) GUESSOUM NASRADDINE; NEFZAOUA ELMAHDI
Photovoltaic (PV) systems have become one of the most widely adopted renewable energy technologies due to their ability to generate clean and sustainable electrical energy. However, the performance and reliability of PV installations can be significantly affected by various faults and environmental conditions, leading to power losses, reduced efficiency, and increased maintenance expenses. Therefore, the development of effective fault diagnosis techniques is essential to ensure the reliable operation of photovoltaic systems. This thesis presents a comprehensive framework for detecting and classifying photovoltaic faults through the integration of models, simulations, and AI techniques. First, the operating principles of photovoltaic systems and the most common fault types, including partial shading, increased series resistance (Rs), decreased shunt resistance (Rsh), and bypass diode failures, are investigated. Their impact on the electrical performance of PV modules is analysed using their current-voltage (I-V) and powervoltage (P-V) characteristics. A detailed photovoltaic model is then developed in MATLAB/Simulink based on the single-diode equivalent circuit. Various fault conditions are introduced into the model to generate representative datasets under different operating scenarios. Several electrical and statistical features, including photovoltaic current, voltage, power, fill factor, irradiance, temperature, RMS value, mean value, energy, and I–V curve slope, are extracted and used for fault characterisation. To automate the fault diagnosis process, artificial intelligence techniques such as artificial neural networks (ANN), convolutional neural networks (CNN), and support vector machines (SVM) are employed. The developed models are trained and tested to classify the operating condition of the PV system into five categories: normal operation, partial shading, increased series resistance, decreased shunt resistance, and bypass diode failure. The obtained results demonstrate the effectiveness of AI-based methods in achieving accurate and reliable fault detection and classification.The proposed approach contributes to improving the monitoring, maintenance, reliability, and energy efficiency of photovoltaic systems and highlights the potential of artificial intelligence for advanced renewable energy applications. تُعد الأنظمة الكهروضوئية ) (PVSمن أهم تقنيات الطاقة المتجددة المستخدمة في إنتاج الطاقة الكهربائية النظيفة والمستدامة. ومع ذلك، فإن أداء وموثوقية هذه الأنظمة قد يتأثران بالعديد من الأعطال والظروف التشغيلية والبيئية المختلفة، مما يؤدي إلى انخفاض القدرة المنتجة وتراجع الكفاءة وارتفاع تكاليف الصيانة. لذلك أصبح تطوير تقنيات فعالة للكشف عن الأعطال وتشخيصها ضرورة أساسية لضمان التشغيل الأمثل للأنظمة الكهروضوئية. تهدف هذه الرسالة إلى تطوير إطار عمل متكامل للكشف عن أعطال الأنظمة الكهروضوئية وتصنيفها من خلال الجمع بين النمذجة والمحاكاة وتقنيات الذكاء الاصطناعي. في البداية، تم دراسة المبادئ الأساسية لعمل الأنظمة الكهروضوئية وتحليل أكثر الأعطال شيوعاً، والتي تشمل التظليل الجزئي، زيادة المقاومة التسلسلية)، (Rs انخفاض المقاومة التفرع ) ،(Rshوأعطال الصمام الثنائي التجاوزي ). (Bypass Diodeكما تم تحليل تأثير هذه الأعطال على الخصائص الكهربائية للمنظومة من خلال منحنيات التيار-الجهد ) (I–Vوالقدرة-الجهد.)(P–V بعد ذلك، تم بناء نموذج تفصيلي للمنظومة الكهروضوئية باستخدام برنامج MATLAB/Simulinkاعتماداً على نموذج الدايود الأحادي. وتم إدخال مجموعة من الأعطال المختلفة إلى النموذج بهدف توليد بيانات تمثل حالات تشغيل متعددة. كما تم استخراج مجموعة من الخصائص الكهربائية والإحصائية المهمة، مثل التيار والجهد والقدرة ومعامل الامتلاء ) (FFوالإشعاع الشمسي ودرجة الحرارة والقيمة الفعالة ) (RMSوالمتوسط الحسابي والطاقة وميل منحنى التيار-الجهد، وذلك لاستخدامها في عملية تشخيص الأعطال. ولأتمتة عملية التشخيص، تم توظيف عدد من تقنيات الذكاء الاصطناعي، من بينها الشبكات العصبية الاصطناعية ) ،(ANNوالشبكات العصبية الالتفافية) ، (CNNوآلة المتجهات الداعمة .) (SVMوقد تم تدريب هذه النماذج واختبارها من أجل تصنيف حالة النظام الكهروضوئي إلى خمس فئات مختلفة هي: التشغيل العادي، التظليل الجزئي، زيادة المقاومة التسلسلية، انخفاض المقاومة التفرع، وعطل الصمام الثنائي التجاوزي. وأظهرت النتائج المتحصل عليها قدرة تقنيات الذكاء الاصطناعي على تحقيق تشخيص دقيق وموثوق للأعطال. تساهم المنهجية المقترحة في تحسين مراقبة وصيانة الأنظمة الكهروضوئية وزيادة موثوقيتها وكفاءتها في إنتاج الطاقة، كما تبرز الإمكانات الكبيرة للذكاء الاصطناعي في تطبيقات الطاقة المتجددة الحديثة