La procédure d'identification consiste à rechercher un modèle mathématique adéquat pour un système dynamique donné à partir de données expérimentales. L'identification de systèmes naturels est cruciale pour une meilleure compréhension de notre environnement et cette thèse vise à apporter une solution au problème de modélisation de la relation pluie/débit dans un bassin versant rural. A cet effet, deux structures de modèles non-linéaires sont étudiées : les modèles Hammerstein et les modèles Linéaires à Paramètres variants (LPV). La contribution principale réside dans le développement de méthodes dédiées à l'estimation de ces modèles, à temps discret ou continu, opérant en boucle ouverte ou fermée, en se concentrant sur le cas réaliste Box--Jenkins (BJ). De plus, les méthodes proposées ont été conçues spécialement pour fournir des résultats utiles dans le cas réel où le modèle de bruit est inconnu ou mal évalué. Le premier chapitre constitue une introduction à la problématique de l'identification de systèmes naturels et motive les développements théoriques impliqués. Le deuxième chapitre présente une méthode sous optimale de variable instrumentale pour l'estimation des modèles Hammerstein BJ grâce à l'augmentation du modèle considéré. Le troisième chapitre se concentre sur l'identification de modèles LPV-BJ, soulève les problèmes rencontrés par les méthodes existantes, et propose une solution via une reformulation du modèle. Enfin, le dernier chapitre est dédié à l'application de ces méthodes sur des données réelles pour la modélisation de la relation pluie/débit / System identification is an established field in the aera of system analysis and control. It aims at determining mathematical models for dynamical systems based measured data. The identification of natural systems is crucial for a better understanding of our environment and this work aims at solving the modelling problem of the rainfall/flow relationship in rural catchments. In order to achieve this goal, two nonlinear model structures are studied: the Hammerstein and the Linear Parameter Varying (LPV) models. The contribution of this work lies in the development of identification methods dealing robustly with estimation problem of such models, both in discrete-time and continuous-time, in open-loop and closed-loop configuration, focusing on the realistic Box--Jenkins (BJ) case. Moreover, the methods are especially designed to result in relevant estimates in case the noise model is unknown, which is the case in most practical applications. The first chapter is an introduction defining the problems encountered with natural systems and motivating the theoretical work induced. The second chapter presents a suboptimal Refined Instrumental Variable based method for Hammerstein BJ models. The third chapter focuses on the identification of LPV-BJ models, highlights the problems encountered by the existing methods and proposes a solution via a reformulation of the model. Finally, the last chapter is dedicated to the application of the presented methods on some real rainfall/flow data set acquired from a rural catchment situated in Rouffach, Alsace, France for the identification of the rainfall/runoff relationship

Les drones miniatures à voilures tournantes tendent aujourd'hui à devenir les nouveaux outils du fantassin, grâce à la polyvalence des missions auxquelles ils peuvent être employés. Leur principal atout concerne leur capacité à combiner le vol stationnaire et le vol de translation rapide, dans des environnements étroits et encombrés. Nous proposons ici l'étude d'un nouveau concept de drone atypique appelé GLMAV (Gun Launched Micro Air Vehicle), qui consiste à amener un véhicule hybride projectile/drone très rapidement sur un site d'intérêt éloigné, en utilisant l'énergie fournie par une arme portable. La première tâche concerne la modélisation aérodynamique du GLMAV. L'identification paramétrique du modèle aérodynamique est alors réalisée à partir de données expérimentales d'efforts, que nous pouvons a priori quantifier par un critère algébrique d'excitabilité persistante. Nous proposons ensuite des techniques de filtrage, afin d'estimer les paramètres anémométriques inconnus mais nécessaires pour connaître l'environnement aérodynamique dans lequel l'engin évolue. De plus, pour palier à la défaillance de capteurs embarqués et qui peuvent affecter l'information de vitesse linéaire après le tir, nous proposons un estimateur d'ordre réduit de la vitesse linéaire. Dans ces deux problèmes d'estimation, nous prouvons la stabilité des observateurs proposés. Enfin, nous proposons une structure de commande pour la stabilisation de l'engin en vol quasi-stationnaire à partir d'un modèle de synthèse linéaire. Les efficacités des méthodes proposées sont illustrées par des résultats de simulations numériques et des essais expérimentaux / The miniature rotary wing UAVs are now tending to become the new tools of the soldier, with the versatility of missions they can be used. Their main advantage concerns their ability to combine the hovering and translational fast flight in narrow and congested environments. We propose the study of a new and atypical UAV concept called GLMAV (Gun Launched Micro Air Vehicle), which must bring a hybrid projectile/UAV very quickly on a site of interest, using the energy delivered by a portable weapon. The first task concerns the modelling of the aerodynamic GLMAV model. The parametric identification of the aerodynamic model is then realized from experimental load data, that can be a priori quantified by a persistent-excitability-algebraic-criterion. We then propose two filtering techniques to estimate the unknown aerodynamic parameters but needful to determine the aerodynamic environment in which the vehicle operates. In addition, to compensate the failure of embedded sensors that can affect the linear speed information after the shooting, we propose a reduced-order estimator to conserve a good linear speed information. In both estimation problems we prove the stability of the proposed observers. Finally, we propose a control scheme for the stabilization of the aircraft in the quasistationary flight mode from a linearized GLMAV model. The efficiencies of the proposed methods are illustrated through numerical results and experimental tests

