IbnTaarit Kaouther DLE PDF

Contribution `
a lidentification des syst`

emes `
a retards et
dune classe de syst`
emes hybrides
Kaouther Ibn Taarit
To cite this version:

Kaouther Ibn Taarit. Contribution à lidentification des systèmes à retards et dune classe de
systèmes hybrides. Sciences de lingenieur [physics]. Ecole Centrale de Lille; Ecole

Nationale
dIngenieurs de Tunis (Tunisie), 2010. Francais. <NNT : 2010ECLI0023>. <tel-00587336v2>
HAL Id: tel-00587336

https://tel.archives-ouvertes.fr/tel-00587336v2
Submitted on 3 May 2011
HAL is a multi-disciplinary open access

archive for the deposit and dissemination of scientific research documents, whether they are published or not. The documents may come from
teaching and research institutions in France or
abroad, or from public or private research centers.
Larchive ouverte pluridisciplinaire HAL, est

destinee au depot et à la diffusion de documents
scientifiques de niveau recherche, publies ou non,
emanant des etablissements denseignement et de
recherche francais ou etrangers, des laboratoires
publics ou prives.
N dordre :130
ECOLE CENTRALE DE LILLE

UNIVERSITE DE TUNIS EL MANAR
ECOLE NATIONALE DINGENIEURS DE TUNIS
THESE
Prsente en vue dobtenir le grade de
DOCTEUR
en
Spcialit : Automatique et Informatique Industrielle

par
Kaouther IBN TAARIT

Ingnieur - ENIT
Doctorat dlivr conjointement par lEcole Centrale de Lille
et lEcole Nationale dIngnieurs de Tunis
Titre de la thse :
Contribution lidentication des systmes

retards et dune classe de systmes
hybrides
Soutenue le 17 dcembre 2010 devant le jury dexamen
Prsident :
EL FEKIH Henda
Pr., Ecole Nationale dIngnieurs de Tunis
Rapporteur :
Rapporteur :
MBOUP Mamadou
BEN ABDENNOUR Ridha
Pr., Universit de Reims-Champagne Ardenne

Pr., Ecole Nationale dIngnieurs de Gabs
Directeur :
Directeur :
Co-Directeur :
RICHARD Jean-Pierre
KSOURI Mekki
BELKOURA Lot
Pr., Ecole Centrale de Lille

Pr., Ecole Nationale dIngnieurs de Tunis
HdR., Universit Lille1, Sciences
et Technologies
Thse prpare dans le laboratoire LAGIS de lEcole Centrale de Lille et au LACS de

lEcole Nationale dIngnieurs de Tunis, sous la direction des messieurs J-P Richard, M.
Ksouri et L. Belkoura
saut de page
A la mmoire de mes grands parents,

A toute ma famille,
A tous ceux qui maiment,
Et toi.
Remerciements
Cest avec un grand plaisir que je rserve cette page, en signe de gratitude et de
reconnaissance tous ceux qui mont aid la ralisation de ce travail.
Je tiens exprimer ma vive reconnaissance Mlle. Henda El FEKIH, Professeur
lEcole Nationale dingnieurs de Tunis, pour mavoir fait le grand honneur daccepter de prsider le jury dexamen.
Je tiens tmoigner ma sincre reconnaissance M. Mamadou MBOUP, Professeur
lUniversit de Reims-Champagne Ardenne et M. Ridha BEN ABDENNOUR, Professeur lEcole Nationale dIngnieurs de Gabs pour avoir accept de rapporter
sur ce manuscrit et davoir examin minutieusement ce travail.
Je remercie M. Jean-Pierre RICHARD, Professeur lEcole Centrale de Lille, de
mavoir accept dans son quipe et pour sa conance, sa disponibilit et son soutien
continuel durant toute la priode dencadrement. Quil trouve ici lexpression de ma
gratitude pour ses prcieux conseils et toute laide quil ma procure durant llaboration de ce travail.
Je remercie M. Mekki KSOURI, Professeur lEcole Nationale dingnieurs de Tunis, pour son encouragement incessant, pour son soutien dans les moments de doute
et pour stre toujours inquit de mon avenir. Je tiens aussi lui exprimer mon
admiration pour sa comptence, son caractre modeste et aimable.
Ce travail naurait pas pu tre ralis sans la contribution de M. Lot BELKOURA,
Matre de Confrences lUniversit Lille1, Sciences et Technologies. Je tiens lui
exprimer ma reconnaissance pour son aide prcieuse durant mon travail. Il ma toujours conseill, me faisant proter ainsi de ses comptences thoriques et de son
exprience.
Jaimerai exprimer aussi toute ma gratitude envers tous les membres du LAGIS et
de LACS pour leur sympathie et leur soutien. Jadresse mes remerciements aux doctorants qui sont devenus plus que des collgues de travail. Je noublie pas non plus
de remercier tous mes enseignants pour leurs eorts et la richesse de leurs interventions durant mes tudes universitaires. Je remercie, enn, toutes les personnes qui
ont contribu de prs ou de loin la ralisation de ce travail.
Table des matires
1 Identication des systmes retards et dune classe de systmes

hybrides : un tat de lart
17
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Principe de lidentication . . . . . . . . . . . . . . . . . . . . . . .
Intrt de lidentication des systmes temps continu . . . . . . .
Solutions au problme de drivation pos par les modles temps
continu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.4.1 Les fonctions modulatrices . . . . . . . . . . . . . . . . . . .
1.4.2 Les ltres linaires . . . . . . . . . . . . . . . . . . . . . . .
1.4.3 Les mthodes intgrales . . . . . . . . . . . . . . . . . . . .
Classication des mthodes didentication temps continu . . . .
1.5.1 Les mthodes du gradient . . . . . . . . . . . . . . . . . . .
1.5.2 Les mthodes des moindres carrs . . . . . . . . . . . . . . .
1.5.3 Les mthodes de variables instrumentales . . . . . . . . . . .
Identication des systmes retards . . . . . . . . . . . . . . . . . .
1.6.1 Intrt de lidentication des systmes retards . . . . . . .
1.6.2 Identiabilit . . . . . . . . . . . . . . . . . . . . . . . . . .
1.6.3 Classication des mthodes destimation du retard . . . . . .
Systmes dynamiques hybrides . . . . . . . . . . . . . . . . . . . . .
1.7.1 Prsentation . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.7.2 Principales classes des phnomnes hybrides : classication de
Branicky . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.7.3 Systmes commutations . . . . . . . . . . . . . . . . . . .
1.7.4 Systmes impulsions . . . . . . . . . . . . . . . . . . . . .
1.7.5 Identication . . . . . . . . . . . . . . . . . . . . . . . . . .
Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. 18
. 18
. 20
.
.
.
.
.
.
.
.
.
.
.
.
.
.
24
25
26
28
30
31
32
33
33
33
35
39
59
59
.
.
.
.
.
60
62
63
64
67
2 Outils mathmatiques : distributions et entres structures

2.1
2.2
Motivations . . . . . . . . . . . .
Distributions . . . . . . . . . . .
2.2.1 Notations . . . . . . . . .
2.2.2 Ordre dune distribution .
2.2.3 Support dune distribution
2.2.4 Multiplication . . . . . . .
7
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
69
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
69
70
70
71
71
72
TABLE DES MATIRES
2.3
2.4
2.2.5 Convolution .
2.2.6 Multiplication
Entres structures .
Conclusion . . . . . .
. . . .
par tn ,
. . . .
. . . .
. .
eat
. .
. .
. . . . . . . . .
et convolution .
. . . . . . . . .
. . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
3 Identication algbrique des systmes linaires et retards

3.1
3.2
3.3
3.4
3.5
3.6
3.7
3.8
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Cadre de ltude . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Procdure gnrale didentication . . . . . . . . . . . . . . . . . .
Systme linaire du premier ordre retard . . . . . . . . . . . . . .
3.4.1 Formulation du problme didentication . . . . . . . . . . .
3.4.2 Etude en simulation . . . . . . . . . . . . . . . . . . . . . .
3.4.3 Robustesse . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Systme avec succession de retards . . . . . . . . . . . . . . . . . .
3.5.1 Formulation du problme . . . . . . . . . . . . . . . . . . . .
Problme didentication conjointe et formulation en terme de problme de valeurs propres gnralises . . . . . . . . . . . . . . . . .
3.6.1 Formulation du problme . . . . . . . . . . . . . . . . . . . .
3.6.3 Rsolution du problme spectral . . . . . . . . . . . . . . . .
Application au procd dasservissement de temprature . . . . . .
3.7.1 Description du systme . . . . . . . . . . . . . . . . . . . . .
3.7.2 Identication . . . . . . . . . . . . . . . . . . . . . . . . . .
Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
77
.
.
.
.
.
.
.
.
.
.
77
78
79
80
80
82
84
85
85
86
.
.
.
.
.
.
.
.
87
87
88
89
91
91
92
94
4 Identication algbrique pour une classe de systmes hybrides

4.1
4.2
4.3
4.4
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Systmes impulsifs . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2.1 Prsentation des systmes impulsifs . . . . . . . . . . . . . .
4.2.2 Exemples de systmes impulsifs . . . . . . . . . . . . . . . .
4.2.3 Phnomne de Znon . . . . . . . . . . . . . . . . . . . . . .
Formulation du problme destimation . . . . . . . . . . . . . . . .
4.3.1 Robustesse et identiabilit . . . . . . . . . . . . . . . . . .
4.3.2 Identication des instants de commutation . . . . . . . . . .
4.3.3 Identication des paramtres indpendamment des instants de
commutation . . . . . . . . . . . . . . . . . . . . . . . . . .
4.3.4 Problme de valeurs propres gnralises . . . . . . . . . . .
Application au pendule simple avec frottement . . . . . . . . . . . .
4.4.1 Identication des instants de commutation . . . . . . . . . .
4.4.2 Identication des paramtres indpendamment des instants de
commutation . . . . . . . . . . . . . . . . . . . . . . . . . .
4.4.3 Identication simultane des instants de commutation et des
paramtres . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.4.4 Critre de slection . . . . . . . . . . . . . . . . . . . . . . .
72
73
74
75
95
.
.
.
.
.
.
.
.
95
96
96
96
99
99
100
101
.
.
.
.
102
102
103
104
. 105
. 106
. 108
TABLE DES MATIRES
4.5
Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
A Annexe A :
Outils mathmatiques pour lidentication algbrique :
Les distributions
A.1 Formalisme mathmatique . . . . . . . . . . . . . . . . .
A.1.1 Espace vectoriel D . . . . . . . . . . . . . . . . .
A.1.2 Distributions . . . . . . . . . . . . . . . . . . . .
A.1.3 Oprations sur les distributions . . . . . . . . . .
A.1.4 Convolution . . . . . . . . . . . . . . . . . . . . .
A.2 Distributions et systmes dynamiques . . . . . . . . . . .
A.2.1 Algbre de convolution . . . . . . . . . . . . . . .
A.2.2 quations direntielles . . . . . . . . . . . . . .
B Annexe B :
Liste des publications
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
115
. 116
. 116
. 117
. 122
. 127
. 131
. 132
. 132
137
TABLE DES MATIRES
10
Introduction gnrale
Ce travail de doctorat a t prpar dans le cadre dune thse en cotutelle entre
lEcole Centrale de Lille, au sein de lquipe SyNeR 1 (Systmes Non linaires et
Retards) du laboratoire dAutomatique, Gnie Informatique et Signal (LAGIS,
CNRS FRE 3033) 2 et lEcole Nationale dIngnieurs de Tunis, au sein de lunit
de recherche Analyse et Commande des Systmes (ACS) 3 . Mon travail de recherche
sinscrit dans le cadre du projet ALIEN 4 (ALgbre pour Identication et Estimation
Numriques) soutenu par lINRIA (Institut national de recherche en informatique
et automatique).
Comme le suggre le titre de ce mmoire, lenjeu de ce travail de recherche est
double. Il considre, dune part, lidentication des systmes direntiels retards.
Ici, le cadre est essentiellement linaire et stationnaire, au moins en ce qui concerne
la faon dont interviennent les paramtres identier. Dautre part, il dveloppe
une nouvelle technique didentication et destimation des instants de commutation
dune certaine classe de systmes hybrides appels systmes "impulsifs". Cette introduction sera divise en deux parties an de motiver lensemble de notre tude et
dapprhender au mieux la problmatique.
Cependant, il faut ds prsent remarquer que ces deux classes de systmes, apparemment distinctes, seront traites au moyen des mme outils, dinspiration algbrique 5 , qui sont ceux dvelopps dans le cadre du projet ALIEN selon une approche
initie par Fliess et Sira-Ramirez [Fliess and Sira-Ramirez, 2003]. Leur caractristique est de conduire des algorithmes rapides, de faible complexit : les solutions
sont donnes par des formules explicites, avec une mise en uvre simple, utilisant
des outils de lanalyse numrique classique. Contrairement aux mthodes usuelles,
relevant pour la plupart de la statistique asymptotique, les estimateurs dvelopps
ici sont "non asymptotiques". Ceci permet de viser des applications en temps rel
(estimation en ligne), par opposition un traitement qui aurait lieu en dir, aprs
lexprience.
1.
2.
3.
4.
5.
http ://syner.free.fr/
http ://lagis.ec-lille.fr/
http ://www.enit.rnu.tn/
http ://www.inria.fr/recherche/equipes/alien.fr.html
Calcul oprationnel, algbre direntielle ou, comme dans ce travail, thorie des distributions.
11
Introduction gnrale
Systmes retards
Ltude des systmes retards a t lobjet de nombreux travaux en automatique
durant ces dernires dcennies. Ces systmes, qui portent aussi le nom de systmes
hrditaires car ils ne sont pas rductibles une expression dtat instantane, sont
dcrits par des quations direntielles retards, qui appartiennent la classe des
quations direntielles fonctionnelles [Kolmanovskii and Myshkis, 1999a, Kolmanovskii and Myshkis, 1999b,Balachandran et al., 2009]. Elles expriment une relation
entre une fonction vectorielle et ses drives pour des valeurs prsentes et passes
de son argument, qui reprsente dans notre cas le temps, sous la forme [Dambrine,
1994] :
f (t, t , x(t), x(t),
x(t ), x(t
)) = 0, t < t,
(1.1)
o f est une fonctionnelle et x est une fonction valeur dans Rn caractrisant lvolution du systme et qui, considre sur un certain intervalle du temps, constituera
ltat (fonctionnel) du systme.
Mme si ltude des systmes retard date de prs dun sicle, ce domaine reste toujours lobjet dune recherche trs active, comme le montrent plusieurs monographies
qui lui ont t consacres : on peut citer [Malek-Zavarei and Jamshidi, 1987,Gorecki,
1989, Niculescu, 2001, Gu et al., 2003, Niculescu and Gu, 2004, Zhong, 2006, Chiasson and Loiseau, 2007, Balachandran et al., 2009, Atay, 2010]. Parmi les articles
de synthse, on peut galement citer [Watanabe et al., 1996, Conte and Perdon,
1998, Richard, 1998, Kolmanovskii et al., 1999, Richard, 2000, Carvalho and Nussenzveig, 2002, Fridman and Shaked, 2003, Richard, 2003, Loiseau et al., 2009]. Les
systmes retards sont prsents dans des domaines trs varis et la comprhension
des processus qui rgissent leur dynamique est un point fondamental de recherche,
notamment pour amliorer leur commande. Dun point de vue pragmatique, tous
les processus physiques comportent des retards, mme sils peuvent ventuellement
tre ngligs face aux autres dynamiques du processus. Ces retards interviennent
ds que le procd comporte des phnomnes de transport (mlanges chimiques,
tapis roulants ), des phnomnes de transmission dinformation, des acquisitions
de mesures, etc. Les ouvrages [Malek-Zavarei and Jamshidi, 1987,Kolmanovskii and
Myshkis, 1999b, Niculescu, 2001, Gu et al., 2003, Zhong, 2006, Chiasson and Loiseau,
2007, Loiseau et al., 2009, Atay, 2010] donnent des exemples de systmes retards
en biologie, chimie, conomie, physique, dynamique des populations et techniques
de lingnieur.
De plus, en sciences de lingnieur, mme si un processus rguler ne contient pas
de retards intrinsques, des retards peuvent apparaitre dans la boucle de commande
par lintermdiaire des temps de raction des capteurs ou des actionneurs, des temps
de transmission des informations (rseaux) ou des temps de calcul [Seuret, 2006,Hespanha et al., 2007, Richard and Divoux, 2007, Zampieri, 2008]. Ainsi, ils sont fortement prsents dans les domaines stimulants de la technologie de linformation et de
la communication. On peut citer [Bushnell, 2001] pour la stabilit des systmes de
commande en rseau, [Mascolo, 1999, Bushnell, 2001, Abdallah and Chiasson, 2001]
sur les rseaux de commande haute vitesse, [Niemeyer, 1996,Niemeyer and Slotine,
1998] pour les systmes tloprs.
Dans certains cas, les retards se rvlent largement infrieurs aux constantes du
12
temps du systme et aux dynamiques qui en sont attendues aprs asservissement :

ils peuvent tre alors ngligs dans la modlisation. En revanche, si les retards sont
ngligs tort, ils peuvent remettre en question toute la synthse de commande en
boucle : leur prsence dgrade les performances attendues et peut mme conduire
une dstabilisation. Dans tous les cas, lidentication du retard est une tche indispensable : soit pour choisir de les ngliger, soit pour construire une loi de commande
adquate. Pourtant, comme montr dans [Richard, 2003], lidentication en ligne des
systmes retards reprsente encore un problme ouvert.
Dans la littrature, comme nous le verrons, plusieurs travaux se sont penchs sur
lidentication des systmes retards. Jusqu rcemment, les rsultats les plus signicatifs avaient t obtenus par des approches essentiellement asymptotiques, au
sens o la solution est obtenue aprs convergence dune srie rcursive, menant
une mise en uvre complexe et assez consommatrice en temps (voir Chapitre 2).
Cest ainsi que lidentication en ligne (en temps rel) du retard est reste un problme ouvert jusquaux rcents travaux mens dans [Belkoura et al., 2006, Belkoura
and Richard, 2006, Belkoura et al., 2007], qui proposent une approche non asymptotique, base sur la thorie des distributions, pour lidentication simultane des
paramtres et des retards des systmes dynamiques continus. Cette technique sinscrit dans la droite ligne de lapproche algbrique initie par les travaux de [Fliess
and Sira-Ramirez, 2003] dans le cadre des systmes de dimension nie. Nous pensons
quelle devrait simposer progressivement car elle vise lidentication en temps rel,
obtenue au moyen dalgorithmes rapides, de faible complexit. En eet, mme si
les mthodes mathmatiques sous-jacentes pourront sembler complexes du point de
vue de lingnieur (elles se basent sur la thorie des distributions), leur implantation
concrte reste dune mise en uvre simple, base sur les oprations dintgration,
de multiplication ou de ltres rponse implusionnelle nie.
Ce mmoire sinscrit dans la continuit de ces premires recherches eectues sur
lidentication en ligne des systmes continus et retards en vue destimer simultanment les retards ainsi que les paramtres du systme. Une premire analyse
eectue dans [Belkoura et al., 2006, Belkoura and Richard, 2006] montre que ce
problme peut tre apprhend par la rsolution dun systme dquations linaires
ou par une simple technique de moindres carrs (ou de ses variantes). Cependant,
comme nous le verrons, ces deux solutions se heurtent un problme de redondance.
Nous proposerons une alternative base sur une formulation redondante qui considre une srie de ltres. Nous nous ramnerons ainsi un problme didentication
de la forme :
(A B) = 0,
(1.2)
dans lequel les matrices carres A et B dpendent des trajectoires du systme, tandis que et informent respectivement sur le retard et sur les paramtres du
systme. En revanche, cette formulation a une fcheuse proprit : le nombre de
valeurs propres estimes est gal lordre du systme tudi. Nous proposerons une
mthode ecace, base sur la stationnarit du couple retard-paramtres, permettant
la slection des bons paramtres. Paralllement, et dans un mme objectif de robus13
Introduction gnrale
tesse des estimations, une tude portant sur le choix des ltres dans la gnration
des matrices A et B sera mene.
Systmes impulsifs
La deuxime partie de cette thse sera consacre une nouvelle piste de recherche
pour lidentication dune classe de systmes hybrides. Le dveloppement de lautomatisation a longtemps fait intervenir deux types de technologies : les systmes
continus et les systmes vnements discrets. Ces technologies ont t galement
associes deux classes de modlisation, correspondant respectivement des quations tat continu (dynamiques concernant des variables continues, que les relations soient direntielles ou aux dirences) et une logique dvnements (variables boolennes, que les volutions soient asynchrones ou synchrones). Cependant,
cette rpartition de systmes nest pas parfaite puisque la plupart des systmes rels
sont aujourdhui composs de sous-processus technologie continue (bass sur des
changes nergtiques) qui sont dmarrs, recongurs et arrts par une commande
logique, tat discret (ordinateur, automate programmable...). Dans les applications modernes et avec le dveloppement numrique massif, cette interaction de plus
en plus importante entre les phnomnes de nature la fois continue et vnementielle, a conduit lapparition et la formalisation des systmes hybrides [Zaytoon, 2001, Bertrand et al., 2004, Bako, 2008]. Plusieurs travaux se sont penchs
sur ltude des systmes hybrides, parmi lesquels on peut citer quelques livres rcents [Zaytoon, 2001, Haddad et al., 2006, Engell et al., 2002, Matveev and Savkin,
2000] et des numros spciaux dans des journaux [Henzinger and Sastry, 1998, Alur
et al., 1993, Antsaklis et al., 1995, Antsaklis et al., 1999, Benedetto and SangiovanniVincentelli, 2001, Engell et al., 2003, Carloni et al., 2006].
Nous allons proposer dans ce mmoire une modlisation particulire dune certaine
classe de systmes hybrides [Belkoura et al., 2010, Tian et al., 2009, Taarit et al.,
2010a]. En se basant sur le formalisme distributionnel, la description mathmatique
de ces systmes consiste des quations direntielles soumis dans leurs membres
droit des impulsions (discontinuits). Cette modlisation peut toucher des systmes
commutations et des systmes impulsions. Dans [Belkoura et al., 2010], les auteurs ont appel cette classe de systmes : les systmes "impulsifs". Les systmes
dynamiques impulsifs peuvent dcrire un large ventail dapplications pratiques. Ils
permettent de modliser des problmes conomiques, biologiques, de la dynamique
de population, du rseau informatique, [Li et al., 2005].
Lexemple motivant derrire cette prsente tude vient de la modlisation dun pendule simple soumis des frottements secs qui est rgit par une quation direntielle
ordinaire soumis dans son membre droit au terme modlisant le frottement sec (non
linarit discontinue). La nouvelle modlisation de ce systme discontinuits permet de faire apparaitre explicitement ces discontinuits qui reprsentent dans ce cas
les instants de commutation de ce pendule (ou les instants dimpacts pour dautre
cas dtude). Il nest pas dicile de trouver dautre exemple motivants pour cette
14
tude. Plusieurs autres exemples modlisant cette classe particulire des systmes
hybrides peuvent tre trouvs dans [Alur et al., 1993, Brogliato, 1999, Bemporad
et al., 2000, Lygeros et al., 2003, Lygeros, 2004, Attia, 2005, Chareyron, 2005]. Cependant, lidentication en ligne des paramtres de cette classe de systmes ainsi
que des instants de commutation (ou impacts) reprsente un problme stimulant.
Lapproche didentication propose est base sur lextension de la mthode algbrique utilise dans la premire partie de la thse. Dans cette partie, une procdure
dannihilation des termes singuliers prsents dans les quations direntielles reprsentatives de ces systmes est propose dans un cadre dterministe.
Organisation du mmoire
Cette thse vise proposer un ensemble de solutions contribuant rsoudre les
deux problmatiques noncs prcdemment : lidentication des systmes retards
en temps continu et lidentication dune classe de systmes hybrides. Pour prsenter
ces rsultats, la dmarche sarticule autour de quatre chapitres, structurs comme
suit :
Le premier chapitre de ce mmoire prsente un tat de lart de ces deux domaines
lis lidentication. Une premire partie prsente lidentication des systmes en
temps continu, en gnral, ses particularits et ses avantages par rapport lidentication en temps discret. Tout en renvoyant le lecteur une srie de travaux de
synthse existants, un bref tour dhorizon des mthodes sappuyant sur les techniques de ltrage en temps continu est eectu. Une deuxime partie sintresse
plus particulirement lidentication des systmes retards temps continu :
aprs avoir montr lintrt gnral de ce sujet, une tude bibliographique des
mthodes prsentes dans la littrature est mene, donnant les avantages ainsi que
les limites de chacune delles. Une dernire partie prsente la classe de systmes
hybrides laquelle nous nous intressons par la suite, ainsi quune discussion des
travaux rcents sur lidentication de ces systmes.
Le deuxime chapitre est principalement consacr aux outils mathmatiques qui
seront utiliss dans lensemble du mmoire pour formuler les problmes didentication sur une forme algbrique. Tout dabord, nous nous intresserons plus
particulirement aux notions fondamentales de la thorie des distributions, an
de familiariser le lecteur avec le formalisme mathmatique de cette tude (une
prsentation plus complte sur ce sujet est disponible en n de mmoire, en Annexe A). Une deuxime partie de ce deuxime chapitre rappelle la dnition et
les proprits des entres dites "structures", qui seront reprises tout au long de
cette tude.
Lobjectif du troisime chapitre est dintroduire une contribution fondamentale
de la thse. Nous prsenterons les concepts de base de la mthode didentication
algbrique adopte dans [Fliess and Sira-Ramirez, 2003]. Puis, nous montrerons
15
Introduction gnrale
son extension au cas des systmes retards. Trois classes illustratives seront tudies. La premire reprsente un modle trs classique en matire didentication
de procds industriels : il sagit dun systme du premier ordre avec retard sur
lentre. Le deuxime exemple est celui des systmes avec srie de retards. Le troisime et dernier cas montre comment lidentication simultane du retard et des
paramtres peut se formuler par un problme de valeurs propres gnralises. Une
tude exprimentale de cette mthode est ralise sur une maquette dasservissement de temprature bien connue des enseignants dautomatique : le "feedback
process trainer" PT326.
Le quatrime chapitre sappuie sur les techniques dveloppes au chapitre 4, pour
proposer une solution au problme didentication dune classe particulire des
systmes hybides. Nous proposerons des solutions pour lestimation simultane
des instants de commutation (ou discontinuits) et des paramtres. Nous tudierons tout dabord le cas gnral, donnerons ensuite trois structures du problme
didentication et nalement, illustrerons ces nouvelles techniques sur un exemple
de systmes mcaniques soumis des frottements secs.
La conclusion rappellera les direntes contributions apportes par cette thse puis
proposera plusieurs axes de recherche pouvant contribuer complter lensemble
des travaux prsents ici. En annexe, on peut trouver un rappel sur la thorie des
distributions sur laquelle se base la mthode didentication tudie.
Finalement, aprs lannexe A sur les distributions, lannexe B prsentera les direntes publications ralises au cours de cette thse, incluant notre premire communication en confrence : celle-ci traitait de lapplication une souerie de schage.
Pour des raisons de concision nous ne lavons pas intgre au chapitre 4, mais elle
nous a sembl nanmoins intressante titre dannexe.
16
Identification des systmes

retards et dune classe de
systmes hybrides : un tat de
lart
Sommaire
1.1
Introduction
. . . . . . . . . . . . . . . . . . . . . . . . . .
18
1.2
Principe de lidentication . . . . . . . . . . . . . . . . . .
18
1.3
Intrt de lidentication des systmes temps continu
20
1.4
Solutions au problme de drivation pos par les modles temps continu . . . . . . . . . . . . . . . . . . . . .
24
1.5
1.6
1.7
1.8
1.4.1
Les fonctions modulatrices . . . . . . . . . . . . . . . . . .
25
1.4.2
Les ltres linaires . . . . . . . . . . . . . . . . . . . . . .
26
1.4.3
Les mthodes intgrales . . . . . . . . . . . . . . . . . . .
28
Classication des mthodes didentication temps continu 30

1.5.1
Les mthodes du gradient . . . . . . . . . . . . . . . . . .
31
1.5.2
Les mthodes des moindres carrs . . . . . . . . . . . . . .
32
1.5.3
Les mthodes de variables instrumentales . . . . . . . . .
33
Identication des systmes retards . . . . . . . . . . . .
33
1.6.1
Intrt de lidentication des systmes retards . . . . . .
33
1.6.2
Identiabilit . . . . . . . . . . . . . . . . . . . . . . . . .
35
1.6.3
Classication des mthodes destimation du retard . . . .
39
Systmes dynamiques hybrides . . . . . . . . . . . . . . .
59
1.7.1
Prsentation . . . . . . . . . . . . . . . . . . . . . . . . . .
59
1.7.2
Principales classes des phnomnes hybrides : classication

de Branicky . . . . . . . . . . . . . . . . . . . . . . . . . .
60
1.7.3
Systmes commutations . . . . . . . . . . . . . . . . . .
62
1.7.4
Systmes impulsions . . . . . . . . . . . . . . . . . . . .
63
1.7.5
Identication . . . . . . . . . . . . . . . . . . . . . . . . .
64
Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . .
67
17
Identication des systmes retards et dune classe de systmes hybrides : un tat

de lart
1.1
Introduction
Comme nous lavons dj mentionn, dans lintroduction gnrale, le travail ralis

dans cette thse porte sur lidentication des systmes retards temps continu et
par extension, une classe de systmes hybrides. Si on se rfre lattention croissante porte lanalyse de stabilit ou au contrle des systmes retards dans la
littrature internationale, on peut dire que lidentication de ces systmes reprsente
une piste de recherche nalement assez peu explore. Ce chapitre propose un tour
dhorizon des direntes mthodes didentication des systmes retards temps
continu existant dans la littrature.
La premire partie sera consacre une discussion de lintrt de lidentication en
temps continu par rapport lidentication en temps discret. Nous verrons ensuite
comment la drivation de signaux dentre-sortie bruits constitue un problme gnralement pos par cette identication en temps continu, et que cet obstacle pousse
les chercheurs identier en temps discret les systmes (en gnral et retards en
particulier). Une prsentation de quelques mthodes permettant de remdier ce
problme est galement propose.
Dans la seconde partie, nous passerons en revue les direntes mthodes destimation des systmes des paramtres et des retards temps continu, dans le but de
donner les principes ainsi que les avantages et les inconvnients de chaque mthode.
La dernire partie de ce chapitre sera consacre la prsentation dune classe de
systmes hybrides et, plus prcisment, dune classe de systmes commutations et
impulsions. Quelques travaux portant sur lidentication de ces systmes y seront
rappels.
1.2
Principe de lidentication
Lidentication est lopration de dtermination des caractristiques dynamiques

dun procd (systme) dont la connaissance est ncessaire pour la conception et la
mise en uvre dun systme performant de rgulation [Landau, 1993]. La notion de
modle mathmatique dun systme ou dun phnomne, cest--dire dun ensemble
dquations liant ses entres et ses sorties, est un concept fondamental. Un modle
dynamique, cest--dire un modle reprsentant une volution temporelle, peut appartenir soit au domaine du temps continu ("systme temps continu" ou "systme
continu") si les quations qui dcrivent le comportement du systme sont des quations direntielles, soit au domaine du temps discret si ce sont des quations aux
dirences ("systme temps discret" ou "systme discret").
En gnral, il existe trois classes de modles, chaque type de modle tant destin
une application particulire. La premire consiste utiliser les principes phnomnologiques (lois de la physique, de la biologie, etc.) gouvernant le systme. On parle
alors de modles phnomnologiques, de modles de connaissance ou encore de modle "bote blanche". Une alternative cette approche est fonde sur une procdure
18
1.2. Principe de lidentification
exprimentale consistant mesurer, analyser et corrler les entres et les sorties

du systme. Il sagit alors de modles comportementaux (ou modles "bote noire").
La troisime est une combinaison des deux prcdentes : quelquefois appele bote
grise, elle utilise, dans le modle bote noire, les connaissances phnomnologiques
disponibles an de mieux adapter les paramtres du modle mathmatique aux donnes exprimentales.
Dans les deux premiers cas, certains paramtres peuvent tre inconnus (ou mal
connus). La dtermination dun modle partir des donnes entre-sortie, cest-dire lidentication du modle, constitue un problme inverse, par opposition au
problme direct qui consiste dterminer la (ou les) sortie(s), connaissant la (ou
les) entre(s) et les paramtres du modle (ce que lon fait en simulation).
Dans la pratique, lobjectif gnral de lidentication est la dtermination de modles
de conduite an de simuler, danalyser ou de commander un systme. Pour cela, certains auteurs [Borne et al., 1993] considrent que la dtermination des modles de
connaissance est une tche qui intresse plus les physiciens (ou les biologistes, etc.)
que les automaticiens. Ainsi, nous sommes amens mettre en uvre une mthodologie didentication directe de ces modles dynamiques (de commande) qui sont
sous deux types :
les modles non paramtriques (rponse frquentielle, rponse un chelon, etc.),
les modles paramtriques (fonction de transfert, quation direntielle ou aux
dirences, etc.).
Exprimentalement, lidentication comporte quatre tapes :
1. acquisition des entres/sorties sous protocole dexprimentation ;
2. choix dune structure de modle ;
3. estimation des paramtres du modle ;
4. validation du modle identi.
Le travail prsent dans cette thse porte essentiellement sur la phase destimation
des paramtres dun modle pralablement tabli.
Les contributions ralises pour lidentication des systmes continus ont commenc
dans les annes 50, mais elles ont t clipses par un vent compltement numrique. Durant les deux dcennies suivantes, la thorie de lidentication sest principalement intresse pour les modles en temps discret et les contributions eectues
ont t stimules par le dveloppement des calculateurs numriques. Ljung [Ljung,
1999] a dvelopp une boite outils "System Identication" de Matlab regroupant
aussi les approches les plus populaires savoir les algorithmes des moindres carrs et les variables instrumentales. Il existe un nombre important douvrages dans
la littrature qui synthtisent la majorit des travaux eectus sur lidentication
dans le domaine discret, parmi lesquels, on peut citer [Eykho, 1974, Goodwin and
Payne, 1977,Ljung, 1999,Soderstrom and Stoica, 1989,Richalet et al., 1991,Landau,
1993, Borne et al., 1992, Abdennour et al., 2001].
19

de lart
Les annes 70 ont t tmoins dune rapparition dun esprit temps continu et le domaine didentication des systmes temps continu a maintenant muri pour mriter
plusieurs vue gnrale comme [Sinha and Rao, 1991,Unbehauen and Rao, 1998,Mensler, 1999,Landau and Besanon-Voda, 2001,Garnier et al., 2003,Rao and Unbehauen,
2006, Garnier et al., 2006, Garnier et al., 2008].
On distingue deux principales approches pour lidentication des systmes temps
continu dans la littrature : lapproche indirecte et lapproche directe [Unbehauen
and Rao, 1998, Landau, 1993, Mensler, 1999, Rao and Unbehauen, 2006]. Ces deux
approches utilisent les donnes entre-sortie chantillonnes puisque ces donnes sont
recueillies en temps discret par des moyens de mesures numriques.
Lapproche indirecte consiste en une identication en temps discret, en mettant des
hypothses sur le comportement du signal dentre sur une priode dchantillonnage, suivie dune tape de retour au temps continu pour dterminer le modle
estim nal.
Lapproche directe consiste identier directement le modle continu partir des
donnes chantillonnes en faisant recours un tage de calculs intermdiaires des
drives successives des signaux E/S. Cet tage sappelle les transformations linaires
qui seront dtaills dans la section 1.4.
Bien que lidentication par lapproche indirecte (identication discrte) ait connu
un grand succs durant les dernires dcennies, lapproche directe, base sur la modlisation et lestimation dans un cadre continu, prsente des avantages dcisifs dvelopps dans le paragraphe qui suit.
1.3
Intrt de lidentication des systmes temps

continu
Plusieurs travaux ont discut de limportance de lanalyse, de lidentication et de

la commande des systmes temps continu [Sinha and Rao, 1991, Unbehauen and
Rao, 1998, Mensler, 1999, Rao and Unbehauen, 2006, Garnier et al., 2006]. Nous allons donner les principales limitations de lapproche indirecte (identication discrte)
qui peuvent tre pallies par lapproche directe. Ainsi, on va mettre en vidence les
avantages quapporte lidentication continue :
1. Perte de la signication physique des paramtres : Lorsque les algorithmes didentication sont vritablement utiliss pour accder une connaissance physique du systme, alors lutilisation de la reprsentation continue
savre indispensable [Landau and Besanon-Voda, 2001]. En eet, la modlisation en temps continu est souvent couple un modle phnomnologique
labor partir de lois et de principes physiques continus dans le temps. Cest
le cas par exemple des modles mcaniques obtenus par des quations de Lagrange, ou de bien dautres modles issus de considrations nergtiques. Dans
ce cas, le modle est troitement li aux proprits constitutives du systme et
la comprhension des ses comportements. Tandis que, la modlisation en temps
continu garde explicitement ces paramtres, la discrtisation fait perdre cette
20
1.3. Intrt de lidentification des systmes temps continu
connaissance en liant les paramtres inconnus et connus par des relations non
linaires. Nous allons donner un exemple illustratif dune discrtisation dun
modle linaire et stationnaire temps continu [Mensler, 1999]. Il sagit dun
systme lectrique simple compos dune rsistance R et dun condensateur
C. Les tensions dentre e(t) et de sortie s(t) sont mesures respectivement
au borne du gnrateur et du condensateur. Le systme est donc rgit par
lquation suivante :
ds(t)
RC
+ s(t) = e(t).
(1.1)
dt

L(Transformation de Laplace)
Z(Transformation en z)
s(z)
bz 1
=
e(z)
1 + az 1

Te
b = 1 e RC
Te
a = e RC
K
s(t)
=
e(t)
1 + s

K=1
= RC
Les paramtres du modle discret sont des combinaisons des paramtres du

modle continu ainsi que de la priode dchantillonnage. Il est clair que les paramtres du modle continu ont conserv leurs signications physiques contrairement ceux du modle discret qui ont perdu le caractre physique de lquation de fonctionnement du systme.
2. Sensibilit au choix de la priode dchantillonnage : Une des limites
principales de lapproche indirecte est le choix dlicat de la priode dchantillonnage lorsque le systme tudi possde des constantes de temps loignes.
Si la priode dchantillonnage est choisie trop grande, les constantes de temps
rapides ne seront pas prises en compte. A linverse, une sous-estimation de
celle-ci provoque une migration des ples estims (discrets) vers le point z = 1
(z = esTe ) [Sinha and Rao, 1991, Rao and Unbehauen, 2006, Mercre et al.,
2006].
3. La discrtisation peut rendre les modles temps continu non minimum de phase : La discrtisation dun modle continu fait apparaitre des
zros dans le modle discret correspondant et peut donner lieu un phnomne gnant de non minimum de phase. Pour mettre en vidence le problme,
on considre par exemple le modle suivant :
a
G(s) = 2
.
(1.2)
s (s + a)
Il est facile de trouver sa fonction de transfert discrte avec la mthode du
bloqueur dordre zro qui est donne par :
Gz (z) =
Az + B
,
C(z 1)(z D)
21
(1.3)

de lart
avec,
A = 3a2 Te2 2aTe + 2 2eaTe ,
B = 2eaTe 3a2 T 2 eaTe + 2aT eaTe 2,

e
e
2
C = 2a ,
D = eaTe .
. Dans le cas o a = 1, il suit que z1 , se trouve
Le zro de Gz (z) est z1 = B
A
lintrieur du cercle unit pour Te > 0.7 et sort lextrieur du cercle quand
Te < 0.7 comme le montre la gure 1.1. Cet exemple prouve que la discrti-
1.8
z1
1.6
1.4
1.2
0.8
0.6
0.4
0.2
T
Figure 1.1 Dpendance du zro z1 de Gz (z) de la priode dchantillonnage.

sation dun systme continu sain peut provoquer lapparition du problme de
non minimum de phase. Une discussion dtaille de cet aspect est disponible
dans [Sinha and Rao, 1991, Rao and Unbehauen, 2006].
4. Conversion modle temps discret/modle temps continu : Le
problme de passage inverse du modle continu nest pas une tche triviale. Ce
passage ncessite la rsolution des quations complexes reliant les paramtres
du modle continu ceux du modle discret. Pour sen convaincre, on va
donner un exemple dun circuit RLC dcrit par la fonction de transfert suivante
[Mensler, 1999] :
H(s) =
s2 +
1
LC
R
1
s + LC
L
(1.4)
La procdure classique didentication se pose sur la discrtisation de la fonction de transfert H(s) avec la mthode du bloqueur dordre zro. On obtient,
22
1.3. Intrt de lidentification des systmes temps continu
ainsi :
H(s) =
0
2
s + 20 s + 02
sz
H(z) =
b1 z 1 + b2 z 2
.
1 + a1 z 1 + a2 z 2
(1.5)
On remarque lapparition dun zro dans la fonction de transfert discrte.

