Search

This thesis is devoted to the development of FSI state estimation algorithms using the 4D Flow MRI data. It is motivated by the increasing demand for patient-specific blood flow simulations for the assessment of predictive Wall Shear Stress (WSS) related biomarkers. However, patient- specific simulations raise major technical concerns such as the imposition of inflow/outflow boundary conditions, the way to use efficiently the medical data available. In the first chapter we leverage the richness of the 4D Flow data to develop a method that extracts the time-resolved wall displacement and velocity from 4D MRI, using a Kalman filter approach. The estimation of the wall displacement and velocity from 4D MRI with the tracking is tested for the reconstruction of the motion of an immersed vesicle with synthetic 4D Flow MRI data. An application to the tracking of the aorta wall of a patient is presented as a response to the need for non-static semi-automatic segmentation of the aortic wall using 4D MRI. The second and third chapters tackle the FSI state estimation on the academic FSI setting of a pressure wave propagating in a 3D tube. We propose novel approach for FSI state estimation in which no inflow and outflow boundary conditions are imposed. In the second chapter, small vibrations of the solid are assumed and with suitable kinematic assumptions, the FSI problem is simplified for a FSI fixed- domain problem, in which the solid state is expressed in terms of the fluid state. A first fluid-structure interaction state estimation algorithm is proposed based on unique continuation using fluid velocity measurements. The FSI state estimation algorithm is formulated as a PDE-constraint optimization problem in a L2 distance between simulation and measured data is minimized. Without specifying inflow and outflow boundary conditions, the problem is ill-posed, and the solvability is ensured at the discrete level by weakly consistent stabilization terms. It results in the resolution of a system in the primal variables and associated dual variables. Another FSI state algorithm is proposed in which non-parametric inflow and outflow boundary conditions are estimated using a unique continuation and imposed on a Luenberger state observer with fluid velocity measurements. Numerical studies illustrate the performance of the two FSI algorithm for fixed domain FSI state estimation. In the third chapter, the FSI state estimation combining unique continuation with Luenberger observer for the fluid sub-problem is extended to moving domain FSI. We no longer consider a monolithic formulation of the FSI problem but a partitioned resolution. The fluid sub-problem and the solid sub-problem are solved independently and the FSI coupling is ensured by interface coupling conditions. A fourth algorithm is proposed to leverage displacements and velocity in the solid, by adding data feedback terms in the solid sub-problem in the form of a Luenberger state observer. A series of numerical tests are performed to illustrate the two algorithms.; Cette thèse est dédiée au développement d’algorithmes d’estimation d’état FSI en utilisant des données d’IRM de flux 4D. Elle est motivée par la demande croissante de simulations d’écoulement sanguin patient-spécifique pour l’évaluation de paramètres prédictives calculés à partir du Wall-Shear Stress (WSS). Cependant, les simulations patient-spécifiques soulève des difficultés techniques majeures comme l’imposition des conditions aux bords de flux entrants/sortants. Dans le premier chapitre, nous proposons une méthode d’extraction du déplacement et de la vitesse de la paroi du vaisseau, en utilisant un filtrage de Kalman. Le but est de tirer profit au maximum de la richesse des données contenues dans les IRM 4D pour réaliser une reconstruction non-statique et semi-automatique de la paroi de l’aorte dans son mouvement. Un filtre de Kalman est conçu pour corriger une prédiction du mouvement de la paroi issue d’un modèle dynamique simplifié avec des observations provenant d’un opérateur d’observation de position et des données de vitesse de l'IRM 4D. L’observation de position est complétée par les données de vitesse locale sur les images IRM 4D. L’estimation du déplacement de la paroi du vaisseau et de sa vitesse est appliquée à la reconstruction du mouvement d’une vésicule immergée dans un fluide visqueux, pour laquelle des données imitant l’IRM 4D ont été générées. Une application au tracking de la paroi de l’aorte d’un patient est finalement présentée, sous forme d’une segmentation semi-automatique et non-statique de la paroi de l’aorte à partir d’IRM 4D. Les second et troisième chapitres traitent de l’estimation d’état FSI sur un cas académique, celui de la propagation d’une onde de pression dans un tube. Nous proposons une approche nouvelle pour estimer l’état FSI sans imposer des conditions aux bords en entrée et en sortie de la géométrique. Dans le second chapitre, on suppose que l’onde de pression provoque des variations infinitésimales du tube et avec des approximations cinématiques bien choisies, le problème FSI est réduit à un problème sur domaine fixe, dans lequel la variation de déformation solide est exprimée au moyen des variables d’état fluides. Un premier algorithme d’estimation FSI est alors présenté, basé uniquement sur une méthode de continuation unique en utilisant les mesures de vitesse du fluide. L’algorithme d’estimation d’état FSI est formulée comme une optimisation de l’écart en norme L2 entre la simulation et les données mesurées, sous d’une équation différentielle partielle. Sans spécifier les conditions de flux entrant ou sortant, le problème est mal posé, et la solvabilité est assurée au niveau discret par des termes de stabilisation faiblement consistants. On se ramène ainsi à la résolution d’un système en variables primales et duales. Un second algorithme d’estimation FSI, très similaire à un observateur d’état de Luenberger, est proposée en utilisant le premier algorithme d’estimation d’état FSI pour estimer des conditions aux bords non paramétriques de flux entrains et sortants. Des études numériques illustrent la performance des 2 algorithmes sur domaine fixe. Dans le troisième chapitre, l’estimateur d’état FSI combinant l’étape d’estimation des conditions de flux entrants et sortant par continuation unique et l’observateur de Luenberger est étendue à des problèmes FSI sur domaine mobile. Au lieu d’une résolution monolithique, on utilise des solveurs fluide et solide partitionnés et couplés via des conditions d’interface. En profitant de mesures de déplacement et de vitesse de la paroi du tube, un dernier algorithme est proposé. Une série de tests numériques est effectuée pour illustrer le potentiel de ces nouvelles méthodes.