Les travaux présentés concernent le développement d'outils et de méthodes pour la modélisation expérimentale des systèmes dynamiques interconnectés par des représentations modulaires. Contrairement aux approches boîtes-noires, les approches modulaires ne visent pas seulement à décrire le comportement dynamique d'un système dans sa globalité mais aussi à représenter sa structure interne, c.-à-d. ses composants et leurs interactions. Le problème de la modélisation expérimentale des systèmes dynamiques interconnectés est multiple. Il concerne aussi bien la formalisation mathématique des représentations modulaires, leur identifiabilité pratique et l'estimation des paramètres et de leur incertitude.<br /><br />Le projet de recherche présenté s'inscrit dans le cadre de l'Ingénierie en Biologie Systémique. Il est dans la continuité des travaux précédents et se focalise sur la modélisation expérimentale de systèmes dynamiques interconnectés en cancérologie. Ce projet concerne d'une part la modélisation de la thérapie photodynamique et d'autre part l'identification de réseaux métaboliques. La thérapie photodynamique peut être vue, à plusieurs niveaux, comme un ensemble de systèmes dynamiques interconnectés. Après une présentation des fondements de cette thérapie, trois problèmes de modélisation expérimentale appliqués à la thérapie photodynamique sont posés. Cette modélisation a pour but ultime de répondre à deux questions. La première concerne la maîtrise et la reproductibilité des réponses thérapeutiques et la seconde traite de la caractérisation de l'efficacité de nouveaux agents photosensibilisants. Les problèmes d'automatique associés à ces deux questions traitent d'identifiabilité, d'estimation de paramètres et de stratégie de commande. Les méthodes et outils de planification d'expériences sont proposés en perspective pour aborder tous ces problèmes sous un même angle.

La contribution principale de ce travail de recherche est la proposition d'un modèle flou avec des fonctions d'appartenance dynamiques à paramètres ajustables en ligne, par un algorithme basé sur l'Apprentissage par Renforcement (AR). L'approche présentée prend en compte la dynamique des variables du système en introduisant, dans les fonctions d'appartenance d'un modèle flou, la valeur moyenne et la variance des variables d'entrée et de sortie du modèle au temps t. De cette manière, les ensembles flous se déplacent sur le domaine de discours des variables, en fonction des valeurs de la moyenne et de la variance échantillonnées ;ainsi, la possibilité d'obtenir des ensembles flous disjoints peut être minimisée. La propriété dynamique du modèle flou proposé est un atout pour résoudre les problèmes de commande de systèmes variant avec le temps, par exemple. Des exemples d'identification de fonctions non-linéaires, variant avec le temps, illustrent la capacité du modèle flou adaptatif dynamique pour l'identification des systèmes. Une application à la commande prédictive a été développée, en utilisant le modèle flou proposé comme modèle de prédiction et l'AR pour résoudre le problème d'optimisation de ce type de schéma de commande. Finalement, l'utilisation de l'information contenue dans les fonctions d'appartenance dynamiques du modèle flou à des niveaux supérieurs de supervision et diagnostic, a été aussi discutée comme perspective intéressante d'application de ce type de modèles.

