Nombreux sont les problèmes classiquement rencontrés dans les sciences de l'ingénieur dont la résolution fait appel à l'estimation d'état d'un système par le biais d'un observateur. La synthèse d'un observateur n'est envisageable qu'à la condition de disposer d'un modèle à la fois exploitable et représentatif du comportement dynamique du système. Or, la modélisation du système et la synthèse de l'observateur deviennent des tâches difficiles à accomplir dès lors que le comportement dynamique du système doit être représenté par un modèle de nature non linéaire. Face à ces difficultés, l'approche multimodèle peut être mise à profit.<br /><br />Les travaux présentés dans cette thèse portent sur les problèmes soulevés par l'identification, l'estimation d'état et le diagnostic de systèmes non linéaires représentés à l'aide d'un multimodèle découplé. Ce dernier, composé de sous-modèles qui peuvent être de dimensions différentes, est doté d'un haut degré de généralité et de flexibilité et s'adapte particulièrement bien à la modélisation des systèmes complexes à structure variable. Cette caractéristique le démarque des approches multimodèles plus conventionnelles qui ont recours à des sous-modèles de même dimension.<br /><br />Après une brève introduction à l'approche multimodèle, le problème de l'estimation paramétrique du multimodèle découplé est abordé. Puis sont présentés des algorithmes de synthèse d'observateurs d'état robustes vis-à-vis des perturbations, des incertitudes paramétriques et des entrées inconnues affectant le système. Ces algorithmes sont élaborés à partir de trois types d'observateurs dits à gain proportionnel, à gain proportionnel-intégral et à gain multi-intégral. Enfin, les différentes phases d'identification, de synthèse d'observateurs et de génération d'indicateurs de défauts sont illustrées au moyen d'un exemple académique de diagnostic du fonctionnement d'un bioréacteur.

Les systèmes multi-capteurs exploitent les complémentarités des différentes sources sensorielles. Par exemple, le capteur visuo-inertiel permet d'estimer la pose à haute fréquence et avec une grande précision. Les méthodes de vision mesurent la pose à basse fréquence mais limitent la dérive causée par l'intégration des données inertielles. Les centrales inertielles mesurent des incréments du déplacement à haute fréquence, ce que permet d'initialiser la vision et de compenser la perte momentanée de celle-ci. Cette thèse analyse deux aspects du problème. Premièrement, nous étudions les méthodes visuelles directes pour l'estimation de pose, et proposons une nouvelle technique basée sur la corrélation entre des images et la pondération des régions et des pixels, avec une optimisation inspirée de la méthode de Newton. Notre technique estime la pose même en présence des changements d'illumination extrêmes. Deuxièmement, nous étudions la fusion des données a partir de la théorie de la commande. Nos résultats principaux concernent le développement d'observateurs pour l'estimation de pose, biais IMU et l'autocalibrage. Nous analysons la dynamique de rotation d'un point de vue non linéaire, et fournissons des observateurs stables dans le groupe des matrices de rotation. Par ailleurs, nous analysons la dynamique de translation en tant que système linéaire variant dans le temps, et proposons des conditions d'observabilité uniforme. Les analyses d'observabilité nous permettent de démontrer la stabilité uniforme des observateurs proposés. La méthode visuelle et les observateurs sont testés et comparés aux méthodes classiques avec des simulations et de vraies données visuo-inertielles.

