Simuler temporellement les réseaux électriques modernes requiert d'importants moyens de calcul de par la dimension et la raideur des systèmes différentiels algébriques résultants. De plus, la fréquence d'oscillation de certains signaux simulés contraint fortement le pas d'intégration des schémas classiques, y compris en régime établi où ils sont proches de sinusoïdes oscillant à la fréquence nominale du système. L'objectif de la méthode des prédicteurs sinusoïdaux proposée dans cette thèse est donc de tirer parti de cette propriété afin d'améliorer les performances du solveur tout en contrôlant l'erreur de calcul. Elle consiste à décomposer la solution en deux parties : une sinusoïde, dont les coefficients de Fourier sont fixés pour chaque intervalle d'intégration puis mis à jour par estimation paramétrique, et un terme de correction sur lequel le système d'EDA est reformulé et résolu à l'aide d'un schéma d'intégration à pas adaptatif. Une attention particulière a été portée au choix de l'estimateur paramétrique, ce dernier ayant un impact direct sur le pas d'intégration de par sa précision et indirect de par son effet sur la stabilité globale de la méthode. L'estimateur finalement développé consiste à calculer les coefficients de Fourier qui minimisent une mesure de la stationnarité du système. Ce dernier étant convergent en régime permanent, le terme de correction est progressivement amorti, permettant ainsi d'accroître considérablement le pas d'intégration. Cette méthode, intégrée au sein du solveur SUNDIALS IDA puis interfacée avec un moteur de calcul industriel, permet d'accélérer très nettement les simulations en comparaison avec une implémentation classique / Modern power systems time-domain simulations require important computational resources due to the resulting differential algebraic systems dimension and stiffness. In addition, some simulated signals oscillation frequency dramatically limits the classical schemes step size, even in steady-state during which they are close to sinusoids oscillating at system nominal frequency. That's why the sinusoidal predictors method proposed in this thesis aims at taking this property into account in order to enhance solver performances while controlling the integration error. It consists in decomposing the solution into two parts: a sinusoid, whose Fourier coefficients are fixed for each time integration interval and then updated by parametric estimation, and a correction term on which the DAE system is rewritten and solved using an adaptive step size integration scheme. A particular focus has been given on the estimator choice, given its precision direct impact on the step size and its indirect effect on the global method stability. The finally developed estimator consists in computing Fourier coefficients minimizing a system stationarity measurement. As it converges in steady-state, the correction term is progressively damped, which enables to considerably increase the step size. This method, integrated into the reference solver SUNDIALS IDA and interfaced with an industrial simulation engine, enables to very significantly accelerate simulations in comparison with a classical implementation

Cette thèse traite de la conception de récepteurs radiofréquences basés sur l'acquisition compressée pour de l'estimation paramétrique en radio cognitive.L'acquisition compressée est un changement de paradigme dans la conversion analogique-numérique qui permet de s'affranchir de la fréquence d'échantillonnage de Nyquist.Dans ces travaux, les estimations sont effectuées directement sur les échantillons compressés vu le coût prohibitif de la reconstruction du signal d'entrée.Tout d'abord, l'aspect architecture du récepteur est abordé,avec notamment le choix des codes de mélange pour le convertisseur modulé à large bande (MWC).Une analyse haut niveau des propriétés de la matrice d'acquisition, à savoir la cohérence pour réduire le nombre de mesures et l'isométrie pour la robustesse au bruit,est menée puis validée par une plateforme de simulation.Enfin l'estimation paramétrique à partir des échantillons compressés est abordée à travers la borne de Cramér-Rao sur la variance d'un estimateur non biaisé.Une forme analytique de la matrice de Fisher est établie sous certaines hypothèses et permet de dissocier les effets de la compression et de la création de diversité.L'influence du processus d'acquisition compressée, notamment le couplage entre paramètres et la fuite spectrale, est illustré par l'exemple. / This work deals with the topic of radiofrequency receivers based on Compressive Sampling for feature extraction in Cognitive Radio.Compressive Sampling is a paradigm shift in analog to digital conversion that bypasses the Nyquist sampling frequency.In this work, estimations are carried out directly on the compressed samples due to the prohibitive cost of signal reconstruction.First, the receiver architecture is considered, in particular through the choice of the mixing codes of the Modulated Wideband Converter.A high-level analysis on properties of the sensing matrix, coherence to reduce the number of measurement and isometry for noise robustness,is carried out and validated by a simulation platform.Finally, parametric estimation based on compressed samples is tackled through the prism of the Cram'{e}r-Rao lower bound on unbiased estimators.A closed form expression of the Fisher matrix is established under certain assumptions and enables to dissociate the effects of compression and diversity creation.The influence of Compressive Sampling on estimation bounds, in particular coupling between parameters and spectral leakage, is illustrated by the example.

