Identification de systèmes non linéaires par une approche multi-modèle : application à la modélisation de la relation pluie-débit pour le diagnostic de fonctionnement de capteur

par Anass Boukhris

Thèse de doctorat en Automatique et traitement numérique du signal

Sous la direction de José Ragot.

Soutenue en 1998

à Vandoeuvre-les-Nancy, INPL .


  • Résumé

    Que ce soit pour l’élaboration d’une loi de la commande d’un système, la prédiction de son comportement, la mise en œuvre d’une procédure de diagnostic, l’estimation de variables non directement mesurables ou l’amélioration des connaissances sur le système, un modèle de ce dernier est souvent nécessaire. De nombreux processus réels sont multi-variables, non-linéaires et variant dans le temps. De plus, sur ces mêmes systèmes, les connaissances sur les phénomènes physiques mis en jeu sont souvent incomplètes et le modèle doit être déterminé à partir des mesures recueillies sur le système. Plusieurs méthodes d’identification basées sur la logique floue et les réseaux de neurones ont été développées pour les systèmes dynamiques non-linéaires. Dans ce mémoire, une approche multi-modèle est étudiées. Les différents aspects liés à l’estimation des paramètres et à l’identification de la structure d’un multi-modèle quasi-linéaire sont présentés. L’approche proposée a été appliquée pour modéliser la relation pluie-débit sur des bassins versants nancéiens. Les données pluviométriques et débitmétriques sont extraites de la base de données de la Communauté Urbaine du Grand Nancy. Les modèles obtenus ont, ensuite, été utilisés pour mettre en œuvre une procédure de détection et de localisation de défauts des capteurs utilisés pour la gestion du réseau d’assainissement (limnimètres et pluviomètres)


  • Résumé

    Mathematical models are often required for process control, behaviour prediction, fault diagnosis, estimation of unmeasurable variables and improving understanding of system behaviour. Many real processes involve many variables, are non-linear and vary over time. Moreover, for such systems, knowledge of the underlying physical phenomena is often incomplete and modelling has to be performed from observed date. Variousmodelling and identification techniques based on fuzzy logic and neural networkds have been developed for non-linear dynamic systems. In this thesis, the multi-model approach has been investigated. Different aspects of parameter estimation and structure identification of a quasi-linear multi-model are addressed. The proposed approach has been applied for modelling the rainfall-runoff relationship on urban watersheds located in Nancy. Actual rainfall and runoff data have been extracted from the database of metropolitan authority sewer control centre. The obtained models have then been implemented into fault detection and isolation procedures of sensors involved in the sewer network management, namely, tipping-bucket rain gauges and water level gauges

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (196 p.)
  • Notes : Publication autorisée par le jury
  • Annexes : Bibliogr. f. 181-192. Résumé en français et en anglais

Où se trouve cette thèse ?

  • Bibliothèque : Université de Lorraine. Direction de la documentation et de l'édition. BU Ingénieurs.
  • Disponible pour le PEB
  • Cote : 1998 BOUKHRIS A.
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.