Cette thèse porte sur la modélisation des réacteurs membranaires anaérobies. Dans une première partie, nous proposons une analyse mathématique générique d'un modèle de digestion anaérobie en deux étapes appelé AM2. La principale limitation du développement des réacteurs membranaires étant le risque de colmatage, nous proposons, dans une seconde partie, d'étendre le modèle AM2 en incorporant une nouvelle variable d'état modélisant la dynamique des Produits Microbiens Solubles (SMP) dont le rôle dans le colmatage des membranes a été démontré. Une étude mathématique exhaustive de ce nouveau modèle appelé AM2b est réalisée pour comprendre et comparer les comportements qualitatifs des deux modèles. Dépendant des conditions de fonctionnement et des valeurs des paramètres biologiques utilisées, nous montrons que ce nouveau modèle peut se comporter comme le modèle initial AM2, ou, au contraire, présenter un comportement qualitatif très différent. L'étape suivante sera d'utiliser ce modèle pour la synthèse de régulateurs. Toutefois, le manque de capteurs en-ligne nous a amené, dans une troisième partie, à procéder à la synthèse d'un certain nombre d'observateurs d'état classiques. Au regard des caractéristiques spécifiques des bioprocédés, cette dernière partie se termine par la proposition de nouvelles pistes pour l'estimation d'état et de paramètres par des méthodes stochastiques, notamment les filtres particulaires dont nous présentons brièvement le principe. / This thesis focuses on the modeling of anaerobic membrane reactors. In the first part, we propose a generic mathematical analysis of a two-step model of the anaerobic digestion called AM2. The main limitation in the development of membrane reactors being the risk of clogging, we propose in a second part, to extend the AM2 model by incorporating a new state variable modeling the dynamics of the so-called Soluble Microbial Products (SMP) whose role in the clogging of the membranes has been demonstrated. A complete mathematical study of this new model called AM2b is realized to understand and compare the behavior of both models. Depending on operating conditions and on the model parameters values, we show that this new model can behave as the initial model AM2, or, conversely, have a completely different qualitative behavior. The next step is to use this model for the synthesis of controllers. However, the lack of online sensors led us to a third part where we carry out the synthesis of several state observers. In view of the specific characteristics of bioprocesses, this last part ends by proposing new ways to estimate both state and parameters using stochastic methods, including particulate filters which the concepts are briefly reviewed.

Les systèmes multi-capteurs exploitent les complémentarités des différentes sources sensorielles. Par example, le capteur visuo-inertiel permet d'estimer la pose à haute fréquence et avec une grande précision. Les méthodes de vision mesurent la pose à basse fréquence mais limitent la dérive causée par l'intégration des données inertielles. Les centrales inertielles mesurent des incréments du déplacement à haute fréquence, ce que permet d'initialiser la vision et de compenser la perte momentanée de celle-ci. Cette thèse analyse deux aspects du problème. Premièrement, nous étudions les méthodes visuelles directes pour l'estimation de pose, et proposons une nouvelle technique basée sur la corrélation entre des images et la pondération des régions et des pixels, avec une optimisation inspirée de la méthode de Newton. Notre technique estime la pose même en présence des changements d'illumination extrêmes. Deuxièmement, nous étudions la fusion des données a partir de la théorie de la commande. Nos résultats principaux concernent le développement d'observateurs pour l'estimation de pose, biais IMU et l'autocalibrage. Nous analysons la dynamique de rotation d'un point de vue nonlinéaire, et fournissons des observateurs stables dans le groupe des matrices de rotation. Par ailleurs, nous analysons la dynamique de translation en tant que système linéaire variant dans le temps, et proposons des conditions d'observabilité uniforme. Les analyses d'observabilité nous permettent de démontrer la stabilité uniforme des observateurs proposés. La méthode visuelle et les observateurs sont testés et comparés aux méthodes classiques avec des simulations et de vraies données visuo-inertielles.

Les systèmes multi-capteurs exploitent les complémentarités des différentes sources sensorielles. Par exemple, le capteur visuo-inertiel permet d’estimer la pose à haute fréquence et avec une grande précision. Les méthodes de vision mesurent la pose à basse fréquence mais limitent la dérive causée par l’intégration des données inertielles. Les centrales inertielles mesurent des incréments du déplacement à haute fréquence, ce que permet d’initialiser la vision et de compenser la perte momentanée de celle-ci. Cette thèse analyse deux aspects du problème. Premièrement, nous étudions les méthodes visuelles directes pour l’estimation de pose, et proposons une nouvelle technique basée sur la corrélation entre des images et la pondération des régions et des pixels, avec une optimisation inspirée de la méthode de Newton. Notre technique estime la pose même en présence des changements d’illumination extrêmes. Deuxièmement, nous étudions la fusion des données a partir de la théorie de la commande. Nos résultats principaux concernent le développement d’observateurs pour l’estimation de pose, biais IMU et l’autocalibrage. Nous analysons la dynamique de rotation d’un point de vue non linéaire, et fournissons des observateurs stables dans le groupe des matrices de rotation. Par ailleurs, nous analysons la dynamique de translation en tant que système linéaire variant dans le temps, et proposons des conditions d’observabilité uniforme. Les analyses d’observabilité nous permettent de démontrer la stabilité uniforme des observateurs proposés. La méthode visuelle et les observateurs sont testés et comparés aux méthodes classiques avec des simulations et de vraies données visuo-inertielles. / Systems with multiple sensors can provide information unavailable from a single source, and complementary sensory characteristics can improve accuracy and robustness to many vulnerabilities as well. Explicit pose measurements are often performed either with high frequency or precision, however visuo-inertial sensors present both features. Vision algorithms accurately measure pose at low frequencies, but limit the drift due to integration of inertial data. Inertial measurement units yield incremental displacements at high frequencies that initialize vision algorithms and compensate for momentary loss of sight. This thesis analyzes two aspects of that problem. First, we survey direct visual tracking methods for pose estimation, and propose a new technique based on the normalized crosscorrelation, region and pixel-wise weighting together with a Newton-like optimization. This method can accurately estimate pose under severe illumination changes. Secondly, we investigate the data fusion problem from a control point of view. Main results consist in novel observers for concurrent estimation of pose, IMU bias and self-calibration. We analyze the rotational dynamics using tools from nonlinear control, and provide stable observers on the group of rotation matrices. Additionally, we analyze the translational dynamics using tools from linear time-varying systems, and propose sufficient conditions for uniform observability. The observability analyses allow us to prove uniform stability of the observers proposed. The proposed visual method and nonlinear observers are tested and compared to classical methods using several simulations and experiments with real visuo-inertial data.