Ce travail de thèse traite de la détection et du diagnostic de défaillances mécaniques par analyse du courant statorique dans les entraînements électriques à base de machine asynchrone. Deux effets d'un défaut mécanique, des oscillations de couple et une excentricité d'entrefer, sont supposés. La modélisation par approche des ondes de forces magnétomotrices et de perméance conduit à deux modèles analytiques du signal courant. La conséquence des défauts est soit une modulation de phase, soit une modulation d'amplitude du signal courant statorique. Ces phénomènes sont détectés par une analyse spectrale en régime permanent, ou des méthodes temps fréquence en régime transitoire. Les méthodes étudiées sont la fréquence instantanée, le spectrogramme et la représentation de Wigner-Ville. L'estimation paramétrique d'indices de modulation a également été traitée. Des résultats de simulation et expérimentaux permettent de valider les signatures et d'extraire de façon automatique des indicateurs de défaut. De plus, une méthode permettant la distinction des oscillations de couple d'une excentricité dynamique est proposée. L'étude est complétée par une implémentation sur DSP des méthodes temps-fréquence afin de démontrer la faisabilité d'une surveillance en ligne.

Les modèles aléatoires basés sur l'observation bruitée de diffusions discrétisées sont couramment utilisés en biologie ou en finance pour rendre compte de la présence d'erreur (ou bruit) entâchant la mesure d'un phénomène dont le comportement est dirigé par une équation différentielle stochastique. Deux questions statistiques sont liées à ces modèles : l'estimation d'un paramètre theta déterminant le comportement de la diffusion cachée, et le calcul du filtre optimal, ou d'une approximation. La première partie de cette thèse porte sur l'étude d'un modèle d'Ornstein-Uhlenbeck bidimensionnel partiellement observé et bruité, en lien avec l'estimation de paramètres de microvascularisation pour un modèle pharmacocinétique stochastique. Plusieurs résultats sur données médicales sont présentés. Dans la seconde partie, des estimateurs pour les paramètres de la diffusion cachée, sont obtenus dans un contexte de données haute fréquence, comme minima de fonctions de contraste ou comme zéros de fonctions d'estimation basées sur des moyennes locales d'observations bruitées. On montre en particulier la consistence et la normalité asymptotique de ces estimateurs. Enfin, la troisième partie étudie la tension de la suite des variances asymptotiques obtenues dans le théorème central limite associé à l'approximation particulaire du filtre et de la prédiction dans un modèle de Markov caché.

Ce travail de recherche est consacré à l'élaboration et le développement d'une nouvelle méthode d'estimation<br />et de reconstruction de signaux fortement non-stationnaires, modulés non-linéairement à la fois<br />en amplitude et en fréquence. L'estimation de tels signaux dans un contexte trés bruité est un problème<br />délicat et les méthodes existantes de la littérature présentent plusieurs inconvénients dans ce cas.<br />Nous avons montré comment une approche locale permet une meilleure adaptabilité du modèle à la<br />nature des variations locales des amplitudes et des fréquences instantanées. Les résultats de l'estimation<br />sont par conséquent améliorés. L'originalité de la méthode proposée tient à l'application de modèles paramétriques bien adaptés sur des segments temporels de courtes durées extraits du signal étudié. Nous<br />avons proposé une stratégie de segmentation puis une stratégie de fusion des segments estimés permettant<br />la reconstruction du signal dans la totalité de sa durée. L'approche proposée permet de s'affranchir d'un<br />modèle global du signal requérant un ordre d'approximation élevé.<br />La validation de l'efficacité de l'estimation a été effectuée au préalable sur un segment temporel court.<br />Le modèle considéré localement consiste en une approximation polynomiale de la fréquence et de l'amplitude<br />exprimée dans une base polynomiale discrète et orthonormale que nous avons calculée. Cette base<br />permet de réduire le couplage entre les paramètres du modèle. Nous proposons et comparons deux techniques<br />différentes pour estimer ces derniers. La première est fondée sur la maximisation de la fonction<br />de vraisemblance en utilisant la technique d'optimisation stochastique le recuit simulé. Tandis que la<br />deuxième se base sur une approche Bayésienne employant les méthodes MCMC simulées par l'algorithme<br />de Metroplois-Hastings.<br />Nous montrons, sur des simulations et également sur des signaux réels, que l'approche proposée fournit<br />de bons résultats d'estimation par comparaison à celles de la HAF.

