Dans le domaine sidérurgique, l'ajustement des commandes de préréglage est un problème courant. L'objectif des systèmes de commande est d'obtenir des produits de qualité imposée. On observe cependant fréquemment des variations de comportement d'un lot à l'autre, ce qui nécessite de modifier les paramètres des modèles employés pour les préréglages suivants. Cela est particulièrement vrai pour le convertisseur à oxygène où les informations rassemblées pendant une coulée spécifique servent à ajuster les points de consigne de la coulée suivante. Dans cette thèse, nous présentons une méthode de validation de données s'appuyant sur un modèle incertain. Les incertitudes portant sur les mesures des variables et sur la connaissance des paramètres du modèle sont simultanément prises en compte pour fournir des estimées cohérentes qui pourront être mises à profit par le système de contrôle-commande du convertisseur à oxygène. L'estimation paramétrique étant sensible à la présence de mesures aberrantes , la méthode proposée a été rendue robuste à la présence de ces informations erronées par la prise en compte, dans la méthode d'estimation, de la notion de distribution statistique contaminée. Le modèle du convertisseur a été établi sur la base des principes de conservation de masse et d'énergie, mais aussi sur des relations d'équilibre chimique pour lesquelles certains paramètres sont assez mal connus ce qui justifie pleinement l'approche utilisée. Les estimations des variables et des paramètres fournissent une image plus juste de l'état réel du système ce qui en facilite la conduite. Appliquée au convertisseur à oxygène, cette méthode permet l'actualisation du modèle de calcul de charge utile au préréglage. De plus, le suivi de l'évolution de certains paramètres du modèle permet d'évaluer un niveau de dégradation du système (par exemple, l'endommagement du réfractaire de la poche).

Dans le domaine sidérurgique, l'ajustement des commandes de préréglage est un problème courant. L'objectif des systèmes de commande est d'obtenir des produits de qualité imposée. On observe cependant fréquemment des variations de comportement d'un lot à l'autre, ce qui nécessite de modifier les paramètres des modèles employés pour les préréglages suivants. Cela est particulièrement vrai pour le convertisseur à oxygène où les informations rassemblées pendant une coulée spécifique servent à ajuster les points de consigne de la coulée suivante.Dans cette thèse, nous présentons une méthode de validation de données s'appuyant sur un modèle incertain. Les incertitudes portant sur les mesures des variables et sur la connaissance des paramètres du modèle sont simultanément prises en compte pour fournir des estimées cohérentes qui pourront être mises à profit par le système de contrôle-commande du convertisseur à oxygène. L'estimation paramétrique étant sensible à la présence de mesures aberrantes , la méthode proposée a été rendue robuste à la présence de ces informations erronées par la prise en compte, dans la méthode d'estimation, de la notion de distribution statistique contaminée.Le modèle du convertisseur a été établi sur la base des principes de conservation de masse et d'énergie, mais aussi sur des relations d'équilibre chimique pour lesquelles certains paramètres sont assez mal connus ce qui justifie pleinement l'approche utilisée. Les estimations des variables et des paramètres fournissent une image plus juste de l'état réel du système ce qui en facilite la conduite. Appliquée au convertisseur à oxygène, cette méthode permet l'actualisation du modèle de calcul de charge utile au préréglage. De plus, le suivi de l'évolution de certains paramètres du modèle permet d'évaluer un niveau de dégradation du système (par exemple, l'endommagement du réfractaire de la poche / In the steel industry, tuning the control system set-points in order to reach given product specification is a common problem. The control system objective is to obtain products satisfying the given specifications. There are however frequent changes in the behavior from one batch to another, thus requiring the modification of model parameters used for the following presets. This is particularly true for the Basic Oxygen Furnace (BOF) where the information collected during a specific batch serves to adjust the set-points of the next batch.In this thesis, we proposed a method allowing simultaneously robust data reconciliation and model parameter estimation. This approach is original because the current data validation methods make the assumption that the system model is known perfectly. Here, the uncertainties on the measurements of variables and on the knowledge of the model parameters are simultaneously taken into account to provide consistent estimates that can be utilized by the control system of the BOF, especially for the determination of the set-points. Parameter estimation being sensitive to the presence of outliers, which is common in this type of process operating in highly disturbed environment, the proposed method has been made robust to the presence of these errors by including in the estimation method, the notion of contaminated statistical distribution.The model of the converter was based on the principles of mass and energy conservation, but also on chemical equilibrium relationships for which some parameters are not well known that fully justifies the proposed approach. The variable and parameter estimates provide a more accurate picture of the actual state of the system which facilitates its control. Applied to the BOF, this method allows the updating of the model used for the preset. In addition, monitoring the evolution of some model parameters can be used to evaluate the degradation level of the system (eg, damage to the refractory of the converter)