The context of this thesis is the inference for partially observed epidemic dynamics. The development of approaches for estimating parameters of these dynamics from observations of their follow-up is a first important challenge, but difficult from a statistical point of view. Indeed, the data are generally collected at discrete time points and subject to reporting and/or measurement errors. Additionally, the presence of unobserved components in the mechanistic models used to describe the epidemics requires the use of inference algorithms (latent variable model framework). Furthermore, multiple dynamics of the same epidemic event can be observed in different geographic locations or at different times. A second challenge is to explicitly take into account inter-epidemic variability in the modeling. We consider epidemic dynamics in fixed population size modeled by Markovian density-dependent jump processes. Through an approach based on their approximation by diffusion processes, the epidemic dynamics are described by Gaussian processes with small variance. Considering a Gaussian approximation of the observational model, we adopt the framework of the Gaussian state space models and linear in the system states. In these models, the likelihood of the observations can be obtained via Kalman filtering techniques that we combine with an optimization procedure to estimate the parameters. Then, in the case of multiple epidemics, we use the framework of the mixed effects models allowing to describe in a more refined and original way the different sources of variability between several data sets collected from multisite or recurrent epidemics. In these models, distributions are specified for the parameters, which allows to take into account the inter-epidemic variability. To estimate the parameters of these distributions, we combine Kalman filtering techniques and the stochastic SAEM algorithm. The different methods developed in this thesis are first assessed on simulated epidemic data sets described by Markovian jump processes. The implementation on real data concerns the daily incidence of influenza-like illness between 1990 and 2017 in France (recurrent epidemics) and hospital data related to Covid-19 in 12 regions of metropolitan France during spring 2020 (multisite epidemics)., Le cadre de cette thèse est l’inférence pour des dynamiques épidémiques partiellement observées. Le développement d’approches pour l’estimation de paramètres de ces dynamiques à partir des observations de leur suivi est un premier enjeu important, cependant difficile du point de vue statistique. En effet, les données sont généralement recueillies à des temps discrets et sujettes à des erreurs de report et/ou de mesure. A cela s’ajoute la présence de composantes non-observées dans les modèles mécanistes servant à décrire les épidémies, rendant nécessaire l’utilisation d’algorithmes pour l’inférence (cadre des modèles à variables latentes). Par ailleurs, des dynamiques multiples d’une même épidémie peuvent être observées dans des sites géographiques distincts ou à des périodes différentes. La prise en compte explicite de la variabilité inter-épidémies dans la modélisation constitue un deuxième enjeu. Nous considérons des dynamiques épidémiques en population de taille finie modélisées par des processus Markoviens de sauts dépendant de la densité. A travers une approche s’appuyant sur leur approximation par des processus de diffusion, les dynamiques épidémiques sont décrites par des processus Gaussiens à petite variance. En considérant également une approximation Gaussienne du modèle des observations, nous nous plaçons dans le cadre des modèles à espace d'état Gaussiens et linéaires en les états du système. Dans ces modèles, la vraisemblance des observations peut s'obtenir via des techniques de filtrage de Kalman, que nous combinons avec une procédure d'optimisation pour estimer les paramètres. Puis, dans le cas d'épidémies multiples, nous utilisons le cadre des modèles à effets mixtes permettant de décrire de façon plus fine et originale les différentes sources de variabilité entre plusieurs jeux de données recueillis à partir d'épidémies multisites ou récurrentes. Dans ces modèles, des distributions sont spécifiées pour les paramètres, ce qui permet de prendre en compte la variabilité inter-épidémies. Pour estimer les paramètres de ces distributions, nous combinons des techniques de filtrage de Kalman et l’algorithme stochastique SAEM. Dans un premier temps, les différentes méthodes développées dans cette thèse sont évaluées sur des jeux de données simulées d’épidémies décrites par des processus Markoviens de sauts. La mise en œuvre sur des données réelles porte sur l'incidence quotidienne de syndromes grippaux entre 1990 et 2017 en France (épidémies récurrentes) et les données hospitalières relatives à la Covid-19 dans 12 régions de la France métropolitaine pendant le printemps 2020 (épidémies multisites).

Cities are working to make the lives of their citizens as safe as possible. This desire is accompanied by the availability of new devices such as video surveillance cameras in quantity. However, too many of these devices can be counterproductive. Too much information can prevent the identification of important information among the totality of available information. The objective of this thesis is first to find solutions to indicate concretely the type of abnormal situation taking place in order to focus the operator’s attention on this situation. This part is based on static analyses extracted from video streams of video surveillance cameras. The second objective of this thesis is to improve the first one thanks to an individualized monitoring allowing to keep the anonymity of the monitored persons. This solution is based on the prediction of displacement using Kalman filters. Finally, the last objective of this thesis is directly related to the lack of information available to test the efficiency of our different methods. This objective is based on the implementation of a simulation system allowing to get closer to a real situation by using autonomous virtual entities., Les villes oeuvrent de sorte à pouvoir rendre la vie de ses citoyens la plus sécurisée possible. Cette volonté s’accompagne de la mise à disposition de nouveaux dispositifs tels que des caméras de vidéosurveillance en quantité. Toutefois, le trop grand nombre de ces dispositifs peut être contre-productif.Une trop grande quantité d’informations peut empêcher d’identifier l’information importante parmi la totalité des informations disponibles.L’objectif de cette thèse est d’abord de trouver des solutions permettant d’indiquer concrètement le type de situation anormale se déroulant afin de focaliser l’attention de l’opérateur sur cette situation. Cette partie se base sur des analyses statiques extraites des flux vidéo des caméras de vidéosurveillance. Le second objectif de cette thèse a pour but d’améliorer le premier grâce à un suivi individualisé permettant de conserver l’anonymat des personnes suivies. Cette solution se base sur de la prédiction de déplacement à l’aide de filtres de Kalman. Enfin, le dernier objectif de cette thèse est directement lié au manque d’informations disponibles pour tester l’efficacité de nos différentes méthodes. Cet objectif repose donc sur la mise en place d’un système de simulation permettant de se rapprocher au mieux d’une situation réelle en utilisant des entités virtuelles autonomes.

