Titre de l'écran-titre (visionné le 18 mars 2024) / L'utilisation accrue des machines électriques, en particulier des machines asynchrones à rotor bobiné pour la production d'énergie éolienne, pose des défis importants en matière de modéli- sation d'identification et de diagnostic. Pour répondre à ces défis, notre étude, menée au sein du LEEPCI, a mis au point une méthode expérimentale innovante pour identifier un modèle de circuits couplés. Ce type de modèle offre une grande précision et une bonne représentation du comportement électromagnétique dans le temps et l'espace. Cependant les paramètres du modèle changent en fonction de la position du rotor si bien que le processus d'identification devient une étape très complexe si on veut éviter des hypothèses trop simplificatrices. Une manière d'obtenir une bonne précision sur les paramètres est d'utiliser une méthode de mo- délisation par éléments finis mais cette technique nécessite des informations sur la géométrie du moteur et ses matériaux. Le traitement de mesures électriques issues d'essais pratique est toujours préférable à condition de trouver un mode opératoire qui permet de compléter le processus d'identification dans un temps acceptable. La méthode présentée dans ce mémoire consiste à réaliser des essais à très faible vitesse de rotation et à faire des mesures électriques de courant et de tension dans tous les bobinages, Les mesures sont ensuite traitées pour extraire une matrice d'inductances pour chaque position de rotor. Il est montré que les résultats de cette méthode d'identification sont meilleurs que ceux obtenus avec une identification basée sur une modélisation par éléments finis. Cette méthode permet donc de produire un jumeau numérique reproduisant fidèlement les formes d'ondes de la machine. / The increased use of electric machines, particularly wound rotor asynchronous machines for wind energy production, poses significant challenges in terms of modeling, identification, and diagnosis. To address these challenges, our study conducted at LEEPCI has developed an innovative experimental method for identifying a coupled circuits model. This type of model provides high accuracy and a good representation of electromagnetic behavior in both time and space. However, the model parameters change based on the rotor position, making the identification process highly complex when avoiding overly simplifying assumptions. One way to achieve accurate parameter estimation is by using a finite element modeling method, but this technique requires information about the motor's geometry and materials. Processing electrical measurements from practical tests is always preferable, provided a procedure is found to complete the identification process within an acceptable timeframe. The method presented in this thesis involves conducting tests at very low rotation speeds and measuring currents and voltages in all windings. The measurements are then processed to extract an inductance matrix for each rotor position. It is demonstrated that the results of this identification method are superior to those obtained with a finite element-based identification. Therefore, this method allows for the creation of a digital twin that faithfully reproduces the machine's waveform.

Le jumeau numérique est un concept relativement nouveau qui a reçu plusieurs contributions académiques ces dernières années. Un jumeau numérique reproduit une entité physique de façon à ce que l'état de cette entité soit identique en tout temps à l'état de l'entité numérique. L'objectif de cette maîtrise est de créer le prototype d'un jumeau numérique qui vise à assister des opérateurs de machineries forestières. Pour ce faire, une revue littérature a été réalisée pour documenter les contributions académiques dans les domaines principaux du jumeau numérique, de façon à montrer les caractéristiques que le jumeau numérique d'un système opérateur-machine forestier pourrait avoir. Cette revue a également permis de déterminer qu'il est nécessaire, de développer un algorithme pour traduire les mouvements de la machine en actions effectuées par l'opérateur dans le but de créer ce jumeau. À partir de ce constat, le prototype d'un jumeau numérique a été créé à l'aide d'un simulateur de machinerie lourde générique. Le prototype a permis la création d'une base de données afin d'alimenter l'algorithme proposé. L'étude rattachée à cet algorithme est centrée sur l'influence de l'ajout d'informations temporelles et de son impact sur la précision du modèle. Il en résulte qu'avec les données collectées, l'ajout du contexte temporel a soit, pas d'influence sur la précision du modèle, soit nui aux résultats lorsque l'environnement et la machine sont complètement caractérisés. À travers ces contributions, un concept de jumeau numérique a été créé et il pourra servir de base à de futures recherches sur l'assistance des opérateurs de machinerie lourde. Ce projet permet également de mettre en valeur un exemple de jumeau numérique appliqué à des problématiques rencontrées par des travailleurs spécialisés. Une telle application du concept du jumeau numérique n'est pas encore commune. / The concept of digital twin is a relatively new