Cette thèse porte sur l'estimation de fonctions à l'aide de tests dans trois cadres statistiques différents. Nous commençons par étudier le problème de l'estimation des intensités de processus de Poisson avec covariables. Nous démontrons un théorème général de sélection de modèles et en déduisons des bornes de risque non-asymptotiques sous des hypothèses variées sur la fonction à estimer. Nous estimons ensuite la densité de transition d'une chaîne de Markov homogène et proposons pour cela deux procédures. La première, basée sur la sélection d'estimateurs constants par morceaux, permet d'établir une inégalité de type oracle sous des hypothèses minimales sur la chaîne de Markov. Nous en déduisons des vitesses de convergence uniformes sur des boules d'espaces de Besov inhomogènes et montrons que l'estimateur est adaptatif par rapport à la régularité de la densité de transition. La performance de l'estimateur est aussi évalué en pratique grâce à des simulations numériques. La seconde procédure peut difficilement être implémenté en pratique mais permet d'obtenir un résultat général de sélection de modèles et d'en déduire des vitesses de convergence sous des hypothèses plus générales sur la densité de transition. Finalement, nous proposons un nouvel estimateur paramétrique d'une densité. Son risque est contrôlé sous des hypothèses pour lesquelles la méthode du maximum de vraisemblance peut ne pas fonctionner. Les simulations montrent que ces deux estimateurs sont très proches lorsque le modèle est vrai et suffisamment régulier. Il est cependant robuste, contrairement à l'estimateur du maximum de vraisemblance.

Le travail présenté dans cette thèse a pour objectif d'apporter une contribution aux méthodes de commande et d'observation des machines asynchrones destinées à la traction électrique. Dans ce contexte, plusieurs algorithmes ont été développés et implémentés. Après une présentation rapide de la commande vectorielle classique, de nouvelles approches de commande non linéaire sont proposées : il s'agit plus précisément de la commande backstepping classique et sa variante avec action intégrale. Une deuxième partie est consacrée à l'observation et à l'estimation des paramètres et des états de la machine, basée sur des structures MRAS-modes glissants d'une part et sur des structures de filtrage synchrone d'autre part. Une analyse détaillée du problème de fonctionnement à basse vitesse nous a conduit à proposer une solution originale dans le cadre d'une commande sans capteur mécanique. Le problème de la dégradation du couple en survitesse a été traité par un algorithme de défluxage basé sur la conception d'un contrôleur de tension. Enfin, nous avons proposé un algorithme d'optimisation afin de minimiser les pertes dans l'ensemble Onduleur-Machine

L'objectif général du travail de cette thèse est de proposer des méthodes robustes pour permettre d'obtenir des critères sur l'évolution de la pathologie tumorale à partir d'études dynamiques. Actuellement, l'appréciation de l'efficacité d'un traitement antiangiogénique (destruction des vaisseaux alimentant la tumeur) repose principalement sur l'imagerie fonctionnelle dont l'objectif est de quantifier la microcirculation tumorale à partir d'acquisitions dynamiques de perfusion. Cependant, différentes limites concernant le suivi de la réponse précoce des lésions par imagerie existent (mauvaise maîtrise des mouvements respiratoires, pas de consensus sur les paramètres permettant de quantifier la microcirculation tumorale, estimation paramétrique faite à partir de données extrêmement bruitées et pour un grand nombre de zones - une estimation par voxel de la séquence dynamique d'images). Dans un contexte clinique extrêmement contraignant, nous avons mis en place un cadre rigoureux comprenant l'ensemble des étapes nécessaires pour une caractérisation plus fiable de la microcirculation tumorale à partir de séquences d'images acquises sous perfusion de produit de contraste : les contributions principales de cette thèse couvrent ainsi l'optimisation des paramètres de reconstruction, le développement d'une méthode de recalage adaptée à nos données, la sélection argumentée d'un modèle de perfusion et enfin le développement d'une méthode robuste d'estimation des paramètres. Ces travaux permettent d'envisager l'utilisation des modèles de perfusion pour la caractérisation et la prédiction de la réponse d'un patient à différents traitements antitumoraux.

