En automatique, l'obtention d'un modèle du système est la pierre angulaire des procédures comme la synthèse d'une commande, la détection des défaillances, la prédiction... Cette thèse traite de l'identification d'une classe de systèmes complexes, les systèmes dynamiques hybrides. Ces systèmes impliquent l'interaction de comportements continus et discrets. Le but est de construire un modèle à partir de mesures expérimentales d'entrée et de sortie. Une nouvelle approche pour l'identification de systèmes hybrides linéaires basée sur les propriétés géométriques des systèmes hybrides dans l'espace des paramètres est proposée. Un nouvel algorithme est ensuite proposé pour le calcul de la solution la plus parcimonieuse (ou creuse) de systèmes d'équations linéaires sous-déterminés. Celui-ci permet d'améliorer une approche d'identification basée sur l'optimisation de la parcimonie du vecteur d'erreur. De plus, de nouvelles approches, basées sur des modèles à noyaux, sont proposées pour l'identification de systèmes hybrides non linéaires et de systèmes lisses par morceaux / In automatic control, obtaining a model is always the cornerstone of the synthesis procedures such as controller design, fault detection or prediction... This thesis deals with the identification of a class of complex systems, hybrid dynamical systems. These systems involve the interaction of continuous and discrete behaviors. The goal is to build a model from experimental measurements of the system inputs and outputs. A new approach for the identification of linear hybrid systems based on the geometric properties of hybrid systems in the parameter space is proposed. A new algorithm is then proposed to recover the sparsest solutions of underdetermined systems of linear equations. This allows us to improve an identification approach based on the error sparsification. In addition, new approaches based on kernel models are proposed for the identification of nonlinear hybrid systems and piecewise smooth systems

Les réseaux de régulation génique contrôlent le développement et le fonctionnement des organismes vivants. Etant donné que la plupart des réseaux de régulation génique d'intérêt biologique sont grands et que leur dynamique est complexe, la compréhension de leur fonctionnement est un problème biologique majeur. De nombreuses méthodes ont été développées pour la modélisation et la simulation de ces systèmes. Etonnamment, le problème de la validation de modèle n'a reçu jusqu'à récemment que peu d'attention. Pourtant, cette étape est d'autant plus importante que dans le contexte de la modélisation de réseaux de régulation génique, les systèmes modélisés sont complexes et encore imparfaitement connus.<br /><br />Dans cette thèse, nous proposons une approche permettant de tester la validité de modèles de réseaux de régulation génique en comparant les prédictions obtenues avec les données expérimentales. Plus spécifiquement, nous considérons dans ce travail une classe de modèles qualitatifs définis en termes d'équations différentielles linéaires par morceaux (LPM). Ces modèles permettent de capturer les aspects essentiels des régulations géniques, tout en ayant une forme mathématique simple qui facilite leur analyse symbolique. Egalement, nous souhaitons utiliser les informations qualitatives sur la dynamique du système données par les changements du sens de variation des concentrations des protéines du réseau. Ces informations peuvent être obtenues expérimentalement à partir de profils d'expression temporels.<br /><br />La méthode proposée doit satisfaire deux contraintes. Premièrement, elle doit permettre d'obtenir des prédictions bien adaptées à la comparaison avec le type de données considéré. Deuxièmement, étant donné la taille et la complexité des réseaux d'intérêt biologique, la méthode doit également permettre de vérifier efficacement la cohérence entre prédictions et observations.<br /><br />Pour répondre à ces deux contraintes, nous étendons dans deux directions une approche précédemment développée par de Jong et collègues pour l'analyse symbolique des modèles LPM qualitatifs. Premièrement, nous proposons d'utiliser une représentation plus fine de l'état du système, permettant d'obtenir, par abstraction discrète, des prédictions mieux adaptées à la comparaison avec les données expérimentales. Deuxièmement, nous proposons de combiner cette méthode avec des techniques de model checking. Nous montrons que l'utilisation combinée d'abstraction discrète et de model checking permet de vérifier efficacement les propriétés dynamiques, exprimées en logique temporelle, des modèles continus.<br /><br />Cette méthode a été implémentée dans une nouvelle version de l'outil Genetic Network Analyzer (GNA 6.0). GNA 6.0 a été utilisé pour la validation de deux modèles grands et complexes de l'initiation de la sporulation chez <I>B. subtilis</I> et de la réponse au stress nutritionnel chez <I>E. coli</I>. Nous avons ainsi pu vérifier que les prédictions obtenues étaient en accord avec la plupart des données expérimentales disponibles dans la littérature. Plusieurs incohérences ont également été identifiées, suggérant des révisions des modèles ou la réalisation d'expériences complémentaires. En dehors d'une contribution à une meilleure compréhension du fonctionnement de ces systèmes, ces deux études de cas illustrent plus généralement que, par la méthode proposée, il est possible de tester si des prédictions obtenues pour des modèles complexes sont cohérentes avec un large éventail de propriétés observables expérimentalement.

