Modélisation, observation et commande : une approche multimodèle

Modelling, observation and control : a multimodel approach

• Auteur / Autrice : Mansoura Elkhalil
• Direction : Mohammed M'Saad, Ridha Ben Abdennour
• Type : Thèse de doctorat
• Discipline(s) : Automatique. Robotique
• Date : Soutenance en 2011
• Etablissement(s) : Caen

Mots clés

Mots clés contrôlés

Bioréacteurs

Réacteurs chimiques

Inégalités matricielles

Commande prédictive

Résumé

Cette thèse concerne la commande des systèmes dont la dynamique peut être convenablement décrite par une approche multimodèle à partir d'un étude d'affinement des performances d'un système de commande adaptative avec modèle de référence. Trois approches de commande multimodèle ont été proposées. La première approche est basée sur la commande avec modèle de référence sur la sortie. Une validation expérimentale réussie a été effectuée sur un réacteur chimique. La seconde approche est basée sur la commande prédictive avec modèle de référence sur l'état partiel. Des résultats de simulation, obtenus à partir d'un modèle physique d'un bioréacteur, ont montré que les performances du système de commande multimodèle sont semblables à celles obtenues par un système de commande non linéaire appropriée du type backstepping. La troisième approche est consacrée à la compensation des perturbations harmoniques dans le cas où la dynamique du système peut être raisonnablement décrite par un une famille de modèles linéaires invariants. La quatrième approche est basée sur une commande predictive multimodèle avec modèle de référence sur l'état partiel issue d'une synthèse LMI.

This thesis is devoted to the control of systems witch dynamics can be suitably described by a multimodel approach from an investigation study of a model reference adaptative control performance enhancement. Four multimodel control approaches have been proposed. The first approach is based on an output reference model control design. A successful experimental validation involving a chemical reactor has been carried out. The second approach is based on a suitable partial state model reference predictive control design. Simulation results involving a physical model of a bioreactor have showed hat the underlying control system performs as well as an appropriate backstepping control system design. The third approach is dedicated to harmonic disturbance compensation for dynamical systems that can be described by a finite set of linear time invariant models. The fourth approach is an LMI based multimodel partial state reference model predictive control design.