Abstract FR:

La premiere partie du travail de recherche presente dans ce memoire concerne l'etude du concept de sensibilite selective et son application aux domaines de l'identification parametrique et de la condensation de modeles. L'originalite et l'interet de ce concept resident dans les proprietes particulieres conferees aux vecteurs satisfaisant la condition de sensibilite selective, et qui sont a l'origine d'un decouplage des differents parametres associes au modele. Exploitee dans le contexte du recalage de modeles, la sensibilite selective permet de decouper l'espace des parametres a corriger en sous-espaces de petites dimensions qui sont traites separement, enterinant ainsi le probleme du mauvais conditionnement caracteristique des systemes a un nombre eleve d'inconnues. En ce sens, la methode de recalage de modeles fondee sur le concept de sensibilite selective s'inscrit dans la droite ligne des methodes de regularisation a priori. Par ailleurs, l'usage de ce concept en condensation de modeles a conduit a la formulation d'une methode permettant d'obtenir un modele reduit qui, en plus de preserver le comportement dynamique du modele initial dans une certaine bande frequentielle, preserve sa topologie. Cette propriete, particulierement attrayante en optimisation de comportement ou en perturbation de systemes, est la encore le fruit des proprietes selectives des vecteurs formant la base de projection qui lie les reponses des modeles initial et condense. Quant a la deuxieme partie du travail, elle consiste en la recherche de criteres permettant de comparer differents residus classiquement utilises en identification parametrique de modeles. Cette recherche s'inspire du concept de discernabilite de modeles et conduit a l'elaboration d'un critere qui compare les residus sur leurs potentiels respectifs a discerner plusieurs modeles, pour une meme information incomplete et incertaine disponible sur la structure