Le but principal est de dterminer les paramtres physiques R, L et C partir
des paramtres estims de H(z), plus prcisment, partir des relations qui
lient les paramtres du modle discret et ceux du modle continu qui sont les
suivantes
:
a1 = 2e0 Te cos(Te ),
20 Te
,
a2 = e
0 Te
b1 = 1 e
(cos(Te ) + 0 sin(Te )),
b2 = e20 Te + e0 Te ( 0 sin(Te ) cos(Te )),
= 1 2 , < 1.
0
Cependant, trouver les expressions de 0 et de en fonction de a1 , a2 , b1 et
b2 , nest pas trivial. Par ailleurs, une solution qui peut tre adopte consiste
convertir le modle discret estim en un modle continu et identier termes
termes les paramtres estims et les paramtres physiques continus. Mais, le
problme de la prsence du zro discret demeure. Une fois lestimation discrte
est eectue et le modle continu correspondant est dtermin, il reste alors
retrouver les valeurs de R, L et C. Lidentication termes termes des deux
fonctions de transfert suivantes :
H(s) =
s2
1
LC
R
1
s + LC
L
s2
b0
,
+ a1 s + a2
(1.6)
permet daboutir :
b0 = LC ,
a1 = R
,
L
1
a2 = LC .

b 0 = a2 =
=
a1 = R
.
L
1
,
LC
Ce systme dquations reprsente en fait deux quations indpendantes trois

inconnus. Il na y donc pas de solution unique et un problme didentiabilit se pose. Il sut, alors, de mesurer la rsistance R pour rendre le systme
solvable. Cette mthode sappelle lincorporation du systme [Saccomani and
Cobelli, 1992].
5. Choix de lentre : Le choix de lentre joue un rle fondamental dans la formulation dun problme didentication. Pour lestimation des systmes continus, lentre chelon constitue une entre classique et trs utilise dans la pratique. Bien quelle soit satisfaisante pour lestimation continue, cette entre
pose des problmes pour lidentication dun modle discret. En eet, lutilisation dun signal constant pour identier un modle chantillonn permet la
convergence vers zro de lerreur de prdiction sans pour autant que les paramtres estims convergent vers les vrais paramtres du modle. Ce problme
23

de lart
provient du faible degr de persistance de lchelon pour une estimation consistante dun modle discret. Une tude dtaille a t faite dans [Soderstrom and
Stoica, 1989, Landau, 1993, Landau, 1998, Landau and Besanon-Voda, 2001].
Mme pour des entres chantillonnes, la qualit de lidentication discrte
reste toujours lie aux hypothses prises en compte lors de la discrtisation
savoir : le choix de la priode dchantillonnage et la vrication de lhypothse
BOZ entre deux priodes successives dchantillonnage. Si lentre du systme
estimer ne vrie pas lhypothse de BOZ, qui consiste avoir un signal
bloqu (constant) entre deux chantillons, alors, identier dans le domaine
discret conduit des erreurs [Schoukens et al., 1994,Evans et al., 1998,Mensler,
1999]. Cependant, la diminution de la priode dchantillonnage an de se
rapprocher dun signal continu reste une solution mais double tranchant
puisquelle augmente la sensibilit numriques des paramtres.
6. Filtrage intrinsque : Les mthodes didentication continue comportent
une tape de ltrage intrinsque. Cette tape a pour but principal de saffranchir de toutes drivations sur les signaux dentre sortie vitant ainsi leur
estimation. Cet apport des mthodes didentication continue sera lobjet de
la section 1.4 suivante.
1.4
Solutions au problme de drivation pos par

les modles temps continu
Considrons une quation direntielle coecients constants :

y(t) + a1 y (t) + + an y (n) (t) = b0 u(t) + b1 u (t) + + bm u(m) (t),
(1.7)
o, = dtd , (n) = dtd n et (m) = dtd m .

Alors, on peut crire facilement :
n
y(t) = T (t),
(1.8)
avec,
T (t) = [y (t) y (n) (t) u(t) u(m) (t)],
= [a1 an b0 bm ]T .
Ce modle est linaire par rapport au vecteur des paramtres . La principale dicult qui se pose est la prsence des drives temporelles des signaux entre-sortie
dont la gnration dans un contexte bruit conduit une amplication des bruits
stochastiques. Pour cela, le modle dcrit par lquation (1.8) nest pas utilisable en
pratique. Pour remdier ce problme, une tape intermdiaire de ltrage, appele
transformations linaires, permet ainsi dviter la drivation des donnes entresortie et permet aussi de construire des rgresseurs ralistes forms par des grandeurs ltres. On se rfrera pour cela de nombreux surveys et tudes comparatives [Young, 2007,Unbehauen and Rao, 1998,Johansson, 1994,Mensler, 1999,Sinha,
24
1.4. Solutions au problme de drivation pos par les modles

temps continu
2000,Sibille et al., 2000,Landau and Besanon-Voda, 2001,Garnier et al., 2003,Garnier and Young, ,Rao and Unbehauen, 2006,Garnier et al., 2006,Young and Garnier,
2006, Garnier et al., 2008, Garnier and Wang, 2008]. Dans la littrature, ces transformations ont t classes comme suit et sont discutes ci-dessous :
les fonctions modulatrices ;
les ltres linaires ;
les mthodes intgrales.
1.4.1
Les fonctions modulatrices
Ce sont les premires techniques de ltrage apparues dans les annes cinquante
[Sinbrot and Field, 1957] :

) t [0 T ],
sinn ( nt
T
(1.9)
n (t) =
0
ailleurs,
Elles peuvent tre considres lorigine de la plupart des mthodes de ltrage.
k
Lide principale de cette mthode est de ramener les oprations drives dtd k () appliques au couple de donnes entre-sortie sur une fonction, souvent note par n (t),
laide de quelques oprations dintgrations par parties et des factorisations faites
en respectant les hypothses sur le choix de ces fonctions. Une fonction modulatrice
est, en gnral, une fonction vriant :

n (t) t [0 T ],
(1.10)
n (t) =
0
ailleurs,
dk n (t)
existe pour k = 1, , n 1,
(1.11)
dtk
dk n (t)
dk n (t)
|
=
|T = 0, k = 0, , n 1,
(1.12)
0
dtk
dtk
avec n lordre du systme tudi et les drives de la fonction n (t) sont connues.
An de mieux illustrer lapport de ces fonctions, nous allons prendre lexemple dun
systme du premier ordre dcrit par lquation direntielle ordinaire suivante :
dy(t)
+ y(t) = bu(t).
(1.13)
dt
Seul le couple entre-sortie (u, y) est connu sur un intervalle dacquisition [0 T ]. La
multiplication de lquation direntielle (1.13) par une fonction n (t), vriant les
quations (1.10), (1.11) et (1.12), suivie dune intgration sur lintervalle dacquisition, permet daboutir la relation suivante :
T
T
T
dy
a
n (t) dt +
n (t)y(t)dt = b
n (t)u(t)dt.
(1.14)
dt
0
0
0
a
En tenant compte des conditions sur les bornes de lintgrale, les intgrations par
parties des derniers termes permettent de saranchir des drivations sur les signaux
entre-sortie. On obtient alors :
T
T
T
dn (t)
y(t)dt +
n (t)y(t)dt = b
n (t)u(t)dt.
(1.15)
a
dt
0
0
0
25

de lart
Le problme est donc rsolu et les drivations sont dplaces des signaux sur les
fonctions modulatrices. Il est facile maintenant de se ramener la formule gnrique permettant lestimation des paramtres inconnus [a b]T . On trouve plusieurs
fonctions modulatrices dans la littrature savoir :
les fonctions modulatrices de Fourier FMF (Fourier Modulating Function) sont
donnes par :
1
i t
n
(1.16)
,n (t) = ei0 t(e 0 1) ,
T
o = 0 M , est appel index de pulsation modulatrice, M tant le paramtre
est la pulsation de rsolution, n est lordre du
de synthse de la mthode, 0 = 2
T
systme et T est lintervalle de temps dobservation du systme.
les fonctions splines :
n (t) =
(1)i Cni D (iT t),
t [0, nT ].
(1.17)
i=0
les fonctions dHermite Hn (t) [Jordan et al., 1990, Jalali and Jordan, 1991] :
2
n t2 /2
Hn (t) = (1)n et d edtn ,

2
n (t) = (2)11/2 et /2 Hn (t).
(1.18)
et plus rcemment, les fonctions de Hartley, HMF (Hartley Modulating Function),

sont alors donnes par [Unbehauen and Rao, 1997] :
,n (t) = nk=0 (1)k Cnk cas((n + k)0 t),

(1.19)
cas(t) cos(t) + sin(t),
o, = 0, 1, , M , index de pulsation modulatrice, 0 = 2/T reprsente la
pulsation de rsolution.
Les fonctions modulatrices de Fourier et les fonctions de Hartley sont les plus utilises dans la littrature. Outre la nature complexe des fonctions FMF, elles orent
un principal avantage qui est lutilisation des transformes rapides de Fourier. A la
dirence des fonctions modulatrices de Fourier, les fonctions de Hartley se basent
sur la transformation de Hartley qui seectue dans lensemble des rels R. Cette
dirence est considre comme un avantage puisque les signaux ltrs sont rels.
1.4.2
Les ltres linaires
Comme lindique leur nom, les ltres linaires ont pour rle fondamental deectuer
un ltrage linaire de lquation direntielle reprsentative du systme identier,
an dviter le calcul ou lestimation des drives des signaux entre-sortie. Pour
expliquer leur principe de base, on considre un ltre F (s) de rponse impulsionnelle
f (t) [Landau and Besanon-Voda, 2001]. En convoluant lquation (1.7) avec f (t),
on obtient alors :
y f + a1 y f + + an y (n) f = b0 u f + b1 u f + + bm u(n) f,
26
(1.20)

temps continu
sachant que
dn y
dn
(n)
f
=
(y f ) = yF (t),
n
n
dt
dt
alors lquation (1.20) peut tre crite comme suit :
yF (t) = TF (t),
(n)
(1.21)
(m)
avec TF (t) = [yF (t) yF (t) uF (t) uF (t)].

Les deux quations (1.7) et (1.20) sont analogues. Par contre, le rgresseur F (t)
est ralisable puisque les donnes u et y sont maintenant remplaces par les donnes
ltres uF et yF .
Les ltres linaires peuvent avoir plusieurs formes dont les plus connues sont les
ltres de variable dtat SVF (State Variable Filter ) [Young, 2007, Garnier et al.,
2007, Garnier and Wang, 2008] et les fonctionnelles des moments de poisson PMF
(Poisson Moment Functionals) [Saha et al., 1991].
Les ltres de variable dtat est le plus gnral et plusieurs simplications eectues
aboutissent lutilisation dune cascade de n ltres du 1er ordre de la forme suivante :
,
(1.22)
F (s) =
s+
avec reprsentant la pulsation de coupure du ltre. La structure chaine particulire des SVF, illustre par la gure 1.2, permet dobtenir les donnes entre-sortie
ltres lordre dsir.
Figure 1.2 Chaine de ltres de variables dtat.

(i)
Les termes yF , i = 0 n, sont dtermins partir de la relation suivante :

t
(i)
yF =
y( )Pi (t )d,
(1.23)
0
tn
o Pi (t) = i+1 n! et . Bien que les ltres SVF possdent une rponse impulsionnelle
innie, cette rponse dcroit quand t croit permettant de faire disparaitre rapidement linuence de la condition initiale [Garnier et al., 2003].
Quant aux fonctionnelles des moments de poisson, elles sont considres comme un
cas particulier des SVF [Unbehauen and Rao, 1987, Bastogne et al., 2001]. Elles ont
recours (n + 1) ltre du 1er ordre de la forme suivante :
F (s) =
,
s+
27
(1.24)

de lart
avec reprsentant la constante de poisson ( R+ ) et appel facteur de gain.
Si = , les moments de poisson sont appels normaliss. A la dirence des SVF,
(0)
(n)
yF est issue de 1er ltre de la chaine de poisson et yF est la sortie (n + 1)e ltre
comme le montre la gure 1.3 suivante :
Figure 1.3 Chaine de ltres de Poisson.
1.4.3
Les mthodes intgrales
Le principe des mthodes intgrales est dappliquer, sur lquation direntielle du

systme estimer, autant dintgrations successives que ncessaires pour enlever les
drives. Les mthodes intgrales se divisent en deux groupes. Le premier groupe
prsente les mthodes dintgrations numriques et les mthodes des fonctions orthogonales [Datta, 1991]. Ces mthodes eectuent les intgrations sur tout lhorizon
de lobservation. Le deuxime groupe inclut la mthode du ltre intgral linaire LIF
(Linear Integral Filter ) [Sagara and Zhao, 1991] et les moments partiels rinitialiss
MPR [Trigeassou, 1987]. Leur principe est dappliquer des intgrations successives
sur une fentre glissante.
Les mthodes intgrales sur un horizon dobservation : Lintgration n
fois de lquation (1.7) entre 0 et t permet daboutir lquation suivante :
y [n] (t) + a1 y [n1] (t) + + an y(t) =
ti
b0 u[n] (t) + b1 u[n1] (t) + + bm u[nm] (t) + n1
i=0 Ci i! ,
(1.25)
o, les termes Ci reprsentent une combinaison linaire des conditions initiales des
signaux dentre-sortie. Cependant, le problme qui se pose est comment calculer
les termes intgrs sachant que ce calcul nest pas toujours vident surtout que
dans la plupart du temps les signaux intgrer nont pas une expression analytique
explicite. Pour remdier ce problme, quelques techniques numriques dintgration sont utilises. Les plus connues sont la mthode du trapze TPF (Trapezodal
Pulse Function) [Dai and Sinha, 1991,Quarteroni et al., 2000], la mthode du rectangle BPF (Block Pulse Function) [Quarteroni et al., 2000, Demailly, 2006] et la
mthode de Simpson [Clenshaw and Curtis, 1960,Quarteroni et al., 2000,Demailly,
2006]. La dirence entre ces trois mthodes rside dans lhypothse adopte sur
le signal ltrer : il varie linairement en deux pas dchantillonnage pour la TPF,
soit constant entre deux pas dchantillonnage pour la BPF et une parabole pour
la mthode de Simpson.
Quant aux mthodes des fonctions orthogonales, elles servent dcomposer les
signaux dentre-sortie sur une base forme par des fonctions orthogonales et ce
28

temps continu
sont leurs coordonnes sur la bases des fonctions qui vont tre par la suite utilises [Unbehauen and Rao, 1987, Datta and Mohan, 1995]. Ces fonctions peuvent
tre regroupes en trois classes : les fonctions sinus-cosinus SCF (Sine-Cosine
Functions), les fonctions constantes par morceaux PWOF (Piece Wise Orthogonal Functions) et les polynmes orthogonaux OP (Orthogonal Polynomials).
Les mthodes intgrales sur une fentre glissante : Lide principale du
ltre intgral linaire est dappliquer des intgrations successives sur lquation
direntielle du systme tudi. Nanmoins, la dirence des mthodes intgrales
prsentes prcdemment, les intgrations sont eectues sur une fentre glissante
de largeur lTe [Sagara and Zhao, 1991]. Lquation (1.25) devient alors :
In y(t) +a1 In1 y(t) ++an I0 y(t) = b0 In u(t) +b1 In1 u(t))++bm Inm u(t), (1.26)
t
n1

avec In x(t) tlTe 11lTe n1
x(n )dn d1 . Dun point de vue ltrage,
lTe
lopration dintgration peut tre interprte comme une opration de ltrage
des donnes par un ltre :
F (s) = (
1 elTe s n
) .
s
(1.27)
Cette mthode de ltrage prsente en ralit deux avantages : le premier est quelle
permet la disparition des conditions initiales une fois que le ltre est appliqu. Le
deuxime avantage est que le ltrage est eectu laide dun ltre ayant une
rponse impulsionnelle nie.
En ce qui concerne les moments partiels rinitialiss MPR, ils sont issus de la
thorie gnrale des moments [Trigeassou, 1987, Trigeassou and Poinot, 2001].
Leur principe repose sur le calcul dintgrales des signaux entre-sortie pondrs
par une fonction adquate. Cette approche est fonde la fois sur le principe des
mthodes des ltres linaires et des mthodes dintgrations numriques [Sibille
et al., 2000, Tohome, 2008]. Pour expliquer leur principe, soit lquation direntielle y (t) + a0 y(t) = b0 u(t) dont la paramtrisation est dirente de lquation
(1.7) [Trigeassou and Poinot, 2001]. On multiplie cette equation par t et on intgre
par la suite de 0 T .
En intgrant par partie :

T
on obtient nalement :
a0
y(T ) =
T

0
ty (t)dt,
b0
ty(t)dt +
T

0
1
tu(t)dt +
T

0
y(t)dt,
(1.28)
qui peut tre rcrit comme suit :
Soit :
y(T ) = a0 0,T (y) + b0 0,T (u) + 1,T (y).
(1.29)
y(T ) = T (t) + 1,T (y).
(1.30)
29

de lart
Dans le cas gnral, les coecients n et m dpendent des intgrations pondres
par tn , de la forme :
T n
t
f (t)dt,
(1.31)
0 n!
qui sont par dnition les moments partiels rinitialiss. Ces intgrales jouent le
rle de ltrage quand les donnes sont bruites. Cependant, ce ltrage dpend de
lintervalle dintgration T . Une tude mene dans [Trigeassou, 1987] montre quil
existe une valeur optimale de T. La nouvelle expression des moments partiels est
donne par lquation (1.32) la place de lquation (1.31) :
T n
f (t T + )d.
(1.32)
n!
0
Cette expression montre que pour eectuer un ltrage quel que soit le point considr, le calcul de lintgral est rinitialis chaque instant. Et donc,
y(T ) = T (t) + 1,T (y).
1.5
(1.33)
Classication des mthodes didentication temps

continu
Une fois ltape des transformations linaires accomplie, il faut dterminer les valeurs des paramtres de la structure choisie par la minimisation dune fonctionnelle
derreur (appel aussi critre). Le choix du critre minimiser permet de juger de
la conance attribuer ces valeurs [Borne et al., 1992]. Les critres de slection
de modles que lon rencontre dans la littrature ont souvent une expression qui
fait intervenir le nombre dobservations N et le nombre de paramtres p du modle
pondrant une fonction comme la somme des erreurs de prdiction au carr. Nous
allons prsenter trois critres [Mensler, 1999] :
lerreur de simulation quadratique :
N 1
1
(yvrai (k) ysimule (k))2 .
=
N k=0
lcart en % entre le paramtre vrai et le paramtre estim :

E()
.
ecart(%) = 100
||
(1.34)
(1.35)
lerreur quadratique moyenne de lestimateur :

2 = (
2 + (biais())
2,
EQM = E( )
ecarttype())
avec :

2 ],
ecarttype() = E[( E())

= E(),
biais()
= lim 1 N i .
E()
i=1
N
N +
30
(1.36)
(1.37)
1.5. Classification des mthodes didentification temps continu
Dans la plupart des cas, on ne peut pas trouver une solution analytique pour le
minimum du critre adopt. Dans ces conditions, on fait appel aux mthodes doptimisation qui engendrent les algorithmes destimation non rcursifs ou des algorithmes rcursifs [Landau and Besanon-Voda, 2001].
Les algorithmes non rcursifs doptimisation sont des algorithmes hors ligne puisquils supposent que lensemble des donnes entre-sortie sur lhorizon dobservation
N est disponible et quil peut tre utilis globalement. En revanche, les algorithmes
rcursifs permettent la mise jour progressive des paramtres estims en utilisant
chaque pas une paire dentre-sortie. Ces mthodes sont utilises pour lidentication en ligne.
Dans les deux cas, plusieurs algorithmes de minimisation du critre sont tudis dans
la littrature. On peut trouver les mthodes du gradient, les mthodes des moindres
carrs et les mthodes de variables instrumentales.
1.5.1
Les mthodes du gradient
Le principe gnral de la mthode du gradient consiste chercher la valeur de lesti de lerreur

me des paramtres qui minimise une fonction de cot quadratique J()
de prdiction [de Mathelin, 2001]. Cette recherche se fait de manire rcursive en sui = constante) cest dire que nous
vant la plus grande pente entre isocritres (J()
prenons la direction oppose au gradient du critre comme direction instantane de
variation pour les paramtres estims :
= F J(),
(1.38)
est une fonction de cot quadratique convexe sur lespace des et F = F T >
o, J()
0 est une matrice de gain dnie positive. Il existe plusieurs types de mthodes du
gradient. Les plus utilises sont la mthode de Newton-Raphson, la mthode de
Gauss-Newton et la mthode de descente du gradient qui dirent par la formule
de mise jour des paramtres. La formule la plus gnrale, celle de lalgorithme de
Newton-Raphson, est fonction du cot, de la drive partielle de la fonction cot
par rapport au vecteur des paramtres et de la drive seconde partielle de la
fonction cot par rapport au vecteur des paramtres. Les deux autres algorithmes
sont considrs comme des cas particuliers de ce dernier.
Plusieurs travaux ont prsent les mthodes du gradient, parmi lesquels : [Ljung,
1987,Soderstrom and Stoica, 1989,Landau, 1993,Borne et al., 1993,ODwyer, 2000b].
Le choix de lutilisation de lune de ces trois mthodes dpend essentiellement de la
vitesse de convergence souhaite et des mesures disponibles.
Lapplication de la mthode de Newton-Raphson ncessite lestimation des drives
premire et seconde de la fonction cot, qui sont parfois complexes calculer. Par
contre, le grand avantage de cette mthode est sa rapidit de convergence compte
tenu de la nature quadratique du critre minimiser.
31

de lart
La mthode de Gauss-Newton ne ncessite pas lvaluation de la drive seconde
du cot et se caractrise par un calcul moins intensif que la mthode de NewtonRaphson. Bien-sr, la contrepartie est une vitesse de convergence plus lente que par
Newton-Raphson.
La mthode de descente du gradient, quoique directe et simple, est en gnral sensible
au type de la fonction minimiser et converge lentement vers la solution optimale
aprs un dpart initial rapide. La mthode de Gauss-Newton combine les meilleures
caractristiques de la mthode de Newton-Raphson et de la mthode de descente du
gradient [Draper and Smith, 1981].
On peut dire gnralement que la limite majeure de ces mthodes est quelles sont
sensibles linitialisation et quelles peuvent ne pas converger si le point de dpart
de lalgorithme est mal choisi.
1.5.2
Les mthodes des moindres carrs
Ces mthodes sont trs populaires compte tenu de leur simplicit dimplmentation
et de leur utilisation courante dans les algorithmes de commande adaptative. Le
principe des mthodes de moindres carrs est le mme que celui des algorithmes
du gradient. Elles orent nanmoins la possibilit de variation du gain dadaptation, permettant ainsi une convergence plus rapide vers loptimum recherch. Elles
peuvent tre rcursives ou non rcursives. Les algorithmes rcursifs orent, entre
autres, la possibilit dune identication en ligne, alors que les algorithmes non rcursifs traitent en bloc les donnes mesures sur tout lhorizon de temps.
La mthode des moindres carrs consiste calculer la valeur des paramtres estims
:
qui minimise chaque instant une fonction de cot quadratique J()
en temps continu :
t
2 d.
J((t)) =
(y( ) T ( )(t))
(1.39)
0
en temps discret :
1))2 .
J((t))
= (y(t) T (t)(t
(1.40)
est convexe en chaque instant t et est minimise
Cette fonction du cot, J(),
en cherchant la valeur de qui annule son gradient. La relation donnant le vecteur

minimisant le critre quadratique prcdent scrit comme suit :
= (T )1 T y.
(1.41)
Toutefois, cet algorithme, qui nest que des moindres carrs ordinaires, soure dun
inconvnient majeur lors de son utilisation dans un contexte bruit qui est la prsence
dun biais sur les paramtres estims. Ce biais est d la corrlation entre le rgresseur (voir la section 1.4) et le bruit de mesure. Pour cela, deux classes de mthodes
permettent de contourner ce problme [Landau, 1993,Borne et al., 1992,Borne et al.,
1993, Zito, 2005] :
32
1.6. Identification des systmes retards

mthodes didentication bases sur le blanchissement de lerreur de prdiction
(moindres carrs rcursifs, moindre carrs pondrs, moindre carrs gnraliss,
erreur de sortie avec modle de prdiction tendue). Dans ce cas, il est ncessaire
de vrier que lerreur de prdiction, obtenue comme dirence entre la sortie
est assimilable au bruit
relle du systme y(t) et la sortie du modle identi y(t),
blanc. Si on note avec (t) lerreur de prdiction, cela implique :
lim (t)(t 1) = 0.
(1.42)
mthodes didentication bases sur la dcorrlation du vecteur des observations

et de lerreur de prdiction (variables instrumentales, erreur de sortie ltre).
1.5.3
Les mthodes de variables instrumentales
Les mthodes de type variables instrumentales ont pour rle essentiel de diminuer
le biais des paramtres estims par la mthode des moindres carrs [Sderstrm
and Mahata, 2000, Sderstrm and Stoica, 2000]. Elles savrent robustes dans le
cas didentication partir des donnes bruites. Le principe de la mthode des
variables instrumentales consiste modier lquation de rgression linaire,
y(t) = T + e(t),
(1.43)
en multipliant chacun des termes par un vecteur z(t), dit vecteur instrumental. On
obtient alors la rgression linaire suivante :
z(t)y(t) = z(t)T + z(t)e(t).
(1.44)
Pour N + 1 mesures et lorsquon choisit la matrice instrumentale, note Z, telle que

ZT soit inversible, on obtient lestimation des paramtres comme suit :
= (ZT )1 ZY.
(1.45)
Cet estimateur sera sans biais si on a la proprit de dcorrlation entre les variables
instrumentales et lerreur de prdiction :
E{z(t)e(t)} = 0,
et si E{z(t)T (t)} est non singulire.
1.6
1.6.1
Identication des systmes retards

Intrt de lidentication des systmes retards
Nous avons dj mentionn dans lintroduction gnrale que les systmes retards
taient le sujet de plusieurs monographies qui montrent lattention apporte ltude
de ces systmes. Ainsi, on peut redonner ces quelques travaux [Malek-Zavarei and
Jamshidi, 1987, Kolmanovskii and Myshkis, 1999b, Niculescu, 2001, Carvalho and
33

de lart
Nussenzveig, 2002, Gu et al., 2003, Richard, 2003, Zhong, 2006, Chiasson and Loiseau, 2007,Loiseau et al., 2009,Atay, 2010] qui prsentent de nombreux exemples de
systmes retards issus de domaines trs varis.
Le phnomne de retard apparat couramment, soit parce que les capteurs, les actionneurs ou le calcul de la loi de commande introduisent un tel dcalage temporel,
soit parce que le processus lui-mme prsente naturellement un transport de matire,
une transmission dnergie ou dinformation, un temps dattente se traduisant par
un retard, soit encore parce que lutilisation dun modle retard permet de garder
une fonction de transfert crdible tout en restant de degr faible.
Cependant, lidentication du (ou des) retard(s) savre une tche importante, souvent indispensable, pour la conception dune commande. En eet, la prsence de
retards en boucle ouverte a souvent une inuence considrable sur le comportement
du systme boucl. Cest ainsi que bien souvent lexistence de mouvements oscillatoires, voire instables, peut tre explique en introduisant une modlisation retarde
dans la chane daction ou de rtroaction. Les mthodes les plus classiques, comme le
prdicteur de Smith qui pour rle de rduire leet du retard et dviter lapparition
des oscillations, demandent la connaissance de ce retard. Dans dautres cas, lestimation du retard entre deux signaux est un problme important dans de nombreux
domaines : sismique, biomdical, sonar, radar, tlcommunications, . Dans le cas
du sonar en mode passif, la mesure du retard est utilise pour estimer la position et
la vitesse dune source acoustique [Emile et al., 1995]. Une tude mene dans [Diop
et al., 2001] sintresse aux contrleurs embarqus, qui, utiliss en temps rel, sont
souvent lobjet dun retard variant dans le temps. Ce retard est d la priorisation
des tches o la communication sur des rseaux de communication prioritaires.
Selon le microprocesseur ou la charge du rseau, la valeur du retard peut varier.
Pour cela, la prise en compte de cette valeur est indispensable pour la conception
dune commande.
Un dernier point qui doit tre mis en relief est lestimation des systmes du premier et du second ordre retard pur, appels dans la littrature respectivement
par FOPDT (First Order Plus Time Delay) et SOPDT (Second Order Plus Time
Delay). Les modles de ces systmes ont reu une grande attention en raison de
lutilisation rpandue dans les techniques de rglage des contrleurs PID. Souvent la
dtermination dun modle rigoureux est dicile en raison de la nature complexe de
certains processus. Par consquent, identier ces systmes par des modles dordre
infrieur partir des donnes entre-sortie est une solution trs adopte. Un modle
simple du FOPDT sous la forme suivante :
H(s) =
Ke s
,
1 + Ts
(1.46)
o K, T et reprsentent respectivement le gain, la constante du temps et le

retard, domine pour la conception dune commande dans les applications industrielles [Ljung, 1987, Ljung, 2002, Ljung, 2003]. En revanche, le modle du FOPDT
reste limit lorsque le systme est non amorti ou la dynamique est dordre lev.
34
Cest ainsi que les modles du SOPDT peuvent mieux dcrire ces processus. Certains
modles dordre lev lorsquils sont approxims par un modle du FOPDT donne
une constante du temps ngative et donc le modle du second ordre savre ncessaire [Ramakrishnan and Chidambaram, 2006]. Plusieurs travaux existants dans la
littrature se sont concentrs sur lidentication de ces modles, parmi lesquels on
peut citer [Ziegler et al., 1942, Strejc, 1959, Unbehauen and Rao, 1987, Borne et al.,
1993, Bi et al., 1999, Wang et al., 2001b, Wang et al., 2001a, Liu et al., 2007, Ahmed
et al., 2006, Wang et al., 2008]. On peut donner lexemple des deux premires mthodes apparues pour lidentication de tels systmes : la mthode de Broda qui
cherche a priori un modle du premier ordre retard pur et la mthode de Strejc
qui permet didentier une rponse indicielle par un modle retard dordre lev.
Ces deux mthodes ainsi que dautres plus ecaces vont tre tudies par la suite
dans la section 1.6.3.
En conclusion, on peut dire que la prsence du retard rend le problme didentication plus complexe. La dicult vient de la faon de faire apparatre le retard,
qui est un paramtre non linaire, dans le vecteur des paramtres estimer lors
de la formulation du problme didentication. Un expos des direntes mthodes
utilises dans la littrature sera prsent dans la section 1.6.3.
1.6.2
Identiabilit
Lidentiabilit est un concept fondamental dans les problmes didentication. Il

consiste sassurer que la procdure didentication donnera une valeur unique des
paramtres partir du couple de donnes entres sorties et que le modle qui en
rsulte correspond au systme rel [Ljung, 1987].
Lidentiabilit est lie principalement deux facteurs : le choix du modle et de
sa complexit, dune part, et la disponibilit des donnes (en gnral, des mesures),
dautre part. Cette disponibilit conduit deux notions :
lidentiabili a priori : appele encore identiabilit thorique, elle revient
tester linjectivit du comportement entre-sortie de la structure et reprsente une
condition pralable lidentication posteriori.
identiabili a posteriori, appele aussi identiabilit pratique. Une fois lidentiabili a priori vrie, lobjectif de lidentiabili posteriori est de montrer
que la condition dunicit de la solution du problme destimation est vrie
partir des mesures disponibles.
Les premiers travaux sur lidentiabilit des systmes retards ont t mens dans
[Nakagiri and Yamamoto, 1995, Ljung, 1997, Lunel, 2001]. Cependant, ces travaux
se sont limits aux systmes sans entre (rgime autonome) dcrits par des quations direntielles retards. Les conditions didentiabilit des paramtres et des
retards ont t dtermines suite une analyse spectrale des oprateurs tudis en
supposant la connaissance des solutions particulires sur un intervalle de temps ni.
Dans le cas des systmes non retards, il existe plusieurs travaux (voir par exemple
[Ljung, 1987, Diop and Fliess, 1991, Walter and Pronzato, 1996, Noiret, 2000, Tho35

de lart
massin, 2005]) donnant un panorama des dirents test didentiabilit. Parmi les
approches didentiabilit, on trouve lidentiablit structurelle [Bemporad et al.,
1970, Reid, 1977, Distefano and Cobelli, 1980] et lidentiabilit algbrique [Fliess
and Sira-Ramirez, 2003] qui ont pour but dtudier un systme linaire sans retards
et o le vecteur des paramtres est de dimension nie.
Lidentiabilit structurelle est indpendante des conditions exprimentales et traduit lunicit du vecteur des paramtres dans les expressions des fonctions de
transfert des systmes, cest--dire :
H(s, ) = H(s, ) = = .
(1.47)
De faon quivalente, ceci signie que deux vecteurs de paramtres dirents donnent
forcment deux comportements entre-sortie dirents.
Lidentiabilit algbrique, dnie dans [Fliess and Sira-Ramirez, 2003], est plus
rcente. Trs schmatiquement, elle dnit une "identiabilit linaire" du vecteur
des paramtres travers une relation du type :
P = Q, det P = 0,
(1.48)
o les matrices P (n n) et Q(n 1) sont formes partir des donnes mesures.

Nous la reprendrons dans le cadre du formalisme distributionnel qui sera le sujet du
chapitre suivant.
Lapproche utilise dans [Orlov et al., 2002, Belkoura and Orlov, 2002, Belkoura
et al., 2004, Belkoura, 2005, Drakunov et al., 2006] tend lanalyse didentabilit
des systmes retards plus gnraux dcrits par des quations de convolution de la
forme :

y
R = 0, R = [P, Q], =
,
(1.49)
u
avec les matrices P (n n) et Q(n q) formes partir des donnes entre-sortie
mesures dans lespace E des distributions support compact. Lquation (1.49)
correspond lapproche comportementale des systmes dcrits par des quations de
convolution. Dans ce qui suit, R(s), reprsente la transforme de Laplace de R, fournit la reprsentation du noyau du comportement B, dnie comme tant lensemble
de toutes trajectoires E n+q , o E reprsente lespace des fonctions C (R, R) et
= kerE R(s).
Le concept de lidentiablit est bas sur la comparaison du systme dorigine et son
modle de rfrence associ gouvern par lquation (1.49) et dans lequel R, P, Q
P , Q
et y. Le systme est dit identiable
et y sont remplacs respectivement par R,
= R, ce qui assure lunicit de
sil existe une commande u tel que y = y rsulte R
la matrice des coecients aussi bien que celui des retards.
Lanalyse didentiabilit prsente dans ce manuscrit sarticule autour de deux
tapes. La premire tape fait appel la notion dun signal de commande susamment riche. Le choix de ce type dentre renforce lidentiabilit et assure que
36
deux trajectoires direntes correspondent obligatoirement deux transferts dirents. Dans la deuxime tape, on donne les conditions susantes sur P et Q (ou R)
sous lesquelles un transfert donn T a une reprsentation unique. Il est noter que
cette analyse suppose que la trajectoire du systme est sur un intervalle de temps ni.
Lidentication requiert le choix dune entre qui soit assez varie pour permettre
dexciter les direntes dynamiques du systme. Pour dnir cette notion dentre
"susamment riche", on note [0, u ] lintervalle danalyse, qui dpend essentiellement de lentre u et de son support, et par T le transfert.
Dnition 1 Une entre u est dite susamment riche sil existe u > 0 tel que
y |[0,u ] = y |[0,u ] implique que T = T .
La prsence dune entre susamment riche garantit donc qu deux transferts diffrents correspondent ncessairement deux trajectoires de sortie direntes. Do, la
dnition suivante :
Dnition 2 Le systme dcrit par lquation (1.48), est dit identiable si, pour
= R.
toute entre u susamment riche, y |[0,u ] = y |[0,u ] entrane R
Une fois que lunicit du transfert T est dduite, lobjectif suivant est de fournir
des conditions susantes sous lesquelles ce transfert, son tour, dtermine dune
faon unique les oprateurs P et Q (ou R). Lgalit entre deux transferts T = T se
traduit par :
= R,
R
(1.50)
1
(1.51)
= P P .
Le systme est alors identiable si se rduit lunit I. Le thorme suivant
tir de [Belkoura, 2005] propose une solution et lidentiabilit du systme (1.49) se
rduit :
Thorme 3
1. rank R(s) = n, s C,
2. conv det P = n conv R,
o conv R reprsente le plus petit intervalle ferm qui contient le support de R
(cest dire lenveloppe convexe de supp R) et o det P est le dterminant de P
dans lalgbre de convolution. Ces conditions sont troitement lies la proprit
de contrlabilit approche [Yamamoto, 1984]. Lexemple suivant, tir de [Belkoura,
2005], montre lapplicabilit des rsultats prcdents aux systmes retards distribus. On considre le systme multivariable et retard :
0
x 1 (t) = x1 (t) + 1 x2 (t + )d,
0
(1.52)
x 2 (t) = x1 (t 1) + x2 (t) + 1 u(t + )d.
On note (t) = H(t)H(t1), o H est la fonction de Heaviside. On a supp = [0, 1]
et, en appliquant quelques manipulations simples, on montre que le systme (1.52)
admet une reprsentation R = 0 avec w = (x1 , x2 , u)T et :

0

R = [P, Q] =
.
(1.53)
1

37

de lart
Il est clair que conv R = [0, 1] tandis que det P = 2 + 1 . A partir de
l, on obtient conv det P = [0, 2] et la condition 2 est alors satisfaite.
Dautre part, R(s) sexprime par :

s
s 1 e s1
0
.
(1.54)
R(s) =
s
es s 1 e s1
Le dterminant de la matrice forme par la deuxime et la troisime colonne de
R(s) est non nul pour s = 0 et pour s = 0, la matrice forme par la premire et la
seconde colonne de R(0) est non singulire. La condition 1 est galement satisfaite
et le systme (1.52) est identiable pour toute entre susamment riche.
En conclusion, la fonction de transfert est identiable si et seulement si la concidence
de la sortie du systme et celle du modle implique la concidence des fonctions de
transfert correspondant.
Les structures des modles tudies dans cette thse seront toutes mono-entre /
mono-sortie et de type canonique. Une structure est dite canonique si elle est sous
une forme telle quil existe une faon unique de lcrire. On obtient, par exemple,
une forme canonique en crivant la fonction de transfert comme le rapport de deux
polynmes ordonns en s, condition de simplier le numrateur et le dnominateur
par leur PGCD et de normaliser (xer un) le coecient de plus bas (ou de plus
haut) degr en s du dnominateur [Thomassin, 2005]. Ce type de modle est toujours
identiable lorsquil est soumis une entre dexcitation susamment riche. Les
signaux dentre utiliss dans notre tude sont les entres chelon, constantes par
morceaux et sinusodales, de dure (u ) nie arbitraire. Ils rpondent ainsi au cadre
de la dnition 1. Cest pourquoi le problme didentiabilit ne sera pas plus soulev
dans notre cas dtude.
Entre susamment riche
Dans les procdures didentication, la conception dune entre susamment riche
qui renforce la capacit didentication est galement une question importante. Etant
donn un modle de rfrence associ au systme tudi, il faut savoir si les rsultats
de lgalit des sorties aboutit celle des fonctions de transfert. Dans [Belkoura,
2005, Orlov et al., 2002], la conception de lentre est considre dans le domaine
temporel et non dans le domaine frquentiel et les approches sont principalement
bases sur la non rgularit de lentre. Plus prcisment, une entre "riche" peut tre
conue partir des fonctions polynomiales par morceaux ayant un ordre infrieur
ou gal un entier xe K. On note par
u = {s0 , s1 , , sL , },
(1.55)
le support singulier de u (les extrmits des intervalles sur lesquels les polynmes
sont dnis) et par uk (sl ) le saut de u(k) en sl . Lensemble des sauts de u(k) forme
la matrice de dimension q L suivante :
uk = [uk (s0 ), , uk (sl )],
k = 0, , K + 1.
(1.56)
Cependant, cette entre est susamment riche si, dune part, elle a susamment de
discontinuits dans le sens quune matrice polynomiale forme partir de ces sauts
38
soit de rang plein et dautre part ces discontinuits sont susamment espaces. Do
la proposition suivante :
Proposition 4 [Belkoura, 2003] Toute fonction ( valeurs dans R) polynomiale par
morceaux, support compact, et vriant les deux conditions ci-dessous, constitue
une entre susamment riche dans le sens de la dnition 1 :
ki i
1. rank K
i=0 u s = q,
2. sl sl+1 > (n + 1)h, l = 1, , L,
o h est le retard qui doit tre connu a priori.
1.6.3
Classication des mthodes destimation du retard
Quelques auteurs ont dj entrepris des synthses concernant les direntes mthodes didentication des systmes retards, parmi lesquels [ODwyer, 1996, Ferreira and Fernandes, 1997,ODwyer, 1999,ODwyer, 2000a,Bjorklund, 2003b,Bjorklund, 2003a].
Dans cette prsente tude, une synthse des mthodes didentication des paramtres
et des retards dune structure de modle temps continu les plus utilises dans la
littrature sera ralise. Cette prsentation sera limite aux techniques didentication dans le domaine temporel. Nous allons mettre laccent sur les cas des systmes
retards sur lentre qui est le cas de notre prsente tude. A la n de cette partie,
nous reprendrons une synthse, sous forme de deux tableaux. Le tableau 1.1 donne
les direntes mthodes didentication des systmes retards temps continu dans
la littrature. Quant au deuxime tableau 1.2, il regroupe les temps de rponse des
algorithmes didentication, lorsque ceux-ci ont t prsents par leurs auteurs.
Mthodes graphiques
Ces mthodes se basent sur lanalyse indicielle dun systme en boucle ouverte soumis une entre chelon retarde et initialement au repos. Le principe de ces mthodes est de proposer, partir de ltude graphique de la forme de la rponse
du systme, un modle permettant de donner une rponse voisine de la sortie mesure. Il existe plusieurs mthodes dans la littrature [Ziegler et al., 1942, Strejc,
1959,Rake, 1980, Huang and Clement, 1982, Unbehauen and Rao, 1987, Borne et al.,
1993, Huang and Clement, 1993, Rangaiah and Krishnaswamy, 1994, Cordon and
Ballois, 1998, ODwyer, 2000a], parmi lesquelles, on peut citer la mthode de Strejc,
celle de Broda et celle de Ziegler-Nichols :
La mthode de Strejc permet didentier un systme, dont la rponse indicielle ne
prsente pas de dpassement, un systme de la forme suivante :
H(s) =
Ke s
,
(1 + as)n
(1.57)
o K est le gain statique, a reprsente la constante du temps, est le retard et

n est lordre du systme. Le principe consiste tracer une tangente la rponse
39

de lart
indicielle en boucle ouverte son point dinexion pour dterminer deux valeurs
T1 et T2 comme le montre la gure 1.4. Lintersection de cette tangente avec laxe
des abscisses permet de dterminer une distance T1 entre ce point et lorigine de
laxe des abscisses. En traant une droite parallle laxe des ordonnes passant
par le point dintersection de la tangente et de la tangente la rponse indicielle
lorsquelle atteint sa valeur nale, la distance T2 sera mesure entre son point
dintersection avec laxe des abscisses et lintersection de la tangente au point
dinexion avec laxe des abscisses. En utilisant un tableau de valeurs existant
dans la littrature, ces deux valeurs permettent de calculer lordre, la constante
du temps et le retard. Quant au gain statique, il est directement dtermin partir
de la valeur nale de la sortie.
Figure 1.4 Mthode gnrale pour obtenir T1 et T2 .

