Nous assistons depuis plusieurs années à une multiplication des ouvrants pilotés dans le domaine Automobile. En effet, les constructeurs sont sans cesse dans l'obligation d'innover pour rester attractifs et différenciants pour le client. Il faut alors assurer un fonctionnement sûr et robuste du système d'ouvrant piloté automatisé. Dès lors, il devient nécessaire de concevoir des méthodes de détection d'obstacle génériques, pour garantir la sécurité de l'utilisateur. Deux approches distinctes sont proposées en fonction de la qualité de la mesure. Dans un premier cas, la formalisation des incertitudes de la mesure est développée pour assurer une détection rapide, robuste, et au paramétrage simplifié, malgré le peu d'informations disponibles. Dans un second cas, des synthèses innovantes d'observateurs d'effort extérieur sur l'ouvrant sont proposées, à l'aide du modèle physique du système. Ces deux approches sont validées sur des applications représentatives, en simulation et sur moyens d'essais.

Cette thèse porte sur la commande variant dans le temps avec comme fil directeur une application satellite. Nous avons étudié trois types de commande: une commande à commutation, une commande LPV et une commande adaptative directe. Pour cette dernière nous avons proposé des résultats théoriques nouveaux portant sur la structuration du gain et de l'adaptation. Les résultats ont été validés en simulation et sont testés à bord d'un satellite. L'application que nous considérons au cours de cette étude est la commande d'attitude des satellites par roues à réaction. A partir des limitations de ces actionneurs, nous exposons dans un premier temps le besoin de mettre en place des lois de commande qui varient selon les conditions de fonctionnement. En particulier, on cherche des correcteurs assurant une réponse rapide lorsque l'erreur d'attitude est faible, tout en limitant l'effort de commande lorsque le satellite se trouve loin de sa position de consigne. En partant des résultats préliminaires portant sur la commande à commutation, actuellement utilisée sur les satellites Myriade, une première partie de nos travaux est dédiée à la commande LPV. Une méthode de synthèse est développée, permettant d'obtenir de nouveaux algorithmes exprimés dans ce formalisme. L'approche que nous proposons se base sur la spécification des objectifs de commande à travers un modèle de référence LPV qui décrit le comportement idéal en boucle fermée. Testées en simulation, les lois de commande LPV obtenues répondent à la problématique de notre application. Toutefois, le choix du modèle de référence LPV s'avère délicat. Cette difficulté a été levée en utilisant la commande adaptative. Dans cette approche, les spécifications concernant les comportements aux dépointages faibles et forts sont traduites par des contraintes au niveau des lois d'adaptation des gains de commande. Nous introduisons ainsi une nouvelle méthode de synthèse permettant d'obtenir des lois adaptatives structurées. Les preuves de stabilité en boucle fermée se basent sur des outils de la théorie de Lyapunov, spécifiques à la commande adaptative, mais également à la commande robuste. Cette combinaison permet d'établir des preuves de stabilité asymptotique pour des lois d'adaptation structurées faisant apparaitre, entre autre, la sigma-modification. Plusieurs lois ainsi obtenues ont été testées sur un simulateur complet du un modèle non-linéaire d'un satellite dans son environnement orbital. Les résultats montrent l'intérêt de l'utilisation de tels algorithmes adaptatifs, qui permettent en particulier de modifier la dynamique du satellite en fonction des capacités disponibles des actionneurs. Sur la base de ces résultats positifs, une campagne d'essais en vol sur le satellite Picard est actuellement en cours.

Ce document présente nos activités de recherche depuis 1990 (fin du doctorat) dans le domaine de l'Automatique appliquée aux problèmes de modélisation, identification, observation et commande de procédés biotechnologiques. Nous présentons ici de façon synthétique nos principales contributions dans ce domaine, en replaçant nos travaux dans la littérature existante. Le premier chapitre a pour but de montrer la nécessité du contrôle des procédés biologiques de traitement de la pollution en définissant les enjeux, les contraintes et la problématique de commande. Dans les chapitres suivants sont successivement présentés les modèles que nous utilisons, les problèmes et outils pour l'identification des paramètres, les points clés de l'analyse de ces modèles et leur utilisation pour le contrôle des réactions biologiques. Nos conclusions et prospectives complètent le mémoire en insistant sur le problème majeur de ces procédés, l'absence d'instrumentation, et en proposant quelques pistes pour contourner ce problème.