Population growth and continuous demand for energy production have prompted electricity producers to focus increasingly on the use of local and clean resources. Renewable energy sources such as the sun and wind have shown an increasing interest. A problem with these power sources are their intermittent and random nature that drives grid operators to restrict their integration into the energy mix. This makes it imperative to combine different production systems to ensure grid stability and safety. French Guiana’s electricity production mainly comes from local renewable energies (64%), compared to 36% from imported fossil fuels. To improve the integration of intermittent renewable energies, solar energy in this study, it is necessary to focus on resource forecasting. Knowing in advance the available power allows optimal management of the coupling between conventional and intermittent production systems.The contribution of this thesis focuses on forecasting the Global Horizontal Irradiation (GHI) at different time horizons combining satellite-derived data instead of ground measurements and statistical methods. Satellite images offer the advantage of providing irradiance products over wide areas and with satisfactory accuracy. We are interested in forecasting the GHI as the generated PV power directly depends on the incoming GHI intensity. In this thesis, we have developed and studied ten solar radiation prediction models. Their methods are the Persistence, Scaled Persistence, AR, ARMA, Gaussian Process, Support Vector Machine, simple regression trees, bagged forests, WRF with Kalman filter, and an aggregation method. Satellites-derived data from the meteorological geostationary satellite GOES-13 are used as input of each model. These models were first developed to predict the GHI using satellite-derived data as input, and then to predict the GHI using ground measurements to be able to quantify discrepancies. The forecast horizons tested are from 1 to 6H per hour time step, to provide useful horizons for network managers. Data from six measurement sites located in French Guiana are used for GHI prediction. Five years of data from the six stations were used for the learning phase and one year for the validation phase.; La croissance démographique et la demande continue de production d'énergie ont incité les producteurs d'électricité à se concentrer de plus en plus sur l'utilisation de ressources locales et propres. Les sources d'énergie renouvelables telles que le soleil et le vent ont montré un intérêt croissant. Un problème avec ces sources d'énergie est leur caractère intermittent et aléatoire qui pousse les gestionnaires de réseau à restreindre leur intégration dans le mix énergétique. Il est donc impératif de combiner différents systèmes de production pour assurer la stabilité et la sécurité du réseau. La production d'électricité de la Guyane française provient principalement d'énergies renouvelables locales (64 %), contre 36 % d'énergies fossiles importées. Pour améliorer l'intégration des énergies renouvelables intermittentes, l'énergie solaire dans cette étude, il est nécessaire de se concentrer sur la prévision des ressources. Connaître à l'avance la puissance disponible permet une gestion optimale du couplage entre les systèmes de production conventionnels et intermittents.La contribution de cette thèse se concentre sur la prévision de l'irradiation horizontale globale (GHI) à différents horizons temporels en combinant des données satellitaires au lieu de mesures au sol et méthodes statistiques. Les images satellitaires offrent l'avantage de fournir des produits d'éclairement sur de larges zones et avec une précision satisfaisante. Nous nous intéressons à la prévision du GHI car la puissance photovoltaïque générée dépend directement de l'intensité du GHI qui entre. Dans cette thèse, nous avons développé et étudié neuf modèles de prédiction du GHI. Leurs méthodes sont la persistance, Scaled persistance, AR, ARMA, processus gaussien, machine à vecteurs de support, arbres de régression simples, forêts ensachées, WRF avec filtre de Kalman et une méthode d'agrégation. Les données dérivées du satellite météorologique géostationnaire GOES-13 sont utilisées comme entrée de chaque modèle. Ces modèles ont d'abord été développés pour prédire le GHI en utilisant des données satellitaires en entrée, puis pour prédire le GHI en utilisant des mesures au sol pour pouvoir quantifier les écarts. Les horizons de prévision testés sont de 1 à 6H par pas de temps horaire, pour prévoir des horizons utiles aux gestionnaires de réseau. Les données de six sites de mesure situés en Guyane française sont utilisées pour la prédiction du GHI. Cinq années de données des six stations ont été utilisées pour la phase d'apprentissage du modèle et une année pour la phase de validation.

This work aims at contributing to the literature on the nonlinear control of three-phase induction motors with and without mechanical sensors. Several techniques were developed and verified either by simulation or by experimental validation using a test bench equipped with a dSPACE-RTI-1104 card. The indirect vector control with rotor flux orientation was adopted as a primary strategy for speed and current regulation. The optimization of global control was improved using two types of control strategies. The first one consisted in a hybrid control that allowed the combination of several regulators simultaneously through a regulation supervisor. The second strategy consisted in an advanced version of the Integral-Backstepping control, the variable gains property being incorporated into the various nonlinear regulators to ensure optimal control of quantities even at very low speed levels. In a second equally important part, speed observation and the estimation of the machine’s different inaccessible quantities were taken as significant objectives for this thesis. An interconnected linear observer was developed to ensure the simultaneous estimation of machine resistances, while sensorless control was achieved through several deterministic and stochastic approaches such as the fuzzy-adaptive observer, observers based on sliding mode theory and estimation via extended Kalman filters. The effectiveness of each method in relation to the performance of closed-loop sensorless control was carefully studied and analyzed. Subsequently, the obtained results served as a basis for a comparative study in which the advantages and disadvantages of each technique studied were assessed.; Le travail présenté dans cette thèse vise à apporter une contribution à la commande non linéaire des moteurs asynchrones triphasés avec et sans capteur mécanique. De ce fait, plusieurs techniques ont été développées et vérifiées soit par simulation, soit par une validation expérimentale sur un banc d’essai équipé d’une carte dSPACE-RTI-1104. La commande vectorielle indirecte avec orientation du flux rotorique a été adoptée comme structure de base pour la régulation de la vitesse et du courant. L’optimisation du contrôle global sera assurée en utilisant deux variantes des stratégies de commande. La première s’agit du contrôle hybride permettant la combinaison de plusieurs régulateurs en même temps par l’intermédiaire d’un superviseur de régulation. Alors que la deuxième stratégie représente une version avancée du contrôle Backstepping avec action intégrale, la propriété des gains variables a été incorporée dans les différents régulateurs non linéaires afin d’assurer un contrôle optimal du moteur même pour des vitesses très faibles. Dans une deuxième partie aussi importante que la première, l’observation de la vitesse et l’estimation des différentes grandeurs inaccessibles de la machine ont constitué un objectif majeur de ce mémoire. Un observateur linéaire interconnecté a été développé pour assurer une estimation simultanée des différentes résistances des enroulements. Tandis que la commande sans capteur a été réalisée à travers plusieurs approches déterministes et stochastiques comme l’observateur adaptatif flou, les observateurs basés sur la théorie du mode glissant, et l’estimation via le filtre de Kalman étendu. Suite à un examen approfondi des performances générées par le contrôle sans capteur en boucle fermée, une étude comparative permettra d’évaluer les avantages et les inconvénients de chaque technique étudiée.