La rponse un chelon retard sera assimile celle dun premier ordre retard.
La mthode de Ziegler-Nichols, dcrite par la gure 1.5, permet de dterminer le
retard et la constante du temps en traant la tangente un point dinexion de
la rponse du systme. La constante du temps est obtenue, aprs le calcul de la
pente de cette tangente note p et la mesure de la valeur nale note M , partir
de la relation a = Mp alors que le retard est obtenu par la mesure de la distance
entre lorigine du temps et lintersection de la tangente avec laxe des abscisses.
La mthode de Broda permet didentier la rponse dun systme en boucle
ouverte un systme du premier ordre avec un retard pur de la forme :
H(s) =
Ke s
,
1 + as
(1.58)
o , a et K reprsentent respectivement le retard, la constante de temps et le

gain statique.
Son principe est de trouver deux points qui correspondent respectivement 28%
et 40% de la valeur nale. A partir de leur projection sur laxe des abscisses, on
dtermine respectivement deux temps t1 et t2 . Le retard et la constante du temps
40
Figure 1.5 Identication pour Ziegler-Nichols.

peuvent tre ainsi dtermins partir des deux quations suivantes :
a = 5.5(t2 t1 ),
(1.59)
= 2.8t1 1.8t2 .
(1.60)
Le gain est aussi dtermin partir de la valeur nale de la sortie. Lavantage de

cette mthode par rapport la mthode de Strejc et de Ziegler-Nichols est quelle
na pas recours au point dinexion souvent dicile dterminer.
Lavantage des mthodes didentication graphique est quelles sont simples lorsquon dispose de la rponse indicielle obtenue dans un contexte non ou peu bruit.
Nanmoins, ces mthodes sont imprcises (dtermination du point dinexion pour
les deux premires mthodes), se limitent une classe de modle, ncessitent des
signaux de grandes amplitudes, sensibles aux perturbations et possdent des procdures longues. De plus, leur principal inconvnient est la ncessit de dconnecter
le systme de son environnement (mthodes en boucle ouverte) et dattendre que le
systme soit au repos. Par consquent, des mthodes didentication en boucle ferme ont t proposes dans la littrature, parmi lesquelles, on peut citer la mthode
de Strejc, la mthode de Broda et la mthode de Ziegler-Nichols. Ces mthodes permettent de rgler un correcteur partir dun essai en limite de pompage. La limite
de pompage est dtermine en faisant croitre son gain de boucle jusqu lapparition
des oscillations auto-entretenues la limite de stabilit [Borne et al., 1993].
Quelques autres mthodes destimation partir de la rponse indicielle bases sur le
calcul daire ont t proposes dans la littrature [Astrom and Hagglund, 1995,Rake,
1980,Bi et al., 1999,Wang et al., 2001a]. Leur principe consiste identier la rponse
dun systme un systme du premier ordre retard pur soumis une condition
initiale nulle. Parmi ces mthodes, on dcrit brivement celle propose par [Astrom
and Hagglund, 1995] et dcrite par la gure 1.6.
41

de lart
Figure 1.6 Mthode de calcul daire.
Le gain est suppos connu ou pouvant tre dtermin partir de la valeur nale de
la sortie. La dure moyenne de sjour, note Tar , est calcule partir de la division
de laire A0 par le gain K, o A0 est laire de la surface dlimite par la rponse du
systme, laxe des ordonnes et la tangente la rponse indicielle la valeur nale.
Pour dterminer la constante du temps a, il est ncessaire de calculer laire A1 de la
surface en dessous de la rponse indicielle et limite par laxe des abscisses et par Tar .
1
a sera dtermin partir de : a = eA
et le retard sera dduit directement partir
K
de = Tar a. Cette mthode semble moins sensible au bruit de hautes frquences
comparant aux trois mthodes prcdentes [Astrom and Hagglund, 1995, Bi et al.,
1999, Wang et al., 2001b].
Mthodes bases sur lapproximation rationnelle du retard
Une alternative trs tudie dans la littrature permettant didentier un systme
avec retard est lapproximation rationnelle du retard, reprsent dans le domaine
de Laplace par e s [Luke, 1975, Gawthrop and Nihtila, 1985, Pich, 1990, Bai and
Chyung, 1991, Pich, 1990, Elnagger, 1997, Fernandes and Ferreira, 1996, ODwyer,
1996]. Lintrt principal de ces mthodes rside dans lespoir de traiter un systme
de dimension inni comme un systme de dimension ni. Plusieurs approximations
peuvent tre utilises, parmi lesquelles, on trouve : lapproximation polynomiale
[Gawthrop and Nihtila, 1985, Smyth, 1998], lapproximation de Pad [Brezinski,
1980, Pich, 1990, Bai and Chyung, 1991] et lapproximation de Laguerre [Pich,
1990, Elnagger, 1997, Makila and Partington, 1999]. Nous rappelons brivement la
dnition de chaque approximation :
Lapproximation polynomiale : il sagit dapprocher la fonction exponentielle par
un polynme. Plusieurs polynmes sont proposs dans la littrature [Jedrzejewski,
2005] pour rpondre cet objectif, le plus simple tant le dveloppement de Tay42
lor :
2 2 3 3 4 4 5 5
e
= 1 s + s s + s s + .
2!
3!
4!
5!
Lapproximation de Pad : Elle est dnie par un quotient de polynmes de degr
n au dnominateur et au numrateur. La forme gnrale est donne par :
n
(1)k Ck k sk
s
n
e
,
= k=0
k k
k=0 Ck s
s
avec,
Ck =
(2n k)!n!
, k = 0, 1, , n.
2n!k!(n k)!
Lapproximation de Laguerre : lapproximation de Laguerre de la fonction exponentielle a la forme suivante :

e s =
e s/2
(1 s/2n)n
L
(s)
:=
,
=
n
e s/2
(1 + s/2n)n
avec Ln (s) est le nime polynme de Laguerre.

La plupart des travaux existants dans la littrature [Seborg et al., 1989, ODwyer,
1996,Rad et al., 1995,Ferretti et al., 1995,Roy et al., 1991,Sinha, 1991] sintressent
lapproximation du retard constant partir de ces proprits en boucle ouverte,
cest dire, partir de loprateur e s . Quelques tudes menes dans [Beghi et al.,
1997,Battle and Miralles, 2000] ont utilis une mthode dapproximation rationnelle
e s
du retard partir de lanalyse en boucle ferme de loprateur 1+ae
s avec une commande constante [Beghi et al., 1997] ou polynomiale [Battle and Miralles, 2000].
En revanche, remplacer un retard par une approximation de dimension ni peut tre
une source de problmes et prsente des limitations [Richard, 2003]. Dans le cas o
le retard est constant, qui est le domaine favori de lapplication de ces mthodes, la
conception dun contrleur qui stabilise lapproximation de Pad peut conduire des
comportements instables du systme dorigine [Silva et al., 2001]. Le problme du
choix de lordre dapproximation a priori permettant de sassurer de la stabilit en
boucle ferme sur la base dun modle rduit en boucle ouverte reste encore ouvert.
Par ailleurs, lapproximation du retard pose un compromis entre une approximation
dle du retard et son ordre lev qui constitue le principal inconvnient de ces mthodes. Dans [Glover and Partington, 1987,Makila and Partington, 1999], les auteurs
ont discut le problme de lerreur dapproximation dans le sens de la norme H .
1
e s , pour a > 0 alors lerreur optimale H de lapSi on tente de rapprocher s+a
proximation rationnelle dordre n est O( n1 ). Lapproximation de Laguerre du mme
2
1
s n
e s )( 2n
) , ralise une convergence plus lente, dans O(n 3 ) [Makila
exemple, ( s+a
2n+ s
and Partington, 1999]. Une tude mene dans [Seborg et al., 1989] a propos une
rgle pratique suivre pour choisir un ordre dapproximation de Pad en fonction
de lordre de grandeur respectif du retard et de la constante du temps. Quand le
retard est infrieur ou gal au dixime de la constante du temps, une approximation
du Pad du premier ordre donne une approximation satisfaisante du retard pour un
systme du premier ordre avec retard. Une approximation de Pad du second ordre
43

de lart
pour un retard infrieur la cinquime de la constante du temps peut tre applique
mme pour un systme dordre gnral.
La plupart des travaux mens sur lidentication du retard constant approxim par
des polynmes rationnels ont recours aux algorithmes rcursifs [ODwyer, 1996, Rad
et al., 1995, Ferretti et al., 1995, Roy et al., 1991, Sinha, 1991] an de dterminer
en ligne le retard ainsi que les paramtres du systme tudi. Ces travaux passent
gnralement par une tape de discrtisation du modle rsultant et la tche didentication passe alors au domaine discret, qui pose son tour des problmes gnants
tels que : la suparamtrisation, la perte de la structure de la fonction rationnelle
et de la signication physique des paramtres, etc. Lutilisation des mthodes dapproximation du retard, bien quelles soient simples manipuler, augmente lordre du
systme identier et exigent, par la suite, lestimation dun nombre de paramtres
plus important que celui du modle initial. De plus, les techniques destimation et
de commande deviennent plus lourdes plus que lordre dapproximation augmente
et ltude du systme approxim peut devenir plus compliquer que ltude directe
du modle initial retard.
Mthodes de surparamtrisation
La discrtisation dun systme continu an dutiliser des mthodes didentication
dans le domaine discret reste toujours une solution adopte par plusieurs travaux
dans la littrature [Kurz and Goedecke, 1981, Wong and Bayoumi, 1982, Keyser,
1986,Teng and Sirisena, 1988,Landau, 1993,ODwyer, 1992,ODwyer, 1993,ODwyer,
1996, ODwyer, 1999, Gao and ODwyer, 2001, Roe et al., 2007]. Lide principale de
ces mthodes est connue sous le nom de "surparamtrisation". Son principe est de
faire entrer un terme retard z d dans le numrateur du modle discrtis. Les paramtres sont estims rcursivement et le retard est calcul partir des paramtres
identis du numrateur. En absence du bruit, tous les paramtres du numrateur
dont les indices sont plus petit que lindice d du retard doivent tre identis
zro. Dans un contexte bruit, un rglage, toujours dlicat, dun seuil au dessous
duquel ces paramtres peuvent tre maintenus zro. Seul le retard multiple de la
priode dchantillonnage T est directement estim par cette mthode. Par ailleurs,
le retard ainsi estim est toujours proportionnel la priode dchantillonnage : une
augmentation de la prcision sur sa valeur, obtenue en diminuant la priode, se fait
au dtriment de lordre du transfert obtenu (autrement dit, pour un mme retard, la
diminution de T se traduit par une augmentation de d). Pour la mme raison, le cas
dun retard variable, mme lentement, conduit aussi un systmes dordre variable.
Quand le retard est une fraction de la priode dchantillonnage = dT + hT , la
portion h du retard peut tre dduite partir des paramtres identis du numrateur. Cependant, dans les deux cas, la robustesse de cette mthode destimation
dans un contexte bruit reste discutable.
Deux mthodes de surparamtrisation qui semblent robustes sont proposes par [Kurz
and Goedecke, 1981, Teng and Sirisena, 1988, Gao and ODwyer, 2001]. La premire
mthode [Kurz and Goedecke, 1981] consiste estimer les paramtres du numra44
teur et chercher la valeur maximale de ces paramtres. Lindice du retard, qui nest
que le retard divis par la priode dchantillonnage, est suppos infrieur ou gal
cette valeur. La valeur nale de lindice du retard sera dtermine rcursivement
par la minimisation dune fonction quadratique. Cette mthode, bien que robuste,
demande un calcul intensif et pose donc un problme pour une estimation en ligne.
Lide principale de la seconde mthode [Teng and Sirisena, 1988] est de minimiser
une fonction cot en calculant la dirence entre la somme des paramtres du modle surparamtris et ceux du modle estim pour chaque valeur dindice du retard.
Sa simplicit dimplmentation donne la faveur cette deuxime mthode, bien que
sa robustesse vis--vis les bruits reste un problme ouvert.
Linconvnient majeur de ces deux mthodes est la ncessit dune connaissance a
priori et exacte de lordre du systme identier. Dans le cas o lordre choisi dans
lalgorithme didentication est infrieur lordre du systme, la premire mthode
est plus ecace que la deuxime. Dans le cas contraire, les deux mthodes donnent
les mmes rsultats [Gao and ODwyer, 2001].
Dautres mthodes (voir [Wong and Bayoumi, 1982, Keyser, 1986, Roe et al., 2007])
orent un compromis entre la robustesse et la simplicit du calcul. Elles montrent
lextension possible de la mthode de [Wong and Bayoumi, 1982] pour identier un
systme dans le cas o le retard est une fraction de la priode dchantillonnage.
Dans [ODwyer, 1993], ces mthodes ont t utilises pour identier le procd dasservissement de temprature "Feedback PT326", bien connu par la communaut
scientique, un systme du premier ordre retard pur ou un systme du second
ordre retard pur. Lestimation a t faite dans un contexte bruit et le systme
est initialement au repos et soumis une entre chelon. Les rsultats de simulation
ont montr un problme de robustesse d au choix du signal dexcitation et la
prsence du bruit et lerreur quadratique destimation est de lordre de 33%.
En conclusion, on peut dire que malgr ces tudes eectues sur la surparamtrisation, ce type de mthode soure en gnral des inconvnients suivants :
Laugmentation du nombre de paramtres estimer alourdit le calcul et exclut
par la suite toute alternative destimation en ligne ;
La condition dexcitation persistante doit tre vrie pour donner satisfaction
aux modles surparamtrs [ODwyer, 1993, Gao and ODwyer, 2001] ;
Le risque davoir des facteurs communs entre le numrateur dordre lev et le
dnominateur [Roe et al., 2007] ;
La prsence dun bruit important met la robustesse de ces algorithmes en question.
Les limitations des mthodes graphiques, des mthodes bases sur lapproximation
rationnelle du retard ainsi que des mthodes de surparamtrisation constituent une
vritable motivation pour dvelopper des techniques didentication spcialement
conues pour les systmes retards.
45

de lart
Mthodes paramtriques
Les mthodes didentication rcursive des systmes sans retards stendent assez
naturellement lidentication conjointe des paramtres ainsi que dun retard additionnel sur lentre. La majorit des travaux eectus sur lidentication des systmes
retards temps continu sest base sur des mthodes du gradient, des algorithmes
de moindres carrs ainsi que sur la mthode des variables instrumentales [Marshall, 1979,Marshall, 1980,Liu, 1990,Elnagger et al., 1990,ODwyer, 1996,ODwyer,
1999, Bi et al., 1999, ODwyer, 2000a, Wang et al., 2001b, Yang et al., 2003, Wang
et al., 2001a, Liu et al., 2007, Wang et al., 2008, Gawthrop et al., 1989, Tuch et al.,
1994, Ren et al., 2005, Ahmed et al., 2006, Yang et al., 2007].
Plusieurs travaux [Marshall, 1979, Marshall, 1980, ODwyer, 1996, ODwyer, 1999,
ODwyer, 2000a, Nuninger et al., 2007] se sont concentrs sur lidentication du retard par les mthodes du gradient. Ils sont bass sur la discrtisation du modle
continu et le remplacement de lerreur sur le retard par son approximation de Taylor ou de Pad. Dans [ODwyer, 1996,ODwyer, 2000a], lauteur a montr lecacit
de la mthode du gradient pour lestimation en boucle ouverte du retard ainsi que
des paramtres dun systme retard pur, connu ou non, soumis un signal dentre carr ou un bruit blanc lorsque le retard est un entier multiple de la priode
dchantillonnage. Cependant, bien que ces mthodes se montrent robustes vis vis
les donnes bruites, elles restent limites. En eet, elles sont incapables destimer un
retard inconnu et fraction de la priode dchantillonnage. De plus, elles posent toujours le problme du choix des valeurs des variables dinitialisation qui reste ouvert
puisque les travaux prsents supposent que les valeurs initiales sont susamment
proches de minimum global. Quant au temps de convergence, il reste variable dun
cas dtude un autre puisquil dpend essentiellement de la connaissance a priori
du retard et de linitialisation des algorithmes du gradient. Dans [ODwyer, 1996],
lauteur a tudi suivant le mme principe les mthodes du gradient, proposes initialement par [Marshall, 1979] et [Marshall, 1980], an destimer le retard dun
systme retard pur en boucle ferme dans une structure de prdicteur de smith.
Les algorithmes implments sont bass sur la mthode de Gauss-Newton et celle
de Newton-Raphson. La premire savre plus ecace tant donne quelle possde
un temps de calcul moins intensif et un temps de convergence modr.
Les mthodes des moindres carrs et des variables instrumentales ont t utilises
pour lidentication des systmes retards, sous forme non rcursive ou rcursive,
dans plusieurs travaux [Gawthrop and Nihtila, 1985, Gawthrop et al., 1989, Tuch
et al., 1994, Bi et al., 1999, Wang et al., 2001b, Wang et al., 2001a, Yang et al.,
2003, Ren et al., 2005, Ahmed et al., 2006, Liu et al., 2007, Yang et al., 2007, Wang
et al., 2008]. Dans certains dentre eux [Bi et al., 1999, Wang et al., 2001b, Wang
et al., 2001a], elles ont t appliques lquation de rgression linaire obtenue
la suite de lapplication de la mthode intgrale (section 1.4) an de dterminer
les paramtres de rgression. Cette procdure didentication non rcursive a t
initialement propose dans [Bi et al., 1999] pour lidentication dun systme du
premier ordre continu et retard pur initialement au repos et soumis une entre
chelon. Elle a t amliore dans [Wang et al., 2001b] et dtaille pour un systme
46
du second ordre avec un zro et retard pur soumis une entre chelon et sous une
condition initiale nulle puis gnralise dans [Wang et al., 2001a] pour un systme
dordre n. Dans les trois travaux, la premire tape consistait utiliser la mthode
des moindres carrs ordinaires qui pose un problme dans le cas de prsence de donnes bruites. Pour cela, une deuxime alternative tait dappliquer la mthode des
variables instrumentales qui a renforc la robustesse de lalgorithme didentication.
Un test de la robustesse de cette mthode vis vis des bruits damplitude direntes
allant dun RBS gale 3% jusqu 50% ainsi quune comparaison avec la mthode
de calcul daire [Rake, 1980,Astrom and Hagglund, 1995,Bi et al., 1999,Wang et al.,
2001a] (voir section 1.6.3) on t faite prouvant ainsi la robustesse et lecacit de
la mthode propose.
Bien que la robustesse vis--vis des bruits de mesure reprsente un avantage mettant
en faveur cette procdure, elle reste limite par lexigence de deux hypothses, diciles satisfaire dans la pratique, qui sont : (1) des conditions initiales nulles et (2)
labsence de perturbation durant le test. Dans [Liu et al., 2007], cette procdure a
t amliore an destimer les systmes continus et retard partir dune condition
initiale arbitraire et en prsence dune perturbation quelconque mais soumis une
entre constante par morceau. [Wang et al., 2008] a propos une nouvelle mthode
intgrale pour lidentication des systmes continus et retard pur soumis une
entre chelon partir dune condition initiale arbitraire inconnue et en prsence
dune perturbation constante. Un changement de variable des bornes des intgrales
eectu lors de lintgration de lquation de fonctionnement du systme tudi a
permis dliminer les conditions initiales et lalgorithme didentication ne requiert
alors que le couple entre-sortie mesur. Cette mthode semble robuste vis vis un
bruit additionnel lentre dont le RBS = 25%.
En gnral, lecacit des mthodes non rcursives est lie principalement la disponibilit dun nombre de mesures susant. Pour tenir compte des nouvelles mesures,
ces mthodes ncessitent la ralisation de plusieurs calculs. Cependant, des mthodes
rcursives [Ljung, 1987, Borne et al., 1992, Borne et al., 1993, Landau, 1993, Landau
and Besanon-Voda, 2001, Abdennour et al., 2001] peuvent tre une solution pour
remdier ce problme. Plusieurs travaux se sont penchs sur le dveloppement de
tels algorithmes rcursifs. Une mthode didentication polynomiale a t propose
dans [Gawthrop and Nihtila, 1985, Gawthrop et al., 1989], permettant didentier le
retard ainsi que les paramtres dun systme retard additionnel lentre soumis
une condition initiale non nulle. Le retard est remplac par son approximation
polynomiale et la rsolution du problme destimation a t eectue grce la
mthode des moindres carrs non linaires. Cependant, son application des systmes dordre suprieur pose un problme de calcul intensif. Suite son application
dans un contexte bruit un systme du troisime ordre retard pur soumis
une entre sinusodale et initialement au repos, cette mthode prsente un temps
de convergence assez important puisque le rapport temps de convergence et retard,
not RCR, est gal environ 40. Dans [Tuch et al., 1994], un algorithme didentication adaptative bas sur la mthode des moindres carrs non linaires a t propos
pour identier, dans une premire tape, le retard pur dun systme retard soumis
47

de lart
une entre chelon ou sinusodale et initialement au repos. Nanmoins, pour les
deux types dentre et dans un contexte non bruit, cet algorithme didentication
du retard seul connaissant les paramtres soure dune vitesse de convergence assez lente, puisque le RCR 4 pour un systme du premier ordre retard pur.
Dans une deuxime tape, des modications apportes lalgorithme des moindres
carrs non linaires permet lidentication simultane des paramtres ainsi que du
retard dans un contexte non bruit, avec une entre sinusodale et des conditions
initiales nulles. Pour cet exemple de simulation, le RCR 15 est assez important.
Dans [Ren et al., 2005], lalgorithme des moindres carrs modis non linaires, propos dans [Tuch et al., 1994] est amlior. Comme il reste dicile de limplmenter
pour des applications en temps rel, deux cas simplis (moindres carrs normaliss et non normaliss) peuvent tre drivs. Un exemple de simulation consistant
en un systme du troisime ordre retard pur soumis une entre sinusodale et
une condition initiale nulle a t tudi dans un contexte bruit. Une comparaison
avec la mthode polynomiale a t mene, prouvant lecacit des deux mthodes.
Cependant, pour un facteur de normalisation x le RCR 30 est lgrement infrieur celui de la mthode polynomiale. On peut dire quici non plus, le problme
de la faible vitesse de convergence de lalgorithme na pas t rsolu. Nanmoins, la
variation du facteur de normalisation de lalgorithme propos dans [Ren et al., 2005]
peut amliorer le temps de convergence du retard ainsi que des paramtres.
Quelques travaux bass sur les ltres linaires ont t raliss dans [Yang et al., 2003]
pour les systmes avec un seul retard lentre, puis tendus dans [Yang et al., 2007]
pour des systmes retards multiples. La mthode des moindres carrs non linaire et
la mthode des variables instrumentales ont t utilises respectivement en absence
et en prsence de bruits de mesure. Ces algorithmes sont sensibles aux conditions
initiales. Dans [Ahmed et al., 2006], les auteurs ont utilis les ltres des variables
dtat et la mthode des moindres carrs ordinaires. Lestimation des paramtres
ainsi que du retard dun systme continu retard pur partir dune condition
initiale nulle et dans un contexte bruit est faite partir des donnes chantillonnes.
Cependant, les performances de cet algorithme dpend essentiellement de la valeur
initiale du retard et des paramtres du ltre.
Mthodes heuristiques
Nous lavons vu, lidentication peut aussi tre vue comme un problme doptimisation. Le problme de la convergence vers un optimum global nest pas toujours
un enjeu ralisable. Dans les cas non convexes diciles, cest--dire ceux o une
multitude doptima locaux coexistent, lappel lutilisation des mthodes heuristiques doptimisation est une alternative qui sest impose depuis plusieurs annes.
Les algorithmes volutionnistes, ou algorithmes gntiques [Vose, 1999, Man et al.,
1999,Reeves and Rowe, 2003,Eiben and Smith, 2003,Sivanandam and Deepa, 2007],
ont reu une attention considrable dans plusieurs domaines, puisquils prsentent
un grand potentiel dans les problmes doptimisation non convexe. En particulier,
certains travaux les ont appliqus lidentication des systmes retard.
48
Quelques tudes ont propos de nouvelles mthodes bases sur les algorithmes gntiques pour lidentication en ligne des systmes linaires continus et retard
variable additionnel lentre [Hachino et al., 1996,Yang et al., 1997]. Pour suivre la
trace du retard variable dans le temps et des paramtres du systme, la mthode des
moindres carrs rcursives et linaires est combine avec les algorithmes gntiques
appele GALS. En outre, une mthode hybride combinant la mthode GALS et celle
des moindres carrs rcursives et non linaire a t propose dans le but damliorer
la vitesse de convergence de lalgorithme didentication. La procdure didentication dans les deux cas est faite aprs la discrtisation du modle identier. Dans
la premire mthode GALS, lidentication des paramtres est eectue laide
de lalgorithme des moindres carrs, tandis que lajustement du retard est fait par
les algorithmes gntiques en minimisant lerreur quadratique comme une fonction
dvaluation (ou tness). Quant la deuxime mthode, elle prend comme valeurs
initiales les paramtres et le retard estims par lGALS. Une comparaison entre les
valeurs de la fonction tness pour les valeurs estimes partir de la mthode GALS
et les valeurs de la fonction tness pour les valeurs estimes partir de la mthode
SNLS permet de dterminer la solution optimale. Les exemples prsents ont montr, dans un contexte bruit, que lalgorithme hybride peut prsenter de meilleures
performances puisquil a permis pour les dirents exemples tudis didentier le
retard ainsi que les paramtres contrairement au GALS qui peut ne pas dterminer
la solution optimale. De plus, la vitesse de convergence de lalgorithme hybride est
lgrement infrieur celle des GALS.
Dans [Shin et al., 2007], seuls les algorithmes gntiques sont utiliss pour identier
hors ligne des systmes continus dordre suprieur un systme du premier et du
second ordre sans zro retard pur soumis une entre chelon ou un systme du
premier et du second ordre sans zro retard pur partir de sa rponse indicielle. La
recherche de la solution optimale (cest dire les paramtres et le retard) est eectue
suite loptimisation de lerreur quadratique de prdiction. Sur plusieurs exemples,
cette mthode a permis de dterminer la solution optimale et semble robuste vis
vis des bruits de moyenne amplitude. Une comparaison avec la mthode base sur le
calcul daire [Bi et al., 1999] et la mthode directe [Wang et al., 2001a, Wang et al.,
2001b] a t eectue. En se basant sur la valeur de la moyenne de lerreur quadratique en absence du bruit, les auteurs arment que la mthode propose est plus
ecace bien quil y a une lgre dirence entre les rsultats donns par cette mthode et les deux autres. De plus, les auteurs nont pas prcis le nombre dexcution
de lalgorithme didentication pour trouver la solution optimale. En conclusion, on
peut dire que les algorithmes gntiques bien quils sont ables pour dterminer la
solution optimale, ils exigent un calcul intensif qui peut exclure gnralement toute
exploitation en ligne.
Dautre approches mtaheuristiques ont t utilises pour identier le retard [Chen
and Wang, 2004, Wang et al., 2004]. [Chen and Wang, 2004] propose deux algorithmes, la recherche tabou et le recuit simul, comme mthodes didentication du
retard. Le problme didentication y est transform en un problme de minimisation de lerreur quadratique moyenne. Ltude a t faite sur une fonction appele
Rastrigin qui est une fonction test tire du Toolbox "Global Optimization Toolbox "
49

de lart
de Matlab. Cette fonction a de nombreux minima locaux et un minimum global et
pour notre cas dtude, elle possde deux variables dentres retardes. Les deux
algorithmes sont excuts 10 fois pour estimer des retards constants en prsence et
en absence du bruit. Les rsultats de simulation ont montr que la recherche tabou
a pu dterminer le minimum global et quelle prsente pour cette exemple dtude
de meilleures performances pour trouver le vecteur des paramtres optimaux, en
labsence comme en prsence du bruit. Contrairement la recherche tabou, lalgorithme du recuit simul na pas pu dterminer le minimum global, en absence du
bruit, que pour 2 excutions seulement. Pour les deux mthodes, les valeurs initiales
sont choisies proches des valeurs estimer et ceci prsente une limitation de ces
algorithmes. [Wang et al., 2004] compare aussi les mthodes tabou et recuit simul
avec la mthode de Programmation Quadratique Successive (SQP) mais cette fois
ci pour un systme du second ordre avec un zro, retard pur, soumis une entre chelon et dans un contexte bruit. Les algorithmes de la recherche tabou et
du recuit simul ont prsents des rsultats de simulations proches et ont russie
dterminer la solution optimale et conrme la robustesse de lalgorithme de Tabou.
Quant la mthode de Programmation Quadratique Successive, elle na russie que
2 fois sur 10 converger vers la solution dsire.
Lutilisation des rseaux de neurones pour lidentication en ligne des systmes
retard prsente une autre piste de recherche. Une rcente recherche t faite par
dans [Tan, 2004] pour identier en ligne un systme non linaire avec un retard
lentement variable additionnel une entre sinusodale. Le nombre doprations
demand par lalgorithme propos est assez important. De plus, lalgorithme prend
80 secondes, en absence du bruit, pour suivre la variation du retard. Une autre
recherche a t mene dans [Ren and Rad, 2007] pour les systmes non linaires
mais retard constant additionnel lentre. Lexemple prsent montre que cette
mthode didentication en ligne soure dune vitesse de convergence lente puisque
le RCR 9 et ceci en labsence de bruit de mesure.
Mthode algbrique
La mthode algbrique est une mthode didentication non asymptotique initie
par les travaux de Fliess et Sira-Ramirez [Fliess and Sira-Ramirez, 2003] pour les
systmes linaires en les paramtres (non ncessairement linaires vis--vis des entres, tats, sorties) et de dimension nie. Cette mthode est base sur des outils
algbriques (lalgbre direntielle, la thorie des modules, le calcul oprationnel) et
conduit une estimation paramtrique en temps ni en labsence de bruit. Elle traduit les problmes didentication en des formules algbriques explicites, susceptibles
dtre rsolues en utilisant des mthodes exactes, et facilement mises en uvre. Cette
mthode a montr une exibilit dapplicabilit dautres problmes importants. On
trouve par exemple [Fliess et al., 2004,Ali et al., 2009a,Ali et al., 2009b] pour le diagnostic de dfaut, [Barbot et al., 2007,Fliess, 2008] pour lestimation des systmes non
linaires avec entres inconnues dans [Barbot et al., 2007] et perturbations inconnues dans [Fliess, 2008], aux problmes destimation paramtrique en boucle ferme
dans [Fliess and Sira-Ramirez, 2003,Fliess and Sira-Ramirez, 2008,Tian et al., 2008]
50
pour lestimation dtat des systmes linaires avec des paramtres variant dans le
temps et lestimation du retard et des paramtres des systmes retard pur [Belkoura et al., 2007] et enn, lidentication dune certaine classe de systmes linaires
en dimension innie rgis par des quations direntielles partielles dans [Rudolph
and Woittennek, 2008].
An de comprendre le principe de cette mthode, nous allons prsent un exemple
illustratif simple tir de [Fliess and Sira-Ramirez, 2003]. Nous considrons un systme
du premier ordre dcrit dans le domaine oprationnel par lquation suivante :
sy ay = u + y0 ,
(1.61)
o, a un paramtre inconnu et y0 la condition initiale.

En multipliant lquation (1.61) des deux cots par d/ds, on obtient :
d(sy)
dy
du
a =
.
ds
ds
ds
(1.62)
Cette tape qui nest quune drivation de lquation (1.61) permet dannihiler la
condition initiale. La multiplication par 1/s permet daboutir :
1 d(sy) du
1 dy
a [ ]= [
].
s ds
s ds
ds
(1.63)
Lidentication en ligne de a est donne alors par lquation suivante :

a=
1 d(sy)
[
du
]
s ds
ds
.
1 dy
[ ]
s ds
(1.64)
En 2006, cette mthode a t gnralise par Belkoura, Richard et Fliess dans [Belkoura et al., 2006, Belkoura and Richard, 2006] en posant les bases dune mthode
non asymptotique pour lidentication simultane des retards et des paramtres dans
le cadre de systmes dynamiques continus. Bases sur un formalisme distributionnel,
ces deux rfrences ont prsent cette mthode didentication travers un systme
du premier ordre avec retard sur lentre, permettant, en premier lieu, didentier le
retard en connaissant les paramtres du systme tudi et, en deuxime lieu, didentier simultanment le retard et les paramtres partir de la rsolution dun systme
dquations linaires.
La majorit des travaux raliss sintressent lidentication des systmes retards
soumis des entres structures et, plus prcisment, avec une entre de type chelon. Certes, la nature du signal dentre peut avoir une inuence sur les rsultats et
la qualit destimation. Les signaux dentre les plus connus sont les entres de type
pseudo-alatoire, sinusodal, chelon et rampe. Lentre chelon est souvent simple
mettre en uvre ( loccasion dun changement de rgime par exemple) et elle est
assez dominante dans les applications de commande des processus rels. Les travaux
de [Belkoura et al., 2006, Belkoura and Richard, 2006, Belkoura et al., 2009, Taarit
et al., 2007] ont largement tudi, le plus souvent en simulation, lapport de la mthode didentication algbrique pour ce type dentre.
51

de lart
Lidentication des systmes retards avec une entre arbitraire reprsente ainsi
un enjeu intressant pour les travaux mens sur lestimation par lapproche algbrique. Pour ce qui concerne lidentication dun systme linaire soumis une
entre constante par morceaux [Belkoura et al., 2006, Belkoura et al., 2009] ou
des entres sinusodales, la gnralisation partir du cas chelon peut tre en faite
aisment.
Le problme qui se pose pour des entres plus gnrales, non ncessairement structures, est que la procdure didentication algbrique simultane (retard et paramtres) utilise dans le cas dune entre structure nest plus applicable. Pour cela,
une seconde approche, base principalement sur les proprits du produit de convolution, a t initialise. A travers une tude pour des cas simples (un intgrateur
retard ou un systme du premier ordre retard), cette approche permet didentier le retard ainsi que les paramtres du systme dans le cas o la condition initiale
est nulle [Belkoura et al., 2006, Belkoura et al., 2008] et mme dans le cas o la
condition initiale est arbitraire. Ce dernier cas est souvent rencontr dans les applications relles. Dans [Belkoura et al., 2008], le problme a t rsolu en passant par
des approximations en srie de Fourier.
Dans tous ces travaux, le seul coecient pour lequel la valeur explicite du retard
est exige est le gain statique, qui ne peut pas tre estim simultanment par cette
mthode. Il ne pourra ltre que de faon rcursive au sens o une deuxime boucle
est excute en parallle avec la premire qui permet lidentication des paramtres
ainsi que du retard. Cette deuxime boucle requiert comme variable dentre le retard identi.
Ces travaux didentication se situent dans un cadre essentiellement linaire et stationnaire. Quelques travaux se sont penchs sur lidentication dun retard lentement
variable ou de paramtres variables par morceaux [Belkoura et al., 2008, Belkoura
et al., 2009].
Une des problmatiques trs rencontres pour la commande des systmes en rseau, qui est devenue rcemment un enjeu de recherche intressant [Hespanha et al.,
2007, Zampieri, 2008], est dtablir une loi de commande en temps rel en tenant
compte des eets dynamiques gnrs par le rseau. La plupart de ces eets (retards
de communication, temps daccs au rseau, pertes de paquets, chantillonnage asynchrone) peuvent se modliser par la prsence des retards multiples. Dans [Belkoura
et al., 2006] puis dans nos travaux [Taarit et al., 2011], lapproche algbrique a
permis lidentication de retards multiples.
De plus, en sinspirant de cette dernire procdure didentication, lapproche a t
tendue lestimation des instants de commutations ainsi que des paramtres de
certaines classes de systmes hybrides [Belkoura et al., 2009, Tian et al., 2009], la
dtection de rupture (discontinuits) [Belkoura, 2009a, Mboup et al., 2008, Fliess
et al., 2010] et, dans nos travaux, lidentication de systmes soumis des frottements secs (non linaires) [Taarit et al., 2010]. La exibilit et lecacit de cette
approche didentication ont t prouves en lappliquant sur des procds rels [Bel52
koura et al., 2006,Taarit et al., 2007,Belkoura et al., 2009,Pereira et al., 2009,Villagra

et al., 2009, Gedouin et al., 2009].
Nous allons donner maintenant deux tableaux rcapitulatifs de la monographie effectue. Le premier tableau 1.1 reprsente une synthse des direntes mthodes
didentication des systmes retards trouves dans la littrature et donne une vue
densemble sur leurs domaines dapplications. Quant au deuxime tableau 1.2, il regroupe les vitesses de convergences de ces dirents algorithmes didentication.
53

de lart
Mthodes didentication
Mthodes graphiques
Mthode de Broda
Mthode de Z-N
Mthode de Strejc
Mthode de calcul daire

Mthode de Z-N
Mthodes bases sur
la rationalisation du retard
Mthode de Wong
et
De Keyser
Mthode de Kurz
et
de Teng
Mthodes des moindres carres

et des variables instrumentales
Non rcursives
Rcursives
C.I
Type dentre
BO
- - -
BF
Hors ligne
En ligne
chelon
Non Lin.
Lin.
Table 1.1: Direntes mthodes didentication des systmes retards trouves dans la
littrature
Rfrences
nulle
- - -
- - -
- - -
- - -
chelon
nulle
- - -
- - -
- - -
- - -
- - -
- - -
[Borne et al., 1992, Borne et al., 1993]

[Cordon and Ballois, 1998]
[Strejc, 1959, Borne et al., 1992]
[Cordon and Ballois, 1998]
[Ziegler et al., 1942, Ksouri and Borne, 1999]
[Longchamp, 2006, Hubert, 2008]
[Astrom and Hagglund, 1995, Rake, 1980, Bi et al., 1999]
[Ziegler et al., 1942, Ksouri and Borne, 1999]
[Longchamp, 2006, Hubert, 2008]
- - -
- - -
[Gawthrop and Nihtila, 1985]
- - -
non
prcis
none
prcis
[Gawthrop et al., 1989]
- - -
non
prcis
non
prcis
[Ferretti et al., 1991]
non
prcis
non
prcis
- - -
bruit blanc
entre constante
par morceaux
non
prcis
chelon
[ODwyer, 2000a]
non
prcis
nulle
- - -
entre constante
par morceaux
chelon
- - -
non
nulle
non
nulle
non
prcis
nulle
- - -
- - -
nulle
- - -
- - -
- - -
- - -
- - -
- - -
- - -
- - -
- - -
- - -
[ODwyer, 1996]
- - -
[Roe et al., 2007]

[Wong and Bayoumi, 1982]
[Keyser, 1986]
[ODwyer, 1993]
[Gao and ODwyer, 2001]
[Kurz and Goedecke, 1981]
[Teng and Sirisena, 1988]
[Bi et al., 1999]

[Wang et al., 2001a]
[Wang et al., 2001b]
[Liu et al., 2007]
- - -
non
prcis
[Wang et al., 2008]
non
prcis
non
prcis
entre qui
[Tuch et al., 1994]
- - -
- - -
- -
- - -
- - -
- - -
- - -
- - -
54
55
Mthode algbrique
- - -
- - - - - - - - -
[Belkoura et al., 2006]
[Belkoura and Richard, 2006]

- - -
[Ren and Rad, 2007]
- - -
[Tan, 2004]
- - -
- - -
[Chen and Wang, 2004]
Recherche de Tabu
et
Recuit simul
Rseaux de neurones
- - -
- - - - - - -
- - -
- - -
- - -
- - -
- - -
[Shin et al., 2007]
- - -
[Yang et al., 2007]
[Ahmed et al., 2006]
- - -
En ligne
[Hachino et al., 1996]

[Yang et al., 1997]
[Wang et al., 2004]
- - -
Non Lin.
Lin.
Rfrences
[Ren et al., 2005]

[Yang et al., 2003]
Mthode heuristique
Algorithmes gntiques
- - -
- - -
- - - - -
- - -
- - -
- - -
- - - -
Hors ligne
non nulle
non nulle
nulle
non
nulle
non
nulle
non
prcis
nulle
nulle
non
prcis
non
prcis
non
prcis
non
prcis
non
nulle
non
prcis
non
prcis
non
nulle
C.I
entre
susamment riche
entre
structure
non
prcis
non
prcis
non
prcis
chelon
entre constante
par morceaux
quelconque
chelon discret
chelon discret
chelon
chelon
PRBS
signal alatoire
change de signe
signal alatoire
Type dentre
- -
- - -
- -
- - -
- -
- - -
- - -
- - -
- - -
- - -
- - -
- - -
BF
- - - - -
BO

de lart
[Chemla, 2004]
[Chemla, 2004]
Rfrences
C.I
chelon
chelon
chelon
Type dentre
sans
sans
sans
sans
Condition de bruit
---
---
-----
RCR
Exemples
nulle
nulle
chelon
2
10
nulle
sans
sans
10
nulle
100
(s+4)(s+3)(s+1)
100
(s+4)(s+3)(s+1)
es
s+1
1s
(s+1)5
avec
nulle
nulle
avec
e0.5s
e0.5s
Table 1.2: Comparaison des temps de convergence des algorithmes didentication des systmes retards
Mthodes graphiques
Mthode de Strejc
Mthode de Broda
[Bi et al., 1999]