Nombreux sont les problèmes classiquement rencontrés dans les sciences de l'ingénieur dont la résolution fait appel à l'estimation d'état d'un système par le biais d'un observateur. La synthèse d'un observateur n'est envisageable qu'à la condition de disposer d'un modèle à la fois exploitable et représentatif du comportement dynamique du système. Or, la modélisation du système et la synthèse de l'observateur deviennent des tâches difficiles à accomplir dès lors que le comportement dynamique du système doit être représenté par un modèle de nature non linéaire. Face à ces difficultés, l'approche multimodèle peut être mise à profit. Les travaux présentés dans cette thèse portent sur les problèmes soulevés par l'identification, l'estimation d'état et le diagnostic de systèmes non linéaires représentés à l'aide d'un multimodèle découplé. Ce dernier, composé de sous-modèles qui peuvent être de dimensions différentes, est doté d'un haut degré de généralité et de flexibilité et s'adapte particulièrement bien à la modélisation des systèmes complexes à structure variable. Cette caractéristique le démarque des approches multimodèles plus conventionnelles qui ont recours à des sous-modèles de même dimension. Après une brève introduction à l'approche multimodèle, le problème de l'estimation paramétrique du multimodèle découplé est abordé. Puis sont présentés des algorithmes de synthèse d'observateurs d'état robustes vis-à-vis des perturbations, des incertitudes paramétriques et des entrées inconnues affectant le système. Ces algorithmes sont élaborés à partir de trois types d'observateurs dits à gain proportionnel, à gain proportionnel-intégral et à gain multi-intégral. Enfin, les différentes phases d'identification, de synthèse d'observateurs et de génération d'indicateurs de défauts sont illustrées au moyen d'un exemple académique de diagnostic du fonctionnement d'un bioréacteur / The state estimation of a system, with the help of an observer, is largely used in many practical situations in order to cope with many classic problems arising in control engineering. The observer design needs an exploitable model able to give an accurate description of the dynamic behaviour of the system. However, system modelling and observer design can not easily be accomplished when the dynamic behaviour of the system must be described by non linear models. The multiple model approach can be used to tackle these difficulties. This thesis deals with black box modelling, state estimation and fault diagnosis of nonlinear systems represented by a decoupled multiple model. This kind of multiple model provides a high degree of generality and flexibility in the modelling stage. Indeed, the decoupled multiple model is composed of submodels which dimensions can be different. Thus, this feature is a significant difference between the decoupled multiple model and the classical used multiple model where all the submodels have the same dimension. After a brief introduction to the multiple model approach, the parametric identification problem of a decoupled multiple model is explored. Algorithms for robust observers synthesis with respect to perturbations, modelling uncertainties and unknown inputs are afterwards presented. These algorithms are based on three kinds of observers called proportional, proportional-integral and multiple-integral. Lastly, identification, observers synthesis and fault sensitivity signals generation are illustrated via a simulation example of a bioreactor

Ce mémoire de thèse est consacré à la conception de méthodes de diagnostic à base de modèles fondées sur les observateurs pour les systèmes non linéaires modélisés comme des systèmes singuliers (D) linéaires à paramètres variants (LPV), notés D-LPV (Descriptor-Linear Parameter Varying). Les systèmes D-LPV constituent une classe particulière de systèmes approximant avec un certain degré de précision la dynamique des systèmes complexes non linéaires à partir d’une combinaison de modèles linéaires locaux pondérés par des fonctions convexes d'ordonnancement. Dans le contexte de l’apparition de défauts capteurs ou actionneurs, ce travail de thèse s’attache aux systèmes pour lesquels ces fonctions d'ordonnancement sont non mesurables mais dépendent de l'état du système. Afin de détecter et isoler des défauts, ce travail de thèse développe des synthèses d'observateurs appropriés en développant des nouvelles conditions suffisantes en termes d’inégalités matricielles linéaires (LMI) pour garantir la synthèse de résidus sensibles aux défauts et robustes aux erreurs d’estimation inhérentes aux fonctions d'ordonnancement non mesurables. - Étendant des méthodes H∞ afin d’effectuer l'estimation d'état, la détection de pannes, la localisation et la reconstruction de défaut sur les capteurs ; - Garantissant une sensibilité “optimale” aux pannes vis-À-Vis du rejet de perturbations au travers le développement d’observateurs de type H_/H∞. À cette fin, le mémoire de thèse est organisé en cinq chapitres : Le Chapitre 1 est consacré à l’introduction générale, aux objectifs et contributions de ce travail. Le Chapitre 2 présente les éléments nécessaires pour décrire la représentation, la modélisation, les propriétés, l'analyse et la conception d'observateur pour les systèmes D-LPV ainsi qu’un état de l’art détaillé des travaux associés à ce thème de recherche. Le Chapitre 3 est dédié au développement de trois méthodes différentes fondées sur la théorie H∞ pour concevoir des observateurs de détection de défaut pour les systèmes D-LPV. Les méthodes proposées sont appliquées à un exemple dans le cadre de la détection de défaut capteurs. L’isolation de ces défauts est mise en œuvre au travers un banc d’observateurs et les performances de chacune des trois méthodes sont comparées. Le Chapitre 4 propose une méthode de détection de défauts sur la base d’observateurs établis sur le principe H_/H∞, tenant compte ainsi d'un meilleur compromis entre la sensibilité aux pannes et la robustesse aux perturbations. De nouvelles conditions suffisantes à l’aide de LMI sont proposées afin de résoudre le problème de synthèse du gain des observateurs. Le dernier chapitre est dédié à la conclusion générale et à l’analyse de problèmes ouverts pouvant être abordés dans des travaux futurs / This work is dedicated to the synthesis of model-Based fault detection and isolation (FDI) techniques based on observers for nonlinear systems modeled as Descriptor-Linear Parameter Varying (D-LPV) systems. D-LPV systems are a particular class of systems that can represent (or approximate in some degree of accuracy), complex nonlinear systems by a set of linear local models blended through convex parameter-Dependent scheduling functions. The global D-LPV System can describe both time-Varying and nonlinear behavior. Nevertheless, in many applications the time-Varying parameters in the scheduling functions could be unmeasurable. Models which depend on unmeasurable scheduling functions cover a wide class of nonlinear systems compared to models with measurable scheduling functions, but the design of control schemes for D-LPV systems with unmeasurable scheduling functions are more difficult than those with a measurable one, because the design of such control schemes involve the estimation of the scheduling vector. This topic is addressed in this work by considering the following main targets: • to design FDI in D-LPV systems based on -H∞ observers in order to guarantee robustness against disturbances and errors due the unmeasurable gain scheduling functions • to extend the proposed -H∞ methods to perform state estimation and fault detection, isolation and fault magnitude estimation in the case of sensor faults • to guarantee the best trade-Off between fault sensitivity and disturbance rejection by developing H_/H∞ fault detection observers for D-LPV systems. The thesis is organized as follows Chapter 1 is dedicated to provide a general introduction, the objectives and contribution of this work.Chapter 2 is organized in order to provide the minimum necessary elements to describe the representation, modeling, properties, analysis, and observer design of D-LPV systems. Chapter 2 is also dedicated to a detailed review of the state of the art. Chapter 3 is dedicated to the development of three different methods to design fault detection observers for D-LPV systems based on H∞ theory. Finally, the proposed methods are applied to an example, for sensor fault detection and isolation by means of an observer bank, in order to compare the performance of each method. Chapter 4 is dedicated to the design of a FDI method based on observers with H_/H∞ performance. Based on the H_/H∞ approach, which considers the best trade-Off between fault sensitivity and robustness to disturbance, adequate LMIs are obtained to guarantee sufficient conditions for the design problem. In order to illustrate the effectiveness of the proposed techniques, an example is considered