Global ETD Search

11	Bayesian state estimation in partially observable Markov processes / Estimation bayésienne dans les modèles de Markov partiellement observés Gorynin, Ivan 13 December 2017 (has links) Cette thèse porte sur l'estimation bayésienne d'état dans les séries temporelles modélisées à l'aide des variables latentes hybrides, c'est-à-dire dont la densité admet une composante discrète-finie et une composante continue. Des algorithmes généraux d'estimation des variables d'états dans les modèles de Markov partiellement observés à états hybrides sont proposés et comparés avec les méthodes de Monte-Carlo séquentielles sur un plan théorique et appliqué. Le résultat principal est que ces algorithmes permettent de réduire significativement le coût de calcul par rapport aux méthodes de Monte-Carlo séquentielles classiques / This thesis addresses the Bayesian estimation of hybrid-valued state variables in time series. The probability density function of a hybrid-valued random variable has a finite-discrete component and a continuous component. Diverse general algorithms for state estimation in partially observable Markov processesare introduced. These algorithms are compared with the sequential Monte-Carlo methods from a theoretical and a practical viewpoint. The main result is that the proposed methods require less processing time compared to the classic Monte-Carlo methods Systèmes non-linéaires cachés Systèmes à saut Filtrage optimal Volatilité stochastique Inférence paramétrique Approximations stochastiques Nonlinear state-space model Jump systems Optimal filter Stochastic volatility Parameter inference Stochastic approximations
12	Optimal observers and optimal control : improving car efficiency with Kalman et Pontryagin / Observateur et contrôle optimal : améliorer l'efficacité de la conduite automobile avec Kalman et Pontryagin Sebesta, Kenneth 24 June 2010 (has links) Ce mémoire de thèse présente une méthode permettant d'améliorer laconduite automobile. Le filtre de Kalman étendu est utilisé pour identifierun modèle de la voiture. Ce filtre est particulièrement étudié afin de prendreen compte la redondance des informations et leur mesure asynchrone.Un ensemble cohérent et bon marché de capteurs - incluant accéléromètres,GPS, temps d'ouverture des injecteurs et vitesse - a été développé et installédans plusieurs véhicules. Ces mesures sont utilisées afin de reconstituer lafonction d'efficacité du moteur. Cette méthodologie peut-être utilisée pourtoute étude requérant la connaissance de cette fonction.La fonction d'efficacité est approchée par une fonction polynomiale etle modèle obtenu est la base d'une optimisation utilisant le principe dumaximum de Pontryagin.Les résultats des tests en condition réelle sont donnés et montrent l'efficicacité de l'observateur et du contrôleur / The PhD presents a combined approach to improving individual car efficiency. An optimal observer, the Extended Kalman Filter, is used to create an efficiency model for the car. Particular attention was paid to handling the asynchronous and redundant nature of the measurement data. A low-cost sensor suite developed to measure data is described. This sensor suite was installed on multiple vehicles to good success. It employsan accelerometer, gps, fuel injector timer, and Vss input to measure all the data necessary to reconstruct the car's state. This observer and sensor suite can be used as the base for any study which requires car efficiency maps, allowing research to proceed without manufacturer supplied data. Once the efficiency map is found, it is then curve-fitted in order to reduce model complexity. The simplified model is then used as a basis for optimal control through Pontryagin's Maximum Principle. Real-world test results are given, both for efficiency mapping, and for optimal control. Detailed discussion of the observer and controller is presented, in order to ease understanding and save implementation time Efficacité d'un moteur Filtrage optimal Observateur Observateur non linéaire Filtre de Kalman étendu Contrôle optimal Principe du maximum de Pontryagin Motor efficiency Optimal filtering Observer Nonlinear observer Extended Kalman fillter Optimal control Pontryagin maximum principle 515 621.4 629.2 629.8
13	Mesures de precision au LEP et au SppS et instrumentation aupres du LHC Djama, Fares 29 April 2011 (has links) (PDF) . LEP DELPHI Z0 SppS UA4/2 Pots romains Optique a grand beta Theorie de Regge Pomeron Evenements elastiques Le parametre rho (la lettre grecque) Diffraction MicropisteSilicium Compteur double-face Telescope au silicium Diamant RD42 CMS MSGC LHC ATLAS Calorimetrie Accordeon Argon liquide Electrodes en kapton Tests sous faisceau Filtrage optimal Intercalibration Pixels Simulation Numerisation

Page generated in 0.0488 seconds