research topic that has received several academic contributions in recent years. A digital twin reproduces a physical entity in such a way that the state of this entity is identical at all times to the state of the digital entity. The objective of the master's project is to create the prototype of a digital twin in order to assist operators of forestry machinery. To this end, a literature review was written to document the academic contributions related to the main study areas of the digital twin, so as to show the characteristics that the digital twin of a forest operator-machine system could have. This review has also determined that it is necessary to develop an algorithm to transpose the movements of the machine into actions performed by the operator in order to advise the operator. Based on this, the prototype of a digital twin was created using a generic heavy machinery simulator. This allowed the creation of a database to feed the proposed algorithm. The study related to this algorithm is centered on the influence of the addition of temporal information and its impact on the accuracy of the model. It follows that with the collected data, the addition of the temporal context, by itself, has no influence on the precision of the model, or harms the performance when the environment and the machine are completely characterized. Through these contributions, a prototype of digital twins has been created and it can serve as a basis for future research on the assistance of heavy machinery operators. This project also highlights an example of a digital twin applied to problems encountered by specialized workers.

Le jumeau numérique est un concept relativement nouveau qui a reçu plusieurs contributions académiques ces dernières années. Un jumeau numérique reproduit une entité physique de façon à ce que l'état de cette entité soit identique en tout temps à l'état de l'entité numérique. L'objectif de cette maîtrise est de créer le prototype d'un jumeau numérique qui vise à assister des opérateurs de machineries forestières. Pour ce faire, une revue littérature a été réalisée pour documenter les contributions académiques dans les domaines principaux du jumeau numérique, de façon à montrer les caractéristiques que le jumeau numérique d'un système opérateur-machine forestier pourrait avoir. Cette revue a également permis de déterminer qu'il est nécessaire, de développer un algorithme pour traduire les mouvements de la machine en actions effectuées par l'opérateur dans le but de créer ce jumeau. À partir de ce constat, le prototype d'un jumeau numérique a été créé à l'aide d'un simulateur de machinerie lourde générique. Le prototype a permis la création d'une base de données afin d'alimenter l'algorithme proposé. L'étude rattachée à cet algorithme est centrée sur l'influence de l'ajout d'informations temporelles et de son impact sur la précision du modèle. Il en résulte qu'avec les données collectées, l'ajout du contexte temporel a soit, pas d'influence sur la précision du modèle, soit nui aux résultats lorsque l'environnement et la machine sont complètement caractérisés. À travers ces contributions, un concept de jumeau numérique a été créé et il pourra servir de base à de futures recherches sur l'assistance des opérateurs de machinerie lourde. Ce projet permet également de mettre en valeur un exemple de jumeau numérique appliqué à des problématiques rencontrées par des travailleurs spécialisés. Une telle application du concept du jumeau numérique n'est pas encore commune. / The concept of digital twin is a relatively new research topic that has received several academic contributions in recent years. A digital twin reproduces a physical entity in such a way that the state of this entity is identical at all times to the state of the digital entity. The objective of the master's project is to create the prototype of a digital twin in order to assist operators of forestry machinery. To this end, a literature review was written to document the academic contributions related to the main study areas of the digital twin, so as to show the characteristics that the digital twin of a forest operator-machine system could have. This review has also determined that it is necessary to develop an algorithm to transpose the movements of the machine into actions performed by the operator in order to advise the operator. Based on this, the prototype of a digital twin was created using a generic heavy machinery simulator. This allowed the creation of a database to feed the proposed algorithm. The study related to this algorithm is centered on the influence of the addition of temporal information and its impact on the accuracy of the model. It follows that with the collected data, the addition of the temporal context, by itself, has no influence on the precision of the model, or harms the performance when the environment and the machine are completely characterized. Through these contributions, a prototype of digital twins has been created and it can serve as a basis for future research on the assistance of heavy machinery operators. This project also highlights an example of a digital twin applied to problems encountered by specialized workers.