In this thesis we carry out the study of an SBL (Short BaseLine) localization system of an underwater transmitting beacon. The objective of this work is to propose a simple and easily deployable device. The tracking system is made of four hydrophones positioned on a small boat. The hydrophones are georeferenced with a GPS receiver and a magnetic compass positioned on the boat. The beacon provides the positioning system with its depth obtained using a pressure sensor. The considered marine environment is shallow water (the Channel, ports, canals, etc.). The targeted applications are the location of divers, fishing traps, drones and measuring instruments. It is shown in the bibliography that for synchronized TDOA measurements (obtained from a reference hydrophone) there are direct estimators of the position. In our approach, the TDOA measurements are provided by two pairs of hydrophones that are not synchronized with each other. In this case it is shown in the bibliography that the estimators of the position are indirect. They require the knowledge of an initial position to converge towards the real position. The aim of this thesis is to propose methods for calculating the initial position. The first contribution of the thesis is to propose an estimator of the 3D position in the case of a static beacon. For each TDOA measurement, the set of possible positions of the beacon is located on a hyperbola. In our approach, we propose to approximate the hyperbola by its two asymptotic lines in order to calculate the initial position. With two TDOA measurements we obtain four possible positions (at the intersections of the asymptotes) which are ambiguous because only one of them corresponds to the position of the beacon.We propose an algorithm and a criterion to be minimized to calculate the 3D position and remove the ambiguity on the initial position. The second contribution of the thesis is to propose an estimator of the dynamic 3D position of an underwater object. In the dynamic case, two TDOA measurements are available, ie four possible initial positions for each position of the boat. It is proposed to classify the initial positions obtained in four sets as the boat moves. The classification is carried out by a data association method and a criterion is proposed to resolve the ambiguity on the four sets of positions. The proposed estimation processis based on four parallel Kalman filters and on the GNN (Global Nearest Neighbor) data association method. The proposed methods have been evaluated in simulation for the positioning of an underwater object in the static and dynamic case. In this simulation we consider a distance between the hydrophones of 2 m. The positioning error is shown to be metric for noise on TDOA measurements of standard deviation 1 cm. The accuracy remains metric for a distance between the tracking system and the beacon of less than 30 m.We show that in the presence of noises on the positioning system (50 cm on the GPS position and 1o on the magnetic compass) the precision remains metric. Finally, it is shown that the proposed estimator is more precise than the direct weighted least squares benchmark estimator., Dans cette thèse on réalise l’étude d’un système de localisation SBL (Short BaseLine) d’une balise émettrice sous-Marine.L’objectif de ce travail est de proposer un dispositif simple et facilement déployable. Le système de localisation est composé de quatre hydrophones positionnés sur un bateau de petite taille. Les hydrophones sont géoréférencés avec un récepteur GPS et un compas magnétique positionnés sur le bateau.La balise fournit au système de positionnement sa profondeur obtenue à l’aide d’un capteur de pression. L’environnement marin considéré est un environnement en eaux peu profondes (la Manche, les ports, les canaux,... ). Les applications visées sont la localisation de plongeurs, de casiers de pêche, de drones et d’instruments de mesure. On montre dans la bibliographie que pour des mesures de TDOA synchronisées (obtenues à partir d’un hydrophone de référence) il existe des estimateurs directs de la position. Dans notre approche les mesures de TDOA sont fournies par deux couples d’hydrophones non-synchronisés entre eux. Dans ce cas on montre dans la bibliographie que les estimateurs de la position sont indirects. Ils nécessitent la connaissance d’une position initiale pour converger vers la position réelle. Le but de cette thèse est de proposer des méthodes de calcul de la position initiale. Le premier apport de la thèse est de proposer un estimateur de la position 3D dans le cas d’une balise statique. Pour chaque mesure de TDOA l’ensemble des positions possibles de la balise se situe sur une hyperbole. Dans notre approche on propose d’approximer l’hyperbole par ses deux droites asymptotes pour calculer la position initiale. Avec deux mesures de TDOA on obtient quatre positions possibles (aux intersections des asymptotes) qui sont ambigües car une seule d’entre-elles correspond à la position de la balise. Nous proposons un algorithme et un critère à minimiser pour calculer la position 3D et lever l’ambiguïté sur la position initiale. Le second apport de la thèse est de proposer un estimateur de la position 3D dynamique d’un objet sous-marin. Dans le cas dynamique on dispose de deux mesures de TDOA, soit quatre positions initiales possibles pour chaque position du bateau. On propose de classer les positions initiales obtenues dans quatre ensembles au fur et à mesure du déplacement du bateau. Le classement est réalisé par une méthode d’association de données et on propose un critère pour lever l’ambiguïté sur les quatre ensembles de positions. Le processus d’estimation proposé s’appuie sur quatre filtres de Kalman parallèles et sur la méthode d’association de données GNN (Global Nearest Neighbor). Les méthodes proposées ont été évaluées en simulation pour le positionnement d’un objet sous-marin dans les cas statique et dynamique. Dans cette simulation on considère une distance entre les hydrophones de 2 m. On montre que l’erreur de positionnement est métrique pour un bruit sur les mesures de TDOA d’écart-type 1 cm. La précision reste métrique pour une distance entre le système de localisation et la balise inférieure à 30 m. On montre qu’en présence de bruits sur le système de positionnement (50 cm sur la position GPS et 1o sur le compas magnétique) la précision reste métrique. Enfin on montre que l’estimateur proposé est plus précis que l’estimateur direct de référence des moindres carrés pondérés.

