Etudiant :AFRI Chouaib
Directeur ou Directrice :Pascal DUFOUR
Date de la soutenance :13/12/2016
Commentaire :
C. Afri a le grand plaisir de vous inviter à sa soutenance de thèse intitulée :
“Observateurs adaptatifs pour l’identification en ligne et l’observation
des systèmes linéaires.”
La soutenance a eu lieu le Mardi 13 décembre 2016, à 10h.00, à
l’amphithéâtre Grignard au Bâtiment Victor GRIGNARD du Campus de la Doua.
Le jury sera composé de :
Mme Sophie Tarbouriech, DR CNRS, LAAS-CNRS Rapporteur
Mr Gildas Besançon, Prof., GIPSA LAB Rapporteur
Mme Françoise Couenne, CR CNRS, LAGEP Examinatrice
Mr Bogdan Marinescu, Prof., IRCCyN Examinateur
Mr Pascal Dufour, Maître de Conférences, LAGEP Directeur de thèse
Mr Vincent Andrieu, CR CNRS, LAGEP Co-Encadrant
Mr Laurent Bako, Maître de Conférences, ECL-INSA Lyon Co-Encadrant
Résumé :
Dans cette thèse, nous étudions le problème de l’identification d’un
système à dynamique linéaire. Dans un premier temps, nous répertorions les
différentes méthodes qui ont été développées dans la littérature en nous
concentrant plus particulièrement sur les méthodes des observateurs
adaptatifs. Dans un second temps nous présentons un premier algorithme qui
est une approche mixant les méthodes des sous-espaces et celles des
observateurs adaptatifs. Ce nouvel algorithme est d’autant plus
intéressant qu’il nous permet d’identifier des réalisations de systèmes
MIMO dans une base d’état arbitraire. La convergence de cet algorithme est
démontrée en utilisant les notions d’excitation persistantes. Dans un
troisième chapitre nous introduisons une nouvelle méthode qui s’appuie sur
le concept des observateurs de Luenberger nonlinéaires développés ces
dernières années. Ce nouvel algorithme se différencie des algorithmes
existants par sa capacité à produire une estimation simultanée des
paramètres et de l’état du système. Nous démontrons alors sa robustesse à
des perturbations affectant la dynamique interne ou les mesures. La
convergence de cet algorithme est obtenue si les entrées du système
satisfont une hypothèse d’excitation différentielle. Tous ces algorithmes
sont alors évalués et implémentés sur un banc d’expérimentation.
Mots-Clés :
Modèle dynamique – Système linéaire – Système non-linéaire – Observateur
d’état – Observateur adaptatif – Méthode des sous-espaces – Observateurs
de Luenberger linéaires – Observateurs de Luenberger nonlinéaires –
Stabilité de Lyapunov.
Commentary :
C. Afri has the great pleasure to invite you to his defense of thesis titled:
“Adaptive Observers for Online Identification and Observation
Linear systems. ”
The defense will take place on Tuesday, December 13, 2016, at 10:00 am
The amphitheater Grignard at the Victor GRIGNARD Building of the Campus de la Doua.
The jury will consist of:
Mme Sophie Tarbouriech, DR CNRS, LAAS-CNRS Rapporteur
Mr Gildas Besançon, Prof., GIPSA LAB Rapporteur
Mme Françoise Couenne, CR CNRS, LAGEP Examinatrice
Mr Bogdan Marinescu, Prof., IRCCyN Examinateur
Mr Pascal Dufour, Maître de Conférences, LAGEP Directeur de thèse
Mr Vincent Andrieu, CR CNRS, LAGEP Co-Encadrant
Mr Laurent Bako, Maître de Conférences, ECL-INSA Lyon Co-Encadrant
Abstract:
In this thesis, we study the problem of identification of a linear
dynamical system. First, we survey various methods that have been
developed in the literature. We focus more particularly on methods named
adaptive observers. Secondly we present an approach which combines
subspace identification methods and adaptive observers. This new method is
interesting since it allows us to identify MIMO systems in an arbitrary
basis. The convergence of this algorithm is demonstrated using the
persistent excitation notions. In the third chapter we introduce a new
method that is inspired from nonlinear Luenberger observers developed in
recent years. This new algorithm is different from the existing algorithms
since the parameters and the system status are estimated simultaneously.
We demonstrate the robustness of this approach. The convergence of the
algorithm is obtained if the system inputs satisfy a differential
excitation
hypothesis. All these algorithms are evaluated and implemented on an
experimental bench.
Keywords :
Dynamical model – Linear system – nonlinear system –State observer –
Adaptive observer – Subspace approach – Linear Luenberger observers –
Nonlinear Luenberger observers Linear model – Lyapunov stability.
