Abstract FR:

L'objectif de cette thèse est l'étude et le développement de techniques d'observation des systèmes dynamiques non linéaires. Apres avoir rappelé quelques concepts fondamentaux sur la stabilité et l'observabilité des systèmes dynamiques, puis passé en revue les principales techniques d'observation existantes, nous nous sommes intéresses à la synthèse d'estimateurs de type kalman étendu pour les systèmes non linéaires temps-discret. Dans ce contexte, nous avons proposé et étudié la convergence de plusieurs algorithmes : analyse de la convergence du filtre de kalman étendu classique dans un cadre déterministe, synthèse et étude de la convergence d'observateurs de type kalman étendu (oke) d'ordre réduit, synthèse et étude de la convergence d'un oke pour les systèmes non linéaires singuliers, et enfin synthèse et étude de la convergence d'un oke séparé état-biais. Les algorithmes proposés sont simples a mettre en œuvre, fiables, et s'adressent à de larges classes de systèmes non linéaires. L'analyse de la stabilité de chacun d'entre eux repose sur une nouvelle technique de linéarisation exacte au premier ordre du système. La méthode consiste à paramétrer l'analyse de convergence par des matrices diagonales inconnues, modélisant les différents résidus issus de la linéarisation au premier ordre du système. L'introduction d'un tel paramétrage nous a permis de donner des conditions suffisantes de convergence, et d'établir les connections entre le choix de certaines matrices de pondération et l'amélioration des performances des estimateurs. La validité et l'applicabilité de notre approche ont été démontrées, d'abord en simulation sur un problème d'identification non linéaire, puis sur des problèmes d'observation de procèdes physiques tels que les machines asynchrones, les bioprocédés ou le problème de trajectographie passive, et enfin sur des données réelles dans le cadre de l'estimation séparée état-paramètres d'un robot expérimental scara.