L'objectif de cette thèse est d'apporter des contributions à une méthodologie<br />intégrée pour l'identification et la commande des systèmes industriels. La première<br />partie analyse les problématiques de la commande des systèmes industriels et propose<br />une méthode qui conduit rapidement au calcul d'un régulateur robuste pour<br />un large nombre d'applications réelles en suivant les trois étapes fondamentales :<br />données E/S, identification du modèle, calcul du régulateur. La deuxième partie est<br />dédiée à l'étude des systèmes industriels linéaires monovariable. On présente une<br />procédure basée sur l'interaction entre la commande et l'identification en boucle<br />fermée. Une méthode pour l'ajustement des régulateurs PID destinés aux systèmes<br />d'ordre élevé est aussi proposée. La modélisation et identification d'une classe de<br />modèles non-linéaires constituent l'objet de la troisième partie de la thèse.

Dans le contexte du concept de l'avion "plus électrique ", l'électricité prend une part croissante dans les systèmes embarqués aéronautiques. Ainsi, de nombreuses évolutions ont eu lieu, concernant les réseaux de bord, notamment l'architecture du réseau qui est devenue de plus en plus complexe, intégrant de nombreux équipements de différentes natures ; ceci entraine de multiples questions relatives à la qualité et la stabilité du réseau. C'est dans ce contexte que s'inscrivent ces travaux de thèse, qui aboutissent d'une part à la mise en œuvre de méthodes d'analyse de la stabilité et de la qualité du réseau aéronautique embarqué et d'autre part à l'analyse de couplage entre plusieurs équipements connectés sur un seul réseau. Les études menées au cours de ces travaux reposent sur l'utilisation des expressions analytiques représentant le comportement fréquentiel de réseaux continus. Une méthode de calcul basée sur les lois de la physique a été développée et validée par des approches de simulation et d'expérimentation. Par ailleurs, en absence d'un modèle analytique, nous choisissons de déterminer l'expression littérale du modèle équivalent du réseau à partir de l'identification des données issues de l'approche expérimentale en se basant sur des algorithmes d'optimisation. Ces modèles analytiques sont associés aux critères mathématiques de stabilité (Routh- Hurwitz, MiddleBrook), et aux contraintes de qualité imposées par les standards aéronautiques, dans le but de dimensionner les éléments de filtrage à placer entre le réseau et l'équipement. Le calcul des composants assurant le filtrage repose sur la recherche d'une solution optimale : nous introduisons les algorithmes d'optimisation utilisés en première étape, et nous proposons par la suite une formulation de la procédure de calcul des paramètres du filtre pour une meilleure illustration des résultats intéressants pour un concepteur de réseau. Enfin, nous clôturons ce travail par une analyse des couplages entre plusieurs équipements connectés sur un réseau continu et nous concluons par une approche expérimentale afin d'appuyer les résultats théoriques.

Airbus réalise pour chaque avion et pour chaque équipement de nombreux essais, au sol ou en vol et doit garantir qu'en tout point de vol possible, la température de chacun des équipements reste inférieure à la température limite correspondante. Pour pouvoir valider la température de chaque équipement dans l'enveloppe de vol, il faudrait disposer d'essais réalisés aux frontières. Or, tous les essais en vol sont confrontés aux contraintes climatiques et opérationnelles qui ne permettent pas d'explorer tout le domaine. C'est pourquoi Airbus a besoin d'élaborer des méthodes d'extrapolation de température, de manière à prédire le comportement thermique des matériaux et des équipements dans les pires conditions. Les techniques proposées sont basées sur la théorie de l'identification de systèmes qui consiste à déterminer des modèles de comportement d'un point de vue heuristique à partir de mesures et considérations physiques. Plus précisément, le présent document valide les modèles ARX comme un outil pour l'identification de la température du système. Les modèles et les techniques sont étudiés, tout d'abord, d'un point de vue de la simulation numérique et après, confrontés face à des tests représentatifs au laboratoire. Les techniques proposées permettent prédire la température des composants avion pour des conditions différentes / Airbus must ensure that for all flight conditions that a given aircraft could face, the temperature of each powerplant system must be less than the corresponding critical temperature. In order to validate the temperature of each device in the flight envelope, tests at the border should be done. Airbus produces for each aircraft component many trials, either in flight or ground. However, all flight tests are faced with climatic and operational constraints which do not permit exploring the whole area. That's why Airbus needs to develop methods of extrapolation of temperature in order to predict the thermal behavior of materials and equipments in the worst conditions. The proposed techniques are based on the system identification theory which consists on heuristically determining an analytical model using physical insights and measurements. More precisely, this paper validates ARX models as a tool for the identification of the system's temperature. The models and techniques are studied, first, from a numerical simulation point of view and second, based on laboratory representative tests. The proposed techniques allow predicting the temperature of aircraft components at different conditions

