Η ευαισθησία των συστημάτων είναι ένα σημαντικό θέμα της Θεωρίας Συστημάτων, το οποίο καλύπτεται σε εισαγωγικό επίπεδο με αυτή την εργασία. Η ευαισθησία αφορά τις διαφορές ανάμεσα στο πραγματικό σύστημα και στο μαθηματικό μοντέλο: αν κάποιες παράμετροι διαφέρουν αρκετά ανάμεσα στο πραγματικό σύστημα και στο μαθηματικό μοντέλο και η συμπεριφορά του συστήματος εξαρτάται κατά μεγάλο βαθμό από αυτές τις παραμέτρους, τότε η χρησιμότητα του μαθηματικού μοντέλου θα είναι πολύ μικρή αν δεν γνωρίζουμε ταυτόχρονα την παραμετρική ευαισθησία του συστήματος, δηλαδή την επίδραση των μεταβολών των παραμέτρων πάνω στην δυναμική συμπεριφορά του συστήματος. Βασικό ρόλο παίζει η προσομοίωση των εξισώσεων ευαισθησίας κατάστασης. Καθορίζουμε αρχικά τις εξισώσεις ευαισθησίας κατάστασης για παραμέτρους τύπου α και δείχνουμε ότι οι συναρτήσεις ευαισθησίας κατάστασης ενός συνεχούς συστήματος με χρονικά αμετάβλητες παραμέτρους καθορίζονται πάντα από ένα γραμμικό σύστημα διαφορικών εξισώσεων με μηδενικές αρχικές συνθήκες. Στην συνέχεια θα επεκταθούμε και στην εύρεση των συναρτήσεων ευαισθησίας κατάστασης για την περίπτωση που έχουμε παραμέτρους τύπου β και θα δούμε ότι και εδώ οι εξισώσεις ευαισθησίας κατάστασης είναι πάντα γραμμικές και οι αρχικές συνθήκες είναι ή μηδέν ή μονάδα. Στη συνέχεια προχωράμε στην εύρεση των συναρτήσεων ευαισθησίας κατάστασης για την περίπτωση που έχουμε παραμέτρους τύπου λ, αφού δούμε πρώτα το πότε μπορούμε να χρησιμοποιήσουμε το μειωμένο ονομαστικό μοντέλο. Επί πλέον, εξετάζουμε εν συντομία και τον καθορισμό των εξισώσεων ευαισθησίας εξόδου. Για την περίπτωση που έχουμε να μελετήσουμε και να συγκρίνουμε την παραμετρική ευαισθησία συστημάτων ανοικτού και κλειστού βρόχου καθώς επίσης και στην σύνθεση συστημάτων "αναίσθητων" σε παραμετρικές μεταβολές, είναι αναγκαίο να έχουμε έναν ορισμό ευαισθησίας που να είναι ανεξάρτητος από την μορφή του σήματος εισόδου, αλλά να εξαρτάται μόνο από την δομή του συστήματος. Αυτή η απαίτηση ικανοποιείται με τους ορισμούς ευαισθησίας στο πεδίο συχνότητας, οι οποίοι βασίζονται στην συνάρτηση μεταφοράς ή στον πίνακα μεταφοράς του συστήματος. Εξετάζουμε τη συνάρτηση ευαισθησίας του Bode, τη συνάρτηση ευαισθησίας του Horowitz και τη συγκριτική συνάρτηση ευαισθησίας των Perkins και Cruz. Η τελευταία μπορεί να γενικευθεί και σε μη γραμμικά, χρονικά μεταβαλλόμενα συστήματα. / The sensitivity of systems is an important theme of Systems Theory, which is covered to an introductory level in this work. The sensitivity concerns differences between the real system and the mathematical model: if some parameters are quite different between the real system and the mathematical model and the behavior of the system depends strongly on these parameters, the utility of the mathematical model will be very little if we do not know both the parametric sensitivity of the system, i.e. the effect of changes in parameters on the dynamic behavior of the system. A key role is played by simulating the state sensitivity equations. First we determine the state of sensitivity equations for parameters of type a and show that the state of sensitivity functions of a continuous system with time invariant parameters are always determined by a linear system of differential equations with zero initial conditions. Then we expand and find the state sensitivity functions for the case where we have parameters of type b and we see that here the situation sensitivity equations are always linear and the initial conditions are zero. Then we move on finding state sensitivity functions for the type lambda parameters, after we look when the reduced nominal model can use. Moreover, we look briefly at the output sensitivity equations. In case we have to study and compare the parametric sensitivity of open and closed-loop systems as well as in the synthesis systems "unconscious" to parametric changes, it is necessary to have a definition of sensitivity that is independent of the input signal format, but can depend only on the structure of the system. This requirement is satisfied by the definitions of sensitivity in the frequency domain, which are based on the transfer function or the system operator panel. We examine the sensitivity function of Bode, the sensitivity function of Horowitz and the comparative context sensitivity of Perkins and Cruz. The latter can be generalized to nonlinear, time-varying systems.

