Les méthodes d'identification dites sous-espace sont largement utilisées pour la caractérisation des modes propres et la surveillance des structures mécaniques. Elles ont fait leurs preuves pour les systèmes dont la dynamique est invariante dans le temps. Elles ne sont, toutefois, pas adaptées à des systèmes à rotors comme les hélicoptères et les éoliennes qui, de part leurs parties tournantes, sont périodiques dans le temps. Le but de cette thèse est d'étendre le champ d'application de ces méthodes à cette classe particulière de systèmes. Tout d'abord, un algorithme qui permet d'identifier certaine structure modale, dite de Floquet, est proposée. Ensuite, une étude de sensibilité est réalisée dans le but de quantifier les incertitudes, liées aux bruits ou à d'autres facteurs, sur les paramètres modaux identifiés. Enfin et partant de l'algorithme d'identification, une méthode de détection d'instabilité est développée. Cette méthode est basée sur la définition d'un résidu, fonction des paramètres modaux, et la surveillance d'un changement éventuel de ce résidu qui correspond à une déviation vers un régime instable. Ces méthodes ont été appliquées à des modèles numériques et à des données expérimentales. / Subspace identification methods are widely used for caracterizing modal param-eters and for vibration monitoring of mechanical structures. They were shown powerful for the so-called linear time-invariant systems. However, they are not adapted to rotating sys-tems such as helicopters and wind turbines, which are inherently time-periodic systems. The goal of this thesis is to extend the applicability of these methods to this particular class of systems. First, a new identification algorithm is suggested. This algorithm permits to iden-tify the so-called Floquet modal structure. Then, a sensitivity study is conducted in order to quantify uncertainties, related to noises and other sources, about the identified modal param-eters. Finally and based on the suggested identification algorithm, a method for instability detection is developed. The main feature of this method is to define some residual, which is function of modal parameters, then to detect an eventual change over it which means a possible deviation toward an unstable regime. The suggested methods were applied to both numerical and experimental data.

Dans ce document, les problèmes d'identification, de détection et d'isolation de défauts de capteurs des systèmes dynamiques MIMO sont abordés à l'aide des méthodes des sous-espaces. Dans un premier temps, l'identification des systèmes dynamiques linéaires est abordé. Après une présentation des méthodes classiques des sous-espaces basées sur l'estimation de la matrice d'observabilité étendue et/ou l'estimation de la matrice des séquences d'état, une nouvelle approche basée sur l'utilisation d'un modèle FIR est proposée. Cette approche s'appuie sur l'estimation des paramètres de Markov ce qui permet d'obtenir une réalisation minimale et équilibrée à l'aide de l'algorithme ERA. Trois méthodes d'identification basées sur cette approche sont établies pour l'identification des systèmes linéaires en présence de bruits colorés. En ce qui concerne l'identification des systèmes à commutations, une modélisation multimodèle avec des modèles locaux complètement découplés et des fonctions de pondération binaires est utilisée. Deux méthodes sont proposées pour résoudre le problème d'identification non supervisé : la première réalise la classification des données à l'aide des techniques de détection de ruptures de modèle tandis que cette classification est réalisée dans la seconde méthode par la détermination d'hyperplans représentant les modèles locaux dans l'espace des sorties et des entrées. Après estimation des fonctions de pondération, une réalisation minimale et équilibrée de chaque modèle local est déterminée dans l'une ou l'autre méthode à l'aide de la méthode des moindres carrés pondérés. Le problème d'identification des systèmes non-linéaires est ensuite abordé avec l'approche multi-modèle et une méthode supposant les fonctions de pondération connues est proposée pour identifier une réalisation minimale et équilibrée de chaque modèle local. Finalement, le problème de détection et d'isolation de défauts de capteurs sur les systèmes linéaires dans le cas où le modèle de ce dernier n'est pas connu est traité. Une méthode basée uniquement sur la connaissance des entrées et sorties est proposée. La méthode proposée s'affranchit des incertitudes paramétriques du fait qu'aucun modèle explicite ou implicite n'est estimé. Pour obtenir un résidu structuré, la méthode supprime l'influence de l'état par une pondération à l'aide des puissances élevées de la matrice d'état stable, puis annule l'influence des entrées par une projection orthogonale. Les conditions d'existence et de sensibilité du résidu aux défauts de capteurs sont établies.