Mthode de calcul daire

Mthodes bases
sur lapproximation
rationnelle du retard
es
1+s
nulle
nulle
nulle
prcis
non
chelon
chelon
chelon
entre constante
par morceaux
chelon
bruit blanc
sans
avec
sans
avec
avec
avec
sans
avec
sans
sans
avec
---
---
---
---
---
130
45
avec
non
prcis
non
prcis
sinusodale
entre constante
par morceaux
entre constante
par morceaux
es
1+s
nulle
sans
---
non
prcis
non
prcis
nulle
Mthode de Teng
(4s+1)es
1+2.4s+9s2
avec
chelon
chelon
chelon
chelon
entre constante
par morceaux
entre constante
par morceaux
chelon
nulle
nulle
nulle
nulle
non
nulle
non
nulle
non
nulle
non
nulle
non
nulle
es
2s2 +3
Mthode de Kurz
2e3s
1+0.7s
2e3s
1+0.7s
[ODwyer, 2000a]
[Bi et al., 1999]
Mthode du gradient
Mthodes non rcursives
[Wang et al., 2001b]
1.25es
1+0.7s+0.25s2
es
1+s
es
1+s
1
(1+s)8
1
(1+s)8
(4s+1)es
1+2.4s+9s2
[Liu et al., 2007]
e2s
(1+s)4
[Wang et al., 2001a]
[Wang et al., 2008]
(0.50.5s)es
0.5+1.5s+s2
56
57
[Ren and Rad, 2007]
Mthode algbrique
[Yang et al., 1997]

GALS
Hybrid
[Wang et al., 2004]
[Hachino et al., 1996]
[Shin et al., 2007]
[Ahmed et al., 2006]
[Yang et al., 2007]
[Yang et al., 2003]
[Ren et al., 2005]
Recherche de Tabou
Recuit simul
Rseaux de neurones
Mthodes heuristiques
Algorithmes gntiques
Mthodes rcursives
[Tuch et al., 1994]
Rfrences

0.5e0.6s
1+0.5s
0.5e0.6s
1+0.5s
y
y = 1+0.1
y 2
-9.8 cos(y) + (1 0.2 sin2 (y))u(t 4)
(1+s)e5s
1.2+0.6s+s2
non
nulle
non
non
prcis
non
nulle
nulle
nulle
b1 e s
a2 +a1 s+s2
a1 , a 2 ,
constants par morceaux
constants par morceaux
nulle
1.08e10s
(1+s)2 (1+2s)3
non
nulle
nulle
nulle
1
(1+s)5
U2 (s)
2+s
e6.8s
1+20s
non
prcis
1
(1+s)8
2e
e8.83s
U1 (s)
1+s
2.32s
Y (s) =
(1.5s1)e1.3s
1+0.5s+2.2s2 +s3
2e3.13s
4+3s+s2
non
prcis
nulle
e0.5s
(1.5s1)e1.3s
1+0.5s+2.2s2 +s3
1.5e1.5s
1+s
C.I
nulle
Exemples
chelon
entre constante
par morceaux
chelon
signal blanc
signal blanc
chelon
chelon
chelon
chelon
signal binaire
alatoire
sinusodale
signal blanc
alatoire
signal carr
signal carr
sinusodale
signal carr
Type dentre
avec
sans
sans
avec
avec
avec
sans
sans
avec
avec
avec
avec
avec
avec
sans
sans
avec
Condition de bruit
1.5
40
20
non
prcis
9
non
prcis
non
prcis
non
prcis
non
prcis
non
prcis
prcis
non
prcis
non
30
15
2
40
RCR

de lart
Nous avons dj mentionn que le tableau 1.1 donne une vue densemble sur les
domaines dapplications ainsi que des conditions dtudes des direntes mthodes
didentication des systmes retards trouves dans la littrature. Il est indispensable de noter que le problme didentication de ces systmes partir dune condition initiale arbitraire est encore ouvert. En eet, dans la plupart des travaux mens,
les auteurs ne prcisent pas si la condition initiale est nulle ou non lors de la formulation gnrale du problme didentication mais les rsultats de simulations pour
un exemple de systme donn sont faites en supposant quil est initialement au repos
(voir tableau 1.2). Le mme problme sest pos pour le type dentre. Pour cela,
nous avons choisi de mettre le terme "non prcis" si les auteurs se contentent de
donner seulement le type dentre adopt pour ltude en simulation et non pour
le cas dtude gnral. A partir de cette tude, on peut dire que le type dentre
dominant est lchelon, lentre constante par morceaux et lentre sinusodale.
Dans le tableau 1.2, nous avons tir des exemples des systmes tudis dans la littrature. Le but de ce tableau est deectuer une comparaison entre les temps de
convergence et plus prcisment entre les RCR = (T emps de convergence)/Retard
des dirents algorithmes didentication en absence et en prsence du bruit. Notre
mthode didentication algbrique est notre rfrence par rapport laquelle cette
comparaison est faite. Comme le montre le tableau 1.2, les direntes mthodes
didentication sont divisibles en deux groupes. Dans un premier temps, on trouve
des mthodes pour lesquelles on ne peut mme pas parler dun temps de convergence puisquil sagit des mthodes graphiques ou des mthodes paramtriques non
rcursives. Ces deux classes de mthodes excluent toute alternative dexploitation
en ligne. Dans un deuxime temps, on peut distinguer des mthodes rcursives pour
lesquelles le calcul du RCR est faisable et mme envisageable an de prouver la
rapidit de convergence de lalgorithme didentication propos. Cependant, le tableau 1.2 montre que dans la plus part des travaux, les auteurs ne sintressent pas
dterminer le RCR et prsentent directement le modle estim. Parmi lesquels,
on peut citer [Gao and ODwyer, 2001, Yang et al., 2003, Yang et al., 2007, Ahmed
et al., 2006,Shin et al., 2007,Yang et al., 1997,Wang et al., 2004]. Quant aux travaux
restants, on remarque quils prsentent des temps de convergence assez important
variants dune mthode une autre. On peut citer lexemple de lalgorithme du
gradient propos par [ODwyer, 2000a] dont le RCR 130 pour un systme du premier ordre retard pur tudi dans un contexte non bruit et celui de [Ren et al.,
2005] qui soure dun RCR 30 pour un systme du second ordre retard pur
voluant dans un contexte bruit. Toutefois, la mthode didentication algbrique
prsente un RCR remarquable et incomparable qui est gale presque lunit dans
un contexte non bruit et peut atteindre 2 en prsence du bruit pour lexemple
prsent dans le tableau 1.2 et pour dautres tudis dans [Belkoura et al., 2006,Belkoura et al., 2008,Belkoura et al., 2009]. Cette constatation est trs stimulante pour
approfondir ltude de la mthode algbrique. La rapidit de convergence oerte par
cette mthode sera bien montre et discute dans la suite de cette thse.
58
1.7. Systmes dynamiques hybrides
1.7
1.7.1
Systmes dynamiques hybrides

Prsentation
Les approches de modlisation en automatique sont bass sur des modles dquations direntielles et aux dirences (tats continu, temps continu ou discret)
et des modles frquentiels pour les systmes continus, soit sur des modles tatstransitions et des modles markoviens pour les systmes vnementiels. Or, la plupart des systmes rels sont composs de sous-processus continus (moteurs, procds
chimiques, systmes de freinage) qui sont dmarrs, recongurs et arrts par une
commande logique, tat discrets (ordinateur, automate programmable). Lvolution de ces systmes est alors la fois continue et vnementielle. On peut donner
lexemple des processus batch [Bertrand et al., 2004]. Ces processus existants dans
lindustrie, laborant les matires premires qui seront travailles par les industries
manufacturires, la production peut se faire en continu (verreries, cimenteries...) ou
par traitements successifs (sucreries, savonneries...). Ils comportent des squences de
transfert et de conditionnement relevant de systmes vnements discrets et des
oprations continues pendant un certain temps.
Les mthodes danalyse "classiques" prennent en compte un seul aspect la fois,
laspect continu ou laspect vnementiel. Cependant, pour garantir le bon fonctionnement dun ensemble automatis rel, il est ncessaire de prendre en compte
simultanment les aspects continus et vnementiels de sa dynamique. Les systmes
dynamiques hybrides (SDH ) ont t introduits pour rpondre cette demande [Zaytoon, 2001].
Les systmes hybrides sont des systmes dynamiques faisant intervenir explicitement et simultanment des phnomnes ou des modles de type dynamique continu
et vnementiel. Ces systmes sont classiquement constitus de processus continus
interagissant avec ou superviss par des processus discrets. Ils rsultent galement
de lorganisation hirarchique des systmes de contrle/commande complexes, ou de
linteraction entre des algorithmes discrets de planication et des algorithmes continus de commande. On peut galement rencontrer des systmes continus auxquels
sont associes des commutations discrtes [QuenecHdu and Zaytoon, 2001].
De nombreux problmes mal traits par les approches homognes sont rsolus par
lapproche hybride. Parmi lesquels, on peut citer les problmes suivants :
variation de structure lie aux dirents modes de marche,

commandes discontinues, par exemple par relais ou impulsions,
discontinuits du fonctionnement physique en robotique par exemple,
systmes non linarit discontinue, par exemple les frottements secs,
description des procds manufacturiers impliquant des tats mixtes de la matire,
modlisation de phnomnes transitoires rapides par des commutations de modles.
Les premiers modles hybrides ont t propos par les travaux ancestraux de [Wit59

de lart
senhausen, 1966, Johnson, 1981]. Plus rcemment, avec les contributions de [Gollu
and Varaiya, 1989, Peleties and and, 1989, Benveniste and Guernic, 1990] ont montr limportance applicatifs de ces systmes. En tant que discipline de lautomatique, ltude des systmes dynamiques hybrides reprsente un axe relativement
rcent [QuenecHdu et al., 1994, Antsaklis et al., 1995, Alur et al., 1993, Branicky,
1995,Henzinger and Sastry, 1998,Antsaklis et al., 1999,Matveev and Savkin, 2000,Benedetto and Sangiovanni-Vincentelli, 2001, Zaytoon, 2001, Engell et al., 2002, Engell
et al., 2003, Bertrand et al., 2004, Lygeros, 2004, Haddad et al., 2006, Carloni et al.,
2006, Chamroo, 2006, Bako, 2008]. Lmergence et la formalisation de ces systmes
est d principalement linteraction de plus en plus importante entre les systmes
numriques (ordinateurs, logiciels, composants logiques, etc.) et les processus physiques (quations direntielles impliquant des signaux continus).
La section suivante 1.7.2 fournit les principales classes des phnomnes hybrides
selon Barnicky [Branicky, 1995, Branicky, 1998].
1.7.2
Principales classes des phnomnes hybrides : classication de Branicky
De manire gnrale, un systme hybride a une dynamique continue peut tre reprsente par une quation direntielle [Chamroo, 2006]
x(t)
= (t),
t0
(1.65)
qui dpend de certains phnomnes discrets. Dans cette quation, x(t) reprsente la
composante continue et prends ses valeurs dans un sous espace de lespace Euclidien. (t) est un champ de vecteur dpendant gnralement de x(t), de la composante
continue u(t) de la commande et du phnomne discret.
Branicky a propos une classication dans [Branicky, 1995, Branicky, 1998] en fonction des phnomnes discrets comme le montre la gure 1.7 :
Figure 1.7 Classication des systmes hybrides.

Dans la suite, nous allons prsenter brivement ces quatre phnomnes physiques
[Branicky, 1995, Branicky, 1998, Zaytoon and QuenecHdu, 2001, Chamroo, 2006].
60
Commutations autonomes
Une commutation autonome est caractrise par un changement discontinu du champ
de vecteur (t) quand ltat atteint certains seuils [Zaytoon and QuenecHdu, 2001].
Ce phnomne peut tre illustrer par un exemple dun systme rgit par lquation
suivante :
x = H(x) + u,
avec, H(x) la fonction dhystrsis prsente par la gure 1.8. Quand la valeur de x
Figure 1.9 Automate hybride associ
Figure 1.8 Fonction dhystresis
atteint le seuil h/2 ou +h/2, le champ de vecteur est commut de faon discontinu.
Pour la modlisation de ce systme, il faut prendre en compte de son pass (eet
mmoire de lhystresis). Pour cela, il ne peut pas tre modliser par une quation
direntielle avec un second membre discontinu mais par un automate hybride
deux tats dcrit par la gure 1.9.
Commutations contrles
Dans ce cas, le champ de vecteur (t) commute en rponse une loi de commande.
Un exemple dun tel phnomne peut tre donn par un modle simpli dune
transmission manuelle [Zaytoon and QuenecHdu, 2001] :
x 1 = x2 ,
[a(x2 /v) + u]
,
1+v
o, x1 la vitesse relative par rapport un point xe, x2 la vitesse de rotation de
lengin, u {0, 1} la position dacclrateur, a un paramtre du systme et v
{1, 2, 3, 4} la position du levier de vitesse.
x 2 =
Impulsions autonomes
Lorsque ltat atteint certaines zones prdnies de lespace dtat, il eectue un
saut (discontinuit ou impulsion) de sa valeur courante une autre. Un exemple trs
connu de ce phnomne est le choc entre deux corps o la vitesse change brutalement
et subit un saut.
61

de lart
Impulsions contrles
Dans le cas des impulsions controles, la valeur de ltat change impulsivement (saut)
en rponse une commande. Considrons par exemple un modle simple dun stock
o on dpose les quantits 1 , 2 , , de matire aux instants t1 < t2 < . Lvolution de la matire est rgie par lquation suivante [Zaytoon and QuenecHdu,
2001] :

(t ti )i ,
y = Q(t) +
i
avec y le niveau de la matire dans le stock, Q une fonction de dgradation ou

dutilisation, et limpulsion de Dirac.
1.7.3
Systmes commutations
Les systmes commutations reprsentent une catgorie importante des systmes

dynamiques hybrides [Zaytoon, 2001] dont lvolution est la fois continue (dynamique direntielle) et vnementielle (commutations). Les commutations provoquent des changements abrupts de modes de fonctionnement et peuvent dpendre
de ltat et/ou entres du systme, de la structure du systme ou encore, peuvent
tre alatoires.
Un systme commutation est compos dune famille de sous-systmes dynamique
continue (de type quation direntielle ou quation rcurrente) et une loi logique qui
indique un sous-systme actif. Un systme commutation est dni par [Liberzon,
2003] :
x(t)
= f(t) (t, x(t), u(t)),
(1.66)
avec,
: R+ I = {1, 2, , N } tant une fonction constante par morceaux, nomme
signal de commutation,
I est un ensemble dindices,
x(t) Rn reprsente ltat du systme,
u(t) Rm est la commande,
fi (., ., .), i I sont des champs de vecteurs dcrivant les dirents rgimes de
fonctionnement du systme.
La fonction de commutation (t) I spcie le sous systme actif. Le choix du
sous-systme actif peut tre li un critre temporel, des rgions ou surfaces
dtermines dans lespace dtat, ou un paramtre extrieur. On peut identier
deux aspects pour les systmes commutations : un aspect contrl quand la fonction de commutation reprsente une commande ou un aspect autonome dans le cas
contraire.
Il existe plusieurs monographies qui sintressent ltude de cette classe de systmes. Parmi lesquelles, on peut citer les plus rcentes [Zaytoon, 2001, Liberzon,
2003, Li et al., 2005, Sun and Ge, 2005, Bako, 2008]
62
1.7.4
Systmes impulsions
Les systmes impulsions sont considrs comme des systmes hybrides spciques
[Lakshmikantham et al., 1989, Haddad et al., 1999, Attia, 2005, Li et al., 2005, Zabic,
2005, Haddad et al., 2006, Chamroo, 2006]. Ces systmes sont caractriss par des
impulsions singulires ou gnralises et constitus de trois lments :
1. un ensemble dquations direntielles (tats continus), dont chacune rgit le
mode de mouvement du systme dynamique global entre deux impulsions (les
impulsions sont les vnements) ;
2. un critre rgissant lvolution temporelle des impulsions (volution des vnements) ;
3. une quation aux dirences qui rgit la faon dont les tats du systme
changent au moment de limpulsion. Par hypothse de modlisation, ce changement est simultan.
Cest ce troisime point, correspondant une discontinuit des tats analogue un
changement instantan de conditions initiales, qui rend les systmes impulsions
plus gnraux que les systmes dont les paramtres ou les entres commutent, mais
pour lesquels les tats restent continus (modes glissants par exemple [Utkin, 2002,
Perruquetti and Barbot, 2002]).
Dans ces conditions, les systmes dynamiques impulsions ont la forme suivante
[Chamroo, 2006] :
x(t)
= fc .x(t) + Gc (x(t)).uc (t),

x(t) = fd .x(t) + Gd (x(t)).ud (t),
(t, x(t), uc (t)) S,

(t, x(t), ud (t)) S.
(1.67)
(1.68)
Lensemble des commutations est reprsent par S [0, [Rn Uc . Lquation

(1.67) reprsente la dynamique continue du systme, o :
fc : D Rn , Lipschitz-continue vriant fc (0) = 0,
uc (t) Uc Rmc , commande continue,
Gc : D Rnmc , matrice de commande continue.
Lquation (1.68) reprsente la loi de commutation de ltat aux instants de sauts
(commutations) :
fd : D Rn ,
ud (t) Ud Rmd , commande discrte,
Gd : D Rnmd , matrice de commande discrte.
Nous allons donner par la suite un exemple de systme impulsions, un systme
deux bacs modlis par les quations (1.67) et (1.68).
Exemple dun systme deux bacs [Attia, 2005]
On considre le systme deux bacs dcrit par la gure 1.10.
63

de lart
Figure 1.10 Systmes deux bacs.

Le systme est form par une pompe situe sous le bac 2 qui r-alimente le bac 1.
Le bac 1 peut tre partiellement vid par un systme chasse eau. On note par xi la
dviation par rapport au niveau dquilibre xei correspondant au bac i. Ds que la
dviation x1 du niveau du bac 1 devient nulle le systme chasse deau intervient en
vidant partiellement le bac 1 et agit de ce fait comme un contrleur. Ce systme est
dcrit alors par :

1 1
1 0 x(t) < 0
x(t)
=
x(t),
(1.69)
1 1

1 12
1 0 x(t ) = 0
x(t) =
(1.70)
x(t ),
0 1
avec x(t ) tant ltat juste avant que la contrainte sur x1 ne soit active. On peut
ramener ce systme la forme gnrique dun systme impulsif donne par les deux
quations (1.67) et (1.68) :
= Ax(t), Cx(t) < 0

x(t)
x(t) = Jx(t ), Cx(t ) = 0
(1.71)
x(0) = x0 .
Ce systme impulsif avec dynamique linaire peut tre aussi vu comme un systme
hybride compose de deux systmes. La dynamique induite par A reprsente le
systme continu, alors que le second discret est reprsent par J.
1.7.5
Identication
Les systmes commutations ont suscit beaucoup dtudes dans les domaines de la
stabilisation, de la commande et du diagnostic, plutt que dans celui de lidentica64
tion qui est rest moins explor. Lestimation des paramtres, de ltat ou du mode
actif est pourtant les plus cruciales, puisquelle inuence la capacit contrler ou
superviser le systme. Parmi les dicults poses par la prsence de commutations,
il faut noter que lestimation du mode actif et celle de ltat doivent prfrablement
tre menes dans un mme intervalle de temps ni.
Durant ces dernires annes, lidentication des systmes commutations a suscit
lintrt de la communaut scientique et, parmi les tats de lart sur ce sujet,
on trouve [Pekpe, 2004, Hocine, 2006, Paoletti et al., 2007, Bako, 2008]. Le grand
d du problme didentication des systmes commutations est que les mesures
acquises sont seulement disponibles comme un mlange de donnes gnres par
des sous-modles dirents, de sorte quon ne sait pas a priori distinguer quel sousmodle a gnr quelle donne [Bako, 2008]. Ainsi, dans la tche didentication, une
tape cruciale de classication consiste sparer les donnes de rgression selon leur
sous-modle gnrateur respectif. Plus gnralement, le problme didentication des
systmes commutations sarticule autour de trois tapes [Pekpe, 2004] :
1. dterminer le nombre de modles locaux ;
2. sparer les donnes en classes correspondant aux dirents modles locaux ;
3. identier chaque modle local.
Les deux premires tapes constituent la classication de donnes mentionne. Si
cette classication peut tre ralise, le problme destimation devient ensuite un
problme rsolu laide des mthodes classiques didentication pour estimer lensemble des modles locaux constitutifs du systme tudi. Parmi les mthodes bases
sur la classication, on peut citer la mthode de dtermination des hyperplans cachs [Bako, 2008].
Une mthode algbrique t dveloppe dans [Vidal et al., 2003] pour lidentication de modles commutant partir de donnes non bruites. Le problme didentication est reformul en un problme destimation puis de direntiation dun
polynme homogne. A partir de ce polynme, le nombre dtats discrets ainsi que
des paramtres sont ensuite dtermins. Cette mthode possde quelques limites du
fait quelle suppose la connaissance a priori de deux caractristiques importantes :
les ordres des dirents sous-modles (qui de plus doivent tre gaux), ainsi que
le nombre de modes (cest--dire de sous-modles). Un autre problme li cette
mthode est que, dune part, la dimension du vecteur de coecients qui dnit le
polynme homogne augmente exponentiellement avec les dimensions du systme
estimer et que, dautre part, elle ne permet pas de dterminer directement les instants de commutations entre les dirents modes.
Parmi les mthodes didentication des instants de commutations disponibles dans
la littrature, on trouve aussi des techniques de dtection de ruptures (voir [Oku,
2003, Pekpe, 2004]). Connaissant le couple de mesures entre-sortie, ces techniques
visent dterminer les changements de la dynamique du systme tudi, qui correspondent aux instants de commutation recherchs. Bien quelles soient robustes en
prsence de donnes bruites, ces mthodes sourent gnralement dun retard la
65

de lart
dtection.
En lien avec la procdure didentication en ligne propose dans cette thse, notre
principale contribution en matire de systmes commutations (et/ou impulsions)
sera lestimation rapide et exacte des instants de commutation (impulsions ou discontinuits), en supposant quil existe un temps minimum (temps de sjour) entre deux
commutations. La majorit des mthodes proposes dans la littrature pour lidentication des systmes commutations sont bases sur des reprsentations dtat,
commodes pour dcrire un systme multivariable. Lidentication des systmes
commutations peut tre aussi faite partir des modles entre-sortie auxquels nous
nous intressons essentiellement dans notre prsente tude.
La classe des systmes hybrides que nous envisagerons ici regroupe les systmes
commutations et les sysmes impulsions. On la appel classe de systmes "impulsifs". Le modle reprsentant cette classe de systmes est propos par [Belkoura
et al., 2010]. Il consiste des quations direntielles continues avec paramtres discontinus. Ce modle va tre adopt dans le chapitre 4 dans le but didentier les
instants de commutation (ou discontinuits) et les paramtres de ces systmes. Ce
modle permet de reprsenter de nombreux systmes tels que la balle rebondissante,
le pendule inverse, le rocking block... Plusieurs autres exemples peuvent tre trouvs
dans [Brogliato, 1999]. On se place dans le cas o chaque sous-modle (correspondant un mode aprs commutation) est dcrit en temps continu et peut tre linaire
ou non linaire.
Comme nous lavons dj mentionn dans lintroduction gnrale que ltude dun
systme pendule soumis des frottements secs tait le systme motivant pour dvelopper cette technique didentication. Ce systme, non linarit discontinue,
constitue un exemple classique largement tudi par la communaut physicienne
et automaticienne. Il a t trs souvent tudi en tant que systme soumis des
frottements visqueux (linaires) et par des mthodes essentiellement asymptotiques,
au sens ou la solution est obtenue aprs convergence dune srie rcursive, pouvant
mener une mise en uvre complexe : par exemple, citons [Chen and Thomlinson,
1966] qui utilise des sries temporelles, [Liang and Feeny, 2006] avec des moindres
carrs rcursifs, [Qian et al., 2008] par des algorithmes gntiques. La mthode que
nous dvelopperons ici sera de nature non asymptotique, en ceci quelle donne les
valeurs identier sous forme exacte (en labsence de bruit) et aprs un temps ni.
Il existe quelques travaux sur lidentication algbrique des systmes mcaniques.
Parmi ceux-ci, on trouve [Becedas et al., 2007] sur lestimation des paramtres dun
systme masse-ressort-amortisseur un degr de libert et [Beltrn-Carvajal et al.,
2005] pour lidentication algbrique de la frquence et de lamplitude de vibrations
exognes aectant le systme mcanique sans frottement (en utilisant seulement les
mesures de la position). Une autre recherche dans [Zglimbea et al., 2008] traite ce
problme en se basant sur la thorie des distributions. Son objectif tait lestimation
des paramtres des systmes soumis des frottements, modliss par le modle de
Dahl, en supposant que le couple entre-sortie ainsi que la drive de la sortie sont
66
1.8. Conclusion
mesurs. Nous nous intresserons quant nous lidentication des paramtres et

des instants de commutation de ces systmes partir du seul couple entre-sortie.
La reformulation et lextension de la mthode algbrique lidentication des instants de commutations ainsi que ses paramtres sera la contribution du chapitre
4.
1.8
Conclusion
Ce chapitre a montr une certaine varit de techniques didentication des systmes

retard en temps continu. La monographie faite montre que la rapidit de convergence, le temps de calcul et la robustesse au bruit restent jusqu maintenant des
problmes ouverts. Les mthodes les plus rcentes sintressent lidentication en
ligne du retard. Cependant, la plupart des mthodes ncessitent encore un temps
de calcul important, compromettant une utilisation "en ligne" aise. La mthode
algbrique prsente dans la section 1.6.3 propose une solution ce problme.
La dernire section a t consacre la prsentation des systmes hybrides en gnral et des systmes commutations et impulsions en particulier. Nous avons
mis laccent sur quelques mthodes didentication des systmes commutations.
La prsentation de la classe adopte et le modle qui la dcrit ainsi que lextension
de la mthode algbrique lidentication des systmes impulsifs sera le sujet du
chapitre 4.
Comme nous lavons dj mentionn, la mthode algbrique adopte est base sur la
thorie des distributions. Pour cela, le deuxime chapitre sera consacr au rappel des
concepts thoriques ncessaires pour la formulation du problme didentication.
67

de lart
68
Outils mathmatiques :
distributions et entres
structures
Sommaire
2.1
Motivations . . . . . . . . . . . . . . . . . . . . . . . . . . .
69
2.2
Distributions . . . . . . . . . . . . . . . . . . . . . . . . . .
70
2.2.1
Notations . . . . . . . . . . . . . . . . . . . . . . . . . . .
70
2.2.2
Ordre dune distribution . . . . . . . . . . . . . . . . . . .
71
2.2.3
Support dune distribution . . . . . . . . . . . . . . . . . .
71
2.2.4
Multiplication . . . . . . . . . . . . . . . . . . . . . . . . .
72
2.2.5
Convolution . . . . . . . . . . . . . . . . . . . . . . . . . .
72
2.2.6
2.1
Multiplication par
tn ,
eat
et convolution . . . . . . . . . .
73
2.3
Entres structures . . . . . . . . . . . . . . . . . . . . . .
74
2.4
Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . .
75
Motivations
La thorie des distributions a t tablie par Laurent Schwartz dans les annes cinquante [Schwartz, 1966]. Il a pos les bases dune thorie mathmatique rigoureuse
qui permet de rsoudre de nombreuses problmes de la physique, plus prcisment,
les quations issues de la physique, de la mcanique des uides et du traitement
du signal. Son utilisation permet dviter la plupart des dicults de la thorie
des fonctions. En eet, il existe quelques oprations qui sont lgitimes au sens de
distributions et non au sens des fonctions tel que la drivation dune fonction localement sommable qui nest pas drivable au sens des fonctions [Rodier, 1993,Belkoura,
2009b].
Ce chapitre est une brve introduction aux distributions regroupant quelques dnitions et proprits auxquelles la mthode didentication algbrique fait appel pour
formuler nos problmes didentications. Ces notions sont extraites des ouvrages
suivants [Schwartz, 1966, Dupraz, 1977, Petit, 1995, Boccara, 1997, Rodier, 1993] et
69
Outils mathmatiques : distributions et entres structures
rcemment [Belkoura, 2009b] et elles sont exposes en dtails dans lannexe A.

Le formalisme des distributions ore une large souplesse et un cadre uni dans
lnonc et le traitement des dirents problmes abords. Lidentication des systmes retard est lun de ces problmes. En gnral, le formalisme des distributions
simplie considrablement ltude des quations direntielles. Dans ce mmoire,
cette thorie est adopte pour tudier les quations direntielles retard. Ce choix
est principalement motiv par les observations suivantes :
Le phnomne du retard dun systme est trs li la notion de support dune
distribution.
Les distributions sont bien adaptes pour reprsenter une ralit physique tels
que les proprits des signaux dentres, les singularits (discontinuits) et leurs
drives.
Les conditions initiales sont reprsentes explicitement dans les quations direntielles reprsentatives du systme.
Dans le cadre de lidentication du retard et des paramtres, le formalisme de
distributions ore une alternative au formalisme oprationnel. Des proprits importantes sur la multiplication des distributions orent une alternative la multiplication par des fonctions polynomiales en t tel que propos dans le cadre oprationnel.
Ces motivations vont tre justies dans les sections qui suivent qui regroupent les
dnitions, les proprits ainsi que les applications des distributions auxquelles nous
faisons appel par la suite pour lanalyse didentication.
2.2
2.2.1
Distributions
Notations
Nous donnons, dabord, quelques notations adoptes dans ce mmoire :

C0 () reprsente lespace des fonctions C support dans un ouvert et on appelle
distribution toute forme linaire et continue sur C0 (). Les distributions forment un
espace vectoriel appel D , et on note D + lespace des distributions support born
gauche, appeles aussi les distributions causales qui reprsentent des phnomnes
ayant lieu avant la cause qui les produit et par consquent sont nulles pour t < 0.
Tous les signaux considrs sont support born gauche (appartiennent D + )
et on notera E lespace des distributions support compact. Toute fonction y, vue
comme distribution, est indniment drivable et on se situe dans une algbre de
convolution avec unit . Les principales transformations telles que la drivation, la
translation et lintgration peuvent tre formes de produits de convolution, nots
, et dans lesquels limpulsion de Dirac joue le rle de lunit dans le produit de
convolution, est limpulsion retarde (t ) et H est la fonction de Heaviside
(chelon) :

(2.1)
y (1) = (1) y, y (m) = (m) y, y(t ) = y,
y = H y.
70
2.2. Distributions
H k y dsigne la convolution itre H H y et, plus gnralement, H k reprsente
le produit de convolution dordre k. supp T reprsente le support de la distribution
T , et dans le cas o T est valeur vectorielle, supp T sera lunion des supports de
chacune des ses entres. Enn, T (s) dsigne la transforme de Laplace de T .
2.2.2
Ordre dune distribution
Dnition 5 On appelle distribution dordre ni toute distribution T de D () pour

laquelle il existe k N , tel que pour tout compact K inclus dans , on ait la relation
suivante. Lentier k, qui ne dpend pas de K, est appele ordre de la distribution T .
CK > 0, DK (), | < T, > | CK sup sup|D (t)|.
||k t
(2.2)
Une notion gnrale dordre 0 et < 0 est introduite dans [Yamamoto, 1984] qui
donne une dnition plus simple mais plus gnrale que celle donne par la dnition
5.
Dnition 6 Une distribution est dordre r > 0, si elle agit continment sur les
fonctions de classe C r et non C r1 . Une fonction est dordre r si r est le plus
r
petit entier tel que ddr soit une mesure.
Exemples :
ord( (2) ) = 2, ord(H(t).t) = 2.
(2.3)
Un autre rsultat faisant appel au proprit du produit de convolution est donn par
le thorme suivant, dans lequel P 1 dsigne linverse de convolution et peut tre
tendu pour le cas matriciel o lordre de la matrice P sera gale lordre maximal
de ces lments.
Thorme 7 [Yamamoto, 1984]
ord(P 1 ) = ord(P ) = ord(P Q) = ord(P ) + ord(Q), Q.
2.2.3
(2.4)
Support dune distribution
On considre tous les ensembles ouverts pour lesquels une distribution T est nulle,
cest dire telle que < T, >= 0 pour tout support dans un de ces ouverts.
La runion de tous ces ouverts forme un ouvert. La distribution T est nulle sur cet
ouvert, cest le plus grand ouvert o T est nulle. Son complmentaire, qui est ferm,
est appel support de la distribution T .
Dnition 8 Le support de T , not supp T est le complmentaire dans du plus
grand ouvert de tel que la restriction de T soit nulle.
On donne par exemple : supp = 0 et supp a = a.
71
2.2.4
Multiplication
La multiplication de deux distributions quelconques nest pas toujours dnie. Cependant, le produit de deux distributions est dni dans certains cas. Le cas le plus
courant est la multiplication dune distribution T par une fonction par une fonction
indniment drivable . Ceci est facilement justi puisque, dune part, la fonction
D pour tout D est indniment drivable et dautre part, elle a un support
contenu dans le support de et donc un support born.
La rgle de drivation de Leibniz sapplique :

k
Dm (T ) =
Cm
(D(mk) )Dk T.
(2.5)
km
m!
k
= k!(mk)!
. Le thorme suivant nonce une proprit trs utilise dans ceravec, Cm
taines applications qui porte sur lannihilation dune distribution par multiplication :
Thorme 9 [Schwartz, 1966] Si T a support compact K, et est dordre (ncessairement ni) m, T est nulle toutes les fois que et ses drives dordre m
sont nulles sur K ; si T a un support et est dordre quelconque, ni ou inni, T est
nulle ainsi que toute ses drives sur le support de T .
Ce thorme est illustr par les exemples suivants quand T est une distribution
singulire et respectivement une fonction polynme et une fonction exponentielle
dans laquelle = e :
(t ) = 0,
(1 et ) = 0,
t2 (t )(a (1) + b ) = 0,
(1 et )2 (1 et )(a (1) + b ) = 0.
(2.6)
(2.7)
Ces deux cas montrent que le terme est pass du statut dargument celui dargument et de coecient dune manire explicite dans le cas des polynmes et via le
terme = e pour les fonctions exponentielles.
Grce au thorme 9, le produit t peut tre tendu

0
l > n,
l (n)
t =
(2.8)
n!
(nl) l n.
(1)l (nl)!
et plus gnralement :
(n) =
(1)(nq) Cnq (nq) (0) (q) .
(2.9)
qn
2.2.5
Convolution
Le produit de convolution de deux distributions na pas toujours un sens. Cependant, trois cas peuvent tre rencontrs dans la pratique pour lesquels le produit de
convolution a un sens, sont :
lune des deux distributions soit support born,
72
2.2. Distributions
les distributions support born,
les distributions support born gauche (respectivement droite).
Le produit de convolution de deux distributions est commutatif, distributif par rapport laddition et associatif lorsque tous les produits deux deux ont un sens. La
distribution de Dirac lorigine joue le rle dunit pour le produit de convolution. Pour translater une distribution de , il sut de la convoluer par la translat
(t ) de la distribution de Dirac . Et pour translater un produit de convolution,
il sut de translater un de ses facteurs. La convolution dune distribution T par la
drive de la distribution de Dirac revient driver une fois la distribution T .
Plus gnralement, la convolution de la distribution T par la drive dordre m de
la distribution de Dirac est quivalente la drivation m fois de la distribution T :
(m) T = T (m) .
(2.10)
Ltude du problme didentication est trs li la notion de support dune distribution. Dans le cadre du produit de convolution, un rsultat trs utile est donn par
linclusion suivante :
supp S T supp S + supp T,
(2.11)
dans laquelle, la somme dans le ct droit est dnie par :
{u + v; u supp S, v supp T } .
(2.12)
A titre dexemple, soit S et T deux distributions de supports inclus respectivement

dans [a, ) et [b, ), le support de leur produit de convolution est inclut dans
[a+b, ). Il existe un autre rsultat plus prcis nonc par le Thorme des supports
suivant et dans lequel conv(supp X) reprsente lenveloppe convexe du support de
X :
Thorme 10
conv(supp S T ) = conv(supp S) + conv(supp T ).
2.2.6
(2.13)
Multiplication par tn , eat et convolution
La combinaison de la multiplication par des fonctions polynomiales ou exponentielles avec le produit de convolution conduisent deux proprits trs utiles dans
la pratique. Pour cela, si lune des distributions S ou T est support compact, la
multiplication du produit de convolution S T permet daboutir :
n
t (S T ) =
Cnk (tk S) (tnk T ).
(2.14)
k=0
A titre dexemple, en combinant cette relation et celle donne par lquation (2.8),
on peut transformer, par exemple, les termes de la forme tn y (p) en somme linaire
des drives du produit tk y :
(1)
(2)
t3 y (2) = 6z1 + 6z2 z3 ,

73
(2.15)

o, zi = ti y. De mme pour le cas dune fonction exponentielle eat , il vient alors :
eat (S T ) = (eat S) (eat T ).
(2.16)
A titre dexemple, en posant z = et y et = e , on aura :

et y (2) = 2 z + 2z (1) + z (2) .
(2.17)
Les membres de droite des exemples donns par les quations (2.15) et (2.17) fournissent les dcompositions correspondants aux formules dintgration par partie.
Ces intgrations pourront tre avantageusement remplaces par tout transfert causal jouant le rle dun ltre. On note par la suite, H k y la convolution itre et T k
reprsente le produit de convolution dordre k.
2.3
Entres structures
Les entres structures sont dnies pour se rfrer aux entits qui peuvent tre
annihiles grce des multiplications et des drivations simples [Fliess and SiraRamirez, 2003]. Un exemple typique est donn par la fonction de Heaviside H(t),
pour lequel, on obtient dans le domaine temporel et son quivalent dans le domaine
oprationnel les deux relations suivantes :
t
dH
= 0,
dt
d
sH(s) = 0.
ds
(2.18)
Dans cet exemple, lannihilation a t faite par la multiplication par un polynme

en t mais elle peut tre tendue des fonctions exponentielles. Cette extension peut
viter la multiplication des donnes bruites avec des termes non borns comme des
polynmes. Cependant, le terme "structur" ne fait pas rfrence uniquement aux
perturbations mais il peut aussi concerner les conditions initiales, les entres ou les
paramtres variables dans le temps.
Pour une dnition formelle, on peut dire que la distribution X est dite structure,
si on peut crire que [Belkoura et al., 2009] :
P X = Q,
(2.19)
avec P E et Q D+ , toutes deux support discret. Cette dnition est susante
pour la plupart des cas pratiques et comprend aussi les polynmes, les fonctions
exponentielles et harmoniques, les fonctions impulsives et leurs drives qui peuvent
tre les fonctions de Dirac utilises an de tenir compte des conditions initiales dans
le cadre de distribution. On peut remarquer quun contre exemple peut tre trouv
pour une fonction C avec un support compact, dont la convolution avec nimporte
quelle distribution P permet daboutir une fonction C pour le membre de droite
Q.
Cette dnition ore un large choix pour la fonction candidate de multiplication,
puisque, en vertu du thorme de Schwartz 9, le produit Q = 0 pour nimporte
74
2.4. Conclusion
quelle fonction dont les drives sannulent sur le support de Q, ce qui permet
lannihilation du membre gauche de lquation (2.19) :
(P X) = 0.
(2.20)
On note quavec la formulation de lquation (2.19), la fonction candidate dpend

seulement de la structure de Q. Si Q admet une dcomposition de la forme Q =
Qi ,
o Qi ont des supports disjoints, alors leurs annihilation exige le produit = i .
Dans le cas pratique, on se situe dans les deux points suivants :
Le terme structur X est impliqu par lquation de la forme :
R = X,
(2.21)
o R est un oprateur direntiel (peut tre retard) et un vecteur (ou fonction)

des mesures. Combin avec lquation (2.20), ceci mme une relation base sur
les mesures :
(P R ) = 0.
(2.22)
La fonction candidate est choisie comme une combinaison linaires des fonctions
polynomiales ou exponentielles. Ce choix permet dcrire le produit de la forme
tp y (q) (resp.et y (q) ) sous le forme (tk y)q (resp.(et )q ).
Lannihilation du terme structur X nimplique pas ncessairement que toutes les
informations sur ce terme sont perdues. La procdure destimation, qui va tre prsente dans le chapitre suivant, est base sur lide que les termes inconnus identier
et contenus dans le terme structur peuvent tre dtermins partir de la procdure dannihilation. Selon les coecients estimer, on peut aboutir direntes
formulation du problme destimation.
2.4
Conclusion
Dans ce chapitre, nous avons explicit le formalisme mathmatique utilis pour lanalyse de lidentication des systmes retard. Pour cela, nous avons procd la
prsentation des principales dnitions, thormes et proprits ncessaires pour la
formulation de nos problmes didentication. La contribution prsente dans ce mmoire se base essentiellement sur deux thormes fondamentaux : le thorme 9 de
Schwartz sur la multiplication de deux distributions et le thorme 10 de support.
Le prochain chapitre sera consacr la prsentation de lapproche algbrique et
son application dirents cas dtude.
75
76
Identification algbrique des

systmes linaires et retards
Sommaire
3.1
3.2
3.3
3.4
3.5
3.6
3.7
3.8
3.1
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . .
Cadre de ltude . . . . . . . . . . . . . . . . . . . . . . . .
Procdure gnrale didentication . . . . . . . . . . . . .
Systme linaire du premier ordre retard . . . . . . . .
3.4.1 Formulation du problme didentication . . . . . . . . . .
3.4.2 Etude en simulation . . . . . . . . . . . . . . . . . . . . .
3.4.3 Robustesse . . . . . . . . . . . . . . . . . . . . . . . . . .
Systme avec succession de retards . . . . . . . . . . . . .
3.5.1 Formulation du problme . . . . . . . . . . . . . . . . . .
Problme didentication conjointe et formulation en
terme de problme de valeurs propres gnralises . . .
3.6.1 Formulation du problme . . . . . . . . . . . . . . . . . .
3.6.3 Rsolution du problme spectral . . . . . . . . . . . . . .
Application au procd dasservissement de temprature
3.7.1 Description du systme . . . . . . . . . . . . . . . . . . .
3.7.2 Identication . . . . . . . . . . . . . . . . . . . . . . . . .
Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . .
77
78
79
80
80
82
84
85
85
86
87
87
88
89
91
91
92
94
Introduction
Lobjectif de ce chapitre est de dvelopper la mthode didentication algbrique

pour les systmes retards. Pour cela, nous allons commencer par expliquer la
procdure didentication. Une telle technique mne des schmas de ralisation
simples, impliquant des intgrateurs, des multiplicateurs et des fonctions continues
par morceaux polynomiales ou exponentielles. Dans le but de gnraliser cette approche pour les systmes retards, nous allons prsenter trois exemples illustratifs.
77
Identication algbrique des systmes linaires et retards
Le premier reprsente un systme du premier ordre soumis une entre retarde

et bruite pour lequel nous allons identier, dabord, le retard seulement et ensuite
le retard et les paramtres. Le deuxime exemple est celui des systmes avec srie
de retards alors que le dernier exemple montre le lien entre lidentication simultane du retard ainsi que des paramtres et le problme de valeurs propres gnralises.
La dernire section de ce chapitre sera consacre lidentication par approche
algbrique partir des donnes exprimentales. Des rsultats de simulations sont
obtenus suite lapplication la maquette dasservissement de temprature PT326.
3.2
Cadre de ltude
Les travaux didentication des systmes retards prsents se situent dans un cadre
essentiellement linaire et stationnaire (au moins en ce qui concerne la faon dont
interviennent les paramtres identier). La technique algbrique didentication en
ligne de retards prsente en ralit une extension de lapproche oprationnelle initie par les travaux de Fliess et Sira-Ramirez [Fliess and Sira-Ramirez, 2003] dans
le cadre des systmes linaires par rapport aux paramtres, non ncessairement linaires vis--vis des entres-sorties, mais sans retards et de dimension nie.
Dans ce cadre, lidentication des retards apparat comme un prolongement naturel
de la dmarche algbrique cite. La technique algbrique est, en fait, une mthode
temps continu, non asymptotique et dterministe. Elle ne sappuie pas ainsi sur
des proprits statistiques des bruits et ne ncessite pas lhypothse restrictive de
retards gaux en dure un nombre entier de priodes dchantillonnage (appel
retard commensurable). Comme nous lavons dj mentionn dans le premier et le
deuxime chapitre, nous adoptons dans cette tude une formulation distributionnelle [Fliess and Sira-Ramirez, 2003] pour les raisons prsentes dans la section 2.1
du deuxime chapitre permettant ainsi une estimation du retard et des paramtres.
Nous donnons en rsum quelques quivalences entre le domaine oprationnel (ou
encore par la transforme de Laplace) et le domaine temporel pour un exemple dun
signal considr (t) discontinu lorigine et nul aux temps ngatifs :
Domaine oprationnel (s)
s(s) (0)
d
ds
(s) (s + )
Domaine temporel (t)
d
dt
(0)
t(t)
(1 et )(t)
Le choix du signal dentre est une tche indispensable pour lidentication dun
systme puisquil prsente une inuence signicative sur les rsultats destimation.
Les signaux les plus populaires sont les entres chelon, constante par morceaux,
pseudo alatoire, rampe et les fonctions sinusodales. Dans ce chapitre, notre tude
se restreint au cas des entres spciques dites structures de type retardes et
bloques tel que lentre chelon et lentre constante par morceaux. La dnition
des entres structures et la justication du choix de ces entres ont t donnes
dans la section 2.3 du deuxime chapitre.
78
3.3. Procdure gnrale didentification
3.3
Procdure gnrale didentication
La procdure didentication se dcompose principalement en trois tapes suivantes :

