Nombreux sont les problèmes classiquement rencontrés dans les sciences de l'ingénieur dont la résolution fait appel à l'estimation d'état d'un système par le biais d'un observateur. La synthèse d'un observateur n'est envisageable qu'à la condition de disposer d'un modèle à la fois exploitable et représentatif du comportement dynamique du système. Or, la modélisation du système et la synthèse de l'observateur deviennent des tâches difficiles à accomplir dès lors que le comportement dynamique du système doit être représenté par un modèle de nature non linéaire. Face à ces difficultés, l'approche multimodèle peut être mise à profit. Les travaux présentés dans cette thèse portent sur les problèmes soulevés par l'identification, l'estimation d'état et le diagnostic de systèmes non linéaires représentés à l'aide d'un multimodèle découplé. Ce dernier, composé de sous-modèles qui peuvent être de dimensions différentes, est doté d'un haut degré de généralité et de flexibilité et s'adapte particulièrement bien à la modélisation des systèmes complexes à structure variable. Cette caractéristique le démarque des approches multimodèles plus conventionnelles qui ont recours à des sous-modèles de même dimension. Après une brève introduction à l'approche multimodèle, le problème de l'estimation paramétrique du multimodèle découplé est abordé. Puis sont présentés des algorithmes de synthèse d'observateurs d'état robustes vis-à-vis des perturbations, des incertitudes paramétriques et des entrées inconnues affectant le système. Ces algorithmes sont élaborés à partir de trois types d'observateurs dits à gain proportionnel, à gain proportionnel-intégral et à gain multi-intégral. Enfin, les différentes phases d'identification, de synthèse d'observateurs et de génération d'indicateurs de défauts sont illustrées au moyen d'un exemple académique de diagnostic du fonctionnement d'un bioréacteur / The state estimation of a system, with the help of an observer, is largely used in many practical situations in order to cope with many classic problems arising in control engineering. The observer design needs an exploitable model able to give an accurate description of the dynamic behaviour of the system. However, system modelling and observer design can not easily be accomplished when the dynamic behaviour of the system must be described by non linear models. The multiple model approach can be used to tackle these difficulties. This thesis deals with black box modelling, state estimation and fault diagnosis of nonlinear systems represented by a decoupled multiple model. This kind of multiple model provides a high degree of generality and flexibility in the modelling stage. Indeed, the decoupled multiple model is composed of submodels which dimensions can be different. Thus, this feature is a significant difference between the decoupled multiple model and the classical used multiple model where all the submodels have the same dimension. After a brief introduction to the multiple model approach, the parametric identification problem of a decoupled multiple model is explored. Algorithms for robust observers synthesis with respect to perturbations, modelling uncertainties and unknown inputs are afterwards presented. These algorithms are based on three kinds of observers called proportional, proportional-integral and multiple-integral. Lastly, identification, observers synthesis and fault sensitivity signals generation are illustrated via a simulation example of a bioreactor

Le travail de thèse concerne la conception d'un système de surveillance robuste aux incertitudes paramétriques à base de modèles bond graphs sous forme LFT (Linear Fractional Transformations).<br />Une procédure de génération automatique de résidus robustes et de seuils adaptatifs de fonctionnement normal a été développée et implémentée à l'aide d'outils logiciels appropriés. Les performances du diagnostic sont contrôlées par une analyse de la sensibilité de ces résidus, permettant de définir des indices de sensibilité aux incertitudes paramétriques, et des indices de détectabilité des défauts. L'outil bond graph permet par sa nature physique d'estimer a priori les valeurs détectables des défauts physiques.<br />Outre l'implémentation informatique, les résultats de recherche sont validés par deux applications industrielles de complexité différente :<br /> un système électromécanique pour détecter et isoler des défauts tels que la variation anormale de l'amplitude du jeu dans la partie réducteur, tout en distinguant le défaut des variations paramétriques<br /> un procédé énergétique de génération de vapeur, qui constitue un système non stationnaire, où l'espace paramétrique est plus complexe.