Cette thèse traite de la modélisation des infrastructures autoroutières et de leur gestion par des méthodes de régulation telles que le contrôle d'accès. L'approche retenue est macroscopique et conduit à des modèles distribués sous forme d'équations aux dérivées partielles non linéaires. Nous apportons plusieurs éclairages sur l'analyse et la résolution de ces modèles (condition d'entropie pour les rampes d'accès, discrétisation simpliée) et proposons une interprétation hybride des inhomogénéités (conditions aux limites, rampes d'accès et de sorties, variations brutales des paramètres) adaptée aux problèmes de contrôle. Deux nouvelles méthodologies calculatoires sont ensuite introduites pour concevoir des contrôleurs dynamiques s'appliquant à la gestion du trafic. La première est formulée comme un problème de commande optimale en boucle ouverte et nécessite l'adaptation de la méthode adjointe traditionnelle en raison de l'irrégularité des solutions. La seconde repose sur une discrétisation sous la forme d'un système affine commuté et une synthèse boucle fermée utilisant la dissipativité et les inégalités matricielles linéaires.

Cette thèse aborde une classe de modèles de la dynamique de réseaux d'interaction biologique, en particulier génétique, définis comme systèmes d'équations différentielles affines par morceaux. Les morceaux en question sont des pavés d'un espace euclidien, dont la dimension est le nombre d'éléments en interaction dans le réseau. Chaque coordonnée représente le niveau d'activité d'un des éléments. La thèse se décompose en trois parties. Premièrement, après une brève introduction biologique, les modèles mathématiques les plus connus sont présentés. Les modèles affines par morceaux sont décrits de manière détaillée, et certains liens avec des modèles purement discrets, ainsi qu'avec des modèles différentiables incluant des sigmoïdes, sont précisés. Un récapitulatif détaillé de la littérature sur le sujet est fourni. Dans une deuxième partie, des résultats théoriques sont présentés. L'analyse des orbites périodiques, développée dans la littérature pour des systèmes linéaires par morceaux, est étendue au cas affine par morceaux. Ensuite, un point de vue géométrique et combinatoire est porté sur la dynamique locale, au niveau des pavés décrits plus haut. Les conséquences globales de cette analyse locale sont décrites en termes de dynamique symbolique. Il est montré en particulier que l'entropie topologique des systèmes affines par morceaux est strictement inférieure à celle de modèles purement discrets, pour une large classe de systèmes. La troisième partie concerne l'analyse numérique des systèmes étudiés. Après une présentation des algorithmes implémentés, un jeu de données de simulations en dimension 4 est analysé, ainsi qu'un exemple plus spécifique en dimension 3.

Le but de ce travail est d'exposer de nouveaux résultats concernant l'utilisation d'une classe particulière de réseaux de neurones formels (les Perceptrons Affines Par morceaux: PAP) dans le cadre du contrôle optimal en boucle fermée. Les résultats principaux obtenus sont: plusieurs propriétés des PAP, concernant la nature des fonctions qu'ils peuvent émuler, un théorème constructif de représentation des fonctions continues affines par morceaux, qui permet de construire explicitement un PAP à partir d'une collection de fonctions affines, une série d'heuristiques pour l'apprentissage des paramètres d'un perceptron dans une boucle fermée et dans un cadre de contrôle optimal, des résultats théoriques concernant la stabilité de PAP utilisés comme contrôleurs. La dernière partie est consacrée des applications de ces résultats à la construction automatique de contrôleurs de la combustion de moteurs de voiture, qui ont donné lieu au dépot de deux brevets par Renault.