1. Drivation : cette opration permet de rduire des impulsions de Dirac,
ventuellement retardes ainsi que leurs drives, les perturbations et les entres dites structures qui apparaissant dans lquation reprsentative du systme.
2. Multiplication par une fonction C : cette tape pour but dannihiler
les singularits formes suite la drivation et ceci en appliquant le thorme
9 de Schwartz comme le montrent les exemples fournis par les quations (2.6
et 2.7). Ces fonctions sont choisies polynomiales et/ou exponentielles an de
permettre une dcomposition du type intgration par parties, prvue dans la
phase ultrieure.
Bien quelles sont simples manipuler, les fonctions polynomiales ne sont pas
conseilles dans un contexte bruit. Pour cela, le choix sera plutt orient vers
la multiplication des signaux bruits par des fonctions exponentielles de la
forme (1 et ) (convergeant vers 1 contrairement t) ainsi de plus la prsence dune pondration ajustable permet dviter lamplication du bruit.
3. Intgration/convolution : dans le cas dentres spciques (par exemple
bloque), cette opration permet de saranchir de toute drivation. Elle correspond la dernire tape qui permet daboutir au systme nal partir
duquel le retard ainsi que les paramtres seront estims.
Exemple introductif
Lexemple suivant dun systme du premier ordre sans retard permet dillustrer cette
procdure. On sintresse ainsi lidentication de la constante du temps par une
approche oprationnelle et son quivalent dans le domaine temporel :
Oprationnelle
Temporelle
sy ay = u + y0
y ay = u + y0
d(sy)
dy
du
d
a =
ds
ds
ds
ds
d(sy)
du
a = ds dy ds
t ty aty = tu
a =
1
a =
s
ds
1 d(sy)
[
du
]
s ds
ds
1 dy
[ ]
s ds
ty tu
ty
a =
(y u)d
t
yd
0
Ces deux approches permettent de dterminer la constante du temps a partir dune

formule non asymptotique qui est valable pour tout t > 0. On peut remarquer la
79

prsence de la drive de la sortie dans lexpression nale de a dans le cas temporel.
Lutilisation de la formule des intgrations par parties permet daboutir une expression
faisantseulement appel aux donns mesures (u, y) et on donne par exemple
t
t
yd
= ty 0 y()d.
0
Dans les deux cas, lestimation de a a t eectue indpendamment de la condition
initiale. Outre la condition initiale, cette procdure reste valable mme en prsence
de perturbations constantes ou polynomiales appeles perturbations structures. Ce
cas de gure sera tudi dans la prochaine section.
3.4
Systme linaire du premier ordre retard
Nous nous intressons dans cette section expliquer la mthode didentication algbrique partir de son application sur un systme du premier ordre retard. Bien
quil reprsente un exemple acadmique, le modle du premier ordre retard est
capable de reprsenter la dynamique de plusieurs processus. Les systmes o les retards apparaissent seulement dans les variables de commande, sont trs utiliss en
pratique (Voir Fliess et al. (2002) pour leur contexte thorique et leur commande).
Mme si le processus na pas de retard physique, il est possible de modliser un tel
systme (qui peut tre dordre plus lev) par un modle dordre petit et retard.
Dans ce cas, le retard estim peut tre une combinaison du retard actuel et des
contributions dues lordre lev des termes dynamiques dans la fonction de transfert.
Il existe certainement dautre processus pour lesquels le modle du premier ordre
retard nest pas adquat pour dcrire la dynamique, ou pour lesquels un modle
dordre lev peut amliorer la prcision de faon signicative. Cependant, mme
dans ce cas dtude, notre mthode didentication algbrique peut tre facilement
gnralise aux systmes dordre suprieur (voir par exemple les sections 3.5 et 3.6
pour un systme dordre 2).
Le systme tudi est soumis une entre chelon qui est probablement le plus simple
des signaux de test connus. Elle a besoin dun minimum dquipement et peut tre
eectue manuellement. Un test chelon peut tre implment facilement sur des
API (Automates Programmables Industriels) ou des SCD (Systmes de Contrle
Distribus). Cependant, le test un chelon est dominant pour les applications dans
la commande des systmes.
3.4.1
Formulation du problme didentication
On considre un systme du premier ordre retard rgi par lquation direntielle

suivante :
(3.1)
y + a y = y(0) + 0 H + b u(t ).
Ce systme est soumis une perturbation (ou un biais) constante damplitude 0
et pour lequel la commande u est suppose aussi constante (chelon) damplitude
80
3.4. Systme linaire du premier ordre retard

u0 et retarde du paramtre constant identier. Les paramtres a et b sont des
paramtres constants. Lentre chelon scrit sous la forme u = u0 H.
Identication du retard
On suppose que le coecient a est connu pour linstant et on sintresse lidentication du retard uniquement. En drivant une seule fois lquation (3.1), on obtient
y + ay = 0 + 0 + b u0 ,
(3.2)
o 0 = (y(0)+ay(0))
+y(0) (1) , dordre 1 et de support {0}. En vertu du Thorme

9, la multiplication de lquation (3.2) par une fonction vriant (0) = (0) = 0
et ( ) = 0 annule son membre de droite. Le choix de la fonction polynomiale
(t) = t3 t2 permet dobtenir les relations suivantes :
y + ay]
= t2 [
y + ay]
t3 [
3
2
bu0 t = bu0 t
(3.3)
(3.4)
Le retard devient accessible aprs lapplication de k 2 intgrations successives.

Plus prcisment, en tenant compte de la proprit des supports des produits de
convolutions, supp H k (, ), lquation (3.4) montre que toutes les fonctions
obtenues sannulent sur (0, ). Par consquent, le retard sera non identiable sur
cet intervalle. Nanmoins, ces fonctions sont non nulles pour tout t > , rendant le
retard identiable sur tout lintervalle (, ). On obtient donc partir (3.3) :
=
H k (w0 + a w3 )
,
H k (w1 + a w2 )
t>
(3.5)
o, en sinspirant de lquation (2.14) et de la notation zi = ti y de la section 2.2.5,

on pose :
(1)
(2)
(1)
(2)
w0 = t3 y (2) = 6 z1 + 6 z2 z3 ,
w1 = t2 y (2) = 2 z0 + 4 z1 z2 ,
(1)
w2 = t2 y (1) = 2 z1 z2 ,
(1)
w3 = t3 y (1) = 3 z2 z3 .
Ces coecients montrent que k 2 intgrations permet de se dbarrasser de toute
drivation dans lalgorithme (3.5). La gure 3.1 montre le schma partiel de ralisation des H k w0 . Notons que lalgorithme donn par (3.5) requiert seulement la valeur
de a et de la sortie y.
Identication simultane du retard et de la constante du temps

Si a est inconnu, la mme approche peut tre utilise pour lidentication simultane.
La relation suivante est drive de lquation (3.3) :
(H k w1 ) + a (H k w2 ) a (H k w3 ) = H k w0 .
81
(3.6)

y
t
t2
t3
1

H 4 t3 y 2

H 3 t3 y 2
H 2 t3 y 2
Figure 3.1 Schma de ralisation de H k w0 .
En utilisant dirents ordres dintgration, on obtient le systme linaire suivant

avec les paramtres (, a , a) :
2
2
H w0
H w1 H 2 w2 H 2 w3
H 3 w1 H 3 w2 H 3 w3 a
= H 3 w0
(3.7)
4
4
4
4
a
H w1 H w2 H w3
H w0
Les paramtres a et peuvent tre, alors, dtermins partir de la rsolution de ce
systme dquations.
La multiplication de (3.2) par une autre fonction indniment drivable permet lestimation dautres combinaisons de paramtres. En choisissant la fonction candidate
(t) = t(t ) et en utilisant la mme technique que prcdemment, on obtient :
H k t(
y + ay)
H k y(0) = H k t2 (
y + ay),
(3.8)
partir duquel le retard ainsi que la condition initiale peuvent tre identis. Le
problme didentication de la condition initiale nest pas tudi dans ce mmoire.
La rsolution de ce problme a t le sujet des travaux de Belkoura dans [Belkoura,
2003].
3.4.2
Etude en simulation
Les rsultats de simulation sont illustrs par la gure 3.2 pour les paramtres
y(0) = 0.3, a = 2, = 0.6, 0 = 2, b = 1, u0 = 1 et k = 2.
A cause de la non identiabilit sur (0, ), le retard est maintenu zro jusqu
ce que le numrateur et le dnominateur de lquation (3.5) atteignent une valeur
signicative. La gure 3.3 suivante illustre les rsultats en simulation de lalgorithme
(3.7) pour les mmes valeurs des paramtres et pour k = 2, 3, 4 intgrations.
Pour la raison didentiablit explique prcdemment, le systme linaire obtenu
peut tre non consistant pour t < . De plus, et la dirence au cas didentication
du retard seul, une perte locale didentiabilit (voir [Belkoura, 2005]) sest produite
82
3.4. Systme linaire du premier ordre retard
0.7
0.6
0.5
0.4
0.3
0.2
0.1
t(s)
0
0.2
0.4
0.6
0.8
1.2
1.4
1.6
1.8
Figure 3.2 Identication du retard partir de (3.5).
a
2
1.5
0.5
t(s)
0
0.2
0.4
0.6
0.8
1.2
1.4
1.6
1.8
Figure 3.3 Identication simultane partir de (3.6).
pour t > comme le montre la gure 3.3 pour t 1.5s. Le seul coecient qui nest
pas identiable partir de ces direntes formulations est le paramtre b. Dans le
cas o on sintresse son identication, et grce la rapidit de convergence des ces
algorithmes, on peut aussi considrer une procdure spare dans laquelle les termes
non retards sont dabord estims puis utiliss par la suite pour lidentication du
retard.
Remarque 11 Dans le cas o lentre chelon est retarde dun retard variable
(t), lalgorithme (3.5) converge malgr tout vers une valeur xe. Notons que dans
ce cas, la contribution de lentre dans lexemple (3.1) peut tre crite b u0 H ,
(t) = t (t), o reprsente le symbole de la composition de fonctions.
Si (t0 ) = 0, (t0 ) = 0, et en tenant compte de quelques hypothses de rgularit
sur (t), nous obtenons :
(H ) = H = = ( / (t0 )) t0 = t0 .
83

Lalgorithme converge alors vers t0 . Cependant, lentre chelon est inadquate pour
lidentication dun retard variant dans le temps et le retard constant est, dans un
sens, un cas particulier de la prsente approche.
3.4.3
Robustesse
Comme mentionn dans la Section 2.2.1 du chapitre 2, faire des produits de convolutions itrs en utilisant H k revient appliquer les formules dintgration par parties.
Dans un contexte bruit, lintgration avec H(s) = 1/s peut tre remplace par une
fonction de transfert approprie et plus particulirement par des ltres passe bas
de la forme T (s) = 1/(s + 1). Des bruits blancs dentre et de sortie ont t pris
respectivement damplitude 2 106 et 4 106 . Les simulations suivantes, pour
= 2, montrent la robustesse de lalgorithme didentication du retard propos vis
vis les bruits.
Trajectoires
1
0.5
u
y
0
0.2
0.4
0.6
0.8
1.2
1.4
1.6
1.8
Identfication du retard
1
(k=3)
(k=4)
0.5
0.2
0.4
0.6
0.8
1.2
1.4
1.6
t(s)
1.8
Figure 3.4 Identication du retard en prsence du bruit.
Remarque 12 Voir [Fliess, 2006] pour une analyse non standard du bruit qui explique les rsultats de robustesse ci dessus. Une autre explication possible de la
convergence peut tre dduite partir de la puissance du spectre des termes supplmentaires qui apparaissent dans (3.5) quand la sortie y est remplace par une
mesure m = y + . La contribution du bruit est faite par les termes de la forme
T k ((tp )(q) ) pour lesquels on donne la puissance du spectre
|T (j)|k (j)q
dp ()
.
d p
(3.9)
Si le spectre du bruit () est suppos constant sur un intervalle susamment

large L < < L (ce qui est le cas pour lapproximation du bruit blanc), et en
vertu de la causalit obtenue pour k > q, ces quantits et les eets du bruit restent
alors ngligeables.
84
3.5. Systme avec succession de retards
Figure 3.5 La structure gnrale des systmes avec retards de transmission.
3.5
3.5.1
Systme avec succession de retards

Formulation du problme
Dans la section prcdente, le retard a t estim parce quil correspondait un

instant de commutation (discontinuit) de la partie droite de 0 H + b u0 H(t )
de lquation (3.1) du fonctionnement du systme. Bas sur cette observation, nos
techniques peuvent tre tendues lestimation dun nombre ni ou inni de retards
au moyen de lune des trois approches suivantes :
Une multiplication avec une fonction candidate C , t2 (t h1 ) (t hk ), si k est
ni et ceci en vertu du Thorme 9. Cette solution est ecace pour un nombre
petit de retards alors que pour un nombre important de retards, elle nous mne
un systme dquations linaire de grande taille consistant pour t > hk .
Une estimation rcursive qui, bien quelle soit robuste dans le cas des donnes
bruites, prsente un risque de propagation des erreurs.
Une identication locale, si on suppose quil existe un temps minimum (temps de
sjour) entre deux commutations conscutives (appel un retard incompressible)
< hk+1 hk o k peut tre non born.
En raison des inconvnients des deux premires solutions, nous considrons, alors,
le troisime cas appliqu au processus dcrit par la gure 3.5 et supposons quun
signal de commande (dentre) discret {uk } de priode xe T est envoy du Matre
lEsclave aux instants hk = k + kT .
Le signal dentre consiste alors en un signal constant par morceaux de la forme
suivante :

ua =
uk k ,
(3.10)
k=0
o k reprsente la fonction caractristique de lintervalle [kT + k , (k + 1)T + k+1 ].

Bas sur lobservation de la sortie, nous proposons une mthode didentication en
ligne des instants de commutation kT + k . En fait, si la priode T est connue et si
le Matre et lEsclave ont la mme origine de temps alors les retards de transmission
deviennent accessibles seulement partir de la mesure de la sortie y.
Lestimation des retards de transmission est importante pour les systmes de commande en rseau. Quand les paquets de donnes sont envoys, auxquels sont associs
les horodatages (time-stamp), le rcepteur peut estimer la dure du retard et prendre
85
par la suite les actions correctives appropries (voir par exemple [Hespanha et al.,
2007], [Zampieri, 2008, Yang et al., 2008, Zhang et al., 2008]). Dans le cas o les
horodatages ne sont pas disponibles (par exemple, dans quelques dispositifs Bluetooth, le contenu de paquets nest pas modiable par lutilisateur), notre mthode
reste applicable. Pour des raisons de simplicit, nous prendrons ici lexemple dun
systme linaire du second ordre dcrit par lquation suivante :
y + a1 y + a0 y = 0 + 0 H + b ua ,
(3.11)
o 0 H est une perturbation constante, et 0 (dordre 1 et de support {0}) regroupent les conditions initiales. En se basant sur la section prcdente, drivation
et multiplication par t3 (t ) conduisent
t3 (t )(y (3) + a1 y (2) + a0 y (1) ) = b
k (h4k h3k )hk ,
(3.12)
k=0
o hk = kT + k et k dsigne les sauts de discontinuit de ua aux instants hk . En

utilisant lhypothse hk+1 hk > , une intgration locale est maintenant considre
avec un ltre de la forme T (s) = (1es/3 )/s au lieu de H(s) = 1/s. Avec, supp T
(0, /3) et le coecient 3 reprsente aussi le nombre dintgrations permettant ainsi
de saranchir de toute drivation. On obtient
T 3 t3 (t )(y (3) + a1 y (2) + a0 y (1) ) N D,
(3.13)
o, partir du membre droit de lquation (3.12) et en vertu des proprits du

support du produit de convolution donnes par la Section 2.2.3, on a
supp T 3 hk (hk , hk + ),
supp (N, D) {(hk , hk + ) | k = 1, 2, }.
(3.14)
(3.15)
Sur chacun des derniers intervalles, linstant de commutation hk et donc le retard k

est obtenu partir de la relation
= hk = kT + k = N/D.
(3.16)
Comme dans la section prcdente, les termes de la forme T k tl y (q) apparus dans les
expressions de N and D sont implments en considrant dabord le dveloppement
de tl y (q) dcrit par lquation (2.14) puis en appliquant des intgrations avec T k .
3.5.2
Etude en simulation
Les rsultats de simulation sont donns par la Figure 3.6 pour les paramtres a0 = 2,
= 2.3, T = 2, = 0.75 et les valeurs des retards

a1 = 1, b = 1, y(0) = 1.3, y(0)
{k } = {0.3, 0.5, 0.2, 0.3}. Notons que la mme tude pourrait tre faite en supposant
que les paramtres a0 et a1 sont aussi inconnus.
86
3.6. Problme didentification conjointe et formulation en terme de

problme de valeurs propres gnralises
Trajectoires
4
uk
u
y
0
2
0
10
Identification des retards

0.8
k
0.6
0.4
0.2
0
t(s)
0
10
Figure 3.6 Trajectoires and retards estims.
3.6
Problme didentication conjointe et formulation en terme de problme de valeurs propres

gnralises
Les valeurs propres de matrices interviennent dans un trs grand nombre dapplications, la fois thoriques et pratiques. Plusieurs exemples on t prsents dans [Chatelin, 1988] allant des mathmatiques la chimie et la dynamique des structures, en
passant par lconomie. Ltude suivante va ajouter un nouveau domaine dapplication des problmes de valeurs propres et montre comment ltude de lidentication
simultane du retard et des paramtres peut nous ramener celle dun problme de
valeurs propres gnralises.
3.6.1
Formulation du problme
Cet exemple, tir de [Veysset, 2006], reprsente une application daronautique et

nous nous sommes intresss dans cette thse amliorer la procdure didentication. Lexemple consiste en un systme deux entres dont lune est retarde,
chaque transfert correspondant une fonction du premier ordre :

kw0 + kw1 s kt0 + kt1 s s
u.
(3.17)
y=
+
e
1 + ws
1 + ts
Quelques manipulations montrent que le membre de droite de lquation direntielle correspondante peut tre annul en le multipliant par une fonction vriant
(k) (0) = (k) ( ) = 0 pour k = 0, 1, 2. Le choix de la fonction exponentielle
conduit
(t) = (1 et )3 (1 e(t ) )3
(3.18)
(1 e)3 (1 e)3 (a2 y (3) + a1 y (2) + y (1) ) = 0,
(3.19)
87

o, pour faciliter les notations, nous avons pos e = et , = e , et a2 = t w ,
a1 = t +w . Notons que la dernire quation ncessite la connaissance des gains kw0 ,
kw1 , kt0 et kt1 . Lapplication de k 3 intgrations successives (ou une convolution
avec H k ) aboutissent lgalit de fonctions o le retard et les coecients w ,
t deviennent disponibles. Plus prcisment, lquation (3.19) combine avec des
intgrations mne la formulation suivante :
a2
(A0 + A1 + 2 A2 + 3 A3 ) a1 = 0,
(3.20)
1
o les entres de matrices dcrites ci-dessous sont ralises laide de lintgration
par parties :
A0 (i, j)
A1 (i, j)
A2 (i, j)
A3 (i, j)
+1H i+3 (1 e)3 y (4j)

3H i+3 e(1 e)3 y (4j)
+3H i+3 e2 (1 e)3 y (4j)
1H i+3 e3 (1 e)3 y (4j)
=
=
=
=
Le problme didentication est donc transform en un problme de valeurs propres

gnralises dans lquation (3.20) pour lequel le retard est dduit partir de lune
des valeurs propres (cest dire = log()/), tandis que les coecients a2 et a1
sont obtenus partir du vecteur propre correspondant.
3.6.2
Etude en simulation
Les gures 3.7 et 3.8 illustrent respectivement les valeurs propres gnralises de
lquation (3.20) (et plus prcisment log()/) et les vecteurs propres correspondants rsolus en utilisant la fonction polyeig de Matlab pour les paramtres
w = 0.6, kw0 = 2, kw1 = 0.5, t = 0.4, kt0 = 0.7, kt1 = 0.1, = 0.5 et = 0.2.
Eigenvalues
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
t(s)
0
0.5
1.5
2.5
3.5
4.5
Figure 3.7 Valeurs propres du problme (3.20).
88
3.6. Problme didentification conjointe et formulation en terme de

problme de valeurs propres gnralises
Vecteurs propres a1
Vecteurs propres a2
0.5
1.8
0.45
1.6
0.4
1.4
0.35
1.2
0.3
0.25
0.8
0.2
0.6
0.15
0.4
0.1
0.2
0.05
t(s)
t(s)
0
Figure 3.8 Vecteurs propres du problme (3.20).
Les rsultats de simulations montrent clairement quil existe une valeur propre (resp.
un vecteur propre) constante correspondante au retard inconnu (resp. aux coecients a2 et a1 ). Cette valeur apparait aprs une phase transitoire pour laquelle le
retard nest pas identiable.
Nous obtenons donc neuf valeurs propres possibles (resp. vecteurs propres) dont
lune correspond au retard (resp. aux coecients a2 et a1 ) et les autres doivent tre
rejets. Il est donc ncessaire de concevoir un algorithme didentication en ligne qui
permet de choisir la paire valeur propre et vecteur propre dsire. Cette procdure
est une suite directe de [Belkoura et al., 2008] et sera dveloppe dans la section
suivante.
3.6.3
Rsolution du problme spectral
La section prcdente montre que la valeur propre dsire satisfait lquation (3.20)
pour tout k 3. Pour cela, trouver cette valeur propre revient slectionner la
A1 +
2 A2 +
3 A3 )
valeur propre (, v) qui minimise (A0 +
v 2 , o Ai=0, ,3 sont
des matrices rectangulaires typiquement m n o m > n.
Il est clair que plus on ajoute des mesures (et ainsi des lignes) aux matrices Ai plus
on obtient de meilleurs rsultats destimation du retard ainsi que des paramtres.
An de mieux comprendre laspect physique de ces valeurs propres, il est intressant de faire le calcul analytique des valeurs propres pour le cas du systme du
premier ordre retard rgi par lquation (3.1) pour une fonction candidate simple
(t) = (t ). Pour simplier le calcul, on suppose que la condition initiale ainsi
que la perturbation constante sont nulles. Les rsultats de ce calcul pour un faisceau de matrices carres (A, B) form par les lignes (1, 2) et les lignes (2, 3) sont
89

respectivement donns par les systmes dquations (S1) et (S2).

1 =
(S1) =
(t2 +4ta0 t +6a20 2a0 ) exp( t
)
t +2ta0 4a0 6a20 2
a0
+
2 =
1
1
(3.21)
)+t
o, a0 est la constante du temps du systme et 1 = (t + 2a0 ) exp( t
a0
2a0 , et
3 = 2
(2t a0 +12ta20 2ta0 ) exp( t
)
(24a30 6a20 ) exp( t
)t 2a0 t2
a0
a0
(3.22)
(S2) =
+
4 =
2
2
2
2
3
2
2
3
2
+ 8ta0 +2 t+12ta0 6a0 + 6a0 24a0 18a0

2
) t2 + 4ta0 +2 t 4a0 6a20 2 . Le

o, 2 = (2ta0 2a0 + 6a20 ) exp( t
a0
calcul analytique des valeurs propres des deux faisceaux de matrices carres montre
clairement quil existe deux valeurs propres distinctes. Pour les deux cas, la premire
valeur propre est constante et correspond au retard alors que lautre valeur propre
est non stationnaire. Pour mieux illustrer ce rsultat, la gure 3.9 montre les rsultats de simulations des solutions de ces deux systmes pour les valeurs numriques
suivantes : a = 2, = 0.6, b = 1, et u0 = 1
1.4
1.2
0.8
0.6
0.4
0.2
t(s)
0
0.5
1.5
2.5
Figure 3.9 Calcul analytique des valeurs propres

Cet exemple montre que la valeur propre non stationnaire ne vrie pas le faisceau
de matrice rectangulaire. Le choix de la valeur propre qui correspond au retard peut
tre alors eectu par laddition dune ligne au faisceau de matrice carre. Nous
savons trs bien que le retard satisfait cette quation et donc il annule le faisceau
de matrice rectangulaire. Pour cela, nous choisissons la valeur propre qui minimise
v 2 avec A et B sont des matrices rectangulaires. La gure 3.10 montre
(A B)
les rsultats de simulations pour k = 5 intgrations successives.
D la non identiabilit sur (0, ), les paramtres , a1 et a2 nont pas de valeurs
signicatives tandis quen dehors de cet intervalle ces coecients convergent vers les
valeurs dsires. Notons quune singularits apparait pour t 1.5s.
90
3.7. Application au procd dasservissement de temprature
Identification du retard
1
0.8
0.6
0.4
0.2
0
Vecteurs propres (a et a )
1
a2
1.5
a1
1
0.5
t(s)
0
Figure 3.10 Les paramtres estims , a1 and a2 .
3.7
3.7.1
Application au procd dasservissement de temprature

Description du systme
Le processus thermique Feedback PT326, illustr par la gure 3.11, tudi dans
ce paragraphe est trs connu par la communaut automaticienne et enseignante. Il
est largement tudi et principalement utilis pour la comprhension des notions
de lautomatique tel que lidentication et llaboration des lois de commande. Il
Figure 3.11 Vue de la maquette Feedback PT326.

est constitu dun tube parcouru par un ux dair produit par un ventilateur et
chau initialement par une grille qui dgage une puissance fonction de la tension
de commande applique (voir la gure 3.12). Une mesure par thermistance fournit
une tension proportionnelle la temprature de lair. Le capteur de temprature
91
peut tre positionn dans trois logements dirents rpartis le long du tube. Le
Figure 3.12 Schma de principe du canal arothermique.
dbit dair peut tre modi en changeant la vitesse du ventilateur.
3.7.2
Identication
La rponse indicielle obtenue pour un chelon damplitude 2 est donn par la gure
3.13 suivante. Lallure de la courbe dvolution de la sortie montre que cette rponse
1.2
0.8
0.6
0.4
0.2
0
t(s)
0.2
10
15
Figure 3.13 Rponse indicielle de la maquette Feedback PT326.

peut tre identie celle dun systme du 1er ordre avec retard ou celle dun
systme du 2nd ordre avec retard et sans dpassement. Lidentication a t faite
dans [Belkoura et al., 2009] pour un modle dordre 2 mais le coecient dordre 2 de
notre maquette savre ngligeable. Pour cela, nous allons nous limiter ici lordre
1. Notons que cette dmarche illustre une certaine robustesse de nos algorithmes vis
vis des dynamiques ngliges.
Le premier exemple dapplication, tudi dans le paragraphe prcdent, a t identi
en utilisant des fonctions candidates polynomiales. Ici, cause de la sensibilit de ces
fonctions dans un contexte bruit, nous choisissons des fonctions exponentielles, de
92
3.7. Application au procd dasservissement de temprature

type (1 et ), vu leur convergence vers 1 et la prsence dun coecient ajustable.
Le modle du premier ordre a priori choisi est de la forme suivante :
ay + y = bu(t ) + y(0),
(3.23)
avec a est la constante du temps, est le retard lentre chelon u, b reprsente

le gain et y(0) est la condition initiale. Drivation, multiplication par (t) = (1
et )2 (1 et ), o = e contient le retard estimer et intgrations successives,
conduisent une formulation spectrale du problme :

A(i, j) = H i+2 (1 e)2 y (3j) ,
a
(A(t) B(t))
= 0, avec
1
B(i, j) = H i+2 e(1 e)2 y (3j) ,
dans laquelle e = et et Hi , i = 0, 1, reprsentent des ltres linaires de degr 2.
Ces ltres peuvent tre des simples intgrations ou des ltres dirents.
Le problme didentication est transform en problme de valeurs propres gnralises. Le retard est identi partir des valeurs propres, via = e , indpendamment
de la constante du temps, tandis que la constante du temps est dtermine partir du vecteur propre correspondant. Comme nous lavons dj mentionn dans les
exemples introductifs, le gain peut tre dtermin connaissant le retard.
La rsolution du problme spectral a t faite laide du logiciel MATLAB par la
fonction polyeig. La gure 3.14 suivante illustre lanalyse spectrale du modle du
premier ordre et compare les rponses indicielles relle et identie sur la base des
coecients identis lordre 1. Seuls la valeur propre stable et son vecteur propre
Rponse relle et identifie
Valeurs propres
3
1.2
1
rponse relle
rponse identifie lordre 1
0.8
10
15
Vecteurs propres correspondants
0.6
0.4
0.2
0
t(s)
t(s)
0
10
15
0.2
10
Figure 3.14 Analyse spectrale du modle estim lordre 1 et comparaison des

rponses indicielles relle et identie.
correspondant sont conserver. Lautre solution, correspondant une transfert instable, est rejeter grce lalgorithme de slection donn dans la section 3.6.3.
93
15
Ceci conduit au modle du premier ordre correspond le transfert estim suivant :

H(s) =
3.8
0.6e0.78s
.
1.3s + 1
(3.24)
Conclusion
Ce chapitre a propos une mthode permettant didentier simultanment le retard

et les paramtres dune classe de systmes trs rpandue dans la pratique. Une prsentation de la mthode didentication algbrique qui est base sur un formalisme
distributionnel a t faite sur plusieurs cas dtude.
Les exemples de simulation tudis donnent plusieurs formulations du problme
destimation. La formulation spectrale est la plus gnrale et ore la possibilit
didentier le retard indpendamment des paramtres.
La dernire section a trait lidentication algbrique du processus Feedback PT326
dcrit par un modle mathmatique de type entre-sortie, linaire, continu, monovariable, du premier ordre, avec retard, oprant dans un cadre essentiellement
stationnaire. Les rsultats destimation obtenus partir des donnes exprimentales
sont satisfaisants et prouvent la rapidit de la convergence des algorithmes didentication algbrique et leur robustesse vis--vis des bruits. Ils devraient donc permettre
de traiter simultanment lidentication et la commande en ligne des systmes retards. Ltude de lestimation des systmes entres quelconques et tat retard,
aussi bien que des extensions au cas des systmes discrets reste envisager.
94
Identification algbrique pour

une classe de systmes hybrides
Sommaire
4.1
4.2
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . .
Systmes impulsifs . . . . . . . . . . . . . . . . . . . . . . .
4.2.1 Prsentation des systmes impulsifs . . . . . . . . . . . . .
4.2.2 Exemples de systmes impulsifs . . . . . . . . . . . . . . .
4.2.3 Phnomne de Znon . . . . . . . . . . . . . . . . . . . . .
4.3 Formulation du problme destimation . . . . . . . . . . .
4.3.1 Robustesse et identiabilit . . . . . . . . . . . . . . . . .
4.3.2 Identication des instants de commutation . . . . . . . . .
4.3.3 Identication des paramtres indpendamment des instants
de commutation . . . . . . . . . . . . . . . . . . . . . . .
4.3.4 Problme de valeurs propres gnralises . . . . . . . . . .
4.4 Application au pendule simple avec frottement . . . . .
4.4.1 Identication des instants de commutation . . . . . . . . .
4.4.2 Identication des paramtres indpendamment des instants
de commutation . . . . . . . . . . . . . . . . . . . . . . .
4.4.3 Identication simultane des instants de commutation et
des paramtres . . . . . . . . . . . . . . . . . . . . . . . .
4.4.4 Critre de slection . . . . . . . . . . . . . . . . . . . . . .
4.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.1
95
96
96
96
99
99
100
101
102
102
103
104
105
106
108
110
Introduction
Dans ce chapitre, nous nous intressons lestimation en ligne dune certaine classe
de systmes hybrides dont le modle est vu comme celui dun systme temps
continu soumis des impulsions (discontinuits). Lidentication se limite ici au
cas des paramtres invariants dans le temps. Bien que prsentant une formulation
simple et acadmique, lobjectif de ce travail est double : dune part, il souligne que
lextension une certaine classe de systmes non linaires en ltat est immdiate,
dans la mesure o rien nest chang dans la mthode, si ce nest qu la mesure y
95
Identication algbrique pour une classe de systmes hybrides

est substitue une autre mesure f (y). Dautre part, il montre comment apprhender les singularits dpendant implicitement du temps. Pour ce faire, une procdure
dannihilation des termes singuliers dans un cadre dterministe est propose.
En rsolvant un problme de valeurs propres gnralises, cette procdure mne
lestimation en ligne, non asymptotique et simultane des paramtres inconnus ainsi
que des instants de commutation (discontinuits). Pour cela, nous visons ici concevoir des algorithmes didentication des instants de commutation (discontinuits) et
des paramtres partir du couple de mesures entre-sortie sans avoir besoin destimer ou de mesurer leurs drives.
Ce chapitre est organis comme suit : la deuxime section est rserve la prsentation de la classe de systmes tudis. La formulation du problme destimation
est dcrite dans la troisime section. Les rsultats de simulations de lestimation des
instants de commutation et des paramtres dun systme mcanique soumis des
frottements secs sont donns dans la section 4.4.
4.2
4.2.1
Systmes impulsifs
Prsentation des systmes impulsifs
Nous considrons dans ce chapitre une classe de systme dcrite par lquation (4.1)
o il sagit des quations direntielles ordinaires non linaires dordre n soumises
dans son membre droit des impulsions [Belkoura et al., 2010]. On suppose que
lentre u et la sortie y sont des signaux support born gauche (appartiennent
D + ) :
n

(i)
ai gi (u, y) = 0 +
bi (t i ),
(4.1)
i=0
i=1
(i)
avec ai constants et inconnus (avec an = 1) et gi (u, y) connus et peuvent tre des

fonctions non linaires de u et de y. 0 , dordre n 1 et de support 0, regroupe les
conditions initiales et les coecients bi sont lis aux instants de commutation i :
du
dn u
dy
dn y
(i ), , n (i ), y(i ), (i ), , n (i )).
(4.2)
dt
dt
dt
dt
En utilisant le formalisme de distribution, la description du membre de droite de
lquation (4.1) permet de faire apparatre les instants de commutation dune faon
explicite dans lquation de fonctionnement du systme. Les instants de commutation, qui sont a priori inconnus, peuvent tre alors identis.
bi = bi (i , u(i ),
4.2.2
Exemples de systmes impulsifs
Nous allons donner par la suite deux exemples de systmes impulsifs. Ces exemples
montrent que les systmes impulsifs peuvent dcrire un grand nombre dapplications [Alur et al., 1993,Bemporad et al., 2000,Lygeros et al., 2003,Lygeros, 2004,Cha96
4.2. Systmes impulsifs
reyron, 2005, Belkoura et al., 2010]. Un troisime exemple, qui est le pendule simple
soumis des frottements secs, sera tudi dans la section 4.4.
Thermostat : modle dun rgulateur de temprature
On prsente lexemple acadmique dun rgulateur de temprature [Lygeros, 2004,
Chareyron, 2005, Belkoura et al., 2010]. On dsire rguler la temprature y dune
chambre laide dun thermostat qui met en marche ou teint un radiateur en
fonction de la temprature mesure dans la pice. Lorsque la temprature est entre
max1 et max2 , le radiateur est teint, la dynamique de la temprature correspond
un systme du premier ordre :
y = ay,
(4.3)
avec a > 0. Quand la temprature est entre min1 et min2 , le radiateur se met en
marche et la temprature augmente exponentiellement selon lquation direntielle
suivante :
y = ay + b,
(4.4)
o b > max1 . Ce systme de chauage peut tre dcrit par un automate hybride
non-dterministe dans la gure 4.1. Cette gure dcrit ainsi la dynamique globale
du systme, ses tats possibles et ses transitions. A cause des incertitudes dans la
Figure 4.1 Fonctionnement du rgulateur en temprature.
dynamique du radiateur, il nest pas possible de rsoudre les quations du systme.

Cependant, si on suppose que les instants de commutation entre un tat et un autre
{i }
i=1 sont inconnus a priori et que le radiateur est initialement teint y0 , le
fonctionnement de ce processus sera dcrit par lquation suivante :
y = ay + y0 + b
[2i+1 ,2i+2 ] (t),
(4.5)
i=0
avec [i ,i+1 ] (t) reprsente la fonction caractristique sur lintervalle [i , i+1 ]. Dans
le cadre du formalisme distributionnel, [i ,i+1 ] (t) = (tti )(tti+1 ). On obtient
97
par drivation de lquation (4.5) :
y + ay = y0 + b
i=0 (t t2i+1 ) (t t2i+2 )
= y0 b i=1 (1)i b(t ti ),
(4.6)
ce qui correspond au modle donn par lquation (4.1).

Balle rebondissante
On considre une balle de masse m qui rebondit verticalement sur le sol sous laction
de la gravit, comme montr par la gure 4.2 [Lygeros, 2004, Chareyron, 2005].
La dynamique de la balle entre les rebonds est rgie par lquation direntielle
Figure 4.2 Balle rebondissante soumise laction de la gravit.

suivante :
y = mg.
(4.7)
Nous considrons que les comportements impulsionnels lis au rebondissement de la

balle sur le sol obissent une loi de restitution :
dy +
dy
(i ) = (i ), i = 1, 2, ,
(4.8)
dt
dt
avec < 0 tant le coecient de restitution de la vitesse (perte dune fraction
dnergie chaque rebond) et i les instants dimpacts.
En crivant y dans le sens de distribution avec la formule des sauts et en notant par
i = dy
( + ) dy
( ) les sauts dans la vitesse, lquation (4.7) devient :
dt i
dt i

y + mg = 0 +
i (t i ), 0 = y0 + y0 ,
(4.9)
i
98
4.3. Formulation du problme destimation
ce qui correspond au modle dcrit par lquation (4.1).
4.2.3
Phnomne de Znon
Ce phnomne spcique des systmes dynamiques hybrides se rfre au nombre

inni de commutations (ou accumulation dimpacts dans le cas des systmes mcaniques) en un temps ni (voir [Zhang et al., 2001] et ses rfrences pour une introduction au phnomne de Znon). Pour illustrer ce comportement, on considre
lexemple de la balle qui rebondit de la section prcdente. Les courbes dvolution
de la position et de la vitesse de la balle sont prsentes par la gure 4.3. On peut
remarquer que la balle simmobilise sur le sol en un temps ni. Une dmonstration
Evolutions de la position et de la vitesse pour =0.8
25
Position
Vitesse
20
15
10
5
0
5
10
15
20
t(s)
25
10
12
14
16
18
20
Figure 4.3 Trajectoires de la position et de la vitesse de la balle en fonction du

c
temps (Dmo MATLAB 7.3).
mathmatique faite dans [Chareyron, 2005, Attia, 2005] permet de montrer que la
vitesse de la balle tend vers 0 en temps ni travers une innit dimpacts.
4.3
Formulation du problme destimation
Trois principales formulations pour lidentication de ce type de systmes seront

dveloppes dans cette section. Ces formulations sont bases sur une application de
la mthode didentication algbrique dcrite dans le chapitre 3.
A partir des proprits de multiplication des distributions, la multiplication de
(i)
lquation (4.1) par deux fonctions j , j = 1, 2, telles que j (0) = 0, i = 1, , n
1, permet dannihiler les conditions initiales. On aboutit alors lquation (4.10)
suivante :
n

(i)
j
ai gi (u, y) =
bi j (i )(t i ), j = 1, 2.
(4.10)
i=0
i=1
La convolution avec un ltre H conduit :

n

(i)
H [j
ai gi (u, y)] =
bi j (i )H(t i ),
i=0
i=1
99
j = 1, 2.
(4.11)

On suppose que le ltre H possde un support inclus dans lintervalle [0 , ], avec
< mini (i+1 i ), et dnit une fonction de classe C n+1 . Le principal but consiste
dterminer les instants de commutation i partir du membre gauche de lquation
(4.11) pour j = 1, 2 et plus prcisment partir de la relation entre 1 et 2 .
Si par exemple 2 = t1 , le quotient des deux membres de gauche de lquation
(4.11), quand ils sont dnis, permet de dterminer les instants de commutation.
Plus gnralement, introduisons la fonction de commutation (t) ci-dessous :
(t) =
i [i ,i+1 ] (t),
i=0
i =
1 (i )
,
2 (i )
(4.12)
o [i ,i+1 ] (t) est la fonction caractristique de lintervalle [i , i+1 ].

