Cette thèse traite le problème de filtrage non biaisé et à minimum de variance par deux techniques : le filtrage proportionnel intégral et le filtrage robuste à minimum de variance. Dans la première, le développement d'un observateur multi-intégral ($PI^p$) a permi une estimation non biaisée de l'état pour les systèmes linéaires à temps discret en présence d'entrées inconnues. Deux nouveaux filtres ont était également développés tels que les filtres PITSKF et PIThSKF pour résoudre le problème d'estimation robuste et jointe d'état et des défauts en présence d'entrées inconnues et des incertitudes sur les matrices de covariance des différents bruits d'état, des mesures, des défauts et des entrées inconnues. Une autre technique de filtrage est également envisagée pour s'affranchir de la connaissance des modèles à priori des défauts et des entrées inconnues, on a donc développé le filtre ARThSKF. De plus, nous avons conçu deux nouveaux filtres EUMVF et ORFSF pour résoudre le problème posé par le rang arbitraire de la matrice directe d'injection des défauts sur les mesures.
| Identifer | oai:union.ndltd.org:CCSD/oai:tel.archives-ouvertes.fr:tel-00957033 |
| Date | 28 December 2013 |
| Creators | Khemiri, Karim |
| Source Sets | CCSD theses-EN-ligne, France |
| Language | French |
| Detected Language | French |
| Type | PhD thesis |
Page generated in 0.002 seconds