Identification de systèmes linéaires à paramètres variant : différentes approches et mises en oeuvre.

par Raluca Liacu (Oroz)

Thèse de doctorat en Automatique (STIC)

Sous la direction de Emmanuel Godoy.

Le président du jury était Hugues Mounier.

Le jury était composé de Dominique Beauvois, Mohamed M'Saad.

Les rapporteurs étaient Thierry Poinot, Eric Ostertag.


  • Résumé

    L’identification de systèmes est un sujet très utilisé à la fois dans le monde académique et industriel. Des nombreuses méthodes d’identification de systèmes invariants dans le temps existent dans la littérature et beaucoup d’algorithmes sont utilisés dans la modélisation pratique des systèmes. Ces outils offrent des résultats satisfaisants, mais ils ne sont pas capables de reproduire le caractère non linéaire présent dans les comportements des systèmes physiques. Ce besoin a conduit à l’apparition de la classe des systèmes linéaires à paramètres variants (LPV), capable de modéliser les aspects non linéaires des systèmes. Dans le cadre de cette thèse, différentes méthodes d’identification « classiques » ont été étudiées et modifiées pour prendre en compte le cas des modèles LPV.Dans un premier temps une étude sur les représentations et discrétisations des systèmes LPV a été réalisée. Ensuite, les méthodes à erreur de prédiction ont été étudiées et appliquées en vue d’identifier le comportement latéral d’un véhicule, en considérant la vitesse du véhicule comme paramètre variant. Les méthodes à erreur de prédiction ont été également appliquées afin de modéliser un convertisseur de puissance Buck, dont le comportement est sensible au changement de la résistance de charge, considérée comme paramètre variant. L’étude a été poursuivie avec la conception d’une loi de commande H_∞ de type LPV, appliquée au cas du convertisseur.Finalement, les méthodes des sous-espaces classiques ont été abordées et modifiées pour identifier les modèles LPV et appliquées au cas du comportement latéral d’un véhicule.

  • Titre traduit

    Linear parameter varying systems identification : Different approaches and implementations


  • Résumé

    The identification system is a topic widely used both in the academic world and industry. Several methods of identification of time invariant systems exist in literature and many algorithms are used in practice for modeling real systems. These tools offer satisfactory results, but they are not able to reproduce the non-linearity occurring in the behavior of physical systems. The necessity of more has led to the occurrence of the class of linear systems parameter varying (LPV), able to model the nonlinear system aspects. In this thesis, different classical identification methods have been studied and their structures were modified, in order to take into account the LPV models. First, a study of representations and discretization of LPV models was performed. In the sequel, the prediction error methods have been studied and modified in order to take into account LPV models. This method was used to identify the lateral behavior of a vehicle, considering the speed of the vehicle as varying parameter. The prediction error method has also been applied to model a Buck converter, the behavior of which is sensitive to the changes of load resistance, the considered varying parameter. The study was continued with the design of a H_∞ LPV control law, applied to the converter. Finally, subspace methods were studied, modified for LPV models and applied to identify the lateral behavior of a vehicle.


Il est disponible au sein de la bibliothèque de l'établissement de soutenance.

Consulter en bibliothèque

La version de soutenance existe

Où se trouve cette thèse ?

  • Bibliothèque : CentraleSupélec. Bibliothèque électronique.
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.