Les systèmes décrits par les équations aux dérivées partielles, appartiennent à la classe des systèmes dynamiques impliquant des fonctions dépendantes de plusieurs variables, comme le temps et l'espace. Déjà fortement répandus pour la modélisation mathématique de phénomènes physiques et environnementaux, ces systèmes ont un rôle croissant dans les domaines de l'automatique. Cette expansion, provoquée par les avancées technologiques au niveau des capteurs facilitant l'acquisition de données et par les nouveaux enjeux environnementaux, incite au développement de nouvelles thématiques de recherche. L'une de ces thématiques, est l'étude des problèmes inverses et plus particulièrement l'identification paramétrique des équations aux dérivées partielles. Tout abord, une description détaillée des différentes classes de systèmes décrits par ces équations est présentée puis les problèmes d'identification qui leur sont associés sont soulevés. L'accent est mis sur l'estimation paramétrique des équations linéaires, homogènes ou non, et sur les équations linéaires à paramètres variant. Un point commun à ces problèmes d'identification réside dans le caractère bruité et échantillonné des mesures de la sortie. Pour ce faire, deux types d'outils principaux ont été élaborés. Certaines techniques de discrétisation spatio-temporelle ont été utilisées pour faire face au caractère échantillonné des données; les méthodes de variable instrumentale, pour traiter le problème lié à la présence de bruit de mesure. Les performances de ces méthodes ont été évaluées selon des protocoles de simulation numérique reproduisant des situations réalistes de phénomènes physique et environnementaux, comme la diffusion de polluant dans une rivière / A large variety of natural, industrial, and environmental systems involves phenomena that are continuous functions not only of time, but also of other independent variables, such as space coordinates. Typical examples are transportation phenomena of mass or energy, such as heat transmission and/or exchange, humidity diffusion or concentration distributions. These systems are intrinsically distributed parameter systems whose description usually requires the introduction of partial differential equations. There is a significant number of phenomena that can be simulated and explained by partial differential equations. Unfortunately all phenomena are not likely to be represented by a single equation. Also, it is necessary to model the largest possible number of behaviors to consider several classes of partial differential equations. The most common are linear equations, but the most representative are non-linear equations. The nonlinear equations can be formulated in many different ways, the interest in nonlinear equations with linear parameters varying is studied. The aim of the thesis is to develop new estimators to identify the systems described by these partial differential equations. These estimators must be adapted with the actual data obtained in experiments. It is therefore necessary to develop estimators that provide convergent estimates when one is in the presence of missing data and are robust to measurement noise. In this thesis, identification methods are proposed for partial differential equation parameter estimation. These methods involve the introduction of estimators based on the instrumental variable technique