Les systèmes réels sont généralement de nature non-linéaire, et leurs modélisations etsurveillance restent une tâche difficile à accomplir. Néanmoins, avec les progrès technologiqueson dispose maintenant d'un atout de taille sur ces systèmes qui est les données.Ce travail présente une technique de diagnostic de défaut et de modélisation basée en grandepartie sur la méthode d'apprentissage automatique " Les Machines à Vecteurs de Support,SVM " qui est basée sur les données. La méthodologie proposée est appliquée à différentessystèmes multivariables et non linéaires, à savoir : un procédé de traitement des eaux usées, unsystème éolien et un réacteur chimique parfaitement agité.L'objectif de cette thèse de doctorat est d'examiner la possibilité d'extraire le maximumd'information à partir de données afin de surveiller efficacement le comportement de systèmesréels et de détecter rapidement tout défaut qui peut compromettre leur bon fonctionnement. Lamême méthode est utilisée pour la modélisation des différents systèmes. Plusieurs défis ont étérelevés tels que la complexité du comportement des systèmes, le grand nombre de mesuresvariant à différentes échelles de temps, la présence de bruit et les perturbations. Une méthodegénérique de diagnostic de défauts est proposée par la génération des caractéristiques de chaquedéfaut suivie d'une étape d'évaluation de ces caractéristiques avec une amélioration du transfertde connaissances en modélisation.Dans cette thèse ont a démontré l'utilité de l'outil Machines à Vecteurs de Support, enclassification par la construction de modèles de décision SVM dédiés à l'évaluation descaractéristiques de défaut, et aussi en tant qu'estimateur non linéaire/ou pour la modélisation parl'utilisation des machines à vecteurs de support dédiés pour la régression (SVR).La combinaison de SVM et d'une méthode basée sur le modèle "observateur" a été aussi étudiéeet a été nécessaire dans certains cas pour garantir un bon diagnostic de défauts.

Dans cette thèse, nous proposons des solutions pour la conception de systèmes de contrôle actif de vibration robustes (AVC). Le manuscrit de thèse comporte deux grandes parties.Dans la première, les problèmes d'incertitude paramétrique dans les systèmes de contrôle actif de vibration sont étudiés. En plus des incertitudes sur la fréquence des perturbations, nous avons trouvé que la présence de zéros complexes peu amortis soulevait des problèmes de conception difficiles, même pour des systèmes et des modèles parfaitement connus. Dans ce contexte, nous avons proposé des solutions pour le problème linéaire. Une procédure améliorée d'identification en boucle fermée a été développée pour réduire les incertitudes dans l'identification de ces zéros. Pour traiter les incertitudes sur la perturbation, l'adaptation de la fréquence est de toute façon incontournable.La seconde partie est consacrée au développement et/ou à l'amélioration de deux algorithmes, désormais classiques, de compensation par feedback adaptatif direct, fondés sur la paramétrisation de Youla-Kučera. Le premier résulte de l'amélioration d'un précédent travail (Landau et al., 2005) ; les contributions concernent la synthèse du contrôleur central robuste et l'utilisation optionnelle de la surparamétrisation du filtre Q-FIR (réponse à temps fini) avec pour effet de minimiser l'effet « waterbed » sur la fonction de sensibilité de sortie. Le second algorithme présente une structure hybride directe/indirecte qui utilise un filtre Q-IIR (à temps de réponse infini). Les améliorations sont dues principalement au dénominateur du filtre, obtenu à partir d'une estimation de la perturbation. Cette solution permet également de simplifier la conception du contrôleur central.Les algorithmes ont été testés, comparés et validés sur un procédé réel du laboratoire Gipsa-lab, dans le cadre d'un benchmark international. / In this thesis, solutions for the design of robust Active Vibration Control (AVC) systems are presented. The thesis report is composed of two main parts.In the first part of the thesis uncertainties issues in Active Vibration Control systems are examined. In addition of the uncertainties on the frequency of the disturbances it has been found that the presence of low damped complex zeros raise difficult design problems even if plant and models are perfectly known. Solutions for the linear control in this context have been proposed. In order to reduce the uncertainties in the identification of low complex zeros and improved closed loop identification procedure has been developed. To handle the uncertainties on the disturbance frequency adaptation has any way to be used.The second part is concerned with the further development and/or the improvement of the now classical direct