Since the introduction of the Macroscopic Fundamental Diagram (MFD), many traffic control strategies and algorithms have been developed to implement MFD-based perimeter control over a specific urban region. A model-based controller consists of two components: a plant model that represents reality; and a prediction model used to determine optimal control actions. In most studies, the authors assume a constant average trip length for all drivers traveling within the same region, for the prediction model. In these studies about perimeter control and MFD traffic models, the controllers show a good performance because accumulations, i.e. traffic states, from the plant are used to reflect the initial state of the prediction model with a high frequency (about a few seconds). However, this average trip length changes over time as it depends on the Origin-Destination flow decomposition, playing an important role in real applications. The main contributions of this paper are twofold. First, we show that the assumption about constant trip lengths used in the prediction model deteriorates the controller's performance for low frequency updates of the optimal control actions. Second, we propose a methodological framework based on the Unscented Kalman Filter (UKF) for dynamically adjusting the average trip lengths and accumulations. Our test results on a real city network show that applying this methodological framework significantly improves the controller's performance.

The PhD thesis presented in this manuscript aims at developing a measurement protocol able to assess the real performance of natural ventilation systems in dwellings. It particularly focuses on passive-stack ventilation systems, which represent a large part of natural ventilation systems implemented in French dwellings and which are involved in hybrid ventilation systems. Measuring the aeraulic performance of natural ventilation is a challenging task, which is even more challenging when speaking of multi-zones buildings. The presented work first identifies the tracer gas decay method as the most suitable method to assess natural ventilation’s aeraulic performance. Its reliability is experimentally and numerically increased thanks to a procedure that pre-treats concentration data, and to the implementation of the Kalman filter. Both allow to overcome constraints that the application of a tracer gas method in a multi-zones dwelling brings. Finally, a turnkey solution is proposed that allows any measurer to measure the aeraulic performance of a passive-stack ventilation system implemented in a multi-zones dwelling.; La présente thèse a pour objectif de développer un protocole d’évaluation des performances aérauliques d’un système de ventilation naturelle. Ce protocole a particulièrement trait au système de ventilation par conduit, qui est largement représenté dans les logements français, et qui est directement impliqué dans les systèmes de ventilation hybride. La variabilité et l’instabilité des débits d’air engendrés par les systèmes de ventilation naturelle compliquent l’évaluation de leur performance aéraulique, évaluation encore plus compliquée si le bâtiment testé possède plusieurs zones. Le travail présenté a d’abord identifié la méthode par décroissance de la concentration gaz traceur, comme étant la mieux adaptée à l’évaluation de la performance aéraulique des systèmes de ventilation naturelle. Sa fiabilité a été améliorée expérimentalement et numériquement à l’aide d’une procédure de pré-traitement des données de concentration en gaz traceur, et de l’outil de traitement du signal « filtre de Kalman ». Ces deux éléments conjoints permettent de dépasser les contraintes apportées par l’application multi-zone d’une méthode gaz traceur. Une solution « clé-en-main » est finalement proposée, afin que chaque mesureur puisse implémenter la mesure des performances aérauliques d’un système de ventilation naturelle par conduit installé dans un logement.

The growing development of smart objects offers new opportunities for locating the connected traveler. However, tracking the pedestrian's trajectory remains problematic and navigation applications do not propose to track the traveller's trajectory on a multimodal scale autonomously. This work focuses on the implementation of a single solution capable of locating the user according to different travel modes and whatever the environment, using inertial,magnetic and GNSS sensors. In a first step, a new method for locating the cyclist is implemented. GNSS phase measurements are used to correct the velocity vector by time differences and themovement direction is constrained using inertial signals. These elements were used in a second time and adapted to implement a new method of pedestrian localization with a handheld sensor. The PDR approach which is an inertial navigation technique using dead reckoning is parameterized in an extended Kalman filter. An innovative update merging the device attitude estimation and a statistical estimation of the walking direction allows to correct the walking direction prediction and to obtain a consistent and smoothed estimate. GNSS measurements are used to correct the velocity vector, orientation, step length and absolute position. Finally, a multimodal approach is proposed and the management of transitions between the different algorithms, assisted by the use of an innovative sensor, is studied. Multimodal experiments in real conditions are conducted to analyze the performance of the proposed solution., Le développement croissant d'objets intelligents offre de nouvelles opportunités de localisation du voyageur connecté. Cependant, le suivi de la trajectoire du piéton reste problématique et les applications de navigation ne proposent pas de suivre la trajectoire du voyageur à l'échelle multimodale de façon autonome. Ce travail s'intéresse à la mise en place d'une solution unique capable de localiser l'utilisateur selon différents modes de déplacement et quel que soit l'environnement, à partir de capteurs inertiels, magnétiques et GNSS. Dans un premier temps, une nouvelle méthode de localisation du cycliste est mise en place. Les mesures de phases GNSS sont utilisées pour corriger le vecteur vitesse par différences temporelles et la direction de déplacement est contrainte à l'aide des signaux inertiels. Ces éléments ont été utilisés dans un second temps et adaptés pour mettre en place une nouvelle méthode de localisation du piéton avec un capteur en main. L'approche PDR qui est une technique de navigation inertielle à l'estime est paramétrée dans un filtre de Kalman étendu. Une mise à jour innovante fusionnant l'estimation de l'attitude du boîtier et une estimation statistique de la direction de marche permet de corriger l'estimation du cap de marche et d'obtenir une estimation cohérente et lissée. Les mesures GNSS sont utilisées pour corriger le vecteur vitesse, l'orientation, la longueur de pas et la position absolue. Enfin, une approche multimodale est proposée et la gestion des transitions entre les différents algorithmes, assistée par l'utilisation d'un capteur innovant, est étudiée. Des validations expérimentales multimodales en conditions réelles sont conduites pour analyser les performances d'estimation de la solution proposée.

