Spelling suggestions: "subject:"méthode dess sousespaces"" "subject:"méthode dess sousespèces""
1 |
Identification de systèmes multivariables par modèle non entier en utilisant la méthode des sous-espaces / Subspace system identification with fractional differentiation modelsIvanova, Elena 06 April 2017 (has links)
L’identification des systèmes par modèle non entier a été initiée dans les années 1990 et de nombreux résultats ont été obtenus depuis. Néanmoins, la plupart de ces résultats utilise les méthodes de la famille des méthodes à erreur de prédiction, basées sur la minimisation de la norme ℓ2 de l’erreur d’estimation. Apparues en 1996, les méthodes des sous-espaces sont relativement nouvelles dans la théorie de l’identification de systèmes linéaires. Basées sur des projections géométriques et l’algèbre linéaire, elles présentent une alternative intéressante aux méthodes classiques basées sur la régression linéaire ou non linéaire. Elles permettent d’estimer les matrices d’un modèle à base d’une représentation d’état. Dans le contexte des systèmes non entiers, la notion de pseudo-représentation d’état généralise la notion de représentation d’état en introduisant un paramètre supplémentaire qui est l’ordre commensurable.Actuellement, la méthode des sous-espaces pour des systèmes non entiers n’a cependant été appliquée que dans le domaine temporel. Elle est alors développée dans cette thèse pour une telle classe de systèmes dans le domaine fréquentiel. De plus, comme les systèmes non entiers sont des systèmes à temps continu, un filtrage des données est nécessaire pour respecter la causalité des signaux et pour pouvoir réaliser l’identification. Une étude comparative des différentes méthodes de filtrage dans le contexte de l’identification pour déduire leurs avantages et inconvénients est réalisée dans le domaine temporel. Enfin,les méthodes développées ont été appliquées à un système réel en diffusion thermique.Les modèles obtenus sont généralisés à des matériaux soumis à plusieurs flux de chaleur en entrée tout en considérant leur température en plusieurs points de mesures. / The identification of systems by fractional models was initiated in the 1990s and various results have been obtained since. Nevertheless, most of these results are based on prediction error methods (PEM) of identification, based on the minimization of the norm of the estimation error. Apparent in 1996, the subspace methods are relatively new in the theory of the identification of linear systems. Based on geometric projections and linear algebra, they present an alternative to classical methods based on linear or nonlinear regression. They allow estimating the matrices of the state-space representation of a system. In the context of fractional systems, a pseudo-state-space representation generalizes the notion of state-space representation by introducing an additional parameter which is the commensurable order.Currently, the subspace method for non-integer systems has only been applied inthe time domain. It is then developed in this thesis for such a class of systems in the frequency domain. Moreover, since non-integer systems are continuous time systems, datapre-filtering is necessary to respect the causality of the signals and to be able to realize the identification. A study of the different filtering methods in the context of subspaceidentification is then carried out in order to deduce their advantages and disadvantages in the time domain. Finally, the method has been applied to a thermal diffusion system.The obtained models are generalized for several input heat flows, considering their temperature available at several measurement points.
|
2 |
Observateurs adaptatifs pour l'identification en ligne et l'observation des systèmes linéaires / Adaptive observers for online identification and state observation of linear systemsAfri, Chouaib 13 December 2016 (has links)
Dans cette thèse, nous étudions le problème de l'identification d'un système à dynamique linéaire. Dans un premier temps, nous répertorions les différentes méthodes qui ont été développées dans la littérature en nous concentrant plus particulièrement sur les méthodes des observateurs adaptatifs. Dans un second temps nous présentons un premier algorithme qui est une approche mixant les méthodes des sous-espaces et celles des observateurs adaptatifs. Ce nouvel algorithme est d'autant plus intéressant qu'il nous permet d'identifier des réalisations de systèmes MIMO dans une base d'état arbitraire. La convergence de cet algorithme est démontrée en utilisant les notions d'excitation persistantes. Dans un troisième chapitre nous introduisons une nouvelle méthode qui s'appuie sur le concept des observateurs de Luenberger non linéaires développés ces dernières années. Ce nouvel algorithme se différencie des algorithmes existants par sa capacité à produire une estimation simultanée des paramètres et de l'état du système. Nous démontrons alors sa robustesse à des perturbations affectant la dynamique interne ou les mesures. La convergence de cet algorithme est obtenue si les entrées du système satisfont une hypothèse d'excitation différentielle. Tous ces algorithmes sont alors évalués et implémentés sur un banc d'expérimentation / In this thesis, we study the problem of identification of a linear dynamical system. First, we survey various methods that have been developed in the literature. We focus more particularly on methods named adaptive observers. Secondly we present an approach which combines subspace identification methods and adaptive observers. This new method is interesting since it allows us to identify MIMO systems in an arbitrary basis. The convergence of this algorithm is demonstrated using the persistent excitation notions. In the third chapter we introduce a new method that is inspired from nonlinear Luenberger observers developed in recent years. This new algorithm is different from the existing algorithms since the parameters and the systemstatus are estimated simultaneously. We demonstrate the robustness of this approach. The convergence of the algorithm is obtained if the system inputs satisfy a differential excitation hypothesis. All these algorithms are evaluated and implemented on an experimental bench
|
Page generated in 0.0842 seconds