La croissance du trafic aérien a rendu critique l'opération de la gestion des plateformes aéroportuaires. Celle-ci fait appel à de nombreux acteurs (autorités aéroportuaires, compagnies aériennes, contrôle du trafic aérien, prestataires de services, ...). Le concept d'Airport Collaborative Decision Making (A-CDM) développé depuis une dizaine d'années est basé sur un partage d'informations opérationnelles en temps réel entre les différents acteurs de la plate-forme, permettant de prendre des décisions en commun pour rechercher une utilisation optimale, en toutes conditions, des capacités de l'aéroport. L'objectif principal de cette thèse est de contribuer à l'organisation de la gestion des opérations d'escale dans une plateforme aéroportuaire. Il s'agit de proposer une structure d'organisation de cette opération qui soit compatible avec l'approche A-CDM. La structure proposée introduit un coordinateur des opérations d'escale (GHC) qui joue le rôle d'interface de communication entre les partenaires de l'A-CDM et les différents gestionnaires des opérations d'escale (GHM). Cette structure hiérarchique permet d'une part de partager des informations avec les partenaires de l'A-CDM et d'autre part d'interagir avec les gestionnaires des opérations d'escale (GHM). Les processus de prise de décision basés sur des heuristiques ont été développés à chaque niveau de l'organisation proposée et sont évalués aussi bien dans le cas de conditions nominales que dans le cas de la présence de perturbations majeures

Les facteurs d'importance fiabilistes permettant de fournir des informations sur l'importance des composants vis-à-vis des performances fiabilistes d'un système. Ces facteurs d'importance sont un outil efficace pour la prise de décision dans les études de fiabilité, d'analyse de risques, en maintenance, en exploitation ou en conception. Les facteurs d'importance fiabilistes ont été classiquement définis dans le cadre des modèles booléens de fiabilité et, sous leur forme classique (et avec les méthodes d'évaluation actuelles), ces facteurs ne sont souvent utilisables que sous l'hypothèse de composants binaires et indépendants, et pour une architecture de système " statique ". L'utilisation de ces facteurs d'importance pour l'aide à la décision sur des systèmes réels impose pourtant souvent la prise en compte d'hypothèses plus réalistes. Cette thèse propose un nouveau facteur d'importance fiabiliste, la " sensibilité multi-directionnelle ", qui permet d'évaluer l'importance fiabiliste d'un composant ou d'un groupe de composants d'un système markovien à composants dépendants et, plus généralement, l'importance fiabiliste d'un ensemble de caractéristiques du système. On développe également des méthodes efficaces d'évaluation de ce nouveau facteur d'importance par calcul analytique ou par estimation à partir d'une seule trajectoire observée en utilisant des techniques d'analyse par perturbation. L'extension aux ordres supérieurs et l'utilisation pour des systèmes markoviens d'un facteur importance introduit récemment (DIM) sont également abordés.

L'optimisation est un outil omniprésent, quoique parfois caché, de l'Automatique, que cela soit au moment de la modélisation, de l'identification ou de la synthèse de lois de commande (commande prédictive, commande optimale ou encore commande Hinfini). Nous présentons ici plusieurs résultats obtenus en Automatique par l'intermédiaire de l'optimisation. Une première partie aborde plusieurs travaux réalisés dans le cadre de coopérations industrielles (énergie, automobile...). Dans ce contexte, des approches classiques sont utilisées, fondées sur une modélisation adaptée du système à piloter et de son cahier des charges en vue de son optimisation. Cependant, lorsque la complexité du système à étudier devient trop grande, ces approches classiques atteignent leurs limites. C'est pourquoi une deuxième partie des travaux de recherche, plus théorique, s'intéresse au développement de méthodologiques génériques et novatrices, utilisant des algorithmes d'optimisation de type métaheuristiques (colonie de fourmis, optimisation par essaim particulaire, algorithmes génétiques). Les résultats présentés portent notamment sur la régression symbolique, le réglage de PID ou encore le réglage de pondération Hinfini. Enfin, une dernière partie tente de fermer la boucle en s'attachant au transfert effectif de ces nouvelles méthodologies dans l'industrie.

Ce travail présente l'étude de deux types de problèmes d'ordonnancement. Le premier concerne la résolution centralisée et exacte d'un problème à une machine, le second, la résolution distribuée et coopérative d'un problème job shop où chaque machine est assimilée à un acteur possédant sa propre autonomie décisionnelle. Pour ces deux problèmes, des conditions de dominance sont utilisées, dans le premier cas, dans le but de limiter la complexité algorithmique liée à la recherche de solutions admissibles ou optimales, dans le deuxième cas, pour accroître la capacité de chaque acteur à résister aux incertitudes liées aux fluctuations de son environnement. Dans un premier temps, un théorème proposé dans les années quatre-vingt est rappelé, qui, considérant le problème à une machine, permet de caractériser un ensemble de solutions dominantes. Sur la base de ce théorème, nous proposons ensuite de nouvelles conditions analytiques et numériques de dominance permettant de restreindre encore davantage l'ensemble des solutions dominantes. En exploitant ces résultats, des formulations mathématiques originales et efficaces sont présentées, sous forme de programmes linéaires en nombres entiers, pour la modélisation et la résolution du problème à une machine en s'intéressant tour à tour au critère de minimisation du plus grand retard algébrique, puis à celui de minimisation du nombre de travaux en retard. Dans un deuxième temps, nous étudions le problème d'ordonnancement job shop dans un environnement multi-acteur, chaque acteur gérant l'activité d'une machine. Tenant compte de l'autonomie de décision et des objectifs propres de chacun, l'ordonnancement est envisagé sous la forme d'une fonction distribuée où la solution globale résulte d'une coopération entre les différents acteurs, cette solution pouvant évoluer dans le temps au fur-et-à-mesure des prises de décision locales. Ainsi, chaque acteur construisant localement sa propre organisation et n' n'ayant qu'une connaissance part ielle et incertaine de l'organisation des autres, nous proposons que les organisations locales soient construites de façon robuste. Pour cela nous montrons comment, à l'aide des résultats de dominance, maintenir au niveau de chaque acteur un ensemble dominant de solutions ayant une performance au pire bornée. Une nouvelle approche d'ordonnancement est ensuite proposée où les acteurs négocient deux à deux, de façon distribuée, de façon à converger progressivement vers des décisions assurant un compromis satisfaisant entre l'optimisation des objectifs locaux et des objectifs globaux.

