En automatique, un observateur joue un rôle primordial dans la commande et la supervision des processus ou encore la détection de défauts, vu sa capacité à fournir des informations sur les valeurs des états non mesurés ou non disponibles. Dans ce contexte, cette thèse porte sur l'estimation non pas uniquement de l'état, mais aussi des paramètres inconnus affectant la dynamique du système de façon simultanée. Ce problème est traité pour des classes de systèmes non linéaires soumis à des retards constants et inconnus. Il représente un enjeu double, tant sur l'estimation conjointe de l'état et des paramètres inconnus, que dans la présence des retards qui affectent la dynamique des systèmes. Dans un premier temps, des observateurs fonctionnels robustes ont été développés pour des systèmes faisant intervenir des non linéarités état-commande et soumis à des retards. Le problème de la robustesse a été considérée, dans un premier temps, pour prendre en compte la présence de perturbations à énergie finie en faisant appel à la théorie Hinfini, et dans un second temps vis-à-vis d'incertitudes paramétriques affectant les paramètres du modèle du système à observer. Des conditions nécessaires et suffisantes pour l'existence des observateurs ont été données à travers la résolution d'équations de Sylvester. Cette résolution a permis de simplifier le problème avec le paramétrage des gains de l'observateur via un seul gain à déterminer. Comme l'étude de la convergence de l'observateur revient à étudier la stabilité de l'erreur d'estimation, la théorie de Lyapunov-Krasovskii dédiée à la stabilité des systèmes à retards a été utilisée en se basant sur une approche de type descripteur. Cette étude a permis d'aboutir à des conditions suffisantes de convergence asymptotique, exprimées sous forme de LMI. Tout au long du mémoire, la synthèse des observateurs a été considérée pour l'ordre plein et l'ordre réduit. Puis, les développements ont été étendus, au cas où on souhaite estimer l'état du système considéré simultanément avec certains paramètres inconnus affectant ce dernier. Deux pistes ont été étudiées à travers ce mémoire : lorsque le vecteur des paramètres inconnus agit linéairement par rapport à la dynamique du système et lorsque les paramètres inconnus agissent non linéairement par rapport à la dynamique du système. L'approche développée a permis d'étudier simultanément la convergence de l'état et des paramètres inconnus, ce qui a permis de relaxer certaines contraintes imposées lors de la synthèse des observateurs adaptatifs dans la littérature, notamment la contrainte d'excitation persistante considérée au niveau de la deuxième piste de recherche. Pour finir, les résultats obtenus ont été étendus à une classe de systèmes singuliers non linéaires, qui, outre les relations dynamiques, fait intervenir des relations algébriques / In automatic control reaserch fields, an observer plays a key role in the control and supervision of processes or the detection of faults, given its ability to provide information on the values of unmeasured or unavailable states. In this context, this thesis deals with the estimation not only of the state but also of the estimation of the unknown parameters affecting the dynamics of the system simultaneously with the state vector. In particular, the problem is addressed for classes of nonlinear systems subject to constant and unknown delays. This problem represents a dual challenge, both on joint estimation of unknown state and parameters, as well as the presence of delays that affect the system dynamics. First, functional observers were developed for systems subject to time delays and involving state-input nonlinearities. The problem of robustness was studied, initially, when some finite energy perturbations occured in the system dynamics, which required the H∞ theory in order to attenuate its effects. In a second time, it is treated when parametric uncertainties affect the model parameters. Necessary and sufficient conditions for the existence of observers have been given through the resolution of Sylvester's equations. This resolution made it possible to simplify the problem by setting the observer gains via a single gain to be determined. As the study of the observer's convergence returns to studying the stability of the estimation error, Lyapunov-Krasovskii theory dedicated to the stability of the delay systems was used based on the descriptor transformations. This study lead to sufficient conditions of a symptotic convergence, expressed in terms of LMI. Throughout the dissertation, the synthesis of observers was considered in full and reduced order cases. The developments were then extended to estimate the system states simultaneously with unknown parameters affecting its dynamics. Two approaches have been investigated through this memory: when the vector of the unknown parameters acts linearly with respect to the dynamics of the system and when the unknown parameters act nonlinearly with respect to this dynamics. The approach proposed in this work make it possible to simultaneously estimate the convergence of the state and unknown parameters, which made it possible to relax some constraints considered in the synthesis of adaptive observers in the literature. It concerns particularly the persistent excitation constraint considered in the second approach. Finally, the results obtained have been extended to the class of singular systems, which, in addition to the dynamic relations, involves algebraic relations in their description

Continues field monitoring and searching sensor data remains an imminent element emphasizes the influence of the Internet of Things (IoT). Most of the existing systems are concede spatial coordinates or semantic keywords to retrieve the entail data, which are not comprehensive constraints because of sensor cohesion, unique localization haphazardness. To address this issue, we propose deep learning inspired sensor-rank consolidation (DLi-SRC) system that enables 3-set of algorithms. First, sensor cohesion algorithm based on Lyapunov approach to accelerate sensor stability. Second, sensor unique localization algorithm based on rank-inferior measurement index to avoid redundancy data and data loss. Third, a heuristic directive algorithm to improve entail data search efficiency, which returns appropriate ranked sensor results as per searching specifications. We examined thorough simulations to describe the DLi-SRC effectiveness. The outcomes reveal that our approach has significant performance gain, such as search efficiency, service quality, sensor existence rate enhancement by 91%, and sensor energy gain by 49% than benchmark standard approaches.