Titre de l'écran-titre (visionné le 30 octobre 2023) / Les stations de récupération des ressources de l'eau (StaRRE) sont confrontées à de nouveaux défis en raison de différents facteurs de stress dans le monde entier, ce qui entraîne un besoin urgent de technologies innovantes. Une solution potentielle réside dans les jumeaux numériques, capables de surveiller en temps réel les StaRRE. Un élément central d'un jumeau numérique est le modèle de procédé (mécaniste, axé sur les données ou hybride), qui doit être alimenté en continu et automatiquement par des données de haute qualité. Lorsque des modèles mécanistes sont incorporés dans un jumeau numérique, il est essentiel de connaître les variables conventionnelles telles que les concentrations de la demande chimique en oxygène (DCO) et d'azote (N), ainsi que leurs fractionnements respectifs. Les tests de respirométrie ont été largement utilisés pour caractériser les eaux usées, évaluer les effets toxiques/inhibiteurs sur la biomasse et calibrer les modèles mathématiques. Par conséquent, l'objectif principal de ce travail de thèse est de développer une méthodologie qui utilise la respirométrie pour estimer les fractions de DCO et d'azote, ainsi que la détermination des paramètres cinétiques et stoechiométriques des boues activées. La méthodologie présentée ici est structurée en quatre étapes distinctes. La première étape concerne la collecte des données, qui a été réalisée grâce à l'utilisation d'un respiromètre automatisé installé dans une StaRRE pilote. Ensuite, l'étape de stockage et d'accès aux données a facilité le transfert des données brutes vers une infrastructure d'acquisition de données (datEAUbase). La troisième phase, axée sur le prétraitement des données, a été lancée en utilisant les informations stockées dans la datEAUbase. Pour ce faire, un algorithme a été adapté pour calculer des paramètres essentiels, notamment le coefficient de transfert de masse de l'oxygène ($K_{L}a$) du réacteur du respiromètre, la demande biochimique en oxygène à court terme (DBOct) des eaux usées et le taux de respiration exogène ($r_{O2,exo}$) de la boue activée. La dernière étape a consisté à calibrer le Activated Sludge Model No.1 à l'aide des données dérivées pendant la phase précédente. Ce processus de calibration a permis d'estimer avec succès divers paramètres cinétiques et stoechiométriques des boues activées. Enfin, le modèle calibré a été utilisé pour déterminer la proportion de DBOct attribuable à la DCO facilement biodégradable ($\textup{S}_\textup{S}$) et à l'ammonium nitrifiable ($\textup{S}_\textup{NH}$). Cette méthodologie comprend une série d'étapes conçues pour transformer les données respirométriques en information pour alimenter un jumeau numérique. Cependant, l'automatisation de ces outils est nécessaire pour permettre la caractérisation en temps réel des eaux usées et des boues activées. Cette avancée facilitera la maintenance continue des jumeaux numériques pour la surveillance continue des StaRRE dans les recherches futures. / Water Resource Recovery Facilities (WRRFs) are facing new challenges due to different stressors worldwide, resulting in an urgent need for innovative technologies. One potential solution lies in Digital Twins (DTs), capable of real-time monitoring of WRRFs. A central component of a DT is the process model (mechanistic, data-driven, or hybrid), which needs to be continuously and automatically fed with high-quality data. When mechanistic models are incorporated into a DT, it is essential to have knowledge of conventional variables such as the concentrations of Chemical Oxygen Demand (COD) and Nitrogen (N), and their respective fractions. Respirometry tests have been widely employed to characterize wastewater streams, assess toxic/inhibitory effects on biomass, and calibrate mathematical models. Therefore, the primary goal of this thesis work is to develop a methodology that utilizes respirometry to estimate COD and N fractions, along with the determination of kinetic and stoichiometric parameters of activated sludge. The methodology presented here is structured into four distinct stages. The first stage entails data collection, which was effectively accomplished through the utilization of an automated respirometer installed in a pilot WRRF. Subsequently, the data storage and access stage facilitated the transfer of raw data to a data acquisition infrastructure (the datEAUbase). The third phase, focused on data preprocessing, was initiated using the information stored in the datEAUbase. To achieve this, an algorithm was adapted to calculate essential parameters, including the oxygen mass transfer coefficient ($K_{L}a$) of the respirometer reactor, the short-term biochemical oxygen demand (stBOD) of the sampled wastewater, and the exogenous respiration rate ($r_{O2,exo}$) of the activated sludge. The final stage