Au début des années 90, P. Greenberg entame une étude géométrique du groupe de Thompson $T$, dans le contexte des homéomorphismes du cercle projectifs par morceaux, appelé géométrie CPP. Nous reprenons cette étude en établissant un pont entre la géométrie CPP et l'espace de Teichmüller universel décoré de Penner. Ce dernier est muni d'un système de coordonnées affines global. A l'aide de ces coordonnées, nous montrons que l'espace des homéomorphismes du cercle normalisés, de classe CPP et à points de coupure rationnels est homéomorphe à une limite directe d'espaces euclidiens, donc contractile. Puis, nous analysons l'action du groupe sur cet espace, dans le système des coordonnées. Nous en déduisons un classifiant du groupe $T$, dans la géométrie CPP. En application, nous donnons une version géométrique d'un théorème de Ghys et Sergiescu reliant l'homologie de $T$ à celle de l'espace des lacets libres sur la sphère de dimension 3.

L'objectif de cette thèse est de proposer une méthode permettant d'optimiser la stratégie de maintenance d'un système multi-composants. Cette nouvelle stratégie doit être adaptée aux conditions d'utilisation et aux contraintes budgétaires et sécuritaires. Le vieillissement des composants et la complexité des stratégies de maintenance étudiées nous obligent à avoir recours à de nouveaux modèles probabilistes afin de répondre à la problématique. Nous utilisons un processus stochastique issu de la Fiabilité Dynamique nommé processus markovien déterministe par morceaux (Piecewise Deterministic Markov Process ou PDMP). L'évaluation des quantités d'intérêt (fiabilité, nombre moyen de pannes...) est ici réalisée à l'aide d'un algorithme déterministe de type volumes finis. L'utilisation de ce type d'algorithme, dans ce cadre d'application, présente des difficultés informatiques dues à la place mémoire. Nous proposons plusieurs méthodes pour repousser ces difficultés. L'optimisation d'un plan de maintenance est ensuite effectuée à l'aide d'un algorithme de recuit simulé. Cette méthodologie a été adaptée à deux systèmes ferroviaires utilisés par la SNCF, l'un issu de l'infrastructure, l'autre du matériel roulant.

Dans ce manuscrit, nous développons des outils de statistique bayésienne pour la prévision de consommation d'électricité en France. Nous prouvons tout d'abord la normalité asymptotique de la loi a posteriori (théorème de Bernstein-von Mises) pour le modèle linéaire par morceaux de part chauffage et la consistance de l'estimateur de Bayes. Nous décrivons ensuite la construction d'une loi a priori informative afin d'améliorer la qualité des prévisions d'un modèle de grande dimension en situation d'historique court. A partir de deux exemples impliquant les clients non télérelevés de EDF, nous montrons notamment que la méthode proposée permet de rendre l'évaluation du modèle plus robuste vis-à-vis du manque de données. Nous proposons enfin un nouveau modèle dynamique, non-linéaire, pour prévoir la consommation d'électricité en ligne. Nous construisons un algorithme de filtrage particulaire afin d'estimer ce modèle et comparons les prévisions obtenues aux prévisions opérationnelles utilisées au sein d'EDF.

M.H.A. Davis a introduit les processus markoviens déterministes par morceaux (PDMP) comme une classe générale de modèles stochastiques non diffusifs, donnant lieu à des trajectoires déterministes ponctuées, à des instants aléatoires, par des sauts aléatoires. Dans cette thèse, nous présentons et analysons des estimateurs non paramétriques des lois conditionnelles des deux aléas intervenant dans la dynamique de tels processus. Plus précisément, dans le cadre d'une observation en temps long de la trajectoire d'un PDMP, nous présentons des estimateurs de la densité conditionnelle des temps inter-sauts et du noyau de Markov qui gouverne la loi des sauts. Nous établissons des résultats de convergence pour nos estimateurs. Des simulations numériques pour différentes applications illustrent nos résultats. Nous proposons également un estimateur du taux de saut pour des processus de renouvellement, ainsi qu'une méthode d'approximation numérique pour un modèle de régression semi-paramétrique.

Nous décrivons le niveau de dégradation caractéristique d'une structure à l'aide d'un processus stochastique appelé processus de dégradation. La dynamique de ce processus est modélisée par un système différentiel à environnement markovien.<br /><br />Nous étudions la fiabilité du système en considérant la défaillance de la structure lorsque le processus de dégradation dépasse un seuil fixe. Nous obtenons la fiabilité théorique à l'aide de la théorie du renouvellement markovien.<br /><br />Puis, nous proposons une procédure d'estimation des paramètres des processus aléatoires du système différentiel. Les méthodes d'estimation et les résultats théoriques de la fiabilité, ainsi que les algorithmes de calcul associés, sont validés sur des données simulés.<br /><br />Notre méthode est appliquée à la modélisation d'un mécanisme réel de dégradation, la propagation des fissures, pour lequel nous disposons d'un jeu de données expérimental.