En posant 0 = (t)0 en dehors des supports de H(t i ), lquation (4.11) pour
j = 1, 2 peut tre tendue tout t positif par :
H [1
(i)
ai gi (u, y)] = (t)H [2
i=0
(i)
ai gi (u, y)].
(4.13)
i=0
La procdure didentication utilise a permis dliminer les coecients bi vitant

ainsi la ncessit de la connaissance a priori des lois de commutations. En tenant
compte des proprits du support, cette relation nest consistante que sur les supports de H(t i ) alors que 0 = (t)0 en dehors de ces intervalles. On remarque que
lquation (4.13) est non linaire par rapport la fonction de commutation (t) et
aux paramtres inconnus ai et elle nest pas susante pour raliser une estimation
simultane des paramtres et des instants de commutation. Cependant, des relations
supplmentaires peuvent tre obtenues si le ltre H est remplac par une srie de
ltres Hk ayant la mme proprit sur les supports.
Selon la factorisation et les hypothses adoptes, on obtient trois structures direntes du problme didentication. La premire, prsente dans le section 4.3.2, vise
lestimation des instants de commutation uniquement connaissant les paramtres du
systme tudi. Dans la seconde approche, dtaille dans la section 4.3.3, lestimation
des paramtres indpendamment des instants de commutation est tudie. Quant
la troisime approche, elle sintresse lestimation simultane des instants de
commutation et des paramtres.
4.3.1
Robustesse et identiabilit
Les algorithmes destimations donns par les quations (4.15), (4.17), (4.21) et (4.22)
sont tirs de lquation (4.13). La robustesse de telles procdures dans un contexte
bruit dpend fortement des capacits des ltres, de la rduction de leurs temps de
repos (dwell time) ainsi que des fonctions candidates j pour la multiplication. La
multiplication par une fonction rgulire j suivie dune convolution par un ltre
de support compact ainsi que la slection des ltres Hk et de la paire optimale des
fonctions j restent toujours des problmes ouverts. Dans la partie suivante de cette
section, on fournit quelques commentaires et conseils pour le choix des fonctions
multiplicatives et une discussion sur lidentiabilit des instants de commutation est
100
4.3. Formulation du problme destimation
aussi prsente.
Nous avons dj mentionn que les instants de commutation i sont dtermins
partir des coecients i donns par lquation (4.12). Si on suppose que la fonction
de commutation (t) nest pas borne, les fonctions multiplicatives j sont leur
tour non bornes, posant ainsi un problme de robustesse non trivial dans le cas
des donnes bruites. Pour illustrer cet aspect, on considre le modle dcrit par
lquation (4.1) et on suppose que nous avons une estimation explicite des instants
i en posant dans lquation (4.12) i = i . En vertu de la seconde quation (4.12),
ceci implique que 1 (t) = t2 (t). Ainsi, la multiplication par H des termes de la
forme 2 ty pose un problme de robustesse dans un contexte bruit en raison de
la multiplication par t des donnes bruits y. Pour contourner ce problme, il est
recommand dutiliser des fonctions multiplicatives j bijectives, bornes et priodiques vitant lamplication du bruit.
En vertu des proprits du support du produit de convolution et de lquation (4.11),
le problme destimation nest pas consistant pour t > 0. Autrement dit, il y a
une perte locale didentiabilit. Ceci peut tre considr comme un inconvnient
qui exige lutilisation dune fonction informative (seuil) testant la consistance de
lquation (4.11). Ce problme sera discut dans la section 4.3.4 o on sintresse
lestimation simultane des instants de commutation et des paramtres de cette
classe de systmes.
4.3.2
Identication des instants de commutation
On suppose que les paramtres ai , i = 0, , n, sont connus a priori et on sintresse

identier les instants de commutation seuls. A partir de la relation donne par
lquation (4.13), on obtient :
H [1

(i)
ai gi (u, y)]
i=0

= (t) H [2
(i)
ai gi (u, y)] .
i=0

D
(4.14)
Ce qui conduit lalgorithme nal :

N
sur (i , i + ),
D
N = D = 0 sur \(i , i + ).
i =
(4.15)
(4.16)
En tenant compte des proprits du support, lquation (4.14) nest pas consistante
sur tout R. Par consquent, lquation (4.15) montre que les instants de commutation
i ne sont identiables que sur le support du ltre H et plus explicitement sur les
intervalles (i , i + support de H). Ces instants sont identis partir de lquation
(4.15) et maintenus leurs valeurs sur les intervalles (i , i + ).
101
4.3.3
Identication des paramtres indpendamment des instants de commutation
Une autre alternative reprsentant le problme destimation peut tre obtenue en

eectuant direntes factorisations de lquation (4.13). Cette formulation est dcrite
par lquation (4.17) pour = (1, (t))T :

n

ai Mi (u, y)(t) = 0,
(4.17)
i=0
(i)
Mi (u, y) := Hk,j (u, y) = Hk [j gi (u, y)]

i = 0, , n, j = 1, 2, k = 1, 2, , n
(4.18)
dans
laquelle les matrices Mi sont de dimension (k 2). En observant que

rank ai Mi < 2, cette relation montre que lestimation des coecients ai peut tre
faite indpendamment de la fonction de commutation (t). Le principe destimation
consiste extraire des Mi (u, y) des matrices carres Qi (u, y)(2 2). Le calcul du
dterminant :
n

det
ai Qi (u, y) = 0,
(4.19)
i=0
permet daboutir une quation non linaire dont la rsolution nest cependant
pas triviale. La solution, propose par [Belkoura et al., 2010], est de transformer ce
problme en un problme de moindres carrs :
Y = X,
(4.20)
avec une redondance dans le vecteur des paramtres estimer qui sont donns par
= (a1 , a2 , a21 , a22 , a1 a2 , )T . Bien que cette structure du problme destimation
fasse augmenter le nombre de paramtres estimer, son avantage principal est que
le support des matrices Mi (u, y) dnies dans lquation (4.17) nest pas limit aux
intervalles (i , i + ). Dans le cas o on veut estimer un seul paramtre, le problme
(4.17) se transforme en un problme de valeur propre gnralise. Ce cas sera tudi
dans la section 4.3.4 suivante.
4.3.4
Problme de valeurs propres gnralises
Le remplacement du ltre H par la srie de ltre Hk , k = 1, , n, suivi de quelques

manipulations permet daboutir la formulation suivante :
[A(u, y) (t)B(u, y)] = 0 sur (i , i + ),
A(u, y) = B(u, y) = 0 sur \(i , i + ),
avec,
(i)
A = Hk [1 gi (u, y)],
(i)
B = Hk [2 gi (u,T y)],
= (1, an1 , , a0 ) .
102
(4.21)
(4.22)
4.4. Application au pendule simple avec frottement

Les matrices A et B dpendent seulement du couple entre-sortie. Aucune drive
par rapport au temps de u ou de y ne doit tre calcule.
Le problme destimation est ainsi transforme en un problme de valeurs propres
gnralises o pour chaque instant t, la fonction de commutation (t) correspond
lune des valeurs propres gnralises du problme (4.21). Quant aux coecients
ai , ils peuvent tre dtermins partir du vecteur propre correspondant. Leur identication peut tre faite indpendamment des instants de commutation. Lintrt
dune telle formulation rside dans la simplicit de la mise en oeuvre de lalgorithme.
Cependant, comme mentionn prcdemment, cette formulation possde principalement une limite due la perte didentiabilit de (t). En eet, partir des proprits du support dcrites dans la section 2.2.5 du chapitre 2 ou partir de lequation
(4.21), on peut remarquer que A = B = 0 en dehors des intervalles (i , i + ),
ce qui fait que le problme de valeur propre gnralise dcrit par lequation (4.21)
nest pas consistant pour tout t > 0. Autrement dit, partir de lquation (4.13),
0 = i 0 en dehors de ces intervalles, mne ainsi une perte didentiabilit de i . Cet
inconvnient ncessite lutilisation dun seuil connu a priori permettant de tester
la perte de rang du faisceau de matrices (A, B). Cela peut tre bas sur une fonction
informative,

s(t) = (detA(t))2 + (detB(t))2 ,
(4.23)
permettant de slectionner la formulation destimation approprie : systme dquations linaires A = B = 0 si s(t) ou problme de valeur propre gnralise
(A B) = 0 quand s(t) . Cette fonction est base sur lhypothse de stationnarit des valeurs estimes des instants de commutation sur les intervalles (i , i +).
4.4
Application au pendule simple avec frottement
On tudie ici le balancement dune tige rigide soumise des frottements secs, dont
le comportement est rgi par lquation suivante :
y + a1 y + a0 sin y = b sgn(y)
+ 0 + u,
(4.24)
dans laquelle les paramtres a1 et a0 sont constants. b reprsente le coecient du

frottement sec et 0 (dordre 1 et de support 0) regroupe les termes relatifs la
condition initiale.
Lobjectif de ce travail est didentier les paramtres a1 , a0 ainsi que les instants de
commutation, nots i , qui reprsentent les instants de passage de la drive y par
0. Une dicult rencontre dans ce genre de situation rside dans lestimation de la
drive y intervenant dans la fonction signe.
Pour illustrer lapport de cette nouvelle mthode didentication, le modle de frottement utilis est susamment simple pour tre simul et identi en temps rel
[Nuninger et al., 2006]. Dans cet exemple, la drive de la fonction sgn(y)
se traduit par des impulsions de Dirac aux instants de passage de y par 0. Le terme
103
du frottement sec b sgn(y)

sexprime alors par 2b i . Ceci montre que les termes
dimpulsions dans la formulation propose dans lquation (4.1) peuvent tre obtenus par une simple drivation de lquation de fonctionnement du systme tudi.
On obtient ainsi :

y (3) + a1 y (2) + a0 (sin y)(1) = 2b
i + (0 )(1) + u(1) ,
(4.25)
qui correspond au modle dcrit par lquation (4.1) avec a2 = a1 , a1 = a0 , g3 (u, y) =
y H 2 u (H la fonction de Heaviside), g2 (u, y) = y, g1 (u, y) = sin y, g0 (u, y) = 0
et bi = 2b.
En vertu du thorme de Schwartz 9, la multiplication de lquation (4.25) par toute
(i)
fonction j (t), j = 1, 2, vriant j (i ) = 0 et j (0) = 0, i = 0, 1, 2, permet
dannihiler son membre de droite :
1 [y (3) u(1) + a1 y (2) + a0 (sin y)(1) ] =
i 2 [y (3) u(1) + a1 y (2) + a0 (sin y)(1) ].
4.4.1
(4.26)
Identication des instants de commutation
An daboutir un ensemble dgalits donnant accs aux instants de commutation i , on suppose que lon se place dans une zone de fonctionnement dans laquelle
les balancements sont susamment espacs. Cette hypothse est conforte par lintroduction dune commande u non nulle, vitant lapparition du phnomne Znon
pour lequel la formulation en termes de distributions nest plus valable. Pour cela,
labsence de ce phnomne est crucial pour lidentication des instants de commutation. Le produit de convolution par un ltre H de degr 3 et de support (0, )
avec < i+1 i , permet de former la relation suivante :
H 1 [y (3) u(1) + a1 y (2) + a0 (sin y)(1) ] =

N
i H 2 [y (3) u(1) + a1 y (2) + a0 (sin y)(1) ],

(4.27)
ce qui conduit lalgorithme nal :

N
sur (i , i + ),
D
N = D = 0 sur \(i , i + ).
i =
(4.28)
(4.29)
On suppose pour simplier que les conditions initiales sont nulles. Le choix des
fonctions exponentielles 1 = ejt et 2 = ejt (i = e2ji ) rpond aux objectifs
dcrits prcdemment, et la ralisation eective des termes ci-dessus seectue selon
le principe de lintgration par parties en posant :
1 y (3) = (1 y)(3) 3j(1 y)(2) 3 2 (1 y)(1) + j 3 (1 y),
1 y (2) = (1 y)(2) 2j(1 y)(1) 2 (1 y),

u(1) = (1 u)(1) j(1 u),
1
1 (sin y)(1) = (1 sin y)(1) j(1 sin y).
104
Figure 4.4 Schma de ralisation de H 1 y

La Figure 4.4 reprsente le schma partiel de ralisation. Les rsultats de simulation
s
illustrs par la gure (4.5) ont t obtenus pour un H1 (s) = ( 1es 4 )4 e 4 , une entre sinusodale de la forme u(t) = u0 sin(t) et les valeurs a0 = 0.2, a1 = 1, b = 0.5,
u0 = 3, = 0.5, = 0.01 et = 4.
Identification des instants de commutations i

30
25
20
15
10
t(s)
0
10
15
20
25
30
Figure 4.5 Identication des instants de commutation i

La gure 4.5 montre que les instants de commutation, i = {6.73, 13.11, 19.31, 25.64},
sont dtermins et maintenus leurs valeurs sur les intervalles (i , i + ). En revanche, en dehors de ces intervalles, il y a une perte didentiabilit et les instants i
ne prennent pas de valeurs signicatives et peuvent tre maintenus 0. Ces rsultats
sont conformes la discussion thorique eectue dans la section 4.3.2.
4.4.2
Identication des paramtres indpendamment des instants de commutation
On sintresse dans cette section lidentication des paramtres a0 et a1 du pendule

indpendamment des instants de commutation i . Pour cela, on adopte la formula105
tion dcrite dans la section 4.3.3 avec :
M0 (u, y) = 0,
M1 (u, y) = Hk [j (siny)(1) ],
M (u, y) = Hk [j y (2) ],
2
M3 (u, y) = Hk [j y (3) ].
(4.30)
Les rsultats de simulation, obtenus pour = 5 (xe), les ltres Hk suivants :
1 e 6 s 6
) , H2 = sH1
H1 = (
s
(4.31)
et un bruit blanc gaussien ajout la sortie du systme, dont le RSB 93dB, sont
donns par la gure 4.6.
La gure 4.6 montre lestimation des paramtres a0 et a1 indpendamment de la
2
a0
1.8
a1
1.6
a20
1.4
a0a1
a21
1.2
1
0.8
0.6
0.4
0.2
t(s)
0
10
15
20
25
30
Figure 4.6 Identication des paramtres a0 et a1

squence de commutation inconnue. Cette exemple destimation a t rsolu par
lalgorithme des moindres carrs. Ainsi, dans un contexte bruit, un biais sur les
paramtres estims peut se produire.
4.4.3
Identication simultane des instants de commutation

et des paramtres
Dans le cas o les paramtres a1 et a0 sont inconnus, la formulation spectrale dcrite

dans la section 4.3.4 permet une identication simultane des instants de commutation i ainsi que de ces paramtres. Les lignes des matrices A et B sont donnes,
dans ce cas, par :
A = Hk 1 (y (3) u(1) , y (2) , (sin y)(1) ),

(4.32)
B = Hk 2 (y (3) u(1) , y (2) , (sin y)(1) ),
T
= (1, a1 , a0 ) .
106
Les paires valeurs propres et vecteurs propres, solutions de lquation (4.21), sont
illustres respectivement par les gures (4.7) et (4.8) pour les mmes valeurs des
6s
paramtres de la formulation prcdente et pour H2 = ( 1es
)6 et H3 = sH2 .
Figure 4.7 Les valeurs propres gnralises (4.21)
Figure 4.8 Les vecteurs propres gnraliss (4.21)

Nous obtenons donc trois valeurs propres possibles (resp. vecteurs propres) dont
lune correspond aux instants de commutation (resp. aux coecients a0 et a1 ) et
les autres doivent tre rejetes. Il est donc ncessaire de concevoir un algorithme
didentication en ligne, sujet du paragraphe suivant, qui permet de choisir la paire
(valeur propre et vecteur propre) dsire.
Nous avons mentionn dans la section 4.3.4 que la rsolution du problme spectral
permet de dterminer les paramtres a0 et a1 seulement sur les intervalles (i , i + )
107
alors quen dehors des ces intervalles, ces paramtres sont obtenus partir de la rsolution du systme dquations linaires dcrit par lquation (4.22). Les solutions
de lquation (4.22), dtermines par simulation, sont illustres par la gure 4.9.
On remarque quen dehors des intervalles (i , i + ), les paramtres a0 et a1 sont
Figure 4.9 Identication des paramtres a0 et a1 sur \(i , i + ) (4.22)

identis. A linverse du problme de valeur propre gnralise, une perte didentiabilit sest produite comme le montre la gure 4.9 pour t (i , i + ).
4.4.4
Critre de slection
La slection de la paire (valeur propre, vecteur propre) associe qui correspond respectivement aux instants i et aux paramtres a0 et a1 sur les intervalles (i , i + )
est faite en ajoutant dautres lignes au faisceau matriciel (A, B) qui devient rectangulaire. La paire (valeur propre, vecteur propre) dsire est celle qui minimise
(A i B)2 . Ce critre de slection a t discut dans le section 3.6.3. Il a t
principalement propos dans [Belkoura et al., 2008] et prouv dans [Taarit et al.,
2011]
Le faisceau de matrices utilis pour la slection de la paire (valeur propre, vecteur
propre) dsire est form par laddition de trois lignes supplmentaires construites
s
en utilisant les ltres H4 = ( 1es 5 )5 , H5 = sH4 et H6 = ( 1es 4 )4 . Les rsultats de

simulations donns par la gure 4.10 montrent lecacit de ce critre de slection.
Nous avons mentionn dans la section 4.3.4 quil tait ncessaire de trouver un critre de commutation s(t) entre les deux formulations savoir le problme de valeur
gnralise (4.21) et le systme dquations linaires
(4.22) an de dterminer les
valeurs des paramtres recherches. Le critre s(t) = (detA(t))2 + (detB(t))2 , ne
dpendant que des donnes mesures, est inspir du rsultat trouv dans lquation
(4.27) et qui est bas essentiellement sur les proprits du support du ltre choisi.
Les rsultats de simulations sont illustrs par la gure (4.11) pour un seuil dordre
108
Identification des instants i et des paramtres a0 et a1 sur (i,i+)

25
20
15
10
5
0
0
10
15
20
25
30
6
a
2
0
t(s)
0
10
15
20
25
30
Figure 4.10 Identication des instants i et des paramtres a0 et a1 sur (i , i +)

105 .
Figure 4.11 Identication des instants i et des paramtres a0 et a1

An de tester la robustesse de nos algorithmes didentication, un bruit blanc gaussien, dont le RSB 93dB, est ajout la sortie du systme. Cette tude sera
approfondie pour des bruits plus importants dans les futurs travaux. Les rsultats
de simulation prsents par la gure 4.12 sont obtenus pour les mmes valeurs = 5
et illustrent les instants de commutation i estims ainsi que des paramtres a0 et
a1 partir de la rsolution du problme spectral (P S) et du systme dquations
linaires (not(SL)).
Dans un contexte bruit, la dtermination dun seuil permettant la commutation
entre la formulation spectrale et le systme linaire nest pas triviale. Cependant, le
critre s(t) reste fragile lheure actuelle. Lune des perspectives de ce travail sera
lamlioration de ce critre.
109
30
25
20
15
10
5
0
10
15
20
25
30
3
a (GEP)
0
2.5
a1(GEP)
a1(SL)
1.5
a0(SL)
1
0.5
0
t(s)
0
10
15
20
25
30
Figure 4.12 Identication des instants i et des paramtres a0 et a1
4.5
Conclusion
Dans ce chapitre, nous avons prsent une nouvelle mthode pour lestimation en
ligne des systmes linaires impulsifs. Cette technique peut tre facilement applique
certains cas de non linarit. La formulation du problme tudi nous a permis
daboutir un problme spectral partir duquel les instants de commutation ainsi
que des paramtres peuvent tre dtermins simultanment. Une illustration pratique a permis didentier les paramtres dun pendule simple soumis des frottements secs en sappuyant sur une technique didentication base sur le formalisme
des distributions, lannihilation des singularits et les intgrations. Les rsultats de
simulations montrent que lecacit de la mthode propose et sa robustesse face
aux bruits sont fortement lies au choix des ltres et des fonctions candidates j
pour la multiplication. Pour cela, une tude portant sur le choix des ltres dans la
gnration des matrices A et B est donc envisager. Outre les validations ralises
en simulation, cette dmarche devra tre conforte par des essais exprimentaux sur
les plates-formes disponibles dans nos laboratoires. Lexemple dapplication tudi
soulve la question du choix de la meilleure approche entre une sensibilit aux bruits
du problme de valeur propre gnralise et une formulation non linaire et redondante du systme dquations linaires. Selon ces tudes, la capacit destimer des
paramtres et des instants de commutation, en utilisant des mthodes non asymptotiques, peuvent fournir de nouvelles perspectives pour les techniques de commande
en temps rel.
110
Conclusions et perspectives
Les travaux prsents dans ce mmoire concernent dans une premire partie lidentication des systmes linaires continus et retards et dans une seconde partie lidentication des instants de commutation ou discontinuits ainsi que des paramtres
dune certaine classe de systmes hybrides. Ils sont motivs par leurs applications
varies et par la comprhension des processus qui rgissent leur dynamique et qui
reprsentent un point fondamental de recherche pour leur commande.
Dans le premier chapitre, nous avons eectu un tat de lart des direntes mthodes didentication des systmes retards temps continu et de la classe des
systmes impulsifs adopte. Aprs avoir prsenter lidentication des systmes en
temps continu, en gnral, ses particularits et ses avantages par rapport lidentication en temps discret, une tude bibliographique des techniques existantes dans
la littrature est mene. Lanalyse des avantages et des limites de chacune delles
ainsi quune comparaison entre ces mthodes pour des exemples prsents par leurs
auteurs, montrent quil existe un problme imprieux d leurs faibles vitesses de
convergence. Cela nous a conduit retenir la mthode didentication algbrique
initie par [Fliess and Sira-Ramirez, 2003] qui, daprs les travaux trouvs dans la
littrature, prsente des rsultats prometteurs et motivants pour approfondir son
tude. Une seconde piste de recherche sur lidentication des systmes impulsifs a
t le sujet de la dernire partie. Pour cela, nous avons prsent la classe de systmes laquelle nous nous intressons, ainsi quune discussion des travaux rcents
sur lidentication de ces systmes a t eectue.
Le chapitre 2 a permis de prsenter les bases thoriques relatives la thorie des distributions, le cadre mathmatique de notre prsente tude. Nous avons notamment
donn un rappel, dnition et proprits, sur les entres appeles "structures", qui
seront reprises tout au long de cette tude.
Au troisime chapitre, nous avons expliqu, tout dabord, la procdure didentication algbrique travers un exemple simple dune systme linaire du premier ordre
sans retard [Fliess and Sira-Ramirez, 2003]. Dans le but de gnraliser cette approche
pour les systmes retards, nous avons tudi trois types de systmes qui couvrent
une gamme importante des systmes rels. Le premier est celui dun systme du
premier ordre retard pur, trs populaire dans les applications industrielles et pour
lequel nous avons identi le retard ainsi que les paramtres travers la rsolution
111
dun systme dquations linaires en prsence et en absence du bruit. Le deuxime

type de problme est celui de lidentication dun srie de retards largement trouv
dans les systmes en rseaux. Quant au dernier exemple, il montre le lien entre lidentication simultane du retard ainsi que des paramtres et le problme de valeurs
propres gnralises travers une formulation spectrale (redondante) propose. Une
mthode ecace permettant la slection en ligne des bons paramtres a t dveloppe. Pour les trois types de systmes tudis, la rapidit de la vitesse de convergence
oerte par les algorithmes didentication met en exergue notre technique didentication algbrique par rapport aux techniques prsentes dans le chapitre 1 et permet
daborder en ligne le problme didentication des systmes retards. La robustesse
des algorithmes didentication restent toujours lis aux choix des fonctions multiplicatives et des ltres.
Lobjectif du quatrime chapitre a t dtendre notre mthode didentication algbrique lidentication dune certaine classe des systmes hybrides appels systmes
"impulsifs" dcrite par lquation (4.1). La rsolution du problme didentication
spectral a permis didentier en ligne et simultanment les instants de commutation
(ou de discontinuits) ainsi que des paramtres de ces systmes. Lapplication de
cette mthode au cas des systmes non linarit discontinue, le cas des frottements
secs, a prouv lecacit de la formulation spectrale propose. Cette identication a
t faite en supposant que chaque deux commutations successives sont spares par
un temps de sjour connu a priori. Le choix du support des ltres utiliss joue un
rle fondamental pour amliorer la qualit des rsultats destimation.
Comme dans tout les travaux de recherche, plusieurs problmes restent encore ouverts. Lamlioration des algorithmes didentication conus sera notre objectif en
cours terme :
Lidentication du retard et des paramtres partir dune condition initiale et avec
une entre structure a t aborde pour les trois exemples tudies. Cependant, la
gnralisation de ces algorithmes au cas des systmes avec des entres quelconques
sera notre perspective court terme. Des travaux antrieurs sur lidentication
en boucle ferme dun systme retards partir dune condition initiale et une
entre arbitraires sont en cours.
En terme de robustesse, le choix des ltres ainsi que des fonctions multiplicatives
pourrait tre approfondi. Jusqu maintenant, nous avons essay de dterminer
une gamme de fonctions multiplicatives se caractrisant par des proprits spciques permettant de rduire leet des bruits. En eet, ces fonctions sont de
prfrences priodiques, bornes, exponentielles et fonctions dun facteur dajustement variable. Quant au choix des ltres, les premiers rsultats prsents ont t
trouvs pour des intgrateurs. En revanche, ces ltres posent de problme dans
le cas dun bruit important. La proposition des ltres passe-bas et des ltres
support compact ont apport des rsultats intressants.
Lidentication des systmes avec retards variables reprsente un enjeu industriel
112
et une piste de recherche intressante. Quelques rsultats ont t prsents dans

les travaux de [Belkoura et al., 2008, Belkoura et al., 2009] pour un retard lentement variable.
Lextension de cette mthode didentication des situations non linaires, dans
le cas o m(k) (y) est substitue y (k) , est immdiate. Toutefois, il sera intressant
de ltendre des cas de non linarits plus complexes.
Le formalisme de distribution adopt permet de tenir compte des phnomnes
essentiels tels que les discontinuits. Cette proprit a permis dtendre la technique didentication dveloppe lidentication dune classe de systme hybride
couvrant un large ventail de systmes rels. La formulation du problme tudi
nous a permis daboutir un problme spectral partir duquel les instants de
commutation (ou discontinuits) ainsi que des paramtres ont t dtermins simultanment. Cependant, le critre de commutation entre le problme de valeur
propre gnralise et le systme linaire reste sensible aux bruits et constitue
une perspective de recherche intressante. Lexemple dapplication dun pendule
simple soumis des frottements secs soulve la question du choix de la meilleure
approche entre une sensibilit aux bruits du problme de valeur propre gnralise
et une formulation non linaire et redondante du systme dquations linaires.
Une autre perspective de recherche sera la validation de lapproche dveloppe sur
des essais exprimentaux sur les plates-formes disponibles dans nos laboratoires
(pendule inverse).
113
114
Annexe A :
Outils mathmatiques pour
lidentification algbrique :
Les distributions
La thorie de distribution a t tablie par Laurent Schwartz dans les annes cinquante [Schwartz, 1966]. Il a pos les bases dune thorie mathmatique rigoureuse
qui permet de rsoudre de nombreuses problmes de la physique, plus prcisment,
les quations issues de la physique, de la mcanique des uides et du traitement du
signal. Son utilisation permet dviter la plupart des ranements de la thorie des
fonctions. En eet, la notion de distribution est une gnralisation de la notion de
fonction qui sest rvle tre une ncessit pour le progrs de plusieurs thories physiques. La thorie assure un certain nombre doprations indispensables auxquelles
les fonctions ne se prtent pas toujours. Lexemple le plus connu de distribution est
limpulsion de Dirac, indispensable aussi bien pour la formulation de la mcanique
quantique quen traitement du signal et dans ce document pour lidentication des
systmes retards et dune classe de systmes commutations. Le document suivant est une brve introduction aux distributions regroupant quelques dnitions et
proprits auxquelles la mthode didentication algbrique fait appel pour formuler
nos problmes didentications. Les dnitions, notations, propositions, remarques,
exemples et exercices sont extraits des ouvrages suivants [Schwartz, 1966, Dupraz,
1977, Petit, 1995, Boccara, 1997, Rodier, 1993, Belkoura, 2009b, Rioul, 2008]. Un bon
rsum de ces techniques est donn par [Rodier, 1993,Belkoura, 2009b] et cet annexe
sinspire largement de ces dernires rfrences. La synthse faite, dans ce chapitre,
se limite aux distributions une dimension qui peuvent tre gnralises facilement
pour le cas des distributions plusieurs dimensions.
115
A.1
A.1.1
Annexe A :
Les distributions
Formalisme mathmatique
Espace vectoriel D
Dnition
Une distribution est une forme linaire continue sur un espace vectoriel de fonctions,
dites fonctions tests (t).
Une grande varit de fonctions tests peuvent tre utilises. Plus les conditions de
rgularits imposes aux fonctions tests sont svres, plus les fonctionnelles ainsi
dnies seront gnrales. Cest pour cela, les distributions, gnralisant la notion
de mesure, sont dnies partir dun ensemble de fonctions test plus restreint que
lespace des fonctions continues support born D0 :
On choisit lensemble des fonctions (t) C, t n indniment drivables,
support born. Cet ensemble forme un espace vectoriel appel espace D.
Dnition 13 Soit un ouvert de . On note D() lespace des fonctions indniment drivables support compact dans .
Rappelons la dnition du support dune fonction. Soit A un ensemble de t et (t)
une fonction non nulle pour tout t A. Le support de la fonction , not supp ,
est le sous ensemble ferm A.

Quelques exemples typiques de fonctions appartenant lespace D sont fournit par
les fonctions suivantes :
La fonction porte de largeur T > 0, dnie par :

1 |t| T2
(t) =
(A.1)
0 |t| > T2
de support [ T2 , T2 ].
Les fonctions transcendantes : La fonction la plus simple est lexponentielle, et
toutes les autres peuvent sen dduire, dnie par :

0
|t| 1
(t) =
(A.2)
1
exp t2 1 |t| < 1
de support [1, +1]. Elle scrit galement, en utilisant la fonction porte (t),
comme suit :
1
t
(A.3)
(t) = ( )exp 2
2
t 1
Plus gnralement, toute fonction ab (t) dnie par :

0 pour t ]a,
/ b[
(A.4)
(t) =
1 1
1
exp 2 [ tb ta
] pour t ]a, b[
est une fonction de D ayant pour support [a, b].
Une autre famille de fonction drive de la fonction exponentielle est donne par :
k (t) = k(
1
kt
) 22
2 k t 1
116
(A.5)
A.1. Formalisme mathmatique
est norme, cest dire que
k (t)dt = 1 et est de support [ k1 , + k1 ].
Un exemple de fonction connu est drive de la fonction porte est dnit par :
k (t) = k(kt).
(A.6)
Plus gnralement, dautres fonctions peuvent tres construites partir de ces fonctions grce au thorme suivant :
Thorme
14 Si D et si f est une fonction sommable support born, alors :

(t) = f (x)(t x)dx, est une fonction de D. Ces deux suites de fonctions sont
illustres par la gure suivante :
k=1,2,3
k=1,2,3
1.2
k=3
k=3
1
2.5
0.8
k=2
0.6
1.5
k=1
k=1
0.4
0.2
0.5
0
1
k=2
0.5
0
0.5
Temps(s)
0
1
0.5
0
0.5
Temps(s)
Figure A.1 Allure des fonctions k et k pour k = 1, 2 et 3

Notion de Convergence dans D
Dnition 15 On dit quune suite de fonction k (t) D (k = 1, 2, , ) converge
dans D vers une fonction (t) lorsque k tend vers linni si :
Les supports des k sont contenus dans un mme ensemble born indpendant de
k,
Les drives de chaque ordre des k convergent uniformment vers les drives
correspondantes de .
A.1.2
Distributions
Dnition 16 Une distribution sur un ouvert de est une forme linaire continue sur lespace D(). Les distributions forment un espace vectoriel appel D .
Une distribution T est une application de D() dans C faisant correspondre une
fonction test un nombre complexe not < T (t), (t) >, ou plus simplement T,
117
Annexe A :
Les distributions
lorsquil ny pas dambigut sur la variable. Cest la valeur prise par la distribution
sur la fonction .
On exige donc deux proprits :
linarit : Si T est une distribution, < T, > le scalaire correspondant la fonction
:

1 , 2 D() : T, 1 + 2 = T, 1 + T, 2 ,
(A.7)
D(), C : T, = T, ,
continuit : Si k converge dans D vers , la suite T, k converge au sens usuel
vers T, , cest dire :
> 0, N (), k N |< T, > < T, k >| .
(A.8)
La condition de continuit peut tre remplace par une majoration et ceci comme
suit : K compact et D de support dans K, il existe une constante CK et
un entier pK tels que :
|< T, >| CK sup sup |n (t)| .
npk
tK
(A.9)
Il existe deux types de distributions :

Distributions rgulires
Les distributions rgulires sont dnies par une intgrale qui permettent de faire
correspondre une distribution toute fonction localement sommable (cest dire
sommable sur tout ensemble born). La distribution est dnie par, pour D :

f, = f (t)(t)dt
(A.10)
qui a toujours un sens puisque est support born.
Nous notons par f (t) ou f pour dsigner une fonction ou une distribution, le sens
est x dans le contexte et f (t) peut signier :
f (t) reprsente la valeur que prend la fonction f pour le valeur de t de la variable ;
f (t) est la fonction de la variable t ;
f (t) dnit une distribution, t est la variable des fonctions test.
Dans le dernier cas, on ne peut attribuer la distribution f une valeur pour chaque t
mme si f (t) est une distribution rgulire. En eet, deux distributions f et g seront
identiques, lorsque f et g, si pour tout D,
f, = g, .
(A.11)
Lorsque ces deux fonctions sont des fonctions localement sommables quelconques,
nous faisons recours au thorme suivant :
Thorme 17 Deux fonctions localement sommables f et g dnissent la mme
distribution si, et seulement si, elles sont presque partout gales.
118
Si on considre par exemple la fonction de Heaviside dnie par :

1 t0
H(t) =
0 t<0
(A.12)
Il nest pas ncessaire de dnir la valeur de H en 0 au sens de distribution.

Distributions singulires
On appelle distribution singulire toute distribution qui nest pas rgulire.
Lexemple le plus frquent est la distribution de Dirac ou (t) si la variable est t.
Sa dnition lorigine est, D :
au point a :
, = (0),
(A.13)
a , = (a),
(A.14)
et ses drives ak sont dnies par :

k
a , = (1)k (k) (a).
(A.15)
Cette distribution a t introduite par Dirac pour des besoins du formalisme quantique et peut porter aussi le nom de limpulsion de Dirac. Elle
dcrit un signal de
dure thoriquement nulle et damplitude innie de sorte que (t)dt = 1 et elle est
dnie par :

t=0
(t) =
(A.16)
0 t
= 0
La notion dimpulsion de Dirac navait pas rellement un fondement mathmatique
bien dni. En eet, daprs la thorie de lintgration de Lebesgue, cette fonction
doit possder une intgrale nulle puisquelle est presque partout nulle. La thorie de
distribution, invente par Schwartz, ore loutillage adquat pour prsenter rigoureusement cet objet singulier.
Communment, la distribution de Dirac dnit une mesure si toute la densit est
concentre en un point unique.

Dune faon gnrale, toute combinaison linaire
bi ai est une distribution singulire. Il existe une autre distribution singulire trs utilise par les physiciens. Elle
porte le nom de peigne de Dirac, et est dnie par :
+

n (n entier).
(A.17)
n=
Support dune distribution

Restriction dune distribution un ouvert : Considrons deux ouverts
de . Soit T D ( ). Nous pouvons associer T une distribution T appele
restriction T , dnie pour toute D() par :
< T , >=< T, >,
119
(A.18)
Annexe A :
Les distributions
o, est le prolongement par 0 de .
A titre dexemple, = a, la distribution nulle et la mesure de Dirac a ont
mme restriction .
On considre tous lensemble ouverts pour lesquels une distribution T est nulle,
cest dire telle que < T, >= 0 pour tout support dans un de ces ouverts.
La runion de tous ces ouverts forme un ouvert. La distribution T est nulle sur cet
ouvert, cest le plus grand ouvert o T est nulle. Son complmentaire, qui est ferm,
est appel support de la distribution T .
Dnition 18 Le support de T , not supp T est le complmentaire dans du plus
grand ouvert de tel que la restriction de T soit nulle.
A partir de la dnition de la notion de support dune fonction, donne dans la
section A.1.1, on trouve quil y a cohrence entre cette dnition et celle tablie par
la thorie des distributions puisque le support dune fonction correspond avec celui
de la distribution quelle dnit.
On donne par exemple, le supp = 0 et le supp a = 0.
Les distributions support ponctuel font lobjet dun thorme trs utilis et nonc
comme suit :
Thorme 19 Toute distribution de support lorigine admet une dcomposition unique
comme combinaison linaire nie de drives de la distribution de Dirac :
T =
cp (p) ,
(A.19)
pm
les cp tant des constantes.

Il existe deux classes importantes de distributions auxquelles nous faisons appel pour
la formulation de nos problmes didentication, qui sont les distributions support
born et celles support contenu dans [0, ). Ces deux classes forment des espaces
vectoriels nots respectivement et D + . Les distributions support born gauche
sont appeles les distributions causales qui reprsentent des phnomnes ayant lieu
avant la cause qui les produit et par consquent sont nulles pour t < 0.
Ordre dune distribution
Dnition 20 On appelle distribution dordre ni toute distribution T de D ()
pour laquelle il existe k N , tel que pour tout compact K inclus dans , on ait
la relation suivante. Lentier k, qui ne dpend pas de K, est appele ordre de la
distribution T .
CK > 0, DK (), | < T, > | CK sup sup|D (t)|.
||k t
Lentier k est appel ordre de distribution.

120
(A.20)

Une notion gnrale dordre 0 et < 0 est introduite dans [Yamamoto, 1984] qui
donne une dnition plus simple mais plus gnrale que celle donne par la dnition
20.
Dnition 21 Une distribution est dordre r > 0, si elle agit continment sur les
fonctions de classe C r et non C r1 . Une fonction est dordre r si r est le plus
r
petit entier tel que ddr soit une mesure.
Exemples :
ord( (2) ) = 2, ord(H(t).t) = 2.
(A.21)
Plus gnralement, les fonctions localement sommables et les combinaisons linaires

de Dirac dnissent les distributions dordre 0.
Un autre exemple trs rencontr dans
la pratique est les distributions de la forme r0 ar (r) + f onctions sont dordre r.
Cette dernire proprit est trs utile pour lanalyse didentiabilit.
Un autre rsultat faisant appel au proprit du produit de convolution est donn par
le thorme suivant, dans lequel P 1 dsigne linverse de convolution et peut tre
tendu pour le cas matriciel o lordre de la matrice P sera gale lordre maximal
de ces lments.
Thorme 22 [Yamamoto, 1984]
ord(P 1 ) = ord(P ) = ord(P Q) = ord(P ) + ord(Q), Q.
(A.22)
Sous espace de D ()
Si on prend des espaces de fonctions tests moins restreints que D, on obtient des
sous espaces de D .
Plusieurs sous espaces de fonctions tests sont les plus utiliss, savoir :
espace C : Espace des fonctions indniment drivables dcroissant linni, ainsi
1
que toutes leurs drives, plus vite que toute puissance de |x|
.
espace : Espace des fonctions indniment drivables quelconques.
Ces deux espaces vrient la relation dinclusion suivante :
D C .
Deux sous espaces de D sont ainsi obtenus :
espace C : Espace des distributions tempres ou croissance lente qui sont par
dnition toutes fonctionnelles linaires continues sur C .
espace : Espace des distributions support born.
avec les inclusions D C .
Les distributions tempres jouent un rle particulirement important pour la transformation de Fourier. Ainsi, toute distribution tempre a une transforme de Fourier
qui est galement une distribution tempre.
121
Annexe A :
Les distributions
Convergence dans lespace D
Dnition
On dit quune suite de distributions Tk (k = 1, 2, , ) converge dans D si,
quelque soit D, la suite de nombres < Tk , > converge au sens ordinaire.
Thorme 23 Si une suite de distribution Tk converge dans D vers une fonctionnelle T , T est une distribution.
(m)
Par consquent, on peut vrier que si Tk T alors les drives Tk T (m) . La

drivation est une opration linaire et continue dans D . Au sens des distributions,
on peut toujours commuter le signe drivation et le signe limite.
Le thorme suivant montre que la convergence presque partout dune fonction localement sommable nimplique pas la convergence de la distribution correspondante
dans D . A titre dexemple, on donne :

0 convergence p.p
k(kt)
(A.23)
convergence dans D
Thorme 24 Si les fonctions localement sommables fk convergent simplement
presque partout vers la fonction localement sommable f , lorsque k , et si
les fonctions fk sont toutes majores en module par une mme fonction g 0 localement sommable, alors les distributions rgulires fk convergent dans D vers la
distributions f .
Convergence vers
En particulier, la distribution peut tre aussi vue comme limite (dans D ) de
fonctions sommables :
Thorme 25 Si la suite des fonctions localement sommables fk (k = 1, 2, , )
a les proprits suivantes :
1. A > 0 tel que pour tout |t| A, fk (t) 0 ;

2. a > 0, |t|a fk (t)dt 1 lorsque k ;
3. fk (t) 0 uniformment dans tout ensemble 0 < a < |t| <
1
a
< ;
alors la suite de distributions rgulires fk (t) converge dans D vers lorsque k

.