Les travaux présentés dans ce mémoire traitent de l'identification des systèmes dynamiques représentés sous la forme de modèles linéaires continus à paramètres variant lentement au cours du temps. La complexité du problème d'identification provient d'une part du caractère inconnu de la loi de variation des paramètres et d'autre part de la présence de bruits de nature inconnue sur les signaux mesurés. Les solutions proposées s'appuient sur une combinaison judicieuse du filtre de Kalman en supposant que les variations des paramètres peuvent être représentées sous la forme d'une marche aléatoire et de la méthode de la variable instrumentale qui présente l'avantage d'être robuste vis à vis de la nature des bruits de mesure. Les algorithmes de type récursif sont développés dans un contexte d'identification en boucle ouverte et en boucle fermée. Les différentes variantes se distinguent par la manière dont est construit la variable instrumentale. Inspirée de la solution développée pour les systèmes linéaires à temps invariant, une construction adaptative de la variable instrumentale est suggérée pour pouvoir suivre au mieux l'évolution des paramètres. Les performances des méthodes développées sont évaluées à l'aide de simulations de Monte Carlo et montrent la suprématie des solutions proposées s'appuyant sur la variable instrumentale par rapport celles plus classiques des moindres carrés récursifs. Les aspects pratiques et d'implantation numérique sont d'une importance capitale pour obtenir de bonnes performances lorsque ces estimateurs sont embarqués. Ces aspects sont étudiés en détails et plusieurs solutions sont proposées non seulement pour robustifier les estimateurs vis à vis du choix des hyper-paramètres mais également vis à vis de leur implantation numérique. Les algorithmes développés sont venus enrichir les fonctions de la boîte à outils CONTSID pour Matlab. Enfin, les estimateurs développés sont exploités pour faire le suivi de paramètres de deux systèmes physiques : un benchmark disponible dans la littérature constitué d'un filtre électronique passe-bande et une vanne papillon équipant les moteurs de voiture. Les deux applications montrent le potentiel des approches proposées pour faire le suivi de paramètres physiques variant lentement dans le temps / The work presented in this thesis deals with the identification of dynamic systems represented through continuous-time linear models with slowly time-varying parameters. The complexity of the identification problem comes on the one hand from the unknown character of the parameter variations and on the other hand from the presence of noises of unknown nature on the measured signals. The proposed solutions rely on a judicious combination of the Kalman filter assuming that the variations of the parameters can be represented in the form of a random walk, and the method of the instrumental variable which has the advantage of being robust with respect to the nature of the measurement noises. The recursive algorithms are developed in an open-loop and closed-loop identification setting. The different variants are distinguished by the way in which the instrumental variable is built. Inspired by the solution developed for time-invariant linear systems, an adaptive construction of the instrumental variable is suggested in order to be able to follow the evolution of the parameters as well as possible. The performance of the developed methods are evaluated using Monte Carlo simulations and show the supremacy of the proposed solutions based on the instrumental variable compared with the more classical least squares based approaches. The practical aspects and implementation issues are of paramount importance to obtain a good performance when these estimators are used. These aspects are studied in detail and several solutions are proposed not only to robustify the estimators with respect to the choice of hyperparameters but also with respect to their numerical implementation. The algorithms developed have enhanced the functions of the CONTSID toolbox for Matlab. Finally, the developed estimators are considered in order to track parameters of two physical systems: a benchmark available in the literature consisting of a bandpass electronic filter and a throttle valve equipping the car engines. Both applications show the potential of the proposed approaches to track physical parameters that vary slowly over time

L’analyse et la synthèse des systèmes dynamiques ont connu un développement important au cours des dernières décennies comme l’atteste le nombre considérable des travaux publiés dans ce domaine, et continuent d’être un axe de recherche régulièrement exploré. Si la plupart des travaux concernent les systèmes linéaires et non linéaires temps continu, peu de résultats ont étaient établis dans le cas temps discret. Les travaux de cette thèse portent sur l’observation et la commande d’une classe de systèmes non linéaires à temps discret. Dans un premier temps, le problème de synthèse d’observateur d’état utilisant une fenêtre de mesures glissante est abordé. Des conditions de stabilité et de robustesse moins restrictives sont déduites. Deux classes de systèmes non linéaires à temps discret sont étudiées : les systèmes de type Lipschitz et les systèmes « one-sided Lipschitz ». Ensuite, une approche duale a été explorée afin de déduire une loi de commande stabilisante basée sur un observateur. Les conditions d’existence d’un observateur et d’un contrôleur stabilisant les systèmes étudiés sont formulées sous forme d’un problème d’optimisation LMI. L’efficacité et la validité des approches présentées sont montrées à travers des exemples académiques / The analysis and synthesis of dynamic systems has undergone significant development in recent decades, as illustrated by the considerable number of published works in this field, and continue to be a research theme regularly explored. While most of the existing work concerns linear and nonlinear continuous-time systems, few results have been established in the discrete-time case. This thesis deals with the observation and control of a class of nonlinear discrete-time systems. First, the problem of state observer synthesis using a sliding window of measurements is discussed. Non-restrictive stability and robustness conditions are deduced. Two classes of discrete time nonlinear systems are studied: Lipschitz systems and one-side Lipschitz systems. Then, a dual approach was explored to derive a stabilizing control law based on observer-based state feedback. The conditions for the existence of an observer and a controller stabilizing the studied classes of nonlinear systems are expressed in term of LMI. The effectiveness and validity of the proposed approaches are shown through numerical examples