Nous proposons une approche de planification unifiée pour robots humanoïdes réalisant des tâches de locomotion et de manipulation nécessitant une dextérité propre aux systèmes anthropomorphes. Ces tâches sont basées sur des transitions de contacts ; contacts entre les extrémités des membres locomoteurs et l'environnement dans le cas du problème de locomotion par exemple, ou entre les extrémités de l'organe préhensible effecteur et l'objet manipulé dans le cas du problème de manipulation. Nous planifions ces transitions de contacts pour des systèmes abstraits constitués d'autant de robots, d'objets, et de supports dans l'environnement que désiré/nécessaire pour la modélisation du problème. Cette approche permet de s'affranchir de la distinction de nature entre tâches de locomotion et de manipulation et s'étend à une variété d'autres problèmes tels que la coopération entre plusieurs agents. Nous introduisons notre paradigme de planification non-découplée de locomotion et de manipulation en exhibant la stratification induite dans l'espace des configurations de systèmes simplifiés pour lesquels nous résolvons analytiquement le problème en comparant des méthodes de planification géométrique, non-holonome, et dynamique. Nous présentons ensuite l'algorithme de planification de contacts basé sur une recherche best-first. Cet algorithme fait appel à un solveur de cinématique inverse qui prend en compte des configurations de contacts générales dans l'espace pouvant être établis entre robots, objets, et environnement dans toutes les combinaisons possibles, le tout sous contraintes d'équilibre statique et de respect des limitations mécaniques des robots. La génération de mouvement respectant l'équation de dynamique Lagrangienne est obtenue par une formulation en programme quadratique. Enfin nous envisageons une extension à des supports de contact déformables en considérant des comportements linéaires-élastiques résolus par éléments finis.

Ce travail se situe dans le domaine du diagnostic des processus défini comme étant l'identification de ses états fonctionnels. Dans le cas où l'obtention d'un modèle précis du processus est délicate ou impossible, la connaissance sur le système peut être extraite à partir des signaux obtenus lors d'un fonctionnement normal ou anormal en incluant des mécanismes d'apprentissage. Cette connaissance s'organise sous l'aspect d'une partition de l'espace des données sous forme de classes (représentant les états du système). Parmi les techniques d'apprentissage, celles incluant de la logique floue ont l'avantage d'exprimer les appartenances d'un individu à plusieurs classes, ceci permet de mieux connaître la situation réelle du système et prévoir des changements vers des états de défaillance. Nonobstant leurs performances adéquates, leur forte dépendance aux paramètres d'initialisation est une difficulté pour l'apprentissage. Cette thèse se situe dans l'amélioration de ces techniques, en particulier notre objectif est l'élaboration d'une méthode permettant de valider et d'adapter automatiquement la partition de l'espace de données obtenue par une technique de classification floue. Elle permet de trouver automatiquement une partition optimale en termes de compacité et de séparation des classes, à partir uniquement de la matrice des degrés d'appartenance obtenue par une classification antérieure. Cette méthode est donc une aide importante donnée à l'expert du processus pour établir les états fonctionnels dans l'implémentation d'une technique de surveillance d'un procédé complexe. Son application est illustrée sur des exemples académiques et sur le diagnostic de 3 procédés chimiques.

Ce mémoire aborde différents travaux sur les couches logicielles nécessaires à l'utilisation d'une plate-forme distribuée pour mettre en place de nouveaux usages. Il sagit danalyser la performance au sens large que ce soit la performance d'exécution d'applications parallèles, de programmation parallèle, de consommation énergétique ou de coût financier. Les contributions concernent les outils et les algorithmes d'ordonnancement (qualité de service, impact du réseau, coût économique), la simulation fine des ressources informatiques ainsi que la gestion du cSur de réseau sous des contraintes de qualité de service et de consommation énergétique. Les environnements de programmation parallèle, la gestion de performance dans un environnement autonomique tout comme la gridification et l'analyse de codes applicatifs ont également été abordés.