Plus particulirement, si fk tel que fk (t)dt = 1, vrie (3) alors la distributions fk
tend vers . Deux exemples de suites de fonctions sont trs connues, k et k , dnies
dans la section A.1.1, convergent dans D vers .
A.1.3
Oprations sur les distributions
En rsum, les distributions peuvent tre considres comme une gnralisation des
classes de fonctions localement sommables presque partout gale. Pour complter
cette gnralisation, on donne dans la section suivante les direntes oprations
applicables sur les distributions.
122
Translation dune distribution et changement dchelle

Soit f (t) une fonction localement sommable et une constante. La distribution
correspondante f (t ) est donne par la relation suivante :

< f (t ), (t) >= f (t )(t)dt.
En appliquant le changement de variables x = t , on obtient :

< f (t ), (t) >= f (x)(x + )dx =< f (x), (x + ) > .
On dnira donc T (t ), appel le translate de T (t), par :
< T (t ), (t) >=< T (t), (t + ) > .
(A.24)
Un exemple trs rencontr dans la pratique est la distribution de Dirac au point

qui est dni par :
< , ) >= ( ).
La notion de translation dune distribution permet de dduire deux autres proprits
des distributions qui sont :
La priodicit des distributions : La notion de translation dune distribution permet de dnir les distributions priodique de priode par :
T (t ) = T (t).
(A.25)
La parit des distributions : Comme pour les fonctions, une distribution peut tre
paire si T (t) = T (t) et impaire lorsque T (t) = T (t).
On peut galement faire un changement dchelle du temps et ceci en multipliant
t par une constante a non nulle. Si f (t) est une fonction localement sommable, il
vient :

1
t
f (at)(t)dt =
f (t)( )dt.
|a|
a
On posera donc par dnition :
< T (at), (t) >=
A titre dexemple, on a (at) =
1
t
< T (t), ( ) > .
|a|
a
(A.26)
1
(t).
|a|
Drivation
Une des proprits fondamentales des distributions est quelles sont indniment
drivables et que toutes les drives successives sont encore des distributions.
Pour dnir la drive dune distribution, il faut passer par la dnition usuelle de la
drive pour une fonction localement sommable f , drivable et drive f continue.
En intgrant par parties, on aura :

< f (t), (t) >= f (t)(t)dt = f (t) (t)dt = < f (t), (t) > . (A.27)
123
Annexe A :
Les distributions
Ceci dnit bien une distribution rgulire puisque (D) pour tout D. On
est amen ainsi dnir :
< T , >= < T, >,
(A.28)
et plus gnralement, la drive dordre m est donne par :

< T (m) , >= (1)m < T, (m) > .
(A.29)
Nous donnons par la suite quelques exemple de drivation auxquels nous faisons
appel pour notre tude sur lidentication :
Drive de la distribution de Dirac
La drive de la distribution de Dirac est donn par lexpression suivante :
< , >=< , >= (0).
Drive de la distribution de Heaviside H(t)
La fonction dHeaviside H(t) est dnie par :
1 pour t > 0
1
pour t = 0
H(t) =
2
0 pour t < 0
(A.30)
(A.31)
H(t) est une fonction localement sommable et dnit donc une distribution par :

< H(t), (t) >=
(t)dt.
(A.32)
0
Au sens de distribution, la dnition de la valeur de H(t) lorigine nest pas ncessaire puisquelle reprsente un ensemble de mesure nulle. La drive de la distribution
H(t) scrit :

< H (t), (t) >= < H(t), (t) >=
(t)dt = [(t)]
(A.33)
0 = (0).
0
En conclusion,
H (t) = (t).
(A.34)
Drivation dune fonction discontinue lorigine

Lexemple prcdent peut tre gnralis pour une f est une fonction indniment
drivable pour t < 0 et t > 0 et chacune des drives admet une limite gauche et
droite t = 0. Le saut de la drive dordre m lorigine, appel m , est donn
par :
m = f (m) (0+ ) f (m) (0 ).
(A.35)
La fonction f (m) est dnie partout sauf lorigine. On note Dm f la drive distribution dordre m de la fonction f . Par dnition, la drive distribution Df de f
scrit :

< Df, (t) >= < Df, >= f (t) (t)dt.
(A.36)
124
En appliquant une intgration par partie lquation prcdente, on obtient :

< Df, (t) >= f (t)(t)dt + 0 (0).
(A.37)
Do la relation suivante :
< Df, (t) >= f + 0 .
(A.38)
Par consquent, les discontinuits de f se traduisent en drivation par des Diracs

pondres par lamplitude des sauts. La gnralisation la drive dordre m se fait
suite des drivations successives de lquation (A.38) et se traduit par :
< Dm f, (t) >= f (m) + m1 + + 0 (m1) .
(A.39)
En conclusion, par drivation, on ne perd pas dinformations essentielles sur le signal

telles que ses discontinuits.
Multiplication
La section prcdente montre que la gnralisation de certaines oprations eectues sur les fonctions localement sommables au cas des distributions est naturelle.
Par contre, pour la multiplication de deux distributions quelconques, qui nest pas
toujours dnie, les dicults commencent. En eet, si f et g sont deux fonctions
localement sommables, leur produit nest pas forcment une fonction localement
sommable.
On donne lexemple de la fonction f (t) = 1 qui est localement sommable mais
2
|t|
1
|t|
(f (t)) = nest pas sommable sur un intervalle contenant 0.

Cependant, le produit de deux distributions est dni dans certains cas. Le cas le
plus courant est la multiplication dune distribution T par une fonction par une
fonction indniment drivable . Le produit T est donn par :
< T, >=< T, >, D.
(A.40)
Ceci est facilement justi puisque, dune part, la fonction D pour tout D
est indniment drivable et dautre part, elle a un support contenu dans le support
de et donc un support born.
Pour certains cas, la dnition de ce produit reste applicable mme si la fonction
nest pas indniment drivable. Par exemple, si est continue en 0,
< (t)(t), (t) >=< (t), (t)(t) >= (0)(0) =< (t), (0)(t) > .
(A.41)
Il vient alors :
(t)(t) = (0)(t).
(A.42)
Dans le cas gnral, pour un point a quelconque o est continue, on a donc :

(t)(t a) = (0)(t a),
(A.43)
t = 0.
(A.44)
et en particulier :
125
Annexe A :
Les distributions
Si le produit multiplicatif T a un sens, quelques proprits peuvent tre drives
de ce produit. La premire relative aux supports est donn par linclusion suivante :
supp T supp supp T.
(A.45)
Deux autres proprits sont illustres par le thorme suivant :

Thorme 26 Le produit de plusieurs distributions, lorsque toutes, sauf une au
plus, sont des fonctions indniment drivables au sens usuel, est associatif et commutatif.
(1 + 2 )T = 1 T + 2 T,
(A.46)
(1 2 )T = 1 (2 T ),
(A.47)
(T1 + T2 ) = T1 + T2 .
(A.48)
Une proprit concerne la rgle de drivation, obtenue partir de la rgle usuelle de

Leibniz, qui est dnie par :

k
Cm
(D(mk) )Dk T.
(A.49)
Dm (T ) =
km
m!
k
= k!(mk)!
.
avec, Cm
Le thorme suivant nonce une proprit trs utilise dans certaines applications
qui se porte sur lannihilation dune distribution par multiplication :
Thorme 27 Si T a support compact K, et est dordre (ncessairement ni) m,

T est nulle toutes les fois que et ses drives dordre m sont nulles sur K ; si
T a un support et est dordre quelconque, ni ou inni, T est nulle ainsi que toute
ses drives sur le support de T .
Ce thorme est illustr par les exemples suivants quand T est une distribution
singulire pour une fonction polynme et une fonction exponentielle dans laquelle
= e :
(t ) = 0, t2 (t )(a (1) + b ) = 0,
(A.50)
(1 et ) = 0, (1 et )2 (1 et )(a (1) + b ) = 0.
(A.51)
Ces deux cas montrent que le terme est pass du statut dargument celui dargument et de coecient dune manire explicite dans le cas des polynmes et via le
terme = e pour les fonctions exponentielles.
Grce au thorme 27, le produit t peut tre tendu

0
l > n,
l (n)
t =
(A.52)
(nl)
l n!
l n.
(1) (nl)!
et plus gnralement :
(n) =
(1)(nq) Cnq (nq) (0) (q) .
(A.53)
qn
La multiplication de deux distributions peut galement faire appel la notion de

support singulier :
126

Dnition 28 Soit T une distribution sur un ouvert de . Le support singulier
de T est par dnition le complmentaire du plus grand ouvert de tel que la
restriction de T D() concide avec la distribution associe une fonction de
classe C sur .
Proposition 29 Soient T1 et T2 deux distributions de supports singuliers disjoints.
On peut alors donner un sens au produit T1 T2 en tant que distribution.
Le problme de la division
La formule donne par lquation (A.44) (t = 0) montre que le produit de deux
distributions non nulles peut tre nul. Le problme peut se inversement, quen est-il
dune distribution T telle que tT = 0 ? La proposition suivante donne une solution
ce problme.
Proposition 30 Les solutions de lquation tT = 0 sont les distributions T = c,
o c C.
En gnral, si C nadmet que des racines simples ai lquation = 0, alors,
les solutions de lquation T = 0 ont la forme suivante :
T =
ci (t ai ),
(A.54)
o, ci sont des constantes arbitraires. Plus gnralement, pour la fonction prcdente, un second membre donn S et connaissant une solution particulire T0 , les
solutions du problme suivant :
T = S,
(A.55)
sont donnes par :
T = T0 +
ci (t ai ).
(A.56)
Ainsi par exemple, soit rsoudre lquation tT = . Pour dterminer une solution particulire, une astuce consiste driver t = 0 pour avoir immdiatement
+ t = 0. La solution particulire est alors T0 = et par suite, la solution
gnrale est T = + c.
Dans le cas o la fonction admet des racines multiples, la solution est alors donn
par la proposition suivante :
Proposition 31 Pour toute distribution S, il existe une innit de distributions
T vriant tk T = S. Deux dentre elles quelconques dirent dune combinaison
linaire de drives (m) , m k.
A.1.4
Convolution
Le but de cette section est dtendre la notion ainsi que les proprits du produit de
convolution de deux fonctions au produit de convolution de distributions.
127
Annexe A :
Les distributions
Dnition
On rappelle, dabord, le produit de convolution de deux fonctions localement sommables f et g. Lorsquil existe le produit de convolution de f et g est la fonction h
dnie par :

h(t) = f (t )g()d,
(A.57)
not symboliquement par : h(t) = f (t) g(t). Pour tout D, on calcul la distribution associe h, on obtient :

< f g, >=<
h, >= h(t)(t)dt
=
f (t )g()(t)ddt,
(A.58)
ou encore, en posant v = et u = t :

< f g, >=
f (u)g(v)(u + v)dudv.
(A.59)
Ceci permet de dnir le produit de convolution de deux distributions S et T par :

Dnition 32 On appelle produit de convolution de deux distributions S et T , la
distribution S T , telle que pour toute D :
< S T, >=< S(u)T (v), (u + v) >,
(A.60)
o S(u).T(v) est le produit direct des distributions S et T .

Conditions dexistence
La dnition prcdente nest pas valable pour des distributions quelconques. En
eet, si (t) est support born dans , (u + v) nest pas support born dans
2 .
Soit E le support de (u + v) dans 2 , A le support de S(u) et B le support de T (v).
Le produit de convolution naura un sens que si lintersection de E avec le support
A B de S(u).T (v) soit borne. Do le thorme suivant :
Thorme 33 Le produit de convolution dune distribution S(u) de support A par
une distribution T (v) de support B a un sens si, pour u A et v B, u + v born
entraine que u et v sont sparment borns.
Cependant, trois cas souvent rencontrs dans la pratique pour lesquels le produit de
convolution a un sens :
lune des deux distributions soit support born,
les distributions support born,
les distributions support born gauche (respectivement droite).
128
Proprits
Commutativit et distributivit
Le produit de convolution de deux distributions est commutatif. Cela peut tre
dduit directement partir de la dnition donne par lquation (A.60) et de la
commutativit du produit direct.
De plus, le produit de convolution est distributif par rapport laddition puisque le
produit direct est distributif.
Associativit
Le produit de convolution de trois distributions R, S et T (extension plusieurs
distributions est possible) dni par :
< R S T, >=< R(u)S(v)T (w), (u + v + w) >,
(A.61)
na un sens que si u + v + w born implique que u, v et w sont borns et lassociativit du produit de convolutions de ces trois distributions se dduit partir de
lassociativit de leur produit direct.
Ceci peut snoncer comme suit :
Thorme 34 Le produit de convolution est associatif si tous les produits deux
deux ont un sens.
Lexemple suivant montre que (R S) T et R (S T ) peuvent avoir un sens mais
avec deux rsultats dirents :
(1 ) H = 0 H = 0.
(A.62)
1 ( H) = 1 = 1.
(A.63)
Support
Ltude du problme didentication est trs li la notion de support dune distribution. Dans le cadre du produit de convolution, un rsultat trs utile est donn par
linclusion suivante :
supp S T supp S + supp T,
(A.64)
dans laquelle, la somme dans le ct droit est dnie par :
{u + v; u supp S, v supp T } .
(A.65)
A titre dexemple, soit S et T deux distributions de supports inclus respectivement

dans [a, ) et [b, ), le support de leur produit de convolution est inclut dans
[a + b, ).
Il existe un autre rsultat plus prcis nonc par le Thorme des supports suivant
et dans lequel conv(supp X) reprsente lenveloppe convexe du support de X :
Thorme 35
conv(supp S T ) = conv(supp S) + conv(supp T ).
129
(A.66)
Annexe A :
Les distributions
Applications
Convolution par
Soit T une distribution quelconque et la distribution de Dirac support compact,
le produit de convolution T existe et est dni par :
< T, >=< (u)T (v), (u + v) >=< T (v) < (u), (u + v) >>
=< T (v), (u + v) > .
(A.67)
Il vient, alors :
T = T.
(A.68)
Thorme 36 La distribution de Dirac lorigine joue le rle dunit pour le

produit de convolution.
Convolution par (t )
Par dnition :
< (t ) T, (t) >=< (u )T (v), (u + v) >
=< T (v) < (u ), (u + v) >>
=< T (v), ( + v) >
=< T (v ), (v) > .
(A.69)
ce qui montre que pour translater une distribution de , il sut de la convoluer par
la translat (t ) de la distribution de Dirac . Si en suppose que T = R S, il
vient :
T (t ) = (t ) T (t) = (t ) R(t) S(t).
(A.70)
Le double produit a un sens, ce qui permet dcrire :
T (t ) = [(t ) R(t)] S(t) = R(t ) S(t)
= R(t) [(t ) S(t)] = R(t) S(t ).
(A.71)
Dou, on peut conclure que pour translater un produit de convolution, il sut de

translater un de ses facteurs.
Convolution par
La convolution dune distribution T par la drive de la distribution de Dirac est
par dnition :
< T, >=< (u)T (v), (u + v) >=< T (v) < (v), (u + v) >>
= < T (v), (v) >=< T , > .
Ce qui montre que
T = T .
(A.72)
(A.73)
De mme la convolution de la distribution T par la drive dordre m de la distribution de Dirac est quivalente la drivation m fois de la distribution T :
(m) T = T (m) .
130
(A.74)
A.2. Distributions et systmes dynamiques

On suppose que T = R S. Pour driver m fois ce produit de convolution, il sut
de driver m fois un de ses facteurs. Ce rsultat est obtenu en tenant compte de
lassociativit du produit de convolution, on aura alors :
(R S)(m) = R S (m) = R(m) S.
(A.75)
Multiplication par tn , eat et convolution

La combinaison de la multiplication par des fonctions polynomiales ou exponentielles avec le produit de convolution conduisent deux proprits trs utiles dans
la pratique. Pour cela, si lune des distributions S ou T est support compact, la
multiplication du produit de convolution S T permet daboutir :
n
t (S T ) =
n

Cnk (tk S) (tnk T ),
(A.76)
k=0
A titre dexemple, en combinant cette relation et celle donne par lquation (A.52),
on peut transformer, par exemple, les termes de la forme tn y (p) en somme linaire
des drives du produit tk y :
(1)
(2)
t3 y (2) = 6z1 + 6z2 z3
(A.77)
o, zi = ti y.
De mme pour le cas dune fonction exponentielle eat , il vient alors :
eat (S T ) = (eat S) (eat T ).
(A.78)
A titre dexemple, en posant z = et y et = e , on aura :

et y (2) = 2 z + 2z (1) + z (2) .
(A.79)
Les membres de droite des exemples donns par les quations (A.77) et (A.79) fournissent les dcompositions correspondants aux formules dintgration par partie.
Ces intgrations pourront tre avantageusement remplaces par tout transfert causal jouant le rle dun ltre.
On note par la suite, H k y la convolution itre H H y, cest dire eectuer
k intgrations successives de y et, plus gnralement, T k reprsente le produit de
convolution dordre k.
En conclusion, an dviter toute confusion, T (s) dsigne la transforme de Laplace
de T .
A.2
Distributions et systmes dynamiques
Un trs grand nombre dquation correspondants des problmes physiques sont

mises sous forme dquation de convolution :
T X = W,
(A.80)
o T et W sont deux distributions donnes et X est une distribution inconnue.

Pour rsoudre ces quations, nous devons faire appel la notion dalgbre de convolution.
131
Annexe A :
Les distributions
A.2.1
Algbre de convolution
Une algbre de convolution est tout espace vectoriel de distribution contenant (un
lment unit), et sur lequel on peut dnir le produit de convolution dun nombre
ni quelconque de distribution. Nous avons dj dnit deux types de distributions :
les distributions support born (espace ) et les distributions support born
gauche (respectivement droite) not D + ( respectivement D + ).
On sintresse plus particulirement lalgbre D + des distributions support dans
[0, ), pour lesquelles :
D + muni de la somme et du produit par un scalaire est un espace vectoriel,
le produit de convolution est une application bilinaire de D + D + dans D + ,
le produit est associatif.
Pour rsoudre lquation de convolution donne par lquation (A.80), le thorme
suivant snonce comme suit :
Thorme 37 Pour que lquation de convolution :
T X =W
(A.81)
ait toujours au moins une solution dans une algbre de convolution, quel que W dans
cette algbre, il faut et il sut que T possde un inverse T 1 (not aussi T 1 ) dans
cette algbre tel que T T 1 = . Dans ce cas T 1 est unique et la solution unique
est donne par :
X = T 1 W.
(A.82)
Compte tenu de lassociativit le produit de convolution, si T1 , , Tm admettent
T11 , , Tm1 pour inverses, on aura :
(T1 Tm )1 = T11 Tm1 .
(A.83)
Pour illustrer le dernier thorme, on propose deux exemples dapplication :

1. Soit w D + et soit rsoudre dans D + lquation X = W qui peut scrire :
X = X = W.
(A.84)
Or, on sait que H = , ce qui montre que la fonction de Heaviside H est

linverse de convolution de , si bien la solution unique X est X = H W ce
nest que la primitive de W .
2. Linverse dans D + de , o C est gale H(t)et . On peut facilement
montrer que (H(t)et ) = + H(t)et , pour obtenir :
( ) H(t)et = .
A.2.2
(A.85)
quations direntielles
Il existe plusieurs applications de lalgbre de convolution tel que : la rsolution des

quations direntielles, la rsolution de certaines quations intgrales ainsi que la
rsolution des quations matricielles. Dans cette section, nous nous intressons particulirement aux quations direntielles.
132
En eet, toute quation direntielle coecients constants peut admettre la reprsentation suivante :
y (n) + an1 y (n1) + + a0 y = f,
(A.86)
P () y = f,
(A.87)
qui scrit aussi :

o P () est le polynme symbolique en :
P () = (n) + an1 (n1) + + a0 .
(A.88)
Si on suppose que le polynme P (x) = xn + an1 xn1 + + a0 x admet des racines,

distinctes ou non, notes 0 , , n , lquation (A.88) devient :
P () = ( (1) 0 ) ( (1) n ).
(A.89)
Rsoudre cette quation direntielle revient donc chercher linverse de convolution

de P () qui nous ramne chercher les inverses des ( (1) i ) en utilisant la
rgle donne par lquation (A.83). Cet inverse a t dj donn par le rsultat du
deuxime exemple trait dans la section prcdente donn par lquation (A.85). Il
vient, alors :
(P ())1 = H(t)e0 t H(t)en t .
(A.90)
Dans le cas o les racines sont multiples, 0 = = m = , linverse de la
convolution sera gale :
(( (1) )m )1 =
H(t)tm1 t
e .
(m 1)!
(A.91)
Un exemple dapplication trs rencontr par les physiciens, le ltre RC passe-bas,

est tudi an dillustrer le principe de cette mthode.
Exemple dapplication
Soit le circuit RC dcrit par la gure suivante. On suppose que la capacit est
Figure A.2 Circuit RC

133
Annexe A :
Les distributions
initialement non charge. Le courant i(t) et la force lectromotrice de charge e(t)
sont lis par la relation suivante :

1 t
Ri(t) +
i()d = e(t), t 0.
(A.92)
C 0
Au sens des distributions dans D + , on trouve :
(R +
1
H) i = e.
C
(A.93)
t
La tension de sortie aux bornes de la capacit est gale v(t) = C1 0 i()d, cela
scrit au sens de distribution v = C1 H i. Le courant i devient i = C v et en la
remplaant par la suite dans lquation (A.93), on obtient :
(RC + ) v = T v = e.
(A.94)
Pour dterminer lexpression de la tension v(t) pour toute entre e(t), il sut de
trouver linverse de convolution de la distribution T = (RC + ), on aura :
T 1 =
t
1
He RC .
RC
(A.95)
La solution obtenue correspond la solution de lquation (A.94) quand lentre

e(t) est une distribution (ou appele encore une impulsion) de Dirac. Pour cela, la
distribution T 1 sera la rponse implusionelle du systme.
Dans le cas o lentre e(t) est une fonction de Heaviside, lexpression de la tension
v sera dtermine partir de :
v = T 1 H =
t
1
He RC H.
RC
(A.96)
Pour dterminer le rsultat dnitif, nous devons faire appel la proprit suivante :
H(t)e1 t H(t)e2 t = H(t)
e1 t e2 t
.
1 2
(A.97)
1
), il vient :
Compte tenu de cette proprit, avec (1 , 2 ) = (0, RC
v = H(t)[1 e RC ].
t
(A.98)
Prsence des conditions initiales

Pour traiter le cas gnral des quations direntielles, au sens des fonctions, on
cherche rsoudre une quation direntielle en y, dordre n en prenant compte des
conditions initiales. On suppose que les conditions initiales, y(0), y (1) (0), , y (n1) (0),
sont connues. Lide consiste alors :
1. multiplier lquation par H(t),
2. poser z(t) = H(t)y(t),
134

3. former lquation direntielle en z par drivation ou en utilisant la formule
des sauts donne dans la section A.38.
Lexemple illustratif suivant permet de mieux expliquer cette mthode. Soit lequation direntielle du second ordre dnie par :
y (2) + a1 y (1) + a0 y = f.
(A.99)
On multiplie cette quation par H(t). La substitution de z(t) = H(t)y(t), z (1) =

(1)
Hy (1) + y0 et z (2) = Hy (2) + y0 (1) + y0 permet dobtenir la relation :
z (2) + a1 z (1) + a0 z = Hf + y0 (1) + y01 + a1 y0 .
(1)
P () z = Hf + y0 (1) + y0 + y0 .
(A.100)
(A.101)
o le polynme P () = (2) + a1 (1) + a0 . Il sut alors de calculer linverse de

convolution de loprateur P () pour obtenir :
(1)
z = (P ())1 [Hf + y0 (1) + y0 + a1 y0 ].
135
(A.102)
Annexe A :
Les distributions
136
Annexe B :
Publications dans des confrences internationales
1. K.Ibn Taarit, K.Laabidi, L. Belkoura, M. Ksouri, and J.-P. Richard. Identication algbrique des systmes retard : Application une souerie de schage.
In STA07, 8th international conference on Sciences and Techniques of Automatic control, Hammamet, Tunisie, Hammamet, Tunisie, 2007.
2. K. Ibn Taarit, L. Belkoura, and M. Ksouri. Estimation en ligne par approche
algbrique : application au cas des frottements secs. In CIFA 2010, Sixime
Confrence Internationale Francophone dAutomatique, Nancy, France, 2010.
Publications dans des revues internationales

1. K. Ibn Taarit, L. Belkoura, M. Ksouri, and J.-P. Richard. A fast identication
algorithm for systems with delayed inputs. International Journal of System
Sciences, 42 : 3, 449-456, 2011.
2. L. Belkoura, T. Floquet, K. Ibn Taarit, W. Perruquetti, and Y.Orlov. Estimation problems for a class of impulsive systems. Int. J. Robust Nonlinear
Control, 2010.
137
Annexe B :
138
Bibliographie
[Abdallah and Chiasson, 2001] Abdallah, C. and Chiasson, J. (2001). Stability of
communication networks in the presence of delays. In Third IFAC workshop on
time delay systems.
[Abdennour et al., 2001] Abdennour, R. B., Borne, P., Ksouri, M., and Msahli, F.
(2001). Identication et commande numrique des procds industriels. Editions
Technip, Paris.
[Ahmed et al., 2006] Ahmed, S., Huang, B., and Shah, S. (2006). Parameter and
delay estimation of continuous-time models using a linear lter. Journal of Process
Control, 16 :323331.
[Ali et al., 2009a] Ali, A. M., Join, C., and Hamelin, F. (2009a). Fault diagnosis of
uncertain linear system using structural knowledge. In 7th IFAC Symposium on
Fault Detection, Supervision and Safety of Technical Processes, Safeprocess 2009,
Barcelone, Spain.
[Ali et al., 2009b] Ali, A. M., Join, C., and Hamelin, F. (2009b). Une mthode
algbrique de diagnostic de dfauts. In 3e journes doctorales/Journes nationales
MACS,JD-JN-MACS 2009, Angers, France.
[Alur et al., 1993] Alur, R., Courcoubetis, C., Henzinger, T., and Ho, P. (1993).
Hybrid automata : An algorithmic approach to the specication and verication
of hybrid systems. In Hybrid Systems, LNCS, Springer, 736 :209229.
[Antsaklis et al., 1999] Antsaklis, P., Kohn, W., Lemmon, M., Nerode, A., and Sastry, S., editors (1999). Hybrid Systems V, volume 1567 of Lecture Notes in Computer Science. Springer.
[Antsaklis et al., 1995] Antsaklis, P., Kohn, W., Nerode, A., and Sastry, S., editors
(1995). Hybrid Systems II, volume 999 of Lecture Notes in Computer Science.
Springer.
[Astrom and Hagglund, 1995] Astrom, K. and Hagglund, T. (1995). PID controllers : theory, design, and tuning. Instrument Society of America.
[Atay, 2010] Atay, F. (2010). Complex Time-Delay Systems : Theory and Applications. Understanding Complex Systems. Springer.
[Attia, 2005] Attia, S. (2005). Sur la commande des systmes non linaires dynamique hybride. PhD thesis, Institut National Polytechnique De Grenoble.
[Bai and Chyung, 1991] Bai, E. and Chyung, D. (1991). Improving delay estimation
using the pade approximation. In Proceedings of the 30th Conference on Declalon
and Control, Brigthton, England.
139
BIBLIOGRAPHIE
[Bako, 2008] Bako, L. (2008). Contribution lidentication de systmes dynamiques hybrides. PhD thesis, Universit des Sciences et Technologies de Lille.
[Balachandran et al., 2009] Balachandran, B., Kalmr-Nagy, T., and Gilsinn, D.
(2009). Delay Dierential Equations : Recent Advances and New Directions. Springer Science+Business Media.
[Barbot et al., 2007] Barbot, J., Fliess, M., and Floquet, T. (2007). An algebraic
framework for the design of nonlinear observers with unknown inputs. In In 46th
IEEE Conference on Decision and Control, New Orleans, Louisiana, USA.
[Bastogne et al., 2001] Bastogne, T., Garnier, H., and Sibille, P. (2001). A pmfbased subspace method for continuous-time model identication. application to a
multivariable winding process. International Journal of Control, 74 :118132.
[Battle and Miralles, 2000] Battle, C. and Miralles, A. (2000). On the approximation of delay elements by feedback. Automatica, 36 :659664.
[Becedas et al., 2007] Becedas, J., Mamani, G., Feliu-Batlle, V., and Sira-Ramirez,
H. (2007). Algebraic identication method for mass-spring-damper system. In
WCECS 2007, Proceedings of the World Congress on Engineering and Computer
Science 2007, San Francisco, USA.
[Beghi et al., 1997] Beghi, A., Lepschy, A., and Viaro, U. (1997). Approximating
delay elements by feedback. IEEE Transactions on Circuits and Systems, 44 :824
828.
[Belkoura, 2003] Belkoura, L. (2003). Parameter and initial function identiability of
linear delay dierential equations. In 4th IFAC Workshop on Time Delay Systems
(TDS03), Rocquencourt, France.
[Belkoura, 2005] Belkoura, L. (2005). Identiability of systems described by convoution equations. Automatica, 41 :505512.
[Belkoura, 2009a] Belkoura, L. (2009a). Change point detection with application to
the identication of a switching process. In International conference on systems
theory : Modelling, Analysis and Control, Fes, Morocco.
[Belkoura, 2009b] Belkoura, L. (2009b). Mathmatiques pour lingnieur, chapter
1 : Introduction aux Distributions. Association Tunisienne dAutomatique et de
Numrisation ATAN.
[Belkoura et al., 2004] Belkoura, L., Dambrine, M., Orlov, Y., and Richard, J.-P.
(2004). Identiability and identication of linear systems with delays. Springer,
LNCSE Advances in Time Delay Systems, 38 :123135.
[Belkoura et al., 2010] Belkoura, L., Floquet, T., Taarit, K. I., Perruquetti, W., and
Orlov, Y. (2010). Estimation problems for a class of impulsive systems. Int. J.
Robust Nonlinear Control, to appear.
[Belkoura and Orlov, 2002] Belkoura, L. and Orlov, Y. (2002). Identiability analysis of linear delay-dierential systems. IMA J. Mathematical Control and Information, 19 :7381.
[Belkoura and Richard, 2006] Belkoura, L. and Richard, J.-P. (2006). A distribution
framework for the fast identication of linear systems with delays. In 6th IFAC
Workshop on Time Delay System.
140
B.0. BIBLIOGRAPHIE
[Belkoura et al., 2006] Belkoura, L., Richard, J.-P., and Fliess, M. (2006). On line
identication of systems with delayed inputs. In MTNS06, 16th Conference on
Mathematical Theory of Networks and Systems, invited session Networked systems, Kyoto, Japan.
[Belkoura et al., 2007] Belkoura, L., Richard, J.-P., and Fliess, M. (2007). Real
time identication of delay systems. In IFAC Workshop on Time Delay Systems,
TDS07, Nantes, France.
[Belkoura et al., 2008] Belkoura, L., Richard, J.-P., and Fliess, M. (2008). A convolution approach for delay systems identication. In 17th IFAC World Congress,
Seoul, Korea.
[Belkoura et al., 2009] Belkoura, L., Richard, J.-P., and Fliess, M. (2009). Parameters estimation of systems with delayed and structured entries. Automatica,
45 :11171125.
[Beltrn-Carvajal et al., 2005] Beltrn-Carvajal, F., Silva-Navarro, G., SiraRamrez, H., and Quezada-Andrade, J. (2005). Active vibration control using
on-line algebraic identication of harmonic vibrations. In Proc. Amer. Control
Conf., Portland, OR.
[Bemporad et al., 1970] Bemporad, A., Ferrari-Trecate, G., and Morari, M. (1970).
On structural identiability. Mathematical Biosciences, 7 :329339.
[Bemporad et al., 2000] Bemporad, A., Ferrari-Trecate, G., and Morari, M. (2000).
Observability and controllability of piecewise ane and hybrid systems. IEEE
Transactions on Automatic Control, 45 :18461876.
[Benedetto and Sangiovanni-Vincentelli, 2001] Benedetto, M. D. and SangiovanniVincentelli, A., editors (2001). Hybrid Systems : Computation and Control, 4th
International Workshop, HSCC 2001, Rome, Italy, March 28-30, 2001, Proceedings, volume 2034 of Lecture Notes in Computer Science. Springer.
[Benveniste and Guernic, 1990] Benveniste, A. and Guernic, P. L. (1990). Hybrid
dynamical systems theory and the signal language. IEEE Transactions on Automatic Control, 35(5) :535546.
[Bertrand et al., 2004] Bertrand, M., Iung, C., and Zaytoon, J. (2004). Systmes
dynamiques hybrides : Modlisation et simulation. Techniques de lingnieur,
Informatique industrielle, S1(S7105).
[Bi et al., 1999] Bi, Q., Cai, W., Lee, E., Wang, Q., Hang, C., and Zhang, Y. (1999).
Robust identication of rst-order plus dead-time model from step response.
Control Engineering Practice, 7 :7177.
[Bjorklund, 2003a] Bjorklund, S. (2003a). A review of time-delay estimation techniques. In Technical reports from the Control & Communication group in Linkoping.
[Bjorklund, 2003b] Bjorklund, S. (2003b). A Survey and Comparison of Time-Delay
Estimation Methods in Linear Systems. PhD thesis, Linkopings universitet, Linkoping, Sweden.
[Boccara, 1997] Boccara, N. (1997). Distributions. Mathmatiques pour lingnieur,
Ellipses.
141
BIBLIOGRAPHIE
[Borne et al., 1992] Borne, P., Tanguy, G. D., Richard, J.-P., Rotella, F., and Zambettahis, I. (1992). Modlisation et identication des processus. Editions Technip,
Paris.
[Borne et al., 1993] Borne, P., Tanguy, G. D., Richard, J.-P., Rotella, F., and Zambettahis, I. (1993). Analyse et rgulation des processus industriels. Editions Technip, Paris.
[Branicky, 1995] Branicky, M. (1995). Studies in Hybrid Systems : Modeling, Analysis, and Control. PhD thesis, Massachusetts Institute of Technologie.
[Branicky, 1998] Branicky, M. (1998). Multiple lyapunov functions and other analysis tools for switched and hybrid systems. IEEE Trans. Automat. Contr., 43 :475
482.
[Brezinski, 1980] Brezinski, C. (1980). The long history of continued fractions and
Pad approximants. Springer-Verlag.
[Brogliato, 1999] Brogliato, B. (1999). Nonsmooth Mechanics, Second edition. Springer, London.
[Bushnell, 2001] Bushnell, L. (2001). Editorial :networks and control. IEEE Control
System Magazine, special section on networks and control, 21 (1) :2299.
[Carloni et al., 2006] Carloni, L., Passerone, R., and Pinto, A. (2006). Languages
and Tools for Hybrid Systems Design. Foundations and Trends in Electronic
Design Automation.
[Carvalho and Nussenzveig, 2002] Carvalho, C. D. and Nussenzveig, H. (2002).
Time delay. North-Holland.
[Chamroo, 2006] Chamroo, A. (2006). Contribution ltude des Systmes Fonctionnement par Morceaux : Application lIdentication en Ligne et la commande en Temps Rel. PhD thesis, Universit des Sciences et Technologie de
Lille.
[Chareyron, 2005] Chareyron, S. (2005). Stabilit des systmes dynamiques nonrguliers, application aux robots marcheurs. PhD thesis, Institut National Polytechnique de Grenoble.
[Chatelin, 1988] Chatelin, F. (1988). Valeurs propres de matrices. Masson.
[Chemla, 2004] Chemla, J. (2004). Identication des systmes linaires. Technical
report, PolytechTours Dpartement Productique.
[Chen and Thomlinson, 1966] Chen, Q. and Thomlinson, G.-R. (1966). Parametric
identication of systems with dry friction and nonlinear stiness using a time
series model. Journal of vibration and acoustics, 118 :252263.
[Chen and Wang, 2004] Chen, X. and Wang, M. (2004). Global optimization methods for time delay estimation. The 5th World Congress on Intelligent Control
and Automation, in press, pages 212215.
[Chiasson and Loiseau, 2007] Chiasson, J. and Loiseau, J. (2007). Applications of
time delay systems. Lecture Notes in Control and Information Sciences. Spring.
[Clenshaw and Curtis, 1960] Clenshaw, C. and Curtis, A. (1960). A method for
numerical integration on an automatic computer. Numerische Mathematik, 2 :197
205.
142
B.0. BIBLIOGRAPHIE
[Conte and Perdon, 1998] Conte, G. and Perdon, A. (1998).