This thesis deals with state estimation for vehicles that are equipped with various sensors such as cameras and inertial measurement units. The Kalman filter is a widely used tool that estimates the state of a dynamical system, which raises theoritical questions for the nonlinear systems present in navigation, and that relies on physical models and parameters that need to be efficient tuned by the user. This thesis contributes to Kalman filtering for navigation, where the contributions focus on two different manners. The first manner consists in building on the recent invariant extended Kalman filter to address challenging issues, namely the inconsistency of extended Kalman filter for the problem of simultaneous localization and mapping, navigation with vision sensors, and the more general question of Kalman filtering on manifolds. The second manner consists in using recent tools from the field of artificial intelligence, namely deep learining, to improve Kalman filters, notably to relate sensors’ measurements to the state, and to tune the filter efficiently, that is, using machine learning techniques to find a dynamical tuning strategy of the Kalman filter parameters that best matches the data and that is also able to provide new information to the filter. The thesis thus introduces differents filtering algorithms and deep neural networks whose implementation are made open-source.; Cette thèse aborde les méthodes d'estimation d'état pour les véhicules équipés de divers capteurs tels que des caméras et des centrales inertielles. Le filtre de Kalman est un outil largement utilisé pour estimer l'état d'un système dynamique, qui soulève des questions théoriques pour les systèmes non linéaires présents dans la navigation, et qui repose sur des modèles physiques et des paramètres qui doivent être optimisés efficacement par l'utilisateur. La thèse contribue au filtrage de Kalman pour la navigation, où les contributions se divisent en deux contributions majeures. La première contribution consiste à s'appuyer sur le récent filtre de Kalman étendu invariant pour résoudre les problèmes difficiles que sont l'inconsistance du filtre de Kalman étendu pour le problème de la localisation et de la cartographie simultanées, de la navigation avec des capteurs visuels, et la question plus générale du filtrage de Kalman sur les variétés. La deuxième contribution consiste à utiliser des outils récents du domaine de l'intelligence artificielle, à savoir l'apprentissage profond, pour améliorer les filtres de Kalman, notamment pour relier les mesures des capteurs à l'état du système, et pour régler le filtre efficacement, c'est-à-dire utiliser des techniques d'apprentissage automatique pour trouver une stratégie de réglage dynamique des paramètres du filtre de Kalman qui correspond aux données et qui est également capable de fournir de nouvelles informations au filtre. La thèse introduit ainsi différents algorithmes de filtrage et réseaux de neurones profonds dont l'implémentation est rendue open-source.

This thesis deals with state estimation for vehicles that are equipped with various sensors such as cameras and iner- tial measurement units. The Kalman filter is a widely used tool that estimates the state of a dynamical system, which raises theoritical questions for the nonlinear systems present in navigation, and that relies on physical models and pa- rameters that need to be efficient tuned by the user. This thesis contributes to Kalman filtering for navigation, where the contributions focus on two different manners.The first manner consists in building on the recent invariant extended Kalman filter to address challenging issues, namely the inconsistency of extended Kalman filter for the problem of simultaneous localization and mapping, navigation with vision sensors, and the more general question of Kalman filtering on manifolds. The second manner consists in using recent tools from the field of artificial intelligence, namely deep learining, to improve Kalman filters, notably to relate sensors’ measurements to the state, and to tune the filter efficiently, that is, using machine learning techniques to find a dynamical tuning strategy of the Kalman filter parameters that best matches the data and that is also able to provide new information to the filter.The thesis thus introduces differents filtering algorithms and deep neural networks whose implementation are made open-source.; Cette thèse aborde les méthodes d’estimation d’état pour les véhicules équipés de divers capteurs tels que des caméras et des centrales inertielles. Le filtre de Kalman est un outil largement utilisé pour estimer l’état d’un système dynamique, qui soulève des questions théoriques pour les systèmes non linéaires présents dans la navigation, et qui repose sur des modèles physiques et des paramètres qui doivent être optimisés efficacement par l’utilisateur. La thèse contribue au filtrage de Kalman pour la navigation, où les contributions se divisent en deux contributions majeures.La première contribution consiste à s’appuyer sur le récent filtre de Kalman étendu invariant pour résoudre les problèmes difficiles que sont l’inconsistence du filtre de Kalman étendu pour le problème de la localisation et de la cartographie simultanées, de la navigation avec des capteurs visuels, et la question plus générale du filtrage de Kalman sur les variétés. La deuxième contribution consiste à utiliser des outils récents du domaine de l’intelligence artificielle, à savoir l’apprentissage profond, pour améliorer les filtres de Kalman, notamment pour relier les mesures des capteurs à l’état du système, et pour régler le filtre efficacement, c’est-à-dire utiliser des techniques d’apprentissage automatique pour trouver une stratégie de réglage dynamique des paramètres du filtre de Kalman qui correspond aux données et qui est également capable de fournir de nouvelles informations au filtre.La thèse introduit ainsi différents algorithmes de filtrage et réseaux de neurones profonds dont l’implémentation est rendue open-source.