L’industrie moderne fait largement appel à des robots industriels afin de réduire les coûts, ou encore améliorer la productivité et la qualité par exemple. Pour ce faire, une haute précision et une grande vitesse sont simultanément nécessaires. La conception de lois de commande conformes à de telles exigences demande une modélisation mathématique précise de ces robots. A cette fin, des modèles dynamiques sont construits à partir de données expérimentales. L’objectif de cette thèse est ainsi de fournir aux ingénieurs roboticiens des outils automatiques pour l’identification de bras robotiques. Dans cette perspective, une analyse comparative des méthodes existantes pour l’identification de robot est réalisée. Les avantages et inconvénients de chaque méthode sont ainsi mis en exergue. À partir de ces observations, les contributions sont articulées selon trois axes. Premièrement, l’étude porte sur l’estimation des vitesses et accélérations des corps du robot à partir de la position mesurée. Ces informations sont en effet nécessaires à la construction du modèle. La méthode usuelle est basée sur prétraitement "sur mesure" qui requière une connaissance fiable des bande-passantes du système, alors que celui-ci est encore inconnu. Pour surmonter ce dilemme, nous proposons une méthode capable d’estimer les dérivées automatiquement sans réglage préalable par l’utilisateur. Le deuxième axe concerne l’identification du contrôleur. Sa connaissance est en effet requise par la grande majorité des méthodes d’identification. Malheureusement, pour des raisons de propriété industrielle, il n’est pas toujours accessible. Pour traiter ce problème, deux méthodes sont introduites. Leur principe de base est d’identifier la loi de commande dans un premier temps avant d’identifier le modèle dynamique du bras robotique dans un second temps. La première méthode consiste à identifier la loi de commande de manière paramétrique, alors que la seconde fait appel à une identification non-paramétrique. Finalement, le troisième axe porte sur le réglage "sur mesure" du filtre decimate. L’identification du filtre de bruit est introduite en s’inspirant des méthodes développées par la communauté d’identification de systèmes. Ceci permet l’estimation automatique des paramètres dynamiques avec de faibles covariances tout en apportant une connaissance concernant la circulation du bruit à travers le système en boucle-fermée. Toutes les méthodes proposées sont validées sur un robot industriel à six degrés de liberté. Des perspectives sont esquissées pour de futurs travaux portant sur l’identification de systèmes robotiques, voire d’autres applications. / In modern manufacturing, industrial robots are essential components that allow saving cost, increase quality and productivity for instance. To achieve such goals, high accuracy and speed are simultaneously required. The design of control laws compliant with such requirements demands high-fidelity mathematical models of those robots. For this purpose, dynamic models are built from experimental data. The main objective of this thesis is thus to provide robotic engineers with automatic tools for identifying dynamic models of industrial robot arms. To achieve this aim, a comparative analysis of the existing methods dealing with robot identification is made. That allows discerning the advantages and the limitations of each method. From those observations, contributions are presented on three axes. First, the study focuses on the estimation of the joint velocities and accelerations from the measured position, which is required for the model construction. The usual method is based on a home-made prefiltering process that needs a reliable knowledge of the system’s bandwidths, whereas the system is still unknown. To overcome this dilemma, we propose a method able to estimate the joint derivatives automatically, without any setting from the user. The second axis is dedicated to the identification of the controller. For the vast majority of the method its knowledge is indeed required. Unfortunately, for copyright reasons, that is not always available to the user. To deal with this issue, two methods are suggested. Their basic philosophy is to identify the control law in a first step before identifying the dynamic model of the robot in a second one. The first method consists in identifying the control law in a parametric way, whereas the second one relies on a non-parametric identification. Finally, the third axis deals with the home-made setting of the decimate filter. The identification of the noise filter is introduced similarly to methods developed in the system identification community. This allows estimating automatically the dynamic parameters with low covariance and it brings some information about the noise circulation through the closed-loop system. All the proposed methodologies are validated on an industrial robot with 6 degrees of freedom. Perspectives are outlined for future developments on robotic systems identification and other complex problems.

Le travail de recherche dans ce mémoire aborde les problèmes de l'identification des systèmes non linéaires et également de l'application de la théorie d'optimisation. Dans une première partie, nous proposons des méthodes efficaces et nouvelles afin d'identifier les systèmes linéaires dans le cas d'expérimentations multiples, les séries de Volterra à horizon infini et les systèmes quadratiques en l'état. Dans une seconde partie, nous appliquons la théorie d'identification à la modélisation de la locomotion humaine. Nous abordons ensuite l'optimisation des mouvements des robots humanoïdes, l'imitation des mouvements humains par un robot humanoïde et enfin le paramétrage temporel des chemins dans l'espace des configurations pour un robot humanoïde. Les résultats expérimentaux de nos méthodes sur la plate-forme HRP-2 ont révélé non seulement leur efficacité, mais aussi leurs bonnes performances qui dépassent largement celles des méthodes conventionnelles.

