Identification des systèmes dynamiques multi-variables

• Auteur / Autrice : Mustapha Ouladsine
• Direction : José Ragot
• Type : Thèse de doctorat
• Discipline(s) : Automatique
• Date : Soutenance en 1993
• Etablissement(s) : Nancy 1
• Partenaire(s) de recherche : autre partenaire : Université Henri Poincaré Nancy 1. Faculté des sciences et techniques

Mots clés

Mots clés contrôlés

Estimation de paramètres

Identification automatique

Systèmes dynamiques

Résumé

L'objectif de cette thèse est l'étude et le développement des méthodes d'identification des systèmes dynamiques multi-variables. Dans le premier chapitre, nous nous sommes intéressés au cas des systèmes multi-entrées/multi-sorties, dynamiques, discrets, invariants et représentés sous forme de relation entrées/sorties. Dans ce contexte, nous avons développé deux méthodes: MCA (moindres carres alternes) et MCMV (moindres carres multi-variables). La première est une méthode itérative à plusieurs étages. La deuxième, plus générale, est une méthode récurrente qui identifie les systèmes multi-variables interconnectes. Ces deux méthodes comportent certains avantages par rapport à celles existantes dans la littérature. Ceux-ci sont discutés lors d'une étude de la robustesse des deux méthodes par rapport aux différentes perturbations. Dans la pratique, l'hypothèse d'invariance n'est pas toujours vérifiée. Pour pallier ce problème, nous avons étendu, au cas des systèmes linéaires dont les paramètres varient aux cours du temps, la méthode MCMV en utilisant une technique multi-modèle. Dans le deuxième chapitre, nous nous sommes intéressés au cas des systèmes linéaires discrets modélisés par une représentation d'état. Dans un premier temps, nous avons développé une méthode basée sur la minimisation d'une distance de structure. Dans un second temps, nous avons développé une nouvelle méthode basée sur la technique multi-modèle qui permet de poursuivre les éventuelles variations des paramètres d'un système évolutif modélisé par une représentation d'état. Dans le troisième chapitre, nous présentons une extension des deux nouvelles méthodes MCA et MCMV au cas d'un modèle d'Hammerstein dont la partie non linéaire est approximée par une fonction polynomiale.