involved the calibration of the Activated Sludge Model No.1 using the parameters derived in the preceding phase. This calibration process allowed for the successful estimation of various kinetic and stoichiometric parameters of the activated sludge. Ultimately, the calibrated model was employed to ascertain the proportion of stBOD attributable to readily biodegradable COD ($\textup{S}_\textup{S}$) and nitrifiable ammonium ($\textup{S}_\textup{NH}$). This methodology encompasses a series of steps designed to transform respirometric data into valuable information feeding digital twins. However, automation of these tools is still required to enable real-time characterization of wastewater and activated sludge. This advancement will facilitate the ongoing maintenance of digital twins for the continuous monitoring of wastewater treatment facilities in future research.

Les systèmes de traitement des eaux usées (les réseaux d'égouts urbains et les Stations de Récupération des Ressources de l'Eau (StaRRE)) font face à des défis considérables. L'accentuation des changements climatiques et l'émergence de nouvelles maladies infectieuses poussent les régulateurs à resserrer les permis d'assainissement et demander l'extraction de plus de ressources des eaux usées. Simultanément, de nouvelles méthodes de collecte d'information sont développées, qu'il s'agisse de nouveaux capteurs ou de nouvelles méthodes d'analyse. Ces nouvelles technologies produisent des données qui peuvent aider les systèmes d'assainissement à atteindre leurs objectifs. Cependant, pour qu'elles soient utilisables, il est essentiel que les données captées soient adéquatement traitées, nettoyées, gérées, interprétées et mobilisées. Dans les dernières années, des efforts considérables ont été déployés pour bien exploiter les données issues des eaux usées dans deux secteurs en particulier : au sein des StaRRE pour la création de 'jumeaux numériques' -- des modèles servant à simuler en temps-réel l'état des systèmes d'assainissement afin d'en améliorer le contrôle et l'opération -- et au niveau des réseaux d'égouts pour la surveillance du virus SARS-CoV-2 dans les eaux usées des populations. Cette thèse de doctorat porte sur le point d'intersection entre les StaRRE et la surveillance épidémiologique des eaux usées : leur soif de données de bonne qualité et suffisamment contextualisées pour être utilisables. La thèse commence avec une revue de littérature pour chaque domaine couvrant leur utilisation des données. Les efforts réalisés pour améliorer l'utilisation des données de la StaRRE pil*EAU*te(une StaRRE à l'échelle pilote située à l'Université Laval), sont alors présentés. La thèse décrit ensuite les efforts déployés pour créer un modèle de données pour l'organisation et l'interprétation des données de surveillance épidémiologique des eaux usées (WBE), le PHES-ODM. Un exemple de mobilisation de données de WBE pour le support à la décision en santé publique à l'aide de l'apprentissage automatique est alors présenté. / Wastewater systems, including sewer networks and Water Resource Recovery Facilities (WRRFs), face significant challenges due to urbanization, accelerating climate change, and new infectious diseases. These pressures demand stricter sanitation permits and more intensive resource extraction, demands that are compounded by a shortage of qualified workers in industrial economies. Advancements in data collection techniques, such as sensors and analysis protocols, can aid sanitation systems in meeting these challenges with the vast amounts of data they generate. However, to be valuable, this data must be properly processed, cleaned, managed, and interpreted. Considerable efforts have been made to utilize data from sanitation systems, particularly in two key areas: the creation of 'digital twins' in WRRFs to simulate real-time treatment processes for improved operation, optimization and control, and the use of Wastewater-Based Epidemiology (WBE) in sewer systems in response to the SARS-CoV-2 pandemic. This Ph. D. thesis investigates the critical intersection between WRRFs and WBE systems, emphasizing their need for high-quality, contextualized, and actionable data. The research begins with a literature review of each domain, applying the concept of data pipelines to wastewater systems and identifying bottlenecks that hinder knowledge creation. The pil*EAU*te pilot wastewater treatment plant at Université Laval serves as a testing ground for innovative metadata-aware data manipulation tools. The focus then shifts to the WBE domain, where a data model for storing and organizing data and metadata -- the Public Health Environmental Surveillance Open Data Model -- is developed. The final section explores how Wastewater-Based Epidemiology data, combined with machine learning, can support short-term decision-making in epidemic scenarios.