adaptive feedback compensation algorithms using Youla Kucera controller parametrization. Two new solutions have been proposed in this context. The first one results from the improvement of a previous work (Landau et al., 2005). The contributions are a new robust central controller design to the optional use of over parameterization of the Q-FIR filter which aims to ensure a small waterbed effect for the output sensitivity function and therefore reducing the unwanted amplification. The second algorithm presents a mixed direct/indirect structure which uses a Q-IIR filter. The improvements are mainly the effect of the Q filter denominator, which is obtained from a disturbance identification. This solution in addition drastically simplifies the design of the central controller.The algorithms have been tested, compared and validated on an international benchmark setup available at the Control System Department of GIPSA-Lab, Grenoble, France.

Dans un objectif conjoint d'identification paramétrique en ligne, les méthodes développées dans cette thèse permettent de concevoir en ligne et en boucle fermée les entrées optimales qui enrichissent les informations contenues dans l'expérience en cours. Ces méthodes reposent sur des mesures en temps réel du procédé, sur un modèle dynamique non linéaire (ou linéaire) multi-variable choisi du procédé, sur un modèle de sensibilité des mesures par rapport aux paramètres à estimer et sur un observateur non linéaire. L'analyse de l'observabilité et des techniques de commande prédictive permettent de définir la commande optimale qui est déterminée en ligne par optimisation sous contraintes. Des aspects de stabilisation sont également étudiés (via un apport de contraintes fictives ou via une technique de Lyapunov). Enfin, une loi de commande explicite pour le cas particulier du système d'ordre un est développée. Des exemples illustratifs sont traités via le logiciel ODOE4OPE : un bioréacteur, un réacteur continu parfaitement agité et une aile delta. Ces exemples permettent de voir que l'estimation des paramètres peut être réalisée avec une bonne précision, et à moindre coût expérimental en une expérience / For online parameter identification, the developed methods here allow to design online and in closed loop optimal inputs that enrich the information in the current experience. These methods are based on real-time measurements of the process, on a dynamic nonlinear (or linear) multi-variable model, on a sensitivity model of measurements with respect to the parameters to be estimated and a nonlinear observer. Analysis of observability and predictive control techniques are used to define the optimal control which is determined online by constrained optimization. Stabilization aspects are also studied (by adding fictitious constraints or by a Lyapunov technique). Finally, for the particular case of a first order linear system, the explicit control law is developed. Illustrative examples are processed via the ODOE4OPE software : a bio-reactor, a continuous stirred tank reactor and a delta wing. These examples help to see that the parameter estimation can be performed with good accuracy in a single and less costly experiment

Cette thèse a pour objectif de démontrer l'intérêt des outils de diagnostic "intelligents" pour application sur les moteurs de fusée. En Europe beaucoup d'efforts ont été faits pour développer quelques techniques innovantes comme les réseaux neuronaux, les méthodes de suivi de raie vibratoire, ou l'identification paramétrique mais peu de résultats sont disponibles quant à la comparaison des performances de différents algorithmes. Un deuxième objectif de la thèse a été celui d'améliorer le système de diagnostic du banc d'essai Mascotte (ONERA/CNES). Il s'agit d'un banc de démonstration pour les moteurs de fusée de type cryogénique représentatif des conditions d'utilisation d'un vrai moteur. Les étapes de la thèse ont été en premier lieu de choisir et d'évaluer des méthodes de diagnostic à base de modèles, en particulier l'identification paramétrique et le filtre de Kalman, et de les appliquer pour le diagnostic d'un système critique du banc Mascotte: le circuit de refroidissement. Après une première validation des nouveaux algorithmes sur des données d'essais disponibles, un benchmark fonctionnel a été mis en place pour pouvoir comparer les performances des algorithmes sur différents types de cas de panne simulés. La dernière étape consiste à intégrer les algorithmes sur les ordinateurs du banc de contrôle de Mascotte pour pouvoir effectuer une évaluation applicative des performances et de leur intégrabilité à l'environnement informatique déjà en place. Un exemple simple de boucle de régulation intégrant l’information du diagnostic est