Les machines-outils ont été l'objet des études au fur et à mesure que les entreprises voulaient augmenter la productivité. De nos jours, les aspects qui sont traités sont les nouveaux matériaux pour la partie mécanique d'une part et l'amélioration du contrôle numérique d'autre part. Cette thèse essaie de répondre à la question sur la viabilité de l'usage des Réseaux de Neurones Artificiels à la compensation des résonances et l'autoréglage. Plus exactement nous avons étudié la modélisation de l'axe, la mécanique aussi comme l'électrique, avec ses imperfections et l'application des réseaux de neurones pour identifier ces phénomènes non linéaires. Nous avons aussi profité pour faire le parallèle avec les méthodes traditionnelles d'identification linéaire.

Le travail présenté dans ce manuscrit porte, dans sa première partie, sur la conception et le développement d'un nouvel imageur numérique d'IRM à bas champ permettant l'amélioration du rapport signal sur bruit (RSB). Cet imageur est architecturé autour d'un procéssus de signal (DSP) offrant plus de flexibilité dans le traitement du signal et la reconstruction de l'image. L'originalité de l'instrumentation développée réside principalement dans la spécification et l'intégration d'un récepteur et d'un synthétiseur de fréquences entièrement numériques. Le choix de cette solution numérique est argumenté par le besoin d'élaborer un imageur peu onéreux et de faible encombrement pouvant être facilement intégré dans tout environnement aussi bien médical qu'industriel. L'évaluation des caractéristiques du système atteste qu'une amélioration d'environ 20 dB du RSB par rapport aux systèmes analogiques conventionnels est obtenues. Le potentiel de l'imageur numérique est démontré à travers les premières images obtenues par la séquence d'écho de gradient. La deuxième partie de ce travail traite la problématique de l'identification non linéaire des systèmes RMN à l'aide des techniques du filtrage adaptatif. L'objectif étant de permettre la prise en compte de la non linéarité de tels systèmes dans le traitement et l'analyse, jusqu'à présent linéaires, du signal RMN. Deux modèles décrivant cette non linéarité sont ainsi exposés et comparés. Il est démontré que le modèle du filtre non linéaire à réponse impulsionnelle infinie (RII) permet des performances similaires au filtre de Volterra avec un nombre moins élevé de coefficients.

En industrie automobile la créativité et l'innovation technologique sont les principaux atouts de développement et croissance économique. Le potentiel des constructeurs à innover et à rester compétitive font que la concurrence soit intense et durable. Ces évolutions technologiques des moyens de conception ont permit l'émergence de solutions orientées vers un perfectionnement continu du confort et de la sécurité active. Concevoir de tels systèmes requière une bonne connaissance du comportement du véhicule. Ceci peut être fait par une modélisation rigoureuse des différents organes afin de constituer un modèle dont la représentativité soit la plus proche possible du véhicule réel. A ce jour, il existe une multitude de modèles analytiques généralement issus d'une linéarisation individuelle du comportement de chaque composante du véhicule (surtout au niveau le comportement du pneumatique) autour d'une gamme d'excitation définie, comme le modèle bicyclette linéaire ou le modèle linéaire 4 roues. La maniabilité et la simplicité des méthodes d'analyses linéaires font que ces modèles soient largement utilisés dans l'industrie automobile pour l'analyse des réponses du véhicule. Cependant, ces modèles linéarisés sont très limités en termes de domaine de validité. En effet, pour les grandes sollicitations, le véhicule est généralement soumis à de fortes accélérations latérales (supérieurs à ) qui provoquent un fonctionnement non linéaire saturé des pneumatiques. Dans ce cas les modèles non linéaires deviennent obsolètes et ne permettent pas de prédire correctement les réponses d'un véhicule. Afin d'obtenir des modèles représentative dans le domaine non linéaire, l'approche principale est de considérer la totalité du modèle de pneumatique dans le modèle du véhicule à savoir la formule de Pacejka. De cette procédure résulte un modèle non linéaire complexe dont la résolution analytique pour extraire les caractéristiques des réponses est quasi-impossible. Dans ce cas la résolution numérique reste préférable. Afin d'éviter l'utilisation de la formule de Pacejka nous proposons d'utiliser un modèle bicyclette non linéaire basé sur une approximation polynomiale. L'idée principale est l'utilisation de méthodes non linéaires avancées dans le but d'obtenir les caractéristiques statiques et dynamiques des réponses du véhicule. Notre travail est orienté principalement dans l'analyse des non linéarités causées par de forts glissements latéraux des pneumatiques. Trois méthodes ont été retenues : La première est la méthode des séries des séries de Volterra et qui permet d'étudier l'impact des non linéarités sur les réponses d'un système dans le domaine temporel et fréquentiel. La deuxième méthode est l'équilibrage harmonique qui permet de déterminer analytiquement les fonctions réponses fréquentielles et des paramètres modaux non linéaires et leurs dépendances à l'amplitude d'excitation. La dernière technique est la méthode de Krylov-Bogoliubov qui permet l'analyse des réponses transitoire harmonique du véhicule pour excitations sinusoïdales. A l'issu de notre travail de recherche, nous avons réussi à répondre aux besoins de la problématique et nous avons abouti à des résultats innovants et très concluants concernant la dynamique non linéaire du véhicule. Ces résultats n'ont jamais été obtenus auparavant et ont donné lieu à deux publications internationales. Une première publication dans le journal de la dynamique de véhicule et une deuxième publication au congrès international de la dynamique de véhicule de la SIA (Société des Ingénieurs de l'Automobiles) à Lyon.