La procédure d'identification consiste à rechercher un modèle mathématique adéquat pour un système dynamique donné à partir de données expérimentales. Alors que l'identification de système est orientée majoritairement pour répondre aux problèmes de commande depuis les années 90, l'identification de systèmes naturels reste cruciale pour une meilleure compréhension de notre environnement. Cette thèse vise à apporter une solution au problème de modélisation de la relation pluie/débit dans un bassin versant rural. Un bassin versant est défini comme la portion de territoire délimitée par des lignes de crête, dont les eaux alimentent un exutoire commun : cours d'eau, lac, mer, etc. L'identification de la relation pluie/débit est un problème stimulant, de par la complexité à trouver une structure de modèle définissant le comportement du bassin dans son ensemble. De plus, dans les bassins ruraux, il y a une grande variabilité spatio-temporelle des propriétés du sol tant au niveau de la végétation, du type de sol ou de l'évapotranspiration et seulement une partie de la pluie totale ruisselle et contribue au débit à l'exutoire. Dans ce cas, les modèles linéaires ne sont pas adaptés et ne peuvent délivrer de modèle acceptable pour la relation pluie/débit. A cet effet, deux structures de modèles non-linéaires sont étudiées : les modèles Hammerstein et les modèles Linéaires à Paramètres variants (LPV). La contribution principale de cette thèse réside dans le développement de méthodes dédiées à l'estimation de ces modèles, à temps discret ou continu, opérant en boucle ouverte ou fermée, en se concentrant sur le cas réaliste où le bruit de sortie est coloré et indépendant du processus étudié : le cas Box--Jenkins (BJ). De plus, les méthodes proposées ont été conçues spécialement pour fournir des résultats utiles dans le cas réel où le modèle de bruit est inconnu ou mal évalué. Finalement, ces méthodes sont utilisées sur des données réelles, acquises sur un bassin versant rural situé à Rouffach, Alsace, France et un processus d'identification innovant est proposé pour la modélisation de la relation pluie/débit.

On présente dans ce mémoire un résumé de nos recherches depuis 1985 dont le fil conducteur réside dans l'étude des systèmes dynamiques non-lineaires, déterministes et stochastiques.<br />Une première partie est consacrée aux principaux résultats à caractère fondamental obtenus durant cette période. On montre comment les représentations algébriques (algèbre de Lie) des systèmes non-linéaires que nous avons développés permettent d'appréhender sous un nouveau jour les problèmes de commandabilité des systèmes. Nous présentons ensuite le filtrage polynomial à horizon infini, particulièrement adapté au filtrage des systèmes bilinéaires, et montrons en quoi ses performances dépassent largement les filtres polynomiaux classiques. Une partie est alors consacrée à la réalisation et à l'identification des systèmes linéaires en treillis ARMAX. On montre comment la non-linéarité du problème d'optimisation peut-être résolue au prix d'un calcul héréditaire. Nous exposons enfin notre contribution au filtrage particulaire concernant l'optimisation des distributions initiales des particules ainsi que leurs redistributions.<br />Une deuxième partie est consacrée au traitement d'applications de ces résultats théoriques. Nous nous restreignons ici au problème de la détection de multi-émissions sur une même porteuse (projet Clementine / CELAR), et au traitement non-linéaire du signal LORAN-C (DCN/DIGINEXT)