aussi étudié pour analyser l’importance de telles méthodes dans le contexte plus large d’une régulation « intelligente » du banc. / The main objective of this work is to demonstrate and analyze the potential benefits of advanced real time algorithms for rocket engines monitoring and diagnosis. In the last two decades in Europe many research efforts have been devoted to the development of specific diagnostic technics such as neural networks, vibration analysis or parameter identification but few results are available concerning algorithms comparison and diagnosis performances analysis.Another major objective of this work has been the improvement of the monitoring system of the Mascotte test bench (ONERA/CNES). This is a cryogenic test facility based in ONERA Palaiseau used to perform analysis of cryogenic combustion and nozzle expansion behavior representative of real rocket engine operations.The first step of the work was the selection of a critical system of the bench, the water cooling circuit, and then the analysis of the possible model based technics for diagnostic such as parameter identification and Kalman filters.Three new algorithms were developed, after a preliminary validation based on real test data, they were thoroughly analyzed via a functional benchmark with representative failure cases.The last part of the work consisted in the integration of the diagnosis algorithms on the bench computer environment in order to prepare a set-up for a future real time application.A simple closed loop architecture based on the new diagnostic tools has been studied in order to assess the potential of the new methods for future application in the context of intelligent bench control strategies.

Les travaux de thèse portent sur l'identification paramétrique en dynamique transitoire à partir des mesures fortement bruitées, l'un des objectifs à long terme étant de proposer une méthode d’identification peu intrusive afin de pouvoir être implémentée dans des codes de calcul éléments finis commerciaux. Dans ce travail, le concept de l'erreur en relation de comportement modifiée a été retenu pour traiter le problème d’identification des paramètres matériau. La minimisation de la fonctionnelle coût sous contraintes débouche, dans le cas de la dynamique transitoire, sur un problème dit « aux deux bouts » dans lequel il s’agit de résoudre un problème différentiel spatio-temporel avec des conditions à la fois initiales et finales en temps. Il en résulte un problème couplé entre les champs direct et adjoint dont le traitement est délicat. Dans un premier temps, des méthodes précédemment développées telles que la « méthode de Riccati » et la « méthode de tirs » ont été étudiées. Il est montré que l’identification par ces méthodes est robuste même pour des mesures fortement corrompues, mais qu’elles sont limitées par la complexité d’implémentation dans un code industriel, des problèmes de conditionnement ou de coût de calcul. Dans un second temps, une approche itérative basée sur une méthode de sur-relaxation a été développée et comparée à celles précédemment mentionnées sur des exemples académiques, validant l’intérêt de cette nouvelle approche. Enfin, des comparaisons ont été menées entre cette technique et une variante « discrétisée » de la formulation introduite par Bonnet et Aquino [Inverse Problems, vol. 31, 2015]. / This thesis deals with parameters identification in transient dynamic in case of highly noisy experimental data. One long-term goal is the derivation of a non-intrusive method dedicated to the implementation in a commercial finite element code.In this work, the modified error in the constitutive relation framework is used to treat the identification of material parameters. The minimization of the cost function under constraints leads, in the case of transient dynamics, to a « two points boundary value problem » in which the differential space-time problem involves both initial and final time conditions. This results in a problem coupling the direct and adjoint fields, whose treatment is difficult.In the first part, methods such as those based on the « Riccati equations » and the « shooting methods » have been studied. It is shown that the identification is robust even in the case of highly corrupted measures, but these methods are limited either by the implementation intrusiveness, conditioning problems or the numerical cost.In the second part, an iterative over-relaxation approach is developed and compared to the aforementioned approaches on academic problems in order to validate the interest of the method. Finally, comparisons are carried out between this approach and a « discretized » variation of the formulation introduced by Bonnet and Aquino [Inverse Problems, vol. 31, 2015].