Dans le monde industriel comme dans le monde scientifique, le développement de capteurs a toujours répondu à la volonté d’observer l’inobservable. La caméra rapide fait partie de ceux-là puisqu’elle permet de dévoiler des dynamiques invisibles, de la formation de fissure au vol du moustique. Dans un environnement extrêmement concurrentiel, ces caméras sont principalement limitées par le nombre d’images acquises par seconde. Le but de cette thèse est d’augmenter la capacité de dévoiler la dynamique invisible en enrichissant l’acquisition initiale par des modèles dynamiques. La problématique consiste alors à élaborer des méthodes permettant de relier en temps réel un modèle et la perception d’un système réel. Les bénéfices de cette utilisation offrent ainsi la possibilité de faire de l’interpolation, de la prédiction et de l’identification. Cette thèse est composée de trois parties. La première est axée sur la philosophie du traitement vidéo et propose d’utiliser des modèles élémentaires et génériques. Un algorithme d’estimation de grands mouvements est proposé mais l’approche actuellement proposée n’est pas assez générique pour être exploitée dans un contexte industriel. La deuxième partie propose d’utiliser des méthodes d’assimilation de données séquentielle basées sur la famille des filtres de Kalman afin d’associer un modèle avec des observations par caméras rapides pour des systèmes mécaniques. La troisième partie est une application à l’analyse modale expérimentale non linéaire. Deux schémas d’assimilation temps réel multicapteurs sont présentés et leur mise en œuvre est illustrée pour de la reconstruction 3D et de la magnification. / The development of sensors has always followed the ambition of industrial and scientific people to observe the unobservable. High speed cameras are part of this adventure, revealing invisible dynamics such as cracks formation or subtle mosquito flight. Industrial high speed vision is a very competitive domain in which cameras stand out through their acquisition speed. This thesis aims to broaden their capacity by augmenting the initial acquisition with dynamic models. This work proposes to develop methods linking in real time a model with a real system. Aimed benefits are interpolation, prediction and identification. Three parts are developed. The first one is based on video processing and submits to use kinematic elementary and generic models. An algorithm of motion estimation for large movements is proposed but the generic nature does not allow a sufficient knowledge to be conclusive. The second part proposes using sequential data assimilation methods known as Kalman filters. A scheme to assimilate video data with a mechanical model is successfully implemented. An application of data assimilation in modal analysis is developed. Two multi sensors real time assimilation schemes for nonlinear modal identification are proposed. These schemes are integrated in two applications on 3D reconstruction and motion magnification.