LES TRAVAUX PRESENTES DANS CETTE THESE S'INSCRIVENT DANS LE CADRE DE L'IDENTIFICATION DE SYSTEMES DYNAMIQUES. IDENTIFIER UN SYSTEME CONSISTE A CONSTRUIRE UN MODELE MATHEMATIQUE DONT LE COMPORTEMENT AU COURS DU TEMPS EST PROCHE DE CELUI DU SYSTEME. LE MODELE EST OBTENU PAR INFERENCE A PARTIR DE DONNEES NUMERIQUES RECUEILLIES AU COURS DU FONCTIONNEMENT DU SYSTEME. LE MODELE EST ENSUITE UTILISE SOIT EN TANT QU'OUTIL DE PREDICTION DES SORTIES DU SYSTEME SOIT EN TANT QU'OUTIL DE SIMULATION DE SON FONCTIONNEMENT. AU SEIN DE LA THEORIE DES SYSTEMES DYNAMIQUES, LA THEORIE DES SYSTEMES LINEAIRES PRESENTE LES AVANTAGES D'ETRE UNIFIEE ET BIEN MAITRISEE DEPUIS PLUSIEURS DECENNIES. ELLE REPOSE SUR DE NOMBREUX FONDEMENTS THEORIQUES ISSUS DE L'ALGEBRE LINEAIRE, DE L'ANALYSE NUMERIQUE... EN CE QUI CONCERNE LES SYSTEMES DYNAMIQUES NON LINEAIRES, IL N'EXISTE, A L'HEURE ACTUELLE, PAS DE CONTREPARTIE ET LES TECHNIQUES LINEAIRES CLASSIQUES S'AVERENT SOUVENT INSUFFISANTES LORSQUE LES SYSTEMES DYNAMIQUES ETUDIES SONT DE COMPLEXITE ELEVEE ET PRESENTENT DE FORTES NON LINEARITES. LES TRAVAUX REALISES APPORTENT UNE CONTRIBUTION EN FAVEUR DU DEVELOPPEMENT DE LA THEORIE DES SYSTEMES NON LINEAIRES ; LA PRINCIPALE MOTIVATION A ETE DE DEMONTRER LES POTENTIALITES DES MODELES NON LINEAIRES TELS QUE LES MODELES CONNEXIONNISTES A DECRIRE LA DYNAMIQUE DE SYSTEMES NON LINEAIRES. POUR CE FAIRE, TROIS SYSTEMES ONT ETE IDENTIFIES : UNE COLONNE A DISTILLER, L'ARC ELECTRIQUE D'UN FOUR A COURANT ALTERNATIF ET UN CARREFOUR POUR LEQUEL L'ECOULEMENT DU TRAFIC EST GERE PAR DES FEUX TRICOLORES. LES RESULTATS DE L'IDENTIFICATION PERMETTENT DE CONCLURE A LA SUPERIORITE, PAR RAPPORT AUX MODELES LINEAIRES CLASSIQUES, DES MODELES NON LINEAIRES A DECRIRE LA DYNAMIQUE DE SYSTEMES PRESENTANT DE FORTES NON LINEARITES. DE PLUS, ILS SOULIGNENT CLAIREMENT LES PRINCIPALES DIFFICULTES INHERENTES A L'IDENTIFICATION DONT LE CHOIX DES REGRESSEURS, CELUI DES HYPOTHESES RELATIVES A LA NATURE ET CONTRIBUTION DU BRUIT...

Thèse de Master de l’année 2005 dans le domaine Ingénierie - Généralités, note: -, , langue: Français, résumé: Le but de l’identification est la détermination des paramètres d’un modèle à partir de données expérimentales pour obtenir des comportements identiques entre le système et le modèle établi . De nos jours, l’évolution des moyens de calcul a permis le développement des algorithmes d’identification et leur application avec succès pour diverses applications industrielles. Les techniques d’identification peuvent être classées en méthodes conventionnelles et non conventionnelles. Les méthodes d’identification conventionnelles sont chronologiquement, les premières techniques utilisées pour l’identification des systèmes dynamiques. Elles permettent la description d’un système par un modèle mathématique en se basant, soit sur une analyse théorique, soit sur une analyse expérimentale ou sur les deux. Les méthodes d’identification non conventionnelles, et en particulier, celles qui sont basées sur le concept des Réseaux de Neurones Artificiels (RNA), sont de nos jours de plus en plus utilisées. Les RNA sont des approximateurs universels, constitués d’un grand nombre d’unités de traitements élémentaires opérant en parallèle. Les RNA sont également connus par leur robustesse au bruit provenant du fait que chaque information est répartie sur plusieurs neurones à la fois. Ce mémoire, qui a comme thématique la mise en oeuvre de méthodes d’identification conventionnelles et non conventionnelles, est organisé en deux chapitres. Dans le premier chapitre, des généralités sur les techniques d’identification sont présentés. Dans une première partie, les principales techniques d’identification conventionnelles, répertoriées en méthodes non paramétriques et paramétriques sont cités. Dans la deuxième partie de ce chapitre, le concept des RNA est introduit et les différentes méthodes d’identification sont mentionnées. Le deuxième chapitre est consacré à la mise en oeuvre de deux méthodes d’identification conventionnelles à savoir, la méthode de blanchissement de l’erreur de prédiction et la méthode de décorrélation de l’erreur de prédiction et du vecteur d’observation. De telles méthodes ont été appliquées à un pendule simple. De même, la méthode d’identification NNARMAX a été appliquée sur le même exemple d’étude. Les algorithmes mis en oeuvre dans ce travail ont été programmés en C++.Les différents résultats de simulations sont présentés et commentés dans le but de comparer entre les différentes méthodes d’identification étudiés dans ce travail.