En l’espace d’une quarantaine d’année, les connaissances sur l’angiogenèse tumorale ont littéralement explosé. Dans les années 1970, Judah Folkman démontre que les tumeurs ont besoin d’être vascularisées pour continuer à proliférer. Peu de temps après, les protagonistes principaux de l’angiogenèse tumorale ont été découverts, de même que les mécanismes dans lesquels ils sont impliqués. La décennie suivante marque le début des recherches sur les molécules à visée anti-angiogénique et c’est en 2004 que le bevacizumab (Avastin, Roche), premier médicament anti-angiogénique utilisé en oncologie, voit le jour. Parallèlement à cela, l’essor de la modélisation à effets-mixtes couplée aux progrès des outils informatiques ont permis de développer des méthodes d’analyses de données de plus en plus performantes. Dès 2009 L’agence de régulation FDA (Food and Drug Administration) aux Etats-Unis a identifié le rôle central de la modélisation numérique pour mieux analyser les données d’efficacité et de toxicité, préclinique et clinique en cancérologie. Le but de ce projet est d’étudier les effets de différents inhibiteurs de l’angiogenèse sur la dynamique tumorale, en se basant sur une approche populationnelle. Les modèles développés seront des modèles à base d’équations différentielles ordinaires intègrant des données et des informations issues de la littérature. L’objectif de ces modèles est de caractériser la dynamique des tailles tumorales chez les animaux et chez les patients, afin de comprendre les effets des traitements anti-angiogéniques et apporter un soutien pour le développement de ces molécules ou pour la prise de décisions thérapeutiques par les cliniciens. / Within the last 40 years, knowledge of tumor angiogenesis has literally exploded. In the seventies, Judah Folkman demonstrated that tumors need to be vascularized to continue to proliferate. Shortly after, the main protagonists of tumor angiogenesis have been discovered, as well as the mechanisms in which they are involved. The next decade is the beginning of the research on molecules with anti-angiogenic effects and in 2004 bevacizumab (Avastin, Roche), the first antiangiogenic drug used in oncology, was available for treating solid cancer patients. Along with this, the increasing interest of mixed-effects modeling coupled with advances in computer tools allowed developing more efficient methods of data analysis. In 2009, the regulatory agency FDA (Food and Drug Administration) in the United States has identified the central role of numerical modeling to better analyze the efficacy and toxicity preclinical and clinical oncology data. The aim of this project is to study the effects of different angiogenesis inhibitors on tumor dynamics, based on a population approach. The developed models are models based on ordinary differential equations and that integrate data and information from the literature. The objective of these models is to characterize the dynamics of tumor sizes in animals and patients in order to understand the effects of anti-angiogenic treatments and provide support for the development of these molecules, or to help clinicians for therapeutic decision making.

Les systèmes de régulation des turbomoteurs actuels sont basés sur des architectures complexes que les constructeurs tendent à rendre plus modulaires avec des technologies plus économiques tout en garantissant un niveau de fiabilité supérieur ou égal. Dans ce contexte, la surveillance du circuit carburant, qui a pour but de déceler les dysfonctionnements des composants hydrauliques critiques, permet de réduire le coût de maintenance, d'améliorer le niveau de maintenabilité et d'assurer la disponibilité des turbomoteurs. La présente étude porte sur l'élaboration de méthodes de diagnostic performantes et robustes permettant la détection et la localisation des défauts impactant les fonctions hydrauliques primaires du circuit carburant. Des méthodes existantes de génération de résidus à base de modèles non linéaires sont présentées et appliquées au cas du circuit carburant. L'approche analytique pour le découplage, combinée avec des filtres de Kalman étendus, permet la structuration des résidus pour assurer la localisation des défauts. Une nouvelle approche basée sur la théorie de platitude différentielle est proposée pour le diagnostic de défauts des systèmes non linéaires avec une application au cas du circuit carburant. Les différentiateurs à modes glissants sont utilisés pour l'estimation des dérivées de signaux nécessaires à l'application de certaines méthodes de génération de résidus. Des simulations numériques illustrent la pertinence des résultats obtenus. Une application expérimentale est présentée en utilisant un jeu de données réelles issues d'un banc d'essais partiel et fournies par la société Turbomeca du groupe SAFRAN. / The current gas turbine regulation systems are based on complex architectures that manufacturers tend to make more modular with more cost effective technologies while ensuring a greater or equal level of reliability. In this context, the fuel system health monitoring, which aims to identify critical hydraulic components dysfunction, allows to reduce maintenance costs, to improve maintainability level and to ensure gas turbine availability. The present study focuses on the development of performant and robust diagnosis methods for the detection and isolation of faults affecting primary fuel system hydraulic functions. Existing nonlinear model based residual generation methods are presented and applied to the fuel system. The analytical approach for decoupling, combined with extended Kalman filters, helps fault isolation by generating residual structures. A new approach based on differential flatness theory is proposed for nonlinear systems fault diagnosis with an application to the fuel system. Sliding mode differentiators are used to estimate derived signals that are necessary for the application of some residual generation methods. Numerical simulations illustrate the efficiency of obtained results. An experimental application is presented using a real data set from a partial test bench provided by Turbomeca company of the SAFRAN group.