Les systèmes réels sont généralement de nature non-linéaire, et leurs modélisations etsurveillance restent une tâche difficile à accomplir. Néanmoins, avec les progrès technologiqueson dispose maintenant d'un atout de taille sur ces systèmes qui est les données.Ce travail présente une technique de diagnostic de défaut et de modélisation basée en grandepartie sur la méthode d'apprentissage automatique « Les Machines à Vecteurs de Support,SVM » qui est basée sur les données. La méthodologie proposée est appliquée à différentessystèmes multivariables et non linéaires, à savoir : un procédé de traitement des eaux usées, unsystème éolien et un réacteur chimique parfaitement agité.L'objectif de cette thèse de doctorat est d'examiner la possibilité d'extraire le maximumd'information à partir de données afin de surveiller efficacement le comportement de systèmesréels et de détecter rapidement tout défaut qui peut compromettre leur bon fonctionnement. Lamême méthode est utilisée pour la modélisation des différents systèmes. Plusieurs défis ont étérelevés tels que la complexité du comportement des systèmes, le grand nombre de mesuresvariant à différentes échelles de temps, la présence de bruit et les perturbations. Une méthodegénérique de diagnostic de défauts est proposée par la génération des caractéristiques de chaquedéfaut suivie d’une étape d'évaluation de ces caractéristiques avec une amélioration du transfertde connaissances en modélisation.Dans cette thèse ont a démontré l'utilité de l'outil Machines à Vecteurs de Support, enclassification par la construction de modèles de décision SVM dédiés à l'évaluation descaractéristiques de défaut, et aussi en tant qu'estimateur non linéaire/ou pour la modélisation parl'utilisation des machines à vecteurs de support dédiés pour la régression (SVR).La combinaison de SVM et d’une méthode basée sur le modèle "observateur" a été aussi étudiéeet a été nécessaire dans certains cas pour garantir un bon diagnostic de défauts. / Real systems are usually nonlinear and their modeling and monitoring remains adifficult task. However, with advances in technology and the availability of big amounts of data,we have a facility to operate these systems.This work presents a methodology for fault diagnosis and modeling which is in large part basedon the method of Support Vector Machines (SVM) which data-based. The proposedmethodology is applied to various nonlinear multivariable systems including: wastewatertreatment processes, wind turbines and stirred tank reactors.The objective of this PhD is to examine the possibility of extracting the maximum of informationfrom data to effectively monitor the behavior of real systems and rapidly detect any faults whichmay impair their proper functioning. The same method is used for modeling the differentsystems. Several challenges were identified and surmounted such as the complexity of thesystem behavior, large amount of data varying at different time scales, the presence of noise anddisturbances. A generic method of fault diagnosis is proposed for the generation of the faultcharacteristics followed by an evaluation of these characteristics as well as an improved transferof knowledge in modeling.In this thesis the usefulness of the tool Support Vector Machines in Classification has beendemonstrated by the construction of decision models dedicated to evaluating the characteristicsof faults, and also its usefulness for modeling/ or as estimator for the nonlinear systems usingsupport vector machines dedicated for regression (SVR).The combination of SVM and a method based on models “observer” was also considered andwas found to be interesting in some cases to ensure proper fault diagnosis.