The aim of this work is to propose mechanisms for multirotor drones that allow, on the one hand, to tolerate faults on the drone, and on the other hand to take into account the effects of the wind outdoors. The faults targeted include fault in actuators, sensors, but also software faults on the data fusion algorithms. ln our work, we have developed a robust controller and an exterior disturbance observer capable of cooperating with th, contrai reconfiguration method, to simultaneously tolerate motor failures and exterior wind disturbances through active fault tolerance techniques… We have also proposed a new technique for tolerating actuator faults for a coaxial octorotor drone. This technique is based on a robust command law with reconfigurable "self tuning sliding mode control (STSMC)" gains, where the control gains are readjusted according to the detected error in order to maintain the stability of the system. lndoor experiments are conducted to show and compare our solution with two other fault tolerance techniques. The efficiency and behavior of each method are studied after successive fault injections into the actuators. The main advantages and disadvantages of each method are deduced by analyzing the results obtained. Additionally, we provide an approach for fault tolerance of drone data fusion sensors and software mechanisms. This approach is based on the redundancy of sensors and the diversification of software components.; Le but de ce travail est de proposer des mécanismes pour les drones multirotors qui permettent d'une part de tolérer des fautes sur le drone, et d'autre part de prendre en compte les effets du vent en extérieur. Les fautes visées comportent des fautes d'actionneurs, de capteurs, mais également des fautes logicielles sur les algorithmes de fusion de données. Dans nos travaux, nous avons développé un contrôleur robuste et un observateur des perturbations extérieures capables de coopérer avec la méthode de reconfiguration des commandes, pour tolérer de façon simultanée les défaillances de moteurs et les perturbations extérieures du vent par des techniques de tolérance aux fautes active. Egalement, nous avons proposé une nouvelle technique de tolérance aux fautes des actionneurs pour un drone octorotor coaxial. Cette technique est basée sur une loi de commande robuste avec des gains reconfigurables "self tuning sliding mode control (STSMC)", où les gains de contrôle sont réajustés en fonction de l'erreur détectée afin de maintenir la stabilité du système. Des expériences à l'intérieur ont été menées pour montrer et comparer notre solution avec deux autres techniques de tolérances aux fautes. L'efficacité et le comportement de chaque méthode ont été étudiés après des injections de fautes successives dans les actionneurs. Les principaux avantages et inconvénients de chaque méthode sont déduits en analysant les résultats obtenus. En outre, nous proposons une approche pour la tolérance aux fautes des capteurs et mécanismes logiciels de fusion de données du drone. Cette approche est basée sur la redondance des capteurs et la diversification des composants logiciels.

The aim of this work is to propose mechanisms for multirotor drones that allow, on the one hand, to tolerate faults on the drone, and on the other hand to take into account the effects of the wind outdoors. The faults targeted include fault in actuators, sensors, but also software faults on the data fusion algorithms. ln our work, we have developed a robust controller and an exterior disturbance observer capable of cooperating with th, contrai reconfiguration method, to simultaneously tolerate motor failures and exterior wind disturbances through active fault tolerance techniques… We have also proposed a new technique for tolerating actuator faults for a coaxial octorotor drone. This technique is based on a robust command law with reconfigurable "self tuning sliding mode control (STSMC)" gains, where the control gains are readjusted according to the detected error in order to maintain the stability of the system. lndoor experiments are conducted to show and compare our solution with two other fault tolerance techniques. The efficiency and behavior of each method are studied after successive fault injections into the actuators. The main advantages and disadvantages of each method are deduced by analyzing the results obtained. Additionally, we provide an approach for fault tolerance of drone data fusion sensors and software mechanisms. This approach is based on the redundancy of sensors and the diversification of software components., Le but de ce travail est de proposer des mécanismes pour les drones multirotors qui permettent d'une part de tolérer des fautes sur le drone, et d'autre part de prendre en compte les effets du vent en extérieur. Les fautes visées comportent des fautes d'actionneurs, de capteurs, mais également des fautes logicielles sur les algorithmes de fusion de données. Dans nos travaux, nous avons développé un contrôleur robuste et un observateur des perturbations extérieures capables de coopérer avec la méthode de reconfiguration des commandes, pour tolérer de façon simultanée les défaillances de moteurs et les perturbations extérieures du vent par des techniques de tolérance aux fautes active. Egalement, nous avons proposé une nouvelle technique de tolérance aux fautes des actionneurs pour un drone octorotor coaxial. Cette technique est basée sur une loi de commande robuste avec des gains reconfigurables "self tuning sliding mode control (STSMC)", où les gains de contrôle sont réajustés en fonction de l'erreur détectée afin de maintenir la stabilité du système. Des expériences à l'intérieur ont été menées pour montrer et comparer notre solution avec deux autres techniques de tolérances aux fautes. L'efficacité et le comportement de chaque méthode ont été étudiés après des injections de fautes successives dans les actionneurs. Les principaux avantages et inconvénients de chaque méthode sont déduits en analysant les résultats obtenus. En outre, nous proposons une approche pour la tolérance aux fautes des capteurs et mécanismes logiciels de fusion de données du drone. Cette approche est basée sur la redondance des capteurs et la diversification des composants logiciels.