Les stations de récupération des ressources en eau (StaRRE) sont essentielles à la société moderne, préservant la santé publique et l'environnement en traitant les eaux usées. Cependant, ces installations sont de grandes consommatrices d'énergie, produisant globalement 45 millions de tonnes d'émissions de gaz à effet de serre par an. Certaines stratégies de commande, telles que la commande de l'aération à base d'ammoniac (ABAC), ont le potentiel d'améliorer l'efficacité opérationnelle, de réduire les coûts et de minimiser l'impact environnemental. Ces technologies peuvent également jouer un rôle clé dans la résolution des défis mondiaux tels que le changement climatique et la pénurie d'eau en permettant l'élimination rapide de l'azote et en soutenant la réutilisation potable, respectivement. Cette recherche se concentre sur la modification de l'ABAC à l'usine de traitement Nansemond (NTP) du Hampton Roads Sanitation District (HRSD) dans l'est de la Virginie, É.U. L'un des principaux défis des systèmes ABAC est l'autorité de commande, ou la capacité à rejeter les perturbations via les leviers de commande du système. Ces défis sont exacerbés dans les installations dotées de bioréacteurs longs et étroits où les concentrations d'ammoniac (NHx) sont mesurées relativement loin en aval. Dans ces cas, les systèmes de commande de rétroaction classiques peuvent avoir du mal à réagir à cause des retards, ce qui entraîne des erreurs de commande qui peuvent empêcher ou entraver l'élimination de l'azote et la réutilisation potable. Pour relever ces défis, cette étude a exploité un jumeau numérique (DT) - un modèle virtuel de l'usine de traitement. Le DT a utilisé des données opérationnelles en direct pour simuler et optimiser les performances du système. Les problèmes de qualité des données ont été résolus grâce à une détection et une correction avancée des défauts, notamment des modèles d'apprentissage automatique (ML). À l'aide de ces données propres, le DT a été conçu pour fournir des recommandations sur le taux de purge de boues et des informations sur l'état du système en temps réel, ce qui permettra une commande plus précis du processus. Sur cette fondation, une nouvelle commande ABAC hybride à rétroaction directe a été développée. La commande a intégré les données du DT, des modèles ML relativement simples et une nouvelle approche de correction des erreurs utilisant ML. Après le déploiement de cette commande, les erreurs de commande ont diminué de 80 %. Cette amélioration prend en charge le déploiement de technologies d'élimination de l'azote comme la dénitrification partielle et anammox (PdNA) et aide à maintenir la conformité aux normes strictes de qualité des effluents requises pour la réutilisation potable. Cette étude met en évidence comment les stratégies de commande améliorées par des outils numériques et des méthodologies basées sur les données peuvent améliorer les opérations des StaRRE. En permettant l'élimination rapide de l'azote et en soutenant la réutilisation potable de l'eau, ces innovations favorisent non seulement la rentabilité, mais soutiennent également les efforts mondiaux de durabilité, favorisant des systèmes d'eau plus propres et un environnement plus sain. / Water Resource Recovery Facilities (WRRFs) are essential to modern society, safeguarding public health and the environment by treating wastewater. However, these facilities are big energy consumers, producing 45 million tons of greenhouse gas emissions annually. Certain control strategies, such as Ammonia-Based Aeration Control (ABAC), hold the potential to improve operational efficiency, reduce costs, and minimize environmental impact. These technologies can also play a pivotal role in addressing global challenges like climate change and water scarcity by enabling shortcut nitrogen removal and supporting potable reuse, respectively. This research focuses on modifying ABAC at the Hampton Roads Sanitation District (HRSD) Nansemond Treatment Plant (NTP) in Eastern Virginia, US. A core challenge for ABAC systems is control authority, or the ability to reject