Initialisation des algorithmes à erreur de sortie

Initialization of output error identification algorithms

• Auteur / Autrice : Elie Tohme
• Direction : Thierry Poinot, Régis Ouvrard, Antoine Abche
• Type : Thèse de doctorat
• Discipline(s) : Automatique
• Date : Soutenance en 2008
• Etablissement(s) : Poitiers en cotutelle avec Université de Balamand (Tripoli, Liban)
• Partenaire(s) de recherche : Autre partenaire : École nationale supérieure d'ingénieurs (Poitiers ; 1984-....)

Mots clés

Mots clés contrôlés

Convergence (mathématiques)

Filtres (mathématiques)

Systèmes non linéaires

Algorithmes

Résumé

Cette thèse traite de l'initialisation des algorithmes à erreur de sortie pour approcher la convergence globale. Deux approches sont proposées. La première s'appuie sur les moments partiels réinitialisés. Cette approche de type erreur d'équation est comparée à d'autres méthodes par simulation stochastique dans les cas discrets et continus. Les résultats obtenus montrent l'efficacité des moments partiels réinitialisés pour l'initialisation des algorithmes à erreur de sortie. Dans la deuxième approche, les algorithmes proposés, dits à pseudo-erreur de sortie, sont construits à partir des méthodes standards d'erreur de sortie en tentant de respecter une hypothèse de passivité qui assure la convergence globale. Malgré un biais sur les paramètres obtenus, ceux-ci fournissent une bonne initialisation des algorithmes à erreur de sortie.

This thesis deals with the initialization of output error identification algorithms in order to achieve the global convergence. Two approaches are proposed. The first approach is based on the reinitialized partial moments. This equation error type approach is compared with several methods using stochastic simulations in both discrete and continuous domains. The obtained results show the efficiency of the reinitialized partial moments to initialize output error algorithms. In the second approach, the proposed algorithms, named pseudo-output error algorithms, are built from the standard output error methods by trying to satisfy a particular positive realness condition that assures the global convergence. Despite the bias of the estimated parameters, these approaches provide a good initialization to the output error algorithms.