Les bioprocédés ont connu un essor considérable au cours de ces dernières années et sont promis à un bel avenir. Qu'il s'agisse de la production de vaccins, de la fermentation de levures pour l'industrie alimentaire ou encore de l'épuration biologique des eaux usées, les applications sont nombreuses et les produits sont d'un intérêt capital pour l'être humain. Étant donnés le coût et le temps de mise en oeuvre de ces procédés, il est particulièrement utile de construire des simulateurs permettant de reproduire le comportement macroscopique des cultures cellulaires utilisées. Ces simulateurs peuvent servir à déterminer des conditions optimales de fonctionnement (en fonction des critères de l'utilisateur) et à tester certains outils (régulateurs, capteurs logiciels, etc.). Par ailleurs, il est nécessaire, pour le suivi et la régulation de ces procédés, de disposer de grandeurs mesurées (concentrations cellulaires, en substrats, en le produit d'intérêt, etc.). Les problèmes liés à la mesure matérielle de ces grandeurs sont nombreux: coût des capteurs, destruction des échantillons, longues périodes d'échantillonnage, temps d'analyse élevés, etc. Il est dès lors utile de construire des observateurs d'états (ou capteurs logiciels) fournissant une estimation en temps continu de grandeurs non mesurées sur la base d'un modèle mathématique et de certaines mesures matérielles. Les modèles mathématiques sont nécessaires pour la synthèse des deux types d'outils envisagés dans ce travail (simulateurs et capteurs logiciels). Les modèles utilisés consistent en les bilans massiques des constituants apparaissant dans le schéma réactionnel, ce dernier contenant les réactions essentielles pour la description des phénomènes à l'échelle macroscopique. Au sein de ces bilans massiques, une nouvelle structure générale de modèle cinétique est proposée, possédant un certain nombre de propriétés intéressantes, telles l'interprétation physique des paramètres cinétiques, les concentrations définies positives sous certaines conditions, la garantie de stabilité entrées bornées - états bornés, ou encore la possibilité de linéarisation en les paramètres à estimer. Une méthodologie générale d'estimation paramétrique est proposée, afin d'identifier les coefficients pseudo-stoechiométriques, les coefficients cinétiques et certains paramètres expérimentaux (concentrations initiales des cultures). Cette méthodologie possède un caractère systématique, prend en compte les erreurs de mesure sur l'ensemble des signaux (y compris à l'instant initial), fournit à l'utilisateur la covariance des erreurs d'estimation paramétrique, prend en compte intrinsèquement les contraintes de signe sur les paramètres, fournit une estimation des erreurs de simulation, permet de réduire le nombre d'équations différentielles au sein du modèle, etc. La mise en oeuvre et l'intérêt de ces outils sont illustrés en simulation (cultures bactériennes) et dans le cas d'une application réelle (cultures de cellules animales CHO). La première catégorie d'observateurs d'états étudiée dans ce travail est celle des observateurs utilisant pleinement le modèle cinétique. L'observation d'états basée sur l'identification des conditions initiales les plus vraisemblables est plus particulièrement analysée. Elle consiste à estimer en temps continu l'entièreté de l'état par intégration d'un modèle de simulation au départ des conditions initiales les plus vraisemblables. Ces dernières sont identifiées à chaque nouvel instant de mesure sur la base de toute l'information disponible jusqu'à cet instant. Certaines propriétés mathématiques sont étudiées (dont une comparaison avec le filtre de Kalman) et un certain nombre d'extensions de la méthode sont proposées (dont une version récurrente qui ne nécessite plus de résoudre un problème d'optimisation non linéaire à chaque nouvel instant de mesure). Ces outils sont à nouveau illustrés dans le cadre des cultures de cellules animales CHO, et se basent sur les modèles de simulation développés dans la première partie du travail. Étant donné les risques de divergence des observateurs de cette première catégorie lorsque la qualité du modèle cinétique n'est pas suffisante, une seconde catégorie est envisagée, constituée des observateurs utilisant partiellement le modèle cinétique. Dans ce contexte, un nouvelle technique est proposée consistant en un observateur hybride entre le filtre de Kalman étendu (utilisant pleinement le modèle cinétique) et l'observateur asymptotique de Bastin et Dochain (n'utilisant pas du tout le modèle cinétique). Cette structure estime (conjointement avec l'état du système) un degré de confiance en le modèle cinétique. Elle est capable d'évoluer de façon progressive, en fonction de ce degré de confiance, entre les deux solutions extrêmes (filtre de Kalman et observateur asymptotique), tirant ainsi parti des avantages respectifs de ces deux méthodes selon les conditions opératoires et la qualité du modèle cinétique. Ces outils sont validés sur des cultures bactériennes simulées.

La procédure d'identification consiste à rechercher un modèle mathématique adéquat pour un système donné à partir de données expérimentales et de connaissances disponibles a priori. La majorité des techniques ont été développées sous l'hypothèse d'un signal d'entrée parfaitement connu. Or, dans certains cas, celui-ci est également mesuré avec un capteur, et sa connaissance est autant sujette à erreur que celle de la sortie. C'est cette dernière situation où l'entrée et la sortie du système sont entachées de bruits -- nommée identification de modèles avec des erreurs en les variables (EIV) - qui est étudiée.<br />Le chapitre d'introduction permet de motiver l'intérêt porté aux modèles EIV. Le problème est ensuite formellement posé, avant la mise en évidence de quelques-unes des difficultés qui lui sont inhérentes.<br />Le second chapitre traite de l'identification de modèles à temps discret, et est lui-même divisé en deux parties. La première partie s'intéresse aux méthodes utilisant les statistiques d'ordre deux. Après avoir exposé les principales méthodes existantes, une présentation unifiée des méthodes de compensation du biais de l'estimateur des moindres carrés est donnée. Différents estimateurs fondés sur la technique de la variable instrumentale sont ensuite proposés. La seconde partie du chapitre porte sur les méthodes ayant recours aux statistiques d'ordre supérieur. Après un rapide état de l'art, les estimateurs des moindres carrés et des moindres carrés itératifs fondés sur l'équation du modèle, vérifiée par les cumulants, sont présentés. Enfin, le chapitre se conclut par l'obtention de l'expression de la matrice de covariance asymptotique de l'estimateur des moindres carrés fondés sur les cumulants d'ordre trois, proposé auparavant.<br />Le chapitre trois traite de l'identification de modèles EIV à temps continu. Si l'identification de modèles EIV à temps discret a fait l'objet de nombreux travaux au cours des dernières années, le cas des modèles à temps continu n'a en revanche été que très peu étudié. Après avoir exposé l'intérêt particulier des méthodes directes d'identification de modèles à temps continu, un état de l'art est dressé, au cours duquel nous présentons sur les rares méthodes existantes. Des estimateurs ayant recours aux cumulants d'ordre trois et d'ordre quatre sont ensuite proposés. Ils permettent en particulier de s'affranchir des hypothèses structurelles sur les bruits en entrée et en sortie, et par conséquent de traiter le cas général de bruit colorés (et même mutuellement corrélés) en entrée et en sortie.

