Le problème de filtrage consiste à estimer l'état d'un système dynamique, appelé signal qui est souvent un processus markovien, à partir d'observation bruitées des états passés du système. Dans ce mémoire, nous considérons un modèle de filtrage en temps continu pour le processus de diffusion. Le but est d'étudier la stabilité du filtre optimal par rapport à sa condition initiale au-delà de l'hypothèse de mélange (fort) pour le noyau de transition en ignorant l'ergodicité du signal / The filtering problem consists of estimating the state of a dynamic, called signal which is often a Markov process, from the noisy observation of the past states. In this thesis, we consider a filtering model in continuous time for the diffusion process. The aim is to study the stability of the optimal filter with respect to its initial condition beyond the mixing (or quasi – mixing) hypothesis for the transition kernel

La pile à combustible (PàC) est un dispositif qui transforme l'énergie chimique en énergie électrique. Ce dispositif nécessite un certain nombre d’auxiliaires pour son fonctionnement. Afin d'assurer des performances en termes de sécurité, de fiabilité et de durée de vie de la PàC, des systèmes de diagnostic et de commande adéquats sont indispensables. Ainsi, cette thèse est une contribution au problème du diagnostic de défauts et à la commande de la PàC de type PEM. Le premier volet de ce travail est consacré au développement de méthodes de diagnostic appliquées à la PàC. Pour ce faire, deux approches ont été proposées. La première concerne la synthèse d’un filtre H-/H∞ permettant la détection de défauts capteurs et actionneurs tout en assurant un niveau de robustesse vis-à-vis d'éventuelles perturbations. En tenant compte des caractéristiques du système de la PàC, les conditions d'existence et de stabilité du filtre sont données sous la forme de LMI. La seconde approche traite le problème de la détection des défauts paramétriques. Pour cet objectif, un observateur adaptatif a été proposé, ce dernier permet d'estimer la valeur du paramètre susceptible de présenter une défaillance. Cette méthode donne la possibilité d'estimer simultanément les défauts paramétriques et les états non mesurés du système. Le deuxième volet de la thèse est dédié à la commande du système PàC. Le but est de synthétiser une loi de commande par rétroaction qui permet de répondre à la sollicitation de la charge tout en respectant une contrainte de fonctionnement nominal de la PàC. La synthèse de cette loi de commande a été réalisée en prenant compte tout le caractère non linéaire du système / The fuel cell is a device that transforms the chemical energy in electricity. This device requires some auxiliaries for its operation. In order to ensure the performances in terms of security, reliability and life cycle of the fuel cell, adequate diagnostic and control systems are indispensables. This thesis is a contribution to the problem of faults diagnosis and control of PEM Fuel Cell. The first part of this work is dedicated to the development of diagnostic methods applied to the fuel cell. To do this, two approaches are proposed. The first one concerns the synthesis of a H-/H∞ filter allowing the sensors and actuators faults detection while ensuring a level of robustness towards disturbances. Taking into account the fuel cell system characteristics, the conditions for existence and stability of the filter are given in the form of Linear Matrix Inequalities (LMI). The second approach deals with the problem of parametric faults detection. For this purpose, an adaptive observer has been proposed, which makes it possible to estimate the value of the parameter likely to exhibit a failure. This method gives the possibility of simultaneously estimating the parametric faults and the unmeasured states of the system. The second part of the thesis is dedicated to the control of the fuel cell system. The purpose is to synthesize a feedback control law that allows to answer the load request while respecting a nominal operating constraint of the fuel cell. Such a functioning allows to have a better efficiency while preserving the state of health of the fuel cell. The control law is obtained by using the original nonlinear model and without any kind of linearization