Le travail présenté dans ce mémoire concerne l'étude et le développement de méthodes d'identification récursive. Le chapitre 2 présente une synthèse des principaux algorithmes adaptatifs classiques fondés sur les moindres carrés. Les difficultés rencontrées lors de l'utilisation de telles approches dans certaines situations pratiques motivent la création de techniques récursives employant la forme d'état. Ce type de représentation a démontré son efficacité en identification grâce à l'émergence des méthodes hors ligne des sous-espaces. Ainsi, le chapitre 3 propose une description des algorithmes MOESP. Ces derniers sont en effet considérés comme le point de départ des techniques récursives des sous-espaces. Bien que robuste, la décomposition en valeurs singulières (DVS) employée par ces méthodes les rend inapplicables en ligne de par sa charge calculatoire. Le chapitre 4 est dédié à un état de l'art des algorithmes récursifs des sous-espaces énoncés jusqu'en 2003. Ces méthodes ont en commun d'adapter un critère particulier de traitement d'antennes conduisant à des techniques alternatives à la DVS. Une description de ces algorithmes dans un contexte unifié est plus précisément présentée. Ces techniques présentent néanmoins un certain nombre de limitations principalement liées à la fonction coût utilisée. Afin de remédier à ces inconvénients, nous développons, au sein du chapitre 5, de nouvelles méthodes récursives des sous-espaces. L'approche proposée consiste à adapter un opérateur particulier du traitement d'antennes jusqu'alors inexploité en identification : le propagateur. L'ajustement de ce dernier au problème d'identification récursive permet d'obtenir des critères quadratiques sans approximation et sans contrainte. Le problème des perturbations est traité en introduisant une variable instrumentale. L'étude expérimentale sur des données réelles et simulées est réalisée dans le chapitre 6.

Le développement de nouveaux alliages pour l'industrie aéronautique nécessite la connaissance de leurs propriétés thermophysiques en phase liquide. Nous étudions ici la mesure de capacité calorique et de conductivité thermique par calorimétrie modulée sur des échantillons lévités en microgravité ou non. Une partie expérimentale décrit une expérience de lévitation sous rayons X permettant la visualisation de l'écoulement dans un échantillon métallique liquide. Les résultats d'une première série de mesure sont analysés et commentés. Puis une stratégie de simulation numérique est élaborée. Fondée sur une étude systématique des phénomènes physiques mis en jeu, elle est utilisée pour identifier les limitations des techniques de mesure actuelles. Une nouvelle technique de mesure, inspiré du génie des procédés, est proposée. Elle présente l'avantage de supprimer l'étape de calibration. Sa validité est démontrée par simulation numérique. Des recommandations pour son implémentation physique sont proposées.