Dans ce document, les problèmes d'identification, de détection et d'isolation de défauts de capteurs des systèmes dynamiques MIMa sont abordés à l'aide des méthodes des sous-espaces : Dans un premier temps, l'identification des systèmes dynamiques linéaires est abordé. Après une présentation des méthodes classiques des sous-espaces basées sur l'estimation de la matrice d'observabilité étendue et/ou : l'estimation de la matric.e des séquences d'état, une nouvelle approche basée sur l'utilisation d'un modèle FIR est proposée. Cette approche s'appuie sur l'estimation des paramètres de Markov ce qui permet d'obtenir une réalisation minimale et équilibrée à l'aide de l'algorithme ERA. Trois méthodes d'identification basées sur cette approche sont établies pour l'identification des systèmes linéaires en présence de bruits colorés : En ce qui concerne l'identification des systèmes à commutations, une modélisation multimodèle avec des modèles locaux complètement découplés et des fonctions de pondération binaires est utilisée. Deux méthodes sont proposées pour résoudre le problème d'identification non supervisé: la première réalise la classification des données à l'aide des techniques de détection de ruptures de modèle tandis que cette classification est réalisée dans la seconde méthode par la détermination d'hyperplans représentant les modèles locaux dans l'espace des sorties et des entrées. Après estimation des fonctions de pondération, une réalisation minimale et équilibrée de chaque modèle local est déterminée dans l'une ou l'autre méthode à l'aide de la méthode des moindres carrés pondérés. Le problème d'identification des systèmes non-linéaires est ensuite abordé avec l'approche multi-modèle et une méthode supposant les fonctions de pondération connues est proposée pour identifier une réalisation minimale et équilibrée de chaque modèle local. Finalement, le problème de détection et d'isolation de défauts de capteurs sur les systèmes linéaires dans le cas où le modèle de ce dernier n'est pas connu est traité. Une méthode basée uniquement sur la connaissance des entrées et sorties est proposée. La méthode proposée s'affranchit des incertitudes paramétriques du fait qu'aucun modèle explicite ou implicite n'est estimé. Pour obtenir un résidu structuré, la méthode supprime l'influence de l'état par une pondération à l'aide des puissances élevées de la matrice d'état stable, puis annule l'influence des entrées par une projection orthogonale. Les conditions d'existence et de sensibilité du résidu aux défauts de capteurs sont établies.

Le mémoire traite de l'identification de systèmes dynamiques non-linéaires par l'approche multi-modèle. Cette approche consiste à représenter le système par un ensemble de modèles simples (modèles affines ou linéaires) valables dans certaines zones de fonctionnement du système. Le modèle global du système est une interpolation des modèles locaux par l'intermédiaire de fonctions de validité associées à ces modèles. La problématique soulevée par cette approche comprend : la caractérisation de l'espace de fonctionnement du système, le découpage de cet espace en zones de fonctionnement, le choix de la structure des modèles locaux, l'estimation des paramètres et la validation du multi-modèle. Le travail porte essentiellement sur l'optimisation paramétrique et structurelle d'un multi-modèle. Des algorithmes d'optimisation paramétrique sont proposés. Ce sont des méthodes à deux niveaux qui alternent entre l'estimation des paramètres des modèles locaux, ceux des fonctions de validité étant fixés et l'estimation des paramètres des fonctions de validité pour ceux des modèles locaux fixés. Au titre de l'identification structurelle, des techniques de simplification de la structure des modèles locaux ont été développées. Elles permettent de supprimer les paramètres superflus des modèles locaux. Des méthodes de réduction du nombre de modèles locaux sont présentées : elles consistent en l'élimination de modèles locaux peu explicatifs et/ou la fusion de modèles voisins redondants. Ces développements théoriques ont été appliqués à un problème de modélisation des variations du taux d'ozone en milieu urbain à différents pas de temps. Un modèle de prévision des niveaux maxima quotidiens d'ozone a été identifié. L'autre aspect de l'application a porté sur la détermination de modèle descriptif des variations horaires de la concentration d'ozone.

L'évaluation dynamique des ouvrages sous sollicitations ambiantes est un champ applicatif important de la mécanique des structures et de la théorie des systèmes dynamiques, qui fait l'objet de nombreuses recherches depuis une quinzaine d'années. Inscrit dans le cadre du projet national Evaluation Dynamique des Ponts piloté par le LCPC, le travail presenté dans cette thèse est une contribution à ces recherches. Il concerne l'étude de deux outils réputés pour leur pertinence dans le domaine de l'identification modale des structures sous excitations dynamiques ambiantes aléatoires les méthodes de sous-espaces et la méthode du décrément aléatoire. Une large place est consacrée aux méthodes de sous-espaces qui font l'objet d'une analyse théorique et algorithmique détaillée destinée à bien cerner leurspossibilités et à lever certaines ambiguïtés. 'étude de la méthode du décrément aléatoire constitue le coeur du travail. Nous en donnons d'abord une présentation originale adaptée au cadre discret. Puis, nous basant sur des résultats mathématiques récents, nous justifions rigoureusement des résultats asymptotiques d'intérêt pratique, notamment statistique. Nous montrons ensuite pourquoi cette méthode, dont la justification théorique habituelle repose sur une hypothèse de stationnarité de l'excitation, fonctionne encore lorsque cette dernière est une impulsion ou un train d'impulsions. L'intérêt pratique de ces méthodes dans le domaine de l'identification modale est jugé à travers deux applications : l'une sur une poutre grandeur réelle testée en laboratoire, l'autre sur un pont-rail SNCF expérimenté in situ