Nesta tese de doutorado são apresentados sistemas globais de estimativa baseados em modelos Markovianos aplicados na área de reabilitação robótica. Os sistemas propostos foram desenvolvidos para estimar as posições angulares dos elos de exoesqueletos para membros inferiores, desenvolvidos para reabilitação motora em pacientes que sofreram Acidente Vascular Cerebral (AVC) ou lesão medular. Filtros baseados no filtro de Kalman, um nominal e outro considerando incertezas no modelo, foram utilizados em estratégias de fusão de dados de sensores provenientes de sensores inerciais, possibilitando estimativas de posicionamentos angulares. Algoritmos genéticos são utilizados na otimização dos filtros, ajustando as matrizes de peso destes. Em oposição as modelagens tradicionais, via estimativa local, utilizando somente uma unidade inercial para cada modelo, propõe-se um sistema global de estimativa, obtendo-se a melhor informação de cada sensor combinando-os em um modelo Markoviano. Resultados experimentais com um exoesqueleto foram utilizados para comparar a abordagem Markoviana às convencionais. / In this thesis are presented global estimation systems based on Markov models applied in robotic rehabilitation area. The proposed systems have been developed to estimate the angular positions of the exoskeletons for lower limbs, designed to provide motor rehabilitation of stroke and spinal cord injured people. Filters based on the Kalman filter, one nominal and other considering uncertainties in the model, were used in sensor data fusion strategies from inertial sensors, to estimate angular positions. Genetic algorithms are used to the optimization of filters, tuning the weighting matrices. In opposition to these modelling via local estimation, using only one inertial unit, we also chose a global modelling getting the best information from each sensor, combining them in a Markov model. Experimental results with an exoskeleton were used to compare the Markovian approach to conventional.

Nesta tese de doutorado são apresentados sistemas globais de estimativa baseados em modelos Markovianos aplicados na área de reabilitação robótica. Os sistemas propostos foram desenvolvidos para estimar as posições angulares dos elos de exoesqueletos para membros inferiores, desenvolvidos para reabilitação motora em pacientes que sofreram Acidente Vascular Cerebral (AVC) ou lesão medular. Filtros baseados no filtro de Kalman, um nominal e outro considerando incertezas no modelo, foram utilizados em estratégias de fusão de dados de sensores provenientes de sensores inerciais, possibilitando estimativas de posicionamentos angulares. Algoritmos genéticos são utilizados na otimização dos filtros, ajustando as matrizes de peso destes. Em oposição as modelagens tradicionais, via estimativa local, utilizando somente uma unidade inercial para cada modelo, propõe-se um sistema global de estimativa, obtendo-se a melhor informação de cada sensor combinando-os em um modelo Markoviano. Resultados experimentais com um exoesqueleto foram utilizados para comparar a abordagem Markoviana às convencionais. / In this thesis are presented global estimation systems based on Markov models applied in robotic rehabilitation area. The proposed systems have been developed to estimate the angular positions of the exoskeletons for lower limbs, designed to provide motor rehabilitation of stroke and spinal cord injured people. Filters based on the Kalman filter, one nominal and other considering uncertainties in the model, were used in sensor data fusion strategies from inertial sensors, to estimate angular positions. Genetic algorithms are used to the optimization of filters, tuning the weighting matrices. In opposition to these modelling via local estimation, using only one inertial unit, we also chose a global modelling getting the best information from each sensor, combining them in a Markov model. Experimental results with an exoskeleton were used to compare the Markovian approach to conventional.