disturbances via the system's control levers. These challenges are exacerbated in facilities with long and narrow bioreactors where ammonia (NHx) concentrations are measured relatively far downstream. Classic feedback control systems might struggle with delayed responses in these cases, leading to controller errors that can either prevent or hinder shortcut nitrogen removal and potable reuse. To address these challenges, this study leveraged a Digital Twin (DT) - a virtual model of the treatment plant. The DT utilized live operational data to simulate and optimize system performance. Data quality issues were resolved through advanced fault detection and correction, including Machine Learning (ML) models. Using this clean data, the DT was designed to provide sludge waste rate recommendations and real-time insights, which will enable more precise process control. Building on this foundation, a new hybrid feedforward-feedback ABAC controller was developed. The controller integrated data from the DT, relatively simple ML models, and a novel error-correction approach using ML. Following deployment of this controller, controller errors by dropped by 80%. This improvement supports the deployment of shortcut nitrogen removal technologies like partial denitrification anammox (PdNA) and aids in maintaining compliance with strict effluent quality standards required for potable reuse. This study highlights how control strategies enhanced by digital tools and data-driven methodologies can improve WRRF operations. By enabling shortcut nitrogen removal and supporting potable water reuse, these innovations not only drive cost efficiency but also support global sustainability efforts, fostering cleaner water systems and a healthier environment.

Thèse produite en partenariat avec la Ferme d'hiver, centre de recherche industrielle pour l'agriculture en environnement contrôlé. / L’agriculture en environnement contrôlé (AEC) est une pratique agricole de haute technologie où la culture de plantes et son environnement sont soumis à une certaine forme de contrôle afin d’obtenir des rendements plus élevés et une efficacité de production accrue. L’AEC est essentielle en raison de son impact sur la disponibilité des terres arables, l’utilisation de l’eau et l’efficacité énergétique face à l’augmentation de l’insécurité alimentaire mondiale. Les systèmes de AEC sont contrôlés par le biais d’indicateurs de performance clés (IPC) complexes que les experts de plusieurs domaines, dont les ingénieurs et les agronomes, doivent optimiser. L’optimisation des IPC nécessite l’exploration de l’immense espace d’états du système d’AEC. Étant donné que ces systèmes sont complexes et hétérogènes, ils nécessitent une approche de modélisation et de co-simulation multi-paradigme dans laquelle les modèles utilisent les formalismes et les niveaux d’abstraction les plus appropriés. Nous proposons une architecture de co-simulation de AEC capable de capturer la dynamique des entités qui composent notre système à plusieurs niveaux d’abstraction. Nous présentons nos résultats démontrant la validité de notre approche / Controlled environment agriculture (CEA) is a high-tech agricultural practice where the crop and its environment are subject to some form of control to achieve higher yields and produc- tion efficiency. CEA is critical for its impacts on arable land availability, water usage, and energy efficiency amid the rise of global food insecurity. CEA systems are controlled through complex key performance indicators (KPI) that experts of multiple domains, including engi- neers and agronomists, must optimize. The optimization of KPI requires exploring the vast state space of the CEA system. As such systems are complex and heterogeneous, they re- quire a multi-paradigm modeling and co-simulation approach in which models use the most appropriate formalisms and levels of abstraction. We provide a co-simulation architecture for CEA to capture the dynamics of the entities that comprise our system at multiple levels of abstraction and present our results showing the validity of our approach.