Pascal Dufour est maître de conférences en section 61 du CNU, à l'Université Claude Bernard Lyon 1 (UCBL1), affecté au département Génie Electrique et des Procédés (GEP) de la Faculté des Sciences et Technologies (FST) et au Laboratoire d'Automatique et de Génie des Procédés (LAGEP), qui est l'UMR 5007 CNRS-UCBL1. Il y est membre de l'équipe "Systèmes Non Linéaires et Procédés" (SNLEP). Pascal Dufour travaille sur des projets de recherche en automatique dans le génie des procédés. Fondamentalement, il s'intéresse aux développements et aux applications d'outils théoriques de commande de procédé : commande prédictive, design en ligne d'expériences optimales couplé à l'identification en ligne de paramètres du modèle, et développement de logiciels (MPC@CB et ODOE4OPE par exemple). Ceci est fortement lié à des problèmes réels issus du génie des procédés. Il développe et applique des outils théoriques de commande sur des cas réels en génie des procédés, à travers des projets nécessitant une approche pluridisciplinaire : séchage de peinture, cuisson de polymère, dépollution de gaz par réaction catalytique, digesteur de pulpe à papier, cuisson de peinture, réacteur de polymérisation, lyophilisation de produit pharmaceutique, séchage de pâtes alimentaires ... Ceci en partant de théories variées, pour aller à l'étude en simulation puis à l'implantation de la loi de commande sur le procédé réel. A partir des problèmes réels traités en génie des procédés, sa stratégie de recherche est de contribuer à travailler à l'amélioration et à l'optimisation des performances de ces procédés vus comme des systèmes continus, via des approches automatique en boucle fermée. Il a 2 axes de recherche : Historiquement, son premier axe de recherche soutient l'idée de formuler un problème de conduite d'un procédé, où l'on cherche à obtenir un produit final avec certaines propriétés souhaitées, en un problème de conduite en ligne à résoudre pendant l'exploitation. Cela se traduit alors en problème d'optimisation (poursuite de trajectoire, optimisation de vitesse, ...) avec prise en compte de diverses contraintes (sur l'entrée, la sortie, voir l'état). La stratégie de commande prédictive basée sur un modèle est utilisée dans ses travaux. La méthode personnelle de Pascal Dufour a été développée pour des problèmes où le temps nécessaire pour calculer la solution du modèle peut être important (par rapport à la relativement courte durée du prélèvement) et où quelques itérations sont donc autorisées pour l'optimiseur de donner une solution. Par conséquent, l'idée principale de cette méthode est que le modèle soit résolu rapidement et que les contraintes dures soient satisfaites à tout moment, afin que la commande soit physiquement applicable. Par ailleurs, pour les contraintes molles, si elles ne peuvent pas toutes être satisfaites à tout moment, la solution amenant aux moindres violations de contrainte peut être trouvée. Ce dernier point à son utilité, par exemple si, du fait des perturbations ayant un fort impact sur une sortie contrainte, celle-ci ne peut pas être satisfaite. Plus récemment, il a créée son second axe de recherche se situant à la frontière entre le design d'expériences optimales et l'identification en ligne de paramètres, le tout basé sur des outils de l'automatique (notamment commande prédictive et observateur). En effet, on peut se retrouver avec des phénomènes dont la modélisation (continue) est soit assez incomplète, soit trop détaillée pour pouvoir identifier tous les paramètres correctement. Dans ce cas, ces incertitudes paramétriques peuvent avoir par la suite un impact non négligeable sur les performances de la conduite en ligne. Depuis quelques années, Pascal Dufour s'intéresse donc aussi au problème d'identification en ligne de paramètres pour la modélisation. L'idée est la suivante : pour une structure de modèle dynamique choisi, l'approche permet de fournir, conjointement l'expérience optimale à réaliser et les estimations des paramètres initialement inconnus du modèle. Bien entendu, cette approche est soumise à des hypothèses, mais qui peuvent être vérifiées. Cette approche de commande (conduite) en boucle fermée utilise divers outils de l'automatique avancée étudiés dans l'équipe SNLEP au LAGEP : la modélisation de systèmes continus (du temps), l'observateur (capteur logiciel) et la commande prédictive. Les perspectives sont là assez vastes, et c'est principalement dans cet axe (assez original semble t'il) que ses principales activités à court et moyen termes se situent. En termes d'encadrement de jeunes chercheurs : il a participé à divers projets de recherche académiques et industriels, ce qui lui a permis de participer à l'encadrement de : 5 thèses de doctorat (4 soutenues et 1 en cours), dont 3 officiellement encadrées 1 stagiaire postdoctoral, et en moyenne d'1 stagiaire M2R/DEA par an. En termes de valorisation : Les résultats de ces travaux ont fait l'objet de publications : 12 articles de revues internationales avec comité de lecture, 2 articles de revues nationales avec comité de lecture, 18 congrès internationaux avec comité de sélection et avec actes 3 congrès nationaux avec comité de sélection et avec actes. Elles sont toutes en archives ouvertes : hal.archives-ouvertes.fr/DUFOUR-PASCAL-C-3926-2008 2 logiciels (en cours de dépôt) sont issus de ces recherches : Décembre 2010 : demande de dépôt d'un logiciel d'aide automatisée à l'identification optimale en boucle fermée (ODOE4OPE), via LST le 9 décembre 2010 (L829), à l'Agence de Protection des Programmes. Plus d'informations sur ce logiciel sur http://ODEO4OPE.univ-lyon1.fr Janvier 2007 : dépôt d'un logiciel de commande prédictive MPC@CB, déposé auprès d'EZUS Lyon 1 (enveloppe SOLEAU), et demandé à être redéposé, via LST le 26 octobre 2010 (L603), à l'Agence de Protection des Programmes. Ce logiciel fait l'objet en 2010 et 2011 d'un financement de l'ordre de 50kE par LST pour passer les codes sources Matlab dans un logiciel exploitable commercialement (1 projet retenu sur 3). Plus d'informations sur ce logiciel sur http://MPC-AT-CB.univ-lyon1.fr

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