Esta tese apresenta novos algoritmos que resolvem problemas de estimativas filtrada, suavizadora e preditora para sistemas singulares no tempo discreto usando apenas argumentos determinísticos. Cada capítulo aborda inicialmente as estimativas para o sistema nominal e em seguida, as versões robustas para o sistema com incertezas limitadas. Os resultados encontrados podem ser aplicados tanto em sistemas invariantes como variantes no tempo discreto, utilizando a mesma estrutura do filtro de Kalman. Nos últimos anos, uma quantidade significativa de trabalhos envolvendo estimativas singulares foi publicada enfocando apenas a estimativa filtrada sob a justificativa de que a estimativa preditora era de significativa complexidade quando modelada pelo método dos mínimos quadrados. Por este motivo, poucos trabalhos, como NIKOUKHAH et al. (1992) e ZHANG et al. (1998), deduziram a estimativa preditora. Este último artigo apresentou também um algoritmo para a estimativa suavizadora, mas usando o modelo de inovação ARMA. No entanto, até onde foi possível identificar, nenhum trabalho até agora resolveu o problema de estimativa robusta, considerando incertezas nos parâmetros, para sistemas singulares. Para a dedução das estimativas singulares robustas, esta tese tomou como base SAYED (2001), que deduz o filtro de Kalman robusto com incertezas limitadas utilizando uma abordagem determinística, o chamado filtro BDU. Os filtros robustos para sistemas singulares apresentados nesta tese, são mais abrangentes que os apresentados em SAYED (2001). Quando particularizados para o espaço de estados sem incertezas, todos os filtros se assemelham ao filtro de Kalman. / New algorithms to optimal recursive filtering, smoothed and prediction for general time-invariant or time-variant descriptor systems are proposed in this thesis. The estimation problem is addressed as an optimal deterministic trajectory fitting. This problem is solved using exclusively deterministic arguments for systems with or without uncertainties. Kalman type recursive algorithms for robust filtered, predicted and smoothed estimations are derived. In the last years, many papers have paid attention to the estimation problems of linear singular systems. Unfortunately, all those works were concentrated only on the study of filtering problems, for nominal systems. The predicted and smoothed filters are more involved and were considered only by few works : NIKOUKHAH et al. (1992) and ZHANG et al. (1998) had proposed a unified approach for filtering, prediction and smoothing problems which were derived by using the projection formula and were calculated based on the ARMA innovation model, but they had not considered the uncertainties. In this thesis its applied for descriptor systems a robust procedure for usual state space systems developed by SAYED (2001), called BDU filter. It is obtained a robust descriptor Kalman type recursions for filtered, predicted and smoothed estimates. Considering the nominal state space, all descriptor filters developed in this work collapse to the Kalman filter.

Esta tese apresenta novos algoritmos que resolvem problemas de estimativas filtrada, suavizadora e preditora para sistemas singulares no tempo discreto usando apenas argumentos determinísticos. Cada capítulo aborda inicialmente as estimativas para o sistema nominal e em seguida, as versões robustas para o sistema com incertezas limitadas. Os resultados encontrados podem ser aplicados tanto em sistemas invariantes como variantes no tempo discreto, utilizando a mesma estrutura do filtro de Kalman. Nos últimos anos, uma quantidade significativa de trabalhos envolvendo estimativas singulares foi publicada enfocando apenas a estimativa filtrada sob a justificativa de que a estimativa preditora era de significativa complexidade quando modelada pelo método dos mínimos quadrados. Por este motivo, poucos trabalhos, como NIKOUKHAH et al. (1992) e ZHANG et al. (1998), deduziram a estimativa preditora. Este último artigo apresentou também um algoritmo para a estimativa suavizadora, mas usando o modelo de inovação ARMA. No entanto, até onde foi possível identificar, nenhum trabalho até agora resolveu o problema de estimativa robusta, considerando incertezas nos parâmetros, para sistemas singulares. Para a dedução das estimativas singulares robustas, esta tese tomou como base SAYED (2001), que deduz o filtro de Kalman robusto com incertezas limitadas utilizando uma abordagem determinística, o chamado filtro BDU. Os filtros robustos para sistemas singulares apresentados nesta tese, são mais abrangentes que os apresentados em SAYED (2001). Quando particularizados para o espaço de estados sem incertezas, todos os filtros se assemelham ao filtro de Kalman. / New algorithms to optimal recursive filtering, smoothed and prediction for general time-invariant or time-variant descriptor systems are proposed in this thesis. The estimation problem is addressed as an optimal deterministic trajectory fitting. This problem is solved using exclusively deterministic arguments for systems with or without uncertainties. Kalman type recursive algorithms for robust filtered, predicted and smoothed estimations are derived. In the last years, many papers have paid attention to the estimation problems of linear singular systems. Unfortunately, all those works were concentrated only on the study of filtering problems, for nominal systems. The predicted and smoothed filters are more involved and were considered only by few works : NIKOUKHAH et al. (1992) and ZHANG et al. (1998) had proposed a unified approach for filtering, prediction and smoothing problems which were derived by using the projection formula and were calculated based on the ARMA innovation model, but they had not considered the uncertainties. In this thesis its applied for descriptor systems a robust procedure for usual state space systems developed by SAYED (2001), called BDU filter. It is obtained a robust descriptor Kalman type recursions for filtered, predicted and smoothed estimates. Considering the nominal state space, all descriptor filters developed in this work collapse to the Kalman filter.