Contribution à l'estimation de l'état des systèmes singuliers : application à la validation de données des systèmes dynamiques linéaires

par Michel Zasadzinski

Thèse de doctorat en Automatique

Sous la direction de Mohamed Darouach.

Soutenue en 1990

à Nancy 1 , en partenariat avec Université Henri Poincaré Nancy 1. Faculté des sciences et techniques (autre partenaire) .


  • Résumé

    Ce mémoire est consacré à la validation de données des systèmes dynamiques linéaires et aux systèmes singuliers linéaires discrets. La validation de données des systèmes statiques linéaires est abordée dans la première partie. L'état de ces systèmes est estimé au sens du maximum de vraisemblance, la variance des erreurs de mesures étant soit connue, soit inconnue et diagonale. La deuxième partie est consacre����e à l'étude des systèmes singuliers dynamiques dont le nombre de variables est supérieur ou égal au nombre d'équations. Ces systèmes étant linéaires et discrets, deux cas sont considérés : avec ou sans bruit de système. L'état de ces systèmes est estimé, d'une manière récurrente, au sens du maximum de vraisemblance. La convergence de ces algorithmes est étudiée. Lorsqu'il n'y a pas de bruit de système, l'algorithme d'estimation est factorisé. Lorsqu'il y a un bruit de système, l'algorithme d'estimation correspond à une généralisation du filtre de kalman et est étendue aux systèmes à paramètres variables. Dans la dernière partie, les algorithmes d'estimation sont utilisés pour des systèmes décrits par des équations de bilan dynamiques linéaores et pour estimer simultanément les variables d'état et les entrées des systèmes d'état standard

  • Titre traduit

    Contribution to state estimation for singular systems : application to data reconciliation of dynamic linear systems


  • Pas de résumé disponible.


  • Résumé

    The purpose of this thesis is the study of discrete linear singular systems and data reconciliation of dynamic linear systems. Data reconciliation of steady state linear systems is tackled in the first part. The state of these systems is estimated in the maximum likelihood sense, the variance of the measurement errors being either known or unknown and diagonal. The second part is devoted to the study of discrete linear singular systems which have a number of unknowns superior or equal to the number of equations. These systems have either a process noise or not. The state of these systems is recursively estimated with the maximum likelihood estimator. The convergence of these state estimation algorithms is studied. If there is not a process noise, the state estimation algorithm is factorized. If there is a process noise, the state estimation algorithm corresponds to a generalization of the Kalman filter and is adapted to the time-varying case. In the last part, the state estimation algorithms are used for systems described by linear dynamic balance equations and for simultaneous estimation of state variables and inputs of standard state-space systems.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (224 p.)
  • Annexes : Bibliogr. p. 215-224

Où se trouve cette thèse ?

  • Bibliothèque : Université de Lorraine (Villers-lès-Nancy, Meurthe-et-Moselle). Direction de la Documentation et de l'Edition - BU Sciences et Techniques.
  • Accessible pour le PEB
  • Cote : SC N1990 405
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.