Modélisation et identification des systèmes physiques

Dans de nombreux domaines, il est nécessaire de faire appel à une modélisation du système physique étudié. Cette modélisation est réalisable théoriquement en faisant exclusivement appel à des modèles de type boîte blanche basés sur les équations non-linéaires de la physique gérant le fonctionnement du procédé. Par définition, cette procédure demande à l'utilisateur d'avoir des connaissances très avancées dans de nombreux domaines et conduit généralement à des modèles complexes et peu parcimonieux. L'identification ou la modélisation expérimentale est une solution intéressante pour modéliser les systèmes physiques car elle permet de combiner des informations a priori liées aux connaissances de l'utilisateur à des résultats expérimentaux directement obtenu sur le système à identifier. Le modèle qui en découle est souvent qualifié de boîte grise. Qu'il soit linéaire, non linéaire, à paramètres variants, c'est à l'estimation d'un modèle de type comportemental que s'intéresse les membres de ce groupe. Ce groupe aborde les aspects méthodologiques d’estimation de paramètres physiques, la reconstruction de grandeurs d’entrée à partir de modèles de comportement et l'identification pour la commande. Ces études se font pour les systèmes monovariables ou multivariables dans un cadre boucle ouverte ou boucle fermée. Les outils développés sont appliqués sur différents types de processus (électriques, thermiques, robotiques, …) et servent d'appui aux travaux d'autres opérations de l’équipe.

Les principaux thèmes étudiés actuellement sont les suivants :

  • Identification des systèmes linéaires et non linéaires à temps continu ; 
  • Développements, améliorations, initialisation des algorithmes de type erreur de sortie ; 
  • Interaction modèles à temps continu/modèles à temps discret ; 
  • Développements et améliorations des méthodes des sous-espaces ; 
  • Identification en boucle ouverte et boucle fermée ; 
  • Identification et information a priori ; 
  • Restructuration et paramétrisation des modèles à temps continu et à temps discret ; 
  • Estimation des paramètres de modèles linéaires à temps invariant, à temps variant et à paramètres variants.

D'un point de vue applicatif, on s'intéresse aux domaines suivants :

  • génie électrique ; 
  • aéronautique et transport ; 
  • robotique ; 
  • thermique et énergétique ; 
  • traitement des eaux.