Partenaires

Ampère

Supervisory authorities

CNRS Ecole Centrale de Lyon Université de Lyon Université Lyon 1 INSA de Lyon

Our partners

Ingénierie@Lyon



Search


Home > Thèses et HDR > Accreditation to supervise research

Xavier BOMBOIS - 21 janvier 2014

by Laurent Krähenbühl - published on , updated on

Xavier BOMBOIS soutient son HDR le 21 janvier 2014 à 09:00, à l’ECL, Amphi 203 (bât. W1)

devant le jury suivant :

  • Prof. Hàkan Hjalmarsson, KTH Stokholm
  • Prof. Johan Schoukens, VUB, Bruxelles
  • Dr Marion Gilson (HDR), CRAN, Univ. Henry Poincaré Nancy 1
  • Dr Guillaume Mercère (HDR), LIAS, Univ. de Poitiers
  • Prof. Hassan Hammouri, LAGEP, Univ. Claude Bernard Lyon 1
  • Dr Laurent Krähenbühl (DR CNRS), Ampère, ECL
  • Prof. Gérard Scorletti, Ampère, ECL

« Travaux sur l’identification pour la commande et la synthèse optimale de l’expérience d’identification »

Résumé :
L’identification des systèmes a pour objectif d’obtenir un modèle mathématique d’un système physique a partir de données mesurées sur le système en question. Ce modèle peut être ensuite utilisé pour synthétiser un régulateur pour le système. Obtenir un modèle approprie pour la commande est cependant un problème compliqué. En effet, la qualité du modèle identifié dépend fortement de l’expérience d’identification qui a permis de générer les données. Une expérience qui n’a pas été synthétisée avec soin mène généralement a un modèle dont l’incertitude est inappropriée (c`ad. trop grande) pour l’obtention d’un régulateur réalisant le niveau de performance désiré. Dans ce travail, l’objectif de recherche est d’établir une relation claire entre le cahier des charges pour la commande et l’expérience d’identification qui générera suffisamment d’information sur le système pour pouvoir réaliser ce cahier des charges. En particulier, l’approche consiste a développer des méthodes permettant la synthèse d’expériences d’identification qui sont spécialement optimisées pour réaliser ce cahier des charges et qui perturbent le système le moins possible. Ces méthodes sont basées sur des outils d’analyse de la robustesse qui sont spécifiques pour le type d’erreur de modélisation (incertitude) obtenu après une expérience d’identification.