Abstract FR:

Le travail présenté dans ce mémoire à pour thème l'identification boite grise de systèmes monovariables ou multivariables représentés sous forme d'état par des modèles à temps continu, non linéaires en les paramètres. Ses contributions sont doubles. Elles concernent d'une part, l'intégration de connaissances à priori pour estimer les paramètres physiques inconnus et leur intervalle d'incertitude. D'autre part, elles traitent de l'apport de cette estimation dans le cadre du diagnostic de systèmes incertains. Ce manuscrit comporte quatre parties. La première introduit la problématique de l'identification boite grise et présente un état de l'art du sujet ainsi qu'une sysntèse des méthodes étudiées. Les hypothèses et outils de travail sont énoncés. La deuxième présente la méthodologie retenue pour intégrer des connaissances à priori afin d'estimer des paramètres physiques. L'approche proposée repose sur une technique de régularisation par critère composite. Elle permet à la fois de pallier le problème de non identifiabilité globale et d'estimer des paramètres physiquement admissibles. Son interprétation dans le cadre de l'inférence bayesienne, est présentée. L'expression analytique de la matrice de covariance de l'estimateur est ensuite établie dans le cas asymptotique sous l'hypothèse de bruits de mesure blancs en tenant compte des informations à priori. Cette méthodologie est appliquée, dans la troisième partie, à l'estimation des paramètres physiques d'un système électromécanique d'enroulement-déroulement de bande. La dernière partie de ce manuscrit concerne le diagnostic des systèmes représentés par des modèles à temps continu incertains. Une nouvelle approche améliorant les performances de détection et localisation de défauts est proposée. Elle est plus intéressante si l'on considère un modèle boite grise, qui reflête les dépendances entre les paramètres physiques, plutôt qu'un modèle boite noire de comportement entrée-sortie identique.