L'identification des systèmes dynamiques complexes reste une préoccupation lorsque les erreurs de prédictions contiennent des outliers d'innovation. Ils ont pour effet de détériorer le modèle estimé, si le critère d'estimation est mal choisi et mal adapté. Cela a pour conséquences de contaminer la distribution de ces erreurs, laquelle présente des queues épaisses et s'écarte de la distribution normale. Pour résoudre ce problème, il existe une classe d'estimateurs, dits robustes, moins sensibles aux outliers, qui traitent d'une manière plus " douce " la transition entre résidus de niveaux très différents. Les M-estimateurs de Huber font partie de cette classe. Ils sont associés à un mélange des normes L2 et L1, liés à un modèle de distribution gaussienne perturbée, dit gross error model. A partir de ce cadre formel, nous proposons dans cette thèse, un ensemble d'outils d'estimation et de validation de modèles paramétriques linéaires et pseudo-linéaires boîte-noires, avec extension de l'intervalle de bruit dans les petites valeurs de la constante d'accord de la norme de Huber. Nous présentons ainsi les propriétés de convergence du critère d'estimation et de l'estimateur robuste. Nous montrons que l'extension de l'intervalle de bruit réduit la sensibilité du biais de l'estimateur et améliore la robustesse aux points de levage. Pour un type de modèle pseudo-linéaire, il est présenté un nouveau contexte dit L-FTE, avec une nouvelle méthode de détermination de L, dans le but d'établir les linéarisations du gradient et du Hessien du critère d'estimation, ainsi que de la matrice de covariance asymptotique de l'estimateur. De ces relations, une version robuste du critère de validation FPE est établie et nous proposons un nouvel outil d'aide au choix de modèle estimé. Des expérimentations sur des processus simulés et réels sont présentées et analysées.L'identification des systèmes dynamiques complexes reste une préoccupation lorsque les erreurs de prédictions contiennent des outliers d'innovation. Ils ont pour effet de détériorer le modèle estimé, si le critère d'estimation est mal choisi et mal adapté. Cela a pour conséquences de contaminer la distribution de ces erreurs, laquelle présente des queues épaisses et s'écarte de la distribution normale. Pour résoudre ce problème, il existe une classe d'estimateurs, dits robustes, moins sensibles aux outliers, qui traitent d'une manière plus " douce " la transition entre résidus de niveaux très différents. Les M-estimateurs de Huber font partie de cette classe. Ils sont associés à un mélange des normes L2 et L1, liés à un modèle de distribution gaussienne perturbée, dit gross error model. A partir de ce cadre formel, nous proposons dans cette thèse, un ensemble d'outils d'estimation et de validation de modèles paramétriques linéaires et pseudo-linéaires boîte-noires, avec extension de l'intervalle de bruit dans les petites valeurs de la constante d'accord de la norme de Huber. Nous présentons ainsi les propriétés de convergence du critère d'estimation et de l'estimateur robuste. Nous montrons que l'extension de l'intervalle de bruit réduit la sensibilité du biais de l'estimateur et améliore la robustesse aux points de levage. Pour un type de modèle pseudo-linéaire, il est présenté un nouveau contexte dit L-FTE, avec une nouvelle méthode de détermination de L, dans le but d'établir les linéarisations du gradient et du Hessien du critère d'estimation, ainsi que de la matrice de covariance asymptotique de l'estimateur. De ces relations, une version robuste du critère de validation FPE est établie et nous proposons un nouvel outil d'aide au choix de modèle estimé. Des expérimentations sur des processus simulés et réels sont présentées et analysées.

Ce travail de thèse s'inscrit au carrefour de l'Automatique, de l'Intelligence Artificielle et des Biotechnologies. Il cherche à développer une méthodologie de modélisation et de commande qui repose sur une approche par logique floue. La première partie du travail présente une introduction aux principes et techniques mises en Suvre dans les stations d'épuration actuelles, et met en évidence la difficulté de modélisation des différents phénomènes mis en jeu. A partir de ce constat, dans une deuxième partie, focalisée sur la modélisation et la commande floues, nous développons d'abord l'identification de modèles flous affines de type Takagi-Sugeno (TS) à partir de données entrées-sorties. Nous considérons différentes méthodes de coalescence floue et une méthode d'agglomération compétitive, robuste en présence de bruit. Ce type d'approche " boîte grise " permet une représentation à base de règles qui approxime la dynamique non linéaire comme une concaténation de sous-modèles localement linéaires sous la forme d'auto-régression non-linéaire (NARX). De plus, nous avons développé une version graphique de la boîte à outils pour la modélisation floue des systèmes (FMIDg). Ensuite, nous proposons une commande floue TS sous-optimale linéaire quadratique adaptée à la structure du modèle flou identifié, en utilisant la philosophie de commande du type compensation parallèle distribuée (PDC). La méthodologie globale est finalement testée et validée en simulation sur un bioprocédé aérobie de dépollution des eaux usées.