L’identification de systèmes dynamiques est une approche de modélisation fondée uniquement sur la connaissance des signaux d’entrée et de sortie de plus en plus utilisée en biologie. Dans ce même domaine d’application, des plans d’expériences sont souvent appliqués pour tester les effets de facteurs qualitatifs sur la réponse et chaque expérience est répétée plusieurs fois pour estimer la reproductibilité des résultats. Dans un objectif d’inférence, il est important de prendre en compte dans la procédure de modélisation les variabilités expliquées (effets fixes) et inexpliquées (effets aléatoires) entre les réponses individuelles. Une solution consiste à utiliser des modèles à effets mixtes mais jusqu’à présent il n’existe aucune approche similaire dans la communauté automaticienne de l’identification de systèmes. L’objectif de la thèse est de combler ce manque grâce à l’utilisation de structures de modèle hiérarchiques introduisant des effets mixtes au sein des représentations polynomiales boites noires de systèmes dynamiques linéaires. Une nouvelle méthode d’estimation des paramètres adaptée aussi bien à des structures simples comme ARX qu’à des structures plus complètes comme celle de Box-Jenkins est développée. Une solution au calcul de la matrice d’information de Fisher est également proposée. Finalement, une application à trois cas d’étude en biologie a permis de valider l’interêt pratique de l’approche d’identification de populations de systèmes dynamiques / System identification is a data-driven input-output modeling approach more and more used in biology and biomedicine. In this application context, methods of experimental design are often used to test effects of qualitative factors on the response and each assay is always replicated to estimate the reproducibility of outcomes. The inference of the modeling conclusions to the whole population requires to account within the modeling procedure for the explained variability (fixed effects) and the unexplained variabilities (random effects) between the individual responses. One solution consists in using mixed effects models but up to now no similar approach exists in the system identification literature. The objective of this thesis is to fill this gap by using hierarchical model structures introducing mixed effects within polynomial black-box representations of linear dynamical systems. A new method is developed to estimate parameters of model structures such as ARX or Box-Jenkins. A solution is also proposed to compute the Fisher’s matrix. Finally, three application studies are carried out and emphasize the practical relevance of the proposed approach to identify populations of dynamical systems

Les drones miniatures à voilures tournantes tendent aujourd'hui à devenir les nouveaux outils du fantassin, grâce à la polyvalence des missions auxquelles ils peuvent être employés. Leur principal atout concerne leur capacité à combiner le vol stationnaire et le vol de translation rapide, dans des environnements étroits et encombrés. Nous proposons ici l'étude d'un nouveau concept de drone atypique appelé GLMAV (Gun Launched Micro Air Vehicle), qui consiste à amener un véhicule hybride projectile/drone très rapidement sur un site d'intérêt éloigné, en utilisant l'énergie fournie par une arme portable. La première tâche concerne la modélisation aérodynamique du GLMAV. L'identification paramétrique du modèle aérodynamique est alors réalisée à partir de données expérimentales d'efforts, que nous pouvons a priori quantifier par un critère algébrique d'excitabilité persistante. Nous proposons ensuite des techniques de filtrage, afin d'estimer les paramètres anémométriques inconnus mais nécessaires pour connaître l'environnement aérodynamique dans lequel l'engin évolue. De plus, pour palier à la défaillance de capteurs embarqués et qui peuvent affecter l'information de vitesse linéaire après le tir, nous proposons un estimateur d'ordre réduit de la vitesse linéaire. Dans ces deux problèmes d'estimation, nous prouvons la stabilité des observateurs proposés. Enfin, nous proposons une structure de commande pour la stabilisation de l'engin en vol quasi-stationnaire à partir d'un modèle de synthèse linéaire. Les efficacités des méthodes proposées sont illustrées par des résultats de simulations numériques et des essais expérimentaux