L'objectif principal de ce travail a été d'apporter une nouvelle contribution quant à l'approche de contrôle optimal pendant la phase d'identification. Il s'agissait de trouver la commande à appliquer pendant l'expérience qui permet d'optimiser un critère qui est fonction des sensibilités des sorties par rapport aux paramètres du modèle à identifier. Cette approche couplant contrôleur prédictif sous contraintes et estimateur a résolu en ligne le problème d'identification à chaque instant en utilisant l'observateur. En ce sens, c'est une approche permettant d'automatiser et d'optimiser le design d'expérience, tout en réalisant conjointement l'identification d'un paramètre du modèle spécifié. L'aspect temps réel a été pris en compte dans la formulation de la solution apportée. Dans ce contexte, nous avons introduit deux stratégies de commande pour l'identification optimale. La première était basée sur un modèle de prédiction non linéaire et la seconde sur un modèle linéaire temps variant. Si le temps devient un paramètre critique pour l'implémentation de l'approche, cette dernière vise à réduire le temps alloué à l'optimisation. L'approche d'identification optimale en ligne a été appliquée à deux problèmes concrets du Génie des Procédés (réaction de saponification et cuisson de peintures). Ces exemples ont permis de vérifier en simulation, l'efficacité et la faisabilité de cette approche. / The main aim of this work is to give a new approach of optimal control during the phase of identification. The question is how to tune the control action to be applied during the experiment optimize a criterion which is function of the sensitivities of the mesure with respect to the parameters of the model to be identified. This approach coupling constrained predictive controller and estimator solves on line the problem of identification by using the observer. In that sense, it is an approach allowing an optimal and automatic design of experiment, while performing at the same time the identification of one parameter of the specified model. The real time aspect was taken into account in the formulation of the solution. In this context, we introduced two strategies for optimal identification : the first one is based on a nonlinear model of prediction and the second one is based on a linear time varying model that may be used if the real time aspect becomes a critical parameter for the implementation of the approach. This approach of on line optimal identification was applied on two concrete problems in Chemical Engineering. These examples show the performance and the feasibility of this approach.
| Identifer | oai:union.ndltd.org:theses.fr/2010LYO10027 |
| Date | 05 February 2010 |
| Creators | Flila, Saïda |
| Contributors | Lyon 1, Hammouri, Hassan, Dufour, Pascal |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | French |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0023 seconds