Systems over
rings :theory and applications. In In First IFAC workshop on linear time delay systems, pages 223234, Grenoble, France.
[Cordon and Ballois, 1998] Cordon, P. and Ballois, S. L. (1998). Automatique : Systme linaire et continus. Dunod, Paris.
[Dai and Sinha, 1991] Dai, H. and Sinha, N. (1991). Identication of continuoustime systems, methodology and computer implementation, chapter Use of numerical integration methods, pages 259288. Kluwer Academic Publishers.
[Dambrine, 1994] Dambrine, M. (1994). Contribution ltude de la stabilit des
systmes retards. PhD thesis, Ecole Centrale de Lille.
[Datta, 1991] Datta, K. (1991). Identication of continuous-time systems, methodology and computer implementation, chapter Continuous model identication via
orthogonal polynomials, pages 227255. Kluwer Academic Publishers.
[Datta and Mohan, 1995] Datta, K. and Mohan, B. (1995). Orthogonal functions in
systems and control. World Scientic Publishing Company.
[de Mathelin, 2001] de Mathelin, M. (2001). Commande Adaptative et Applications.
Herms Science.
[Demailly, 2006] Demailly, J. (2006). Analyse numrique et quations direntielles.
EDP Sciences.
[Diop et al., 2001] Diop, S., ans P. Moraal, I. K., and van Nieuwstadt, M. (2001).
Preserving stability/performance when facing an unknown time delay. Control
Engineering Practice, 9 :13191325.
[Diop and Fliess, 1991] Diop, S. and Fliess, M. (1991). Nonlinear observability, identiability and persistent trajectories. In Proceedings of the 30th Conference on
Decision and Control, pages 714719.
[Distefano and Cobelli, 1980] Distefano, I. and Cobelli, C. (1980). On parameter
and structural identiability : nonunique observability / reconstructibility for identiable systems, others ambiguities, and news denitions. IEEE Transactions on
Automatic Control, 25 :830833.
[Drakunov et al., 2006] Drakunov, S., Perruquetti, W., Richard, J.-P., and Belkoura,
L. (2006). Delay identication in time-delay systems using variable structure
observers. Annual Reviews in Control, 30 :143158.
[Draper and Smith, 1981] Draper, N. and Smith, H. (1981). Applied Regression
Analysis. Second Edition, John Wiley and Sons.
[Dupraz, 1977] Dupraz, J. (1977). La thorie des distributions et ses applications.
Cepadues-Editions.
[Eiben and Smith, 2003] Eiben, A. and Smith, J. (2003). Introduction to evolutionary computing. Spring.
[Elnagger, 1997] Elnagger, A. (1997). On line parameter estimation of the laguerre
functions. In Proceedings of the 36th, Conference on Decision and Control, pages
12731276, San Diego, California, USA.
143
BIBLIOGRAPHIE
[Elnagger et al., 1990] Elnagger, A., Dumont, G., and Elshafei, A.-L. (1990). System
identication and adaptive control based on a variable regression for systems
having unknown delay. In Proceedings of the 29th IEEE Conference on Decision
and Control, volume 3, pages 14451450, Honolulu, Hawaii, U.S.A.
[Emile et al., 1995] Emile, B., Comon, P., and Leroux, J. (1995). Estimation of
time delays between wide-band sources. In Proc. of the IEEE-ATHOS workshop
on High-Order Statistics, pages 111115, Begur, Girona, Spain.
[Engell et al., 2002] Engell, S., Frehse, G., and Schnieder, E. (2002). Modelling,
analysis, and design of hybrid systems. Spring.
[Engell et al., 2003] Engell, S., Guguen, H., and Zaytoon, J., editors (2003). Analysis and design of hybrid systems, Lecture Notes in Computer Science. Springer.
[Evans et al., 1998] Evans, C., Rees, D., and Hill, D. (1998). Frequency-domain
identication of gas turbine dynamics. IEEE Transactions on Control Systems
Technology, 6(5) :651662.
[Eykho, 1974] Eykho, P. (1974). System identication - Parameter and state
estimation. Wiley and Sons.
[Fernandes and Ferreira, 1996] Fernandes, J. and Ferreira, A. (1996). An all-pass
approximation to time delay. In UKACC International Conference on Control.
Control 96, volume 2, pages 12081213.
[Ferreira and Fernandes, 1997] Ferreira, A. and Fernandes, J. (1997). A survey on
time delay system estimation. In Proceedings of the European Control Conference,
Bruxelles, Belgium.
[Ferretti et al., 1991] Ferretti, G., Maezzoni, C., and Scattolini, R. (1991). Recursive estimation of time delay in sampled systems. Automatica, 27(4) :653661.
[Ferretti et al., 1995] Ferretti, G., Maezzoni, C., and Scattolini, R. (1995). The
recursive estimation of time delay in sampled-data control systems. Control and
Dynamic Systems, 73 :159206.
[Fliess, 2006] Fliess, M. (2006). Analyse non standard du bruit. C.R. Acad. Sci.
Paris, 342 :797802.
[Fliess, 2008] Fliess, M. (2008). Non-linear estimation is easy. Int.J. Modelling
Identication and Control, 4(1) :1227.
[Fliess et al., 2010] Fliess, M., Join, C., and Mboup, M. (2010). Algebraic changepoint detection. Applicable Algebra in Engineering, Communication and Computing, 21(2) :131143.
[Fliess et al., 2004] Fliess, M., Join, C., and Sira-Ramirez, H. (2004). Robust residual generation for linear fault diagnosis : an algebraic setting with examples.
International Journal of Control, 77 :12231242.
[Fliess and Sira-Ramirez, 2003] Fliess, M. and Sira-Ramirez, H. (2003). An algebraic framework for linear identication. ESAIM Control Optim., 9 :151168.
[Fliess and Sira-Ramirez, 2008] Fliess, M. and Sira-Ramirez, H. (2008). Closed-loop
parametric identication for continuous-time linear systems via new algebraic
techniques. Identication of Continuous-time Models from Sampled Data Springer
(Ed.), pages 363391.
144
B.0. BIBLIOGRAPHIE
[Fridman and Shaked, 2003] Fridman, F. and Shaked, U. (2003). Special issue on
time-delay systems. International Journal of Robust and Nonlinear Control,
13(9) :791192.
[Gao and ODwyer, 2001] Gao, R. and ODwyer, A. (2001). Comparison of two bpolynomial methods : application to the identication of time delayed processes. In
Proceedings of the Irish Signals and Systems Conference, NUI Maynooth, Ireland,
June.
[Garnier et al., 2006] Garnier, H., Gilson, M., and Bastogne, T. (2006). Identication de modles paramtriques temps continu. mthodes, outil logiciel et
avantages. In Journes Identication et Modlisation Exprimentale, JIME2006,
Poitiers, France.
[Garnier et al., 2008] Garnier, H., Gilson, M., and Bastogne, T. (2008). Identication de modles temps continu. mthodes et dveloppements rcents. Journal
Europen des Systmes Automatiss, nspcial "Identication des Systmes", 42(23) :233260.
[Garnier et al., 2003] Garnier, H., Mensler, M., and Richard, A. (2003). Continuoustime model identication from sampled data : implementation issues and performance evaluation. Int. J. Control, 76(13) :13371357.
[Garnier et al., 2007] Garnier, H., Mensler, M., T.Bastogne, and Richard, A. (2007).
Identication de modles paramtriques temps continu. Techniques de lingnieur, S 7140 :117.
[Garnier and Wang, 2008] Garnier, H. and Wang, L. (2008). Identication of
Continuous-Time Model Identication from Sampled Data. Springer.
[Garnier and Young, ] Garnier, H. and Young, P. Time-domain approaches to
continuous-time model identication of dynamical systems from sampled data.
Technical report, Centre de Recherche en Automatique de Nancy.
[Gawthrop and Nihtila, 1985] Gawthrop, P. and Nihtila, M. (1985). Identication of
time delays using a polynomial identication method. Systems & Control Letters,
North-Holland, 5 :267271.
[Gawthrop et al., 1989] Gawthrop, P., Nihtila, M., and Rad, A. (1989). Recursive
parameter estimation of continuous systems with unknown time delay. Control
Theory Adv. Technol., 5 :227248.
[Gedouin et al., 2009] Gedouin, P., Join, C., Delaleau, E., Bourgeot, J., Chirani, S.,
and Calloch, S. (2009). A new control strategy for shape memory alloys actuators.
In 8th European Symposium on Martensitic Transformations (ESOMAT 2009),
Prague, Czech Republic.
[Glover and Partington, 1987] Glover, K. and Partington, J. (1987). Bounds on
the achievable accuracy in model reduction. In Proceedings of NATO Advanced
Research Workshop on Modelling, robustness and sensitivity reduction in control
systems.
[Gollu and Varaiya, 1989] Gollu, A. and Varaiya, P. (1989). Hybrid dynamical systems. In 28th IEEE Conference on Decision and Control.
145
BIBLIOGRAPHIE
[Goodwin and Payne, 1977] Goodwin, G. and Payne, R. (1977). Dynamic system
identication. Experiment design and data analysis. Academic Press.
[Gorecki, 1989] Gorecki, H. (1989). Analysis and Synthesis of Time Delay Systems.
John Wiley Sons.
[Gu et al., 2003] Gu, K., Kharitonov, V., and Chens, J. (2003). Stability of timedelay systems. Birkhauser, Boston.
[Hachino et al., 1996] Hachino, T., Yang, Z., and Tsuji, T. (1996). On-line identication of continuous time-delay systems using the genetic algorithm. Electrical
Engineering in Japan, 116 :115126.
[Haddad et al., 1999] Haddad, W., Chellaboina, V., and Kablar, N. (1999). Nonlinear impulsive dynamical systems. i. stability and dissipativity. In Decision and
Control, 1999. Proceedings of the 38th IEEE Conference, volume 5, pages 4404
4422, Phoenix, AZ, USA.
[Haddad et al., 2006] Haddad, W., Chellaboina, V., and Nersesov, G. (2006). Impulsive and hybrid dynamical systems : stability, dissipativity, and control. Princeton
Series in Applied Mathematics.
[Henzinger and Sastry, 1998] Henzinger, T. and Sastry, S., editors (1998). First International Workshop, HSCC98, Berkeley, California, USA, April 13-15, 1998,
Proceedings, volume 1386 of Lecture Notes in Computer Science. Springer.
[Hespanha et al., 2007] Hespanha, J., Naghshtabrizi, P., and Xu, Y. (2007). A survey of recent results in networked control systems. Proceedings of the IEEE,
95(1) :138162.
[Hocine, 2006] Hocine, A. (2006). Estimation dtat et diagnostic de systmes commutation par ltrage multi-modle. PhD thesis, Institut National Polytechnique
de Lorraine.
[Huang and Clement, 1982] Huang, C. and Clement, W. (1982). Parameter estimation for the second-order-plus-dead-time model. Ind. Eng. Chem. Process Des.
Dev, 21 :601603.
[Huang and Clement, 1993] Huang, C. and Clement, W. (1993). Estimation of the
second order parameters from the process transients by simple calculation. Ind.
Eng. Chem. Res., 32 :228230.
[Hubert, 2008] Hubert, A. (2008). Commande des systmes : introduction la modlisation et au contrle des systmes automatiques. Presses Universitaires de
Franche-Comt.
[Jalali and Jordan, 1991] Jalali, S. and Jordan, J. (1991). Identication of all pole
systems with hermite modulating functions continuous time models. In IEE
Control.
[Jedrzejewski, 2005] Jedrzejewski, F. (2005). Introduction aux mthodes numriques.
Springer Verlag.
[Johansson, 1994] Johansson, R. (1994). Identication of continuous time models.
IEEE Transactions on Signal Processing, 42 :887897.
[Johnson, 1981] Johnson, T. (1981). Analytic models of multistage processes. In
IEEE Conference of Decision and Control, San Diego, Californie.
146
B.0. BIBLIOGRAPHIE
[Jordan et al., 1990] Jordan, J., Jalali, S., and Mackie, R. (1990). System identication with hermite modulating functions. Control Theory and Applications, IEE
Proceedings D, 137(2) :8793.
[Keyser, 1986] Keyser, R. D. (1986). Adaptive dead-time estimation. In 2nd IFAC
Workshop on Adaptive Systems in Control and Signal Processing, Lund, Sweden.
[Kolmanovskii and Myshkis, 1999a] Kolmanovskii, V. and Myshkis, A. (1999a). Applied theory of functional dierential equations, volume 85. Dordrecht, Boston,
Kluwer Academic Publishers.
[Kolmanovskii and Myshkis, 1999b] Kolmanovskii, V. and Myshkis, A. (1999b). Introduction to the theory and applications of functional dierential equations. Dordrecht, Boston, Kluwer Academic Publishers.
[Kolmanovskii et al., 1999] Kolmanovskii, V., Niculescu, S., and Gu, K. (1999). Delay eects on stability :a survey. In In 38th IEEE CDC99, Conference on decision
and control, pages 19931998, Phoenix, AZ.
[Ksouri and Borne, 1999] Ksouri, M. and Borne, P. (1999). La commande par calculateur : application aux procds industriels. Editions Technip, Paris.
[Kurz and Goedecke, 1981] Kurz, H. and Goedecke, W. (1981). Digital parameteradaptive control of process with unknown dead time. Automatica, 7 :245252.
[Lakshmikantham et al., 1989] Lakshmikantham, V., Bainov, D., and Simeonov, P.,
editors (1989). Theory of impulsive dierential equations, volume 6 of Modern
Applied Mathematics. World Scientic Pub Co Inc.
[Landau, 1993] Landau, I. (1993). System Identication and Control Design. Herms.
[Landau, 1998] Landau, I. (1998). Identication Des Systmes. Herms, Paris.
[Landau and Besanon-Voda, 2001] Landau, I. and Besanon-Voda, A. (2001).
Identication des systmes. Herms, Paris.
[Li et al., 2005] Li, Z., Soh, Y., and Wen, C., editors (2005). Switched and impulsive systems : analysis, design and applications, volume 2034 of Lecture Notes in
Computer Science. Springer.
[Liang and Feeny, 2006] Liang, Y. and Feeny, B. (2006). Parametric identication
of a base-excited single pendulum. Nonlinear Dynamics, 46 :1729.
[Liberzon, 2003] Liberzon, D. (2003). Switching in Systems and Control, Systems
and Control : Foundation and Applications. Birkhuser.
[Liu, 1990] Liu, G. (1990). Adaptive predictor control for slowly time-varying systems with variable time delay. Advances in Modelling and Simulation, 20 :921.
[Liu et al., 2007] Liu, M., Wang, Q., B.Huang, and Hang, C. (2007). Improved
identication of continuous-time delay processes from piecewise step tests. Journal
of Process Control, 17 :5157.
[Ljung, 1987] Ljung, L. (1987). System identication : theory for the user. PrenticeHall Inc.
[Ljung, 1997] Ljung, L. (1997). Identication problems in functionnal dierential
equations. In Proc. 36th conf. on Decision and Control, pages 44094413.
147
BIBLIOGRAPHIE
[Ljung, 1999] Ljung, L. (1999). System Identication - Theory For the User (2nd
Edition). PTR Prentice Hall, Upper Saddle River, N.J.
[Ljung, 2002] Ljung, L. (2002). Identication for control : simple process models.
In Proceedings of the 41st IEEE Conference on Decision and Control, volume 4,
pages 46524657, Las Vegas, Nevada USA.
[Ljung, 2003] Ljung, L. (2003). Identication for control : Simple process models.
Technical report, Linkopings universitet, Linkoping, Sweden.
[Loiseau et al., 2009] Loiseau, J., Michiels, W., Niculescu, S., and Sipahi, R. (2009).
Topics in Time Delay Systems, volume 388. Lecture Notes in Control and Information Sciences.
[Longchamp, 2006] Longchamp, R. (2006). Commande numrique des systmes dynamiques : cours dautomatique. Presses Polytechniques et Universitaires Romandes.
[Luke, 1975] Luke, Y. (1975). Mathematical functions and their approximations.
Academic Press.
[Lunel, 2001] Lunel, S. (2001). Parameter identiability of dierential delay equations. International Journal of Adaptive Control and Signal Processing, 15 :655
678.
[Lygeros, 2004] Lygeros, J., editor (2004). Lecture Notes on Hybrid Systems, volume
2034. Department of Electrical and Computer Engineering University of Patras.
[Lygeros et al., 2003] Lygeros, J., Johansson, K., Simic, S., Zhang, J., and Sastry,
S. (2003). Dynamical properties of hybrid automata. IEEE Transactions on
[Makila and Partington, 1999] Makila, P. and Partington, J. (1999). Laguerre and
kautz shift approximations of delay systems. International Journal of Control,
72 :932946.
[Malek-Zavarei and Jamshidi, 1987] Malek-Zavarei, M. and Jamshidi, M. (1987).
Time-delay systems : analysis, optimization, and applications. North-Holland.
[Man et al., 1999] Man, K., Tang, K., and Kwong, S. (1999). Genetic algorithms :
concepts and designs, volume 1. Springer.
[Marshall, 1979] Marshall, J. (1979). Control of time-delay systems. 10. IEE Control
Engineering, Peter Peregrinus Ltd.
[Marshall, 1980] Marshall, J. (1980). Identication strategies for time delay systems.
In H. Unbehauen (Ed.), Lecture Notes in Control and Information Sciences :
Methods and Applications of Adaptive Control, Springer-Verlag, Berlin, 24.
[Mascolo, 1999] Mascolo, S. (1999). Congestion control in high speed communication
networks using the smith principle. Automatica.
[Matveev and Savkin, 2000] Matveev, A. and Savkin, A. (2000). Qualitative theory
of hybrid dynamical systems. Birkhauser Boston.
[Mboup et al., 2008] Mboup, M., Join, C., and Fliess, M. (2008). A delay estimation
approach to change point detection. In 16th Medit. Conf. Control Automat.
148
B.0. BIBLIOGRAPHIE
[Mensler, 1999] Mensler, M. (1999). Analyse et tude comparative de mthodes

didentication des systmes reprsentation continue. Dveloppement dune bote
outils logicielle. PhD thesis, Universit de Nancy 1, Nancy, FRANCE.
[Mercre et al., 2006] Mercre, G., Ouvrard, R., Gilson, M., and Garnier, H. (2006).
Identication de systmes multivariables temps continu par approche des sousespaces. In Journes Identication et Modlisation Exprimentale JIME2006,
Poitiers.
[Nakagiri and Yamamoto, 1995] Nakagiri, S. and Yamamoto, M. (1995). Unique
identication of coecient matrices, time delay and initial functions of functionnal
dierential equations. Journal of Mathematical Systems, Estimation and Control,
5(3) :323344.
[Niculescu, 2001] Niculescu, S. (2001). Delay eects on stability : a robust control
approach. Springer Verlag, London.
[Niculescu and Gu, 2004] Niculescu, S. and Gu, K. (2004). Advances in Time-Delay
Systems, volume 38. Lecture Notes in Computational Science and Engineering.
[Niemeyer, 1996] Niemeyer, G. (1996). Using wave variables intime delayed force
reHecting teleoperation. PhD thesis, MIT.
[Niemeyer and Slotine, 1998] Niemeyer, G. and Slotine, J. (1998). Towards forcerevecting teleoperation over the internet. In In IEEE international conference on
robotics and automation, pages 19091915, Leuven, Belgium.
[Noiret, 2000] Noiret, C. (2000). Utilisation du calcul formel pour lidentiabilit
de modles paramtriques et nouveaux algorithmes en estimation de paramtres.
PhD thesis, Universit de Technologie de Compigne.
[Nuninger et al., 2006] Nuninger, W., Perruquetti, W., and Richard, J.-P. (2006).
Bilan et enjeux des modles de frottements : tribologie et contrle au service de la
scurit des transports. In 5e Journes Europennes du Freinage, JEF06, Lille,
France.
[Nuninger et al., 2007] Nuninger, W., Perruquetti, W., and Richard, J.-P. (2007).
Parametric identication of input-delay systems with unknown time delay. In
Proceedings of the 26th Chinese Control Conference, Zhangjiajie, Hunan, China.
[ODwyer, 1992] ODwyer, A. (1992). A comparison of techniques for time delay
estimation. Masters thesis, Dublin City University, Dublin 9, Ireland.
[ODwyer, 1993] ODwyer, A. (1993). A comparison of techniques for time delay estimation. In Proceedings of the Irish Colloquium on DSP and Control, Cambridge,
Englend.
[ODwyer, 1996] ODwyer, A. (1996). The estimation and compensation of processes
with time delays. PhD thesis, Dublin City University, Dublin 9, Ireland.
[ODwyer, 1999] ODwyer, A. (1999). A classication of techniques for the estimation of the model parameters of a time delayed process. In Proceedings of the Irish
Signals and Systems Conference, National University of Ireland, Galway, Ireland.
[ODwyer, 2000a] ODwyer, A. (2000a). Open loop time domain gradient methods
for parameter and delay estimation. In Technical Report, Dublin Institute of
Technology, Kevin St., Dublin, Ireland.
149
BIBLIOGRAPHIE
[ODwyer, 2000b] ODwyer, A. (2000b). Time delayed process model parameter estimation : a classication of techniques. In Proceedings of the UKACC International
Conference on Control 2000, Cambridge, Englend.
[Oku, 2003] Oku, H. (2003). Application of a recursive subspace identication algorithm to change detection. In 13th IFAC Symposium on System Identication.
[Orlov et al., 2002] Orlov, Y., Belkoura, L., Dambrine, M., and Richard, J.-P.
(2002). On identiability of linear time-delay systems. IEEE Transactions on
[Paoletti et al., 2007] Paoletti, S., Juloski, A., Ferrari-Trecate, G., and Vidal, R.
(2007). Identication of hybrid systems : a tutorial. European journal of control,
13 :249268.
[Pekpe, 2004] Pekpe, K. (2004). Identication par les techniques des sous-espaces :
application au diagnostic. PhD thesis, Institut National Polytechnique de Lorraine.
[Peleties and and, 1989] Peleties, P. and and, R. D. (1989). A modelling strategy
with event structures for hybrid systems. In 28th IEEE Conference on Decision
and Control.
[Pereira et al., 2009] Pereira, E., Trapero, J., Daz, I., and Feliu, V. (2009). Adaptive
input shaping for manoeuvring exible structures using an algebraic identication
technique. Automatica, 45 :10461051.
[Perruquetti and Barbot, 2002] Perruquetti, W. and Barbot, J. (2002). Sliding mode
control in engineering. Marcel Dekker, Inc. New York, NY, USA.
[Petit, 1995] Petit, R. (1995). Loutil mathmatique. Enseignement de la physique,
Masson.
[Pich, 1990] Pich, R. (1990). Low-order rational all pass approximations to e-s. In
Proceedings of the 11th IFAC World Congress on Automatic Control, volume 2,
pages 134137, Tallinn, Estonia.
[Qian et al., 2008] Qian, Q., Wei, H., Yixin, Z., Qiang, H., Qiaoli, H., and Lin, X.
(2008). System identication of the double inverted pendulum based on genetic
algorithm. In 2nd International Symposium on Systems and Control in Aerospace
and Astronautics, ISSCAA 2008.
[Quarteroni et al., 2000] Quarteroni, A., Sacco, R., and Saleri, F. (2000). Mthodes
numriques pour le calcul scientique : programmes en MATLAB. Springer.
[QuenecHdu et al., 1994] QuenecHdu, Y., Gueguen, H., and Buisson, H. (1994).
Les systmes hybrides : une nouvelle problmatique. In ADPM94 Symposium.
[QuenecHdu and Zaytoon, 2001] QuenecHdu, Y. and Zaytoon, J. (2001). Systmes
dynamiques hybrides, chapter Introduction, pages 2327. Herms Science publications, Paris.
[Rad et al., 1995] Rad, A., Tsang, K., and Lo, W. (1995). Adaptive control of dominant time delay systems via polynomial identication. IEE Proc : Control Theory
Appl, 142 :433438.
[Rake, 1980] Rake, H. (1980). Step response and frequency response methods. Automatica, 16 :519526.
150
B.0. BIBLIOGRAPHIE
[Ramakrishnan and Chidambaram, 2006] Ramakrishnan, V. and Chidambaram, M.

(2006). Estimation of a soptd transfer function model using a single asymmetrical
relay feedback test. Computers and Chemical Engineering, 27 :17791784.
[Rangaiah and Krishnaswamy, 1994] Rangaiah, G. and Krishnaswamy, P. (1994).
Estimating second-order plus dead time model parameters identication of
continuous-time systems. Ind. Eng. Chem. Res., 33 :18671971.
[Rao and Unbehauen, 2006] Rao, G. and Unbehauen, H. (2006). Identication of
continuous-time systems. IEE Proc.-Control Theory Appl., 153(2) :185219.
[Reeves and Rowe, 2003] Reeves, C. and Rowe, J. (2003). Genetic algorithms : principles and perspectives : a guide to GA theory. Kluwer Academic Publishers.
[Reid, 1977] Reid, J. (1977). Structural identiability in linear timeinvariant systems. IEEE Transactions on Automatic Control, 22 :14181422.
[Ren and Rad, 2007] Ren, X. and Rad, A. (2007). Identication of nonlinear systems
with unknown time delay based on time-delay neural networks. IEEE transactions
on neural networks, 18(9) :15361541.
[Ren et al., 2005] Ren, X., Rad, A., Chan, P., and Lo, W. (2005). On line identication of continuous- time systems with unknown time delay. IEEE Tac, 50(9) :1418
1422.
[Richalet et al., 1991] Richalet, J., Rault, A., and Pouliquen, R. (1991). Identication des processus par la mthode du modle. Gordon Breach, Londres.
[Richard and Divoux, 2007] Richard, J. and Divoux, T. (2007). Systmes commands en rseau. Herms-Lavoisier.
[Richard, 1998] Richard, J.-P. (1998). Some trends and tools for the study of time
delay systems. In In Second conference IMACS-IEEE CESA98, computational
engineering in systems applications, Plenary lecture, pages 2743.
[Richard, 2000] Richard, J.-P. (2000). Linear time delay systems :some recent advances and open problems. In In Second IFAC workshop on linear time delay
systems, Plenary lecture.
[Richard, 2003] Richard, J.-P. (2003). Time delay systems : An overview of some
recent advances and open problems. Automatica, 39 :16671694.
[Rioul, 2008] Rioul, O. (2008). Thorie des distributions, transforme de fourier et
convolution. Technical report, cours abrg, Dpt. Comelec, TELECOM ParisTech.
[Rodier, 1993] Rodier, F. (1993). Distributions et Transformation de Fourier. Ediscience international.
[Roe et al., 2007] Roe, J., Gaoy, R., and ODwyer, A. (2007). Identication of a
time-delayed process model using an overparameterisation method. In IET Conference Publications.
[Roy et al., 1991] Roy, S., Malik, O., and Hope, G. (1991). Adaptive control of
plants using all-zero model for dead-time identication. In IEE PROCEEDINGSD, volume 138.
151
BIBLIOGRAPHIE
[Rudolph and Woittennek, 2008] Rudolph, J. and Woittennek, F. (2008). An algebraic approach to parameter identication in linear innite dimensional systems.
In In IEEE Mediterranean Conference on Control and Automation, pages 332
337, Ajaccio, France.
[Saccomani and Cobelli, 1992] Saccomani, M. and Cobelli, C. (1992). Qualitative
Experiment Design in Physiological System Identication. IEEE Control Systems.
[Sagara and Zhao, 1991] Sagara, S. and Zhao, Z. (1991).
Identication of
continuous-time systems, methodology and computer implementation, chapter Application of digital ltering techniques, pages 291324. Kluwer Academic Publishers.
[Saha et al., 1991] Saha, D., Bapat, V., and Roy, B. (1991). Identication of
continuous-time systems, methodology and computer implementation, chapter The
poisson moment functional technique-Some new results, pages 327361. Kluwer
Academic Publishers.
[Schoukens et al., 1994] Schoukens, J., Pintelon, R., and hamme, H. V. (1994). Identication of linear dynamic systems using piecewice constant excitations : Use,
misuse and alternatives. Automatica, 30(7) :11531169.
[Schwartz, 1966] Schwartz, L. (1966). Thorie des distributions. 2nd ed. Hermann,
Paris.
[Sderstrm and Mahata, 2000] Sderstrm, T. and Mahata, K. (2000). On instrumental variable and total least squares approaches for identication of noisy
systems. International Journal of Control, 75(6) :381389.
[Sderstrm and Stoica, 2000] Sderstrm, T. and Stoica, P. (2000). Instrumental
variable methods for system identication. Circuits, Systems, and Signal Processing, 21(1) :19.
[Seborg et al., 1989] Seborg, D., Edgar, T., and Mellichamp, D. (1989). Process
dynamics and control. John Wiley and Sons.
[Seuret, 2006] Seuret, A. (2006). Commande et observation des systemes a retards
variables : theorie et applications. PhD thesis, Ecole Centrale de Lille.
[Shin et al., 2007] Shin, G., Song, Y., Lee, T., and Choi, H. (2007). Genetic algorithm for identication of time delay systems from step responses. International
Journal of Control, Automation, and Systems, 5(1) :7985.
[Sibille et al., 2000] Sibille, P., Mensler, M., and Garnier, H. (2000). Evaluation comparative des performances de la mthode des moments partiels rinitialiss pour
lidentication de modles temps continu. In 1re Confrence Internationale
Francophone dAutomatique (CIFA2000), pages 724729, Lille.
[Silva et al., 2001] Silva, G., Datta, A., and Bhattacharyya, S. (2001). Controller
design via pade approximation can lead to instability. In In 40th IEEE CDC01,
Conference on decision and control, pages 47334737, Orlando, FL.
[Sinbrot and Field, 1957] Sinbrot, M. and Field, M. (1957). On the analysis of linear
and non linear systems. Trans. on the ASME, 79 :547552.
[Sinha, 1991] Sinha, N. (1991). A least square based model-tting identication
technique for diesel prime movers with unknown dead time. IEEE Transactions
on Energy Conversion, 6(2) :251256.
152
B.0. BIBLIOGRAPHIE
[Sinha, 2000] Sinha, N. (2000). Identication of continuous-time systems from

samples of inputoutput data : An introduction. Sadhana, 25(2) :7583.
[Sinha and Rao, 1991] Sinha, N. and Rao, G. (1991). Identication of continuoustime systems, methodology and computer implementation. Kluwer Academic Publishers.
[Sivanandam and Deepa, 2007] Sivanandam, S. and Deepa, S. (2007). Introduction
to genetic algorithms. Springer.
[Smyth, 1998] Smyth, G. (1998). Polynomial approximation. Encyclopedia of Biostatistics.
[Soderstrom and Stoica, 1989] Soderstrom, T. and Stoica, P. (1989). System Identication. Prentice-Hall.
[Strejc, 1959] Strejc, V. (1959). Nherungsverfahren fr aperiodische bergangscharakteristiken. Regelungstechnik, 7 :124128.
[Sun and Ge, 2005] Sun, Z. and Ge, S. (2005). Switched Linear Systems : Control
And Design. Springer-Verlag, London.
[Taarit et al., 2010] Taarit, K. I., Belkoura, L., and Ksouri, M. (2010). Estimation en ligne par approche algbrique : application au cas des frottements secs.
In CIFA 2010, Sixime Confrence Internationale Francophone dAutomatique,
Nancy, France.
[Taarit et al., 2011] Taarit, K. I., Belkoura, L., Ksouri, M., and Richard, J.-P.
(2011). A fast identication algorithm for systems with delayed inputs. International Journal of System Sciences, 42(3) :449456.
[Taarit et al., 2007] Taarit, K. I., Laabidi, K., Belkoura, L., Ksouri, M., and Richard,
J.-P. (2007). Identication algbrique des systmes retard : Application une
souerie de schage. In STA07, 8th international conference on Sciences and
Techniques of Automatic control, Hammamet, Tunisie, Hammamet, Tunisie.
[Tan, 2004] Tan, Y. (2004). Time varying time delay estimation for nonlinear systems using neural networks. Int. J. Appl. Math. Comput. Sci., 14 :6368.
[Teng and Sirisena, 1988] Teng, F. and Sirisena, H. (1988). Self-tuning pid controllers for dead time process. IEEE Transactions on Industrial Electronics, 35 :119
125.
[Thomassin, 2005] Thomassin, M. (2005). Estimation de retard dans des conditions
exprimentales passives ; application lidentication de bief de rivire. PhD thesis, Universit Henri Poincar, Nancy 1.
[Tian et al., 2009] Tian, Y., Floquet, T., Belkoura, L., and Perruquetti, W. (2009).
Algebraic switching time identication for a class of linear hybrid systems. In
ADHS09.
[Tian et al., 2008] Tian, Y., Floquet, T., and Perruquetti, W. (2008). Fast state
estimation in linear time-varying systems : an algebraic approach. In 47th IEEE
Conference on Decision and Control, pages 332337, Cancun, Mexico.
[Tohome, 2008] Tohome, E. (2008). Initialization of Output Error Identication
Algorithms. PhD thesis, Ecole Suprieure dIngnieurs de Poitiers.
153
BIBLIOGRAPHIE
[Trigeassou, 1987] Trigeassou, J. (1987). Contribution lextension de la mthode

des moments en automatique. Application lidentication des systmes linaires.
PhD thesis, Universit de Poitiers, France.
[Trigeassou and Poinot, 2001] Trigeassou, J. and Poinot, T. (2001). Identication
des systmes, chapter Identication des systmes reprsentation continue, pages
177212. Herms, Paris.
[Tuch et al., 1994] Tuch, J., A.Feuer, and Palmor, Z. (1994). Time delay estimation
in continuous linear timeinvariant systems. I.E.E.E. Trans.on Automatic control,
39 :823827.
[Unbehauen and Rao, 1987] Unbehauen, H. and Rao, G. (1987). Identication of
continuous systems. Systems and control series, North-Holland, Amsterdam.
[Unbehauen and Rao, 1997] Unbehauen, H. and Rao, G. (1997). Identication of
continuous-time systems : a tutorial. In 11th IFAC Symposium on System Identication, pages 10231049, Fukoka, Japan.
[Unbehauen and Rao, 1998] Unbehauen, H. and Rao, G. (1998). A review of identication in continous-time systems. Annual Reviews in Control, 22 :145171.
[Utkin, 2002] Utkin (2002). Sliding mode control in engineering. Marcel Dekker,
Inc. New York, NY, USA.
[Veysset, 2006] Veysset, F. (2006). Modlisation et identication de comportements
de lavion en vol turbulent par modles retards. PhD thesis, Ecole Centrale de
Lille, France.
[Vidal et al., 2003] Vidal, R., Soatto, S., Ma, Y., and Sastry, S. (2003). An algebraic
geometric approach to the identication of a class of linear hybrid systems. In n
Proc. of the 42nd IEEE Conf. on Decision and Control (CDC).
[Villagra et al., 2009] Villagra, J., Dandrhea-novel, B., Choi, S., M.Fliess, and Mounier, H. (2009). Robust stop-and go control strategy : an algebraic approach for
nonlinear estimation and control. International Journal of Vehicle Autonomous
Systems, 7 :270291.
[Vose, 1999] Vose, M. (1999). The simple genetic algorithm : foundations and theory.
The MIT Press.
[Walter and Pronzato, 1996] Walter, E. and Pronzato, L. (1996). On the identiability and distinguishability of nonlinear parametric models. Mathematics and
Computers in Simulation, 42 :125134.
[Wang et al., 2004] Wang, M., Chen, X., and Qian, J. (2004). Delay system identication using global optimization methods. In Proceedings of the Third International Conference on Machine Leaming and Cyhemetics, volume 2, pages 701705,
Shanghai.
[Wang et al., 2001a] Wang, Q., Guo, X., and Zhang, Y. (2001a). Direct identication of continous time delay systems from step responses. Journal of Process
Control, 11 :531542.
[Wang et al., 2001b] Wang, Q., Guo, X., and Zhang, Y. (2001b). Robust identication of continuous systems with dead-time from step responses. Annual Reviews
in Control, 37 :377390.
154
B.0. BIBLIOGRAPHIE
[Wang et al., 2008] Wang, Q., Liu, M., and Hang, C. (2008). Integral identication
of continuous-time delay systems in the presence of unknown initial conditions
and disturbances from step tests. Ind. Eng. Chem. Res., 47 :49294936.
[Watanabe et al., 1996] Watanabe, K., Nobuyama, E., and Kojima, K. (1996).
Recent advances in control of time-delay systems a tutorial review. In In 35th
IEEE CDC96, Conference on decision and control, pages 11931198, Kobe, Japan.
[Witsenhausen, 1966] Witsenhausen, H. (1966). A class of hybrid state continuous
time dynamic systems. IEEE Transactions on Automatic Control, 11(2) :161167.
[Wong and Bayoumi, 1982] Wong, K. and Bayoumi, M. (1982). A self-tuning control
algorithm for systems with unknown time delay. In Proc. IFAC Identication and
System Parameter Estimation Conference, pages 11931198, Washington, DC ;
United Kingdom.
[Yamamoto, 1984] Yamamoto, Y. (1984). A note on linear input/output maps of
boundedtype. IEEE Transactions on Automatic Control, 29 :733734.
[Yang et al., 2008] Yang, Y., Wang, Y., and Shuang-Hua, Y. (2008). Design of a
networked control system with random transmission delay and uncertain process
parameters. International Journal of Systems Science, 39 :10651074.
[Yang et al., 1997] Yang, Z., Hachino, T., and Tsuji, T. (1997). On-line identication
of continuous time-delay systems combining leastsquares techniques with a genetic
algorithm. International Journal of Control, 66(1) :2342.
[Yang et al., 2003] Yang, Z., Iemura, H., Shunshoku, K., and Wada, K. (2003). Identication of continous time systems with unknown time delay by non linear least
square and instrumental variable methods. In IFAC.
[Yang et al., 2007] Yang, Z., Iemura, H., Shunshoku, K., and Wada, K. (2007). Identication of continuous-time systems with multiple unknown time delays by global
nonlinear least-squares and instrumental variable methods. Automatica, 43 :1257
1264.
[Young, 2007] Young, P. (2007). Parameter estimation for continuous-time models
- a survey. Automatica, 17(1) :2339.
[Young and Garnier, 2006] Young, P. and Garnier, H. (2006). Identication and
estimation of continuous-time data-based mechanistic models for environmental
systems. Environmental Modelling and Software, 21(8) :10551072.
[Zabic, 2005] Zabic, S. (2005). Impulsive systems. PhD thesis, Louisiana State
University, Baton Rouge, Louisiana, USA.
[Zampieri, 2008] Zampieri, S. (2008). Trends in networked control systems. In Proceedings of the 17th World Congress, the International Federation of Automatic
Control, Seoul, Korea.
[Zaytoon, 2001] Zaytoon, J. (2001). Systmes dynamiques hybrides. Hermes Science.
[Zaytoon and QuenecHdu, 2001] Zaytoon, J. and QuenecHdu, Y. (2001). Systmes
dynamiques hybrides, chapter Sur la modlisation des systmes hybrides, pages
8791. Herms Science publications, Paris.
155
BIBLIOGRAPHIE
[Zglimbea et al., 2008] Zglimbea, R., Finca, V., and Marin, C. (2008). Identication
of systems with friction via distributions using simplied dahl model. International
Journal of Mathematical Models and Methods in Applied Sciences, 2 :269276.
[Zhang et al., 2001] Zhang, J., Johansson, K., Lygeros, J., and Sastry, S. (2001).
Zeno hybrid systems. Int. J. Robust Nonlinear Control, 11 :435451.
[Zhang et al., 2008] Zhang, Y., Chen, Y., Sheng, T., and Hesketh, T. (2008). Fault
detection and diagnosis of networked control system. International Journal of
Systems Science, 39 :10171024.
[Zhong, 2006] Zhong, Q. (2006). Robust control of time-delay systems. Springer
Verlag, London.
[Ziegler et al., 1942] Ziegler, J., Nichols, N., and Rochester, N. (1942). Optimum
settings for automatic controllers. Trans. ASME, 64 :759768.
[Zito, 2005] Zito, G. (2005). Contribution une mthodologie didentication et
commande des systmes industriels intgre didentication et commande des systmes industriels. PhD thesis, Institut National Polytechnique de Grenoble.
156
Rsum
Les travaux prsents dans cette thse concernent le problme didentication des systmes retards et dune certaine classe de systmes hybrides appels "impulsifs". Dans
la premire partie, un algorithme didentication rapide a t propos pour les systmes
entre retarde, considrs en boucle ouverte, avec un ou plusieurs retards. Il est bas
sur une mthode algbrique destimation non asymptotique initie en 2003 par Fliess et
Sira-Ramirez pour les systmes sans retard. Une telle technique, ici prsente dans un cadre
distributionnel, mne des schmas de ralisation simples, impliquant des intgrateurs, des
multiplicateurs et des fonctions continues par morceaux, polynomiales ou exponentielles.
Plusieurs exemples reprsentatifs de systmes retards sont tudis. La deuxime partie
a t consacre lidentication des systmes impulsifs. En se basant sur le formalisme
des distributions, une procdure didentication a t labore an dannihiler les termes
singuliers des quations direntielles reprsentant ces systmes. Ceci rend possible, une
estimation en ligne des instants de commutation et des paramtres inconnus, sans que la
connaissance des lois de commutation soit ncessaire. Des simulations numriques dun
pendule simple soumis des frottements secs illustrent notre mthodologie.
Mots cls : Systmes retards, identication, identication algbrique, estimation en
ligne, systmes hybrides, systmes impulsifs, thorie des distributions, valeurs propres gnralises.
Absract
This PhD thesis concerns the problem of identication of the delay systems and the
continuous-time systems subject to impulsive terms. Firstly, a fast identication algorithm
is proposed for systems with delayed inputs. It is based on an algebraic, non-asymptotic
estimation technique initiated in the framework of systems without delay by Fliess and
Sira-Ramirez in 2003. Such technique, developed here in the distributional framework,
leads to simple realization schemes involving integrators, multipliers and piecewise polynomial or exponential time functions. Thus, it allows for a real-time implementation. Several
representative examples of delay systems are studied. The second part deals with on-line
identication of a class of impulsive systems. Again in the framework of distributions, a
scheme is proposed in order to annihilate singular terms in the corresponding dierential
equations. As a result, an online estimation of the unknown parameters is provided, regardless of the switching times or the impulse rules. Numerical simulations of simple pendulum
subject to dry friction are illustrating our methodology.
Keywords : Time delay system, identication, algebraic identication, online estimation,
hybrid systems, impulsive systems, distributions theory, generalized eigenvalue problem.
157

IbnTaarit Kaouther DLE PDF

Transféré par

Droits d'auteur :

Formats disponibles

IbnTaarit Kaouther DLE PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

IbnTaarit Kaouther DLE PDF

Transféré par

Droits d'auteur :

Formats disponibles

Contribution `

a lidentification des syst`

To cite this version:

syst`emes hybrides. Sciences de lingenieur [physics]. Ecole Centrale de Lille; Ecole

HAL Id: tel-00587336

HAL is a multi-disciplinary open access

Larchive ouverte pluridisciplinaire HAL, est

ECOLE CENTRALE DE LILLE

Spcialit : Automatique et Informatique Industrielle

Kaouther IBN TAARIT

Contribution lidentication des systmes

Pr., Ecole Nationale dIngnieurs de Tunis

Pr., Universit de Reims-Champagne Ardenne

Pr., Ecole Centrale de Lille

Thse prpare dans le laboratoire LAGIS de lEcole Centrale de Lille et au LACS de

A la mmoire de mes grands parents,

Table des matires

1 Identication des systmes retards et dune classe de systmes

2 Outils mathmatiques : distributions et entres structures

TABLE DES MATIRES

3 Identication algbrique des systmes linaires et retards

4 Identication algbrique pour une classe de systmes hybrides

TABLE DES MATIRES

TABLE DES MATIRES

temps du systme et aux dynamiques qui en sont attendues aprs asservissement :

Identification des systmes

Intrt de lidentication des systmes temps continu

Solutions au problme de drivation pos par les modles temps continu . . . . . . . . . . . . . . . . . . . . .

Les fonctions modulatrices . . . . . . . . . . . . . . . . . .

Les ltres linaires . . . . . . . . . . . . . . . . . . . . . .

Les mthodes intgrales . . . . . . . . . . . . . . . . . . .

Classication des mthodes didentication temps continu 30

Les mthodes du gradient . . . . . . . . . . . . . . . . . .

Les mthodes des moindres carrs . . . . . . . . . . . . . .

Les mthodes de variables instrumentales . . . . . . . . .

Identication des systmes retards . . . . . . . . . . . .

Intrt de lidentication des systmes retards . . . . . .

Classication des mthodes destimation du retard . . . .

Systmes dynamiques hybrides . . . . . . . . . . . . . . .

Principales classes des phnomnes hybrides : classication

Identication des systmes retards et dune classe de systmes hybrides : un tat

Comme nous lavons dj mentionn, dans lintroduction gnrale, le travail ralis

Lidentication est lopration de dtermination des caractristiques dynamiques

1.2. Principe de lidentification

exprimentale consistant mesurer, analyser et corrler les entres et les sorties

Identication des systmes retards et dune classe de systmes hybrides : un tat

Intrt de lidentication des systmes temps

Plusieurs travaux ont discut de limportance de lanalyse, de lidentication et de

1.3. Intrt de lidentification des systmes temps continu

Les paramtres du modle discret sont des combinaisons des paramtres du

Identication des systmes retards et dune classe de systmes hybrides : un tat

A = 3a2 Te2 2aTe + 2 2eaTe ,

B = 2eaTe 3a2 T 2 eaTe + 2aT eaTe 2,

Figure 1.1 Dpendance du zro z1 de Gz (z) de la priode dchantillonnage.

1.3. Intrt de lidentification des systmes temps continu

On remarque lapparition dun zro dans la fonction de transfert discrte.

b2 = e20 Te + e0 Te ( 0 sin(Te ) cos(Te )),

Ce systme dquations reprsente en fait deux quations indpendantes trois

Identication des systmes retards et dune classe de systmes hybrides : un tat