Environmental issues are increasingly concerning to public opinion and authorities. Accordingly, Automobile manufacturers have to propose more environmental friendly vehicles. This thesis project goes to the general scope of battery-driven vehicles. The energy of the electric and hybrid vehicles is stored in batteries pack made of numerous electrochemical cells. Lithium-ion cells are the most commonly used, and are one another connected in series and parallel. These batteries packs, require an enhanced surveillance assured by a dedicated controller called Battery ManagementSystem (BMS).The first part of the work deals with computational burden reductionin the BMS when several battery cells are utilized in battery packs. To improvethe precision of batteries state of charge (SoC) estimation, we have studied and implemented a fractional order model (FOM) based state estimator for Li-ionbatteries.The second part of the study is dedicated to Li-ion batteries health management. First, new state of health (SoH) indicators were designed. Furthermore, a datadriven SoH predictor was designed using EVs data collected over time. The model training was conducted based on extracted user’s behaviors. Finally, a tool is provided for ageing factors ranking; Les aspects environnementaux prennent une part croissante dans les préoccupations des pouvoirs publics et de l’opinion. Dans ce contexte les constructeurs automobile doivent y répondre en proposant des véhicules ayant un respect de l’environnement toujours plus important. Ces travaux de thèse s’inscrivent dans le développement de véhicules électriques (VEs). L’énergie des véhicules électriques et hybrides est stockée dans des batteries constituées de nombreuses cellules électro-chimiques (souvent lithium-ion) connectées les unes aux autres en série et en parallèle. Ces cellules nécessitent une étroite surveillance pour assurer un fonctionnement sécurisé des VEs. Cette fonction est assurée dans le véhicule par le système de gestion de batterie (BMS).Dans la première partie de la thèse, nous étudions les solutions de réduction de la charge de calcul du BMS lorsque de nombreuses cellules sont utilisées. Pour augmenter la précision de l’estimation de l’état de charge (SoC), nous avons étudié et implanté un estimateurs d’état à base d’un modèle d’ordre fractionnaire.La deuxième partie de l’étude est consacrée au vieillissement des batteries Li-ion. Tout d’abord nous avons établi des nouveaux indicateurs de vieillissement. Puis à l’aide des données recueillies pendant l’utilisation des VEs, nous avons mise au point un estimateur d’état de santé (SoH) par apprentissage. L’apprentissage est effectué en fonction des comportements des utilisateurs des VEs.Pour finir, nous fournissons un outil de classification des facteurs aggravant du vieillissement.

The PhD thesis presented in this manuscript aims at developing a measurement protocol able to assess the real performance of natural ventilation systems in dwellings. It particularly focuses on passive-stack ventilation systems, which represent a large part of natural ventilation systems implemented in French dwellings and which are involved in hybrid ventilation systems. Measuring the aeraulic performance of natural ventilation is a challenging task, which is even more challenging when speaking of multi-zones buildings. The presented work first identifies the tracer gas decay method as the most suitable method to assess natural ventilation’s aeraulic performance. Its reliability is experimentally and numerically increased thanks to a procedure that pre-treats concentration data, and to the implementation of the Kalman filter. Both allow to overcome constraints that the application of a tracer gas method in a multi-zones dwelling brings. Finally, a turnkey solution is proposed that allows any measurer to measure the aeraulic performance of a passive-stack ventilation system implemented in a multi-zones dwelling., La présente thèse a pour objectif de développer un protocole d’évaluation des performances aérauliques d’un système de ventilation naturelle. Ce protocole a particulièrement trait au système de ventilation par conduit, qui est largement représenté dans les logements français, et qui est directement impliqué dans les systèmes de ventilation hybride. La variabilité et l’instabilité des débits d’air engendrés par les systèmes de ventilation naturelle compliquent l’évaluation de leur performance aéraulique, évaluation encore plus compliquée si le bâtiment testé possède plusieurs zones. Le travail présenté a d’abord identifié la méthode par décroissance de la concentration gaz traceur, comme étant la mieux adaptée à l’évaluation de la performance aéraulique des systèmes de ventilation naturelle. Sa fiabilité a été améliorée expérimentalement et numériquement à l’aide d’une procédure de pré-traitement des données de concentration en gaz traceur, et de l’outil de traitement du signal « filtre de Kalman ». Ces deux éléments conjoints permettent de dépasser les contraintes apportées par l’application multi-zone d’une méthode gaz traceur. Une solution « clé-en-main » est finalement proposée, afin que chaque mesureur puisse implémenter la mesure des performances aérauliques d’un système de ventilation naturelle par conduit installé dans un logement.

Environmental issues are increasingly concerning to public opinion and authorities. Accordingly, Automobile manufacturers have to propose more environmental friendly vehicles. This thesis project goes to the general scope of battery-driven vehicles. The energy of the electric and hybrid vehicles is stored in batteries pack made of numerous electrochemical cells. Lithium-ion cells are the most commonly used, and are one another connected in series and parallel. These batteries packs, require an enhanced surveillance assured by a dedicated controller called Battery ManagementSystem (BMS).The first part of the work deals with computational burden reductionin the BMS when several battery cells are utilized in battery packs. To improvethe precision of batteries state of charge (SoC) estimation, we have studied and implemented a fractional order model (FOM) based state estimator for Li-ionbatteries.The second part of the study is dedicated to Li-ion batteries health management. First, new state of health (SoH) indicators were designed. Furthermore, a datadriven SoH predictor was designed using EVs data collected over time. The model training was conducted based on extracted user’s behaviors. Finally, a tool is provided for ageing factors ranking, Les aspects environnementaux prennent une part croissante dans les préoccupations des pouvoirs publics et de l’opinion. Dans ce contexte les constructeurs automobile doivent y répondre en proposant des véhicules ayant un respect de l’environnement toujours plus important. Ces travaux de thèse s’inscrivent dans le développement de véhicules électriques (VEs). L’énergie des véhicules électriques et hybrides est stockée dans des batteries constituées de nombreuses cellules électro-chimiques (souvent lithium-ion) connectées les unes aux autres en série et en parallèle. Ces cellules nécessitent une étroite surveillance pour assurer un fonctionnement sécurisé des VEs. Cette fonction est assurée dans le véhicule par le système de gestion de batterie (BMS).Dans la première partie de la thèse, nous étudions les solutions de réduction de la charge de calcul du BMS lorsque de nombreuses cellules sont utilisées. Pour augmenter la précision de l’estimation de l’état de charge (SoC), nous avons étudié et implanté un estimateurs d’état à base d’un modèle d’ordre fractionnaire.La deuxième partie de l’étude est consacrée au vieillissement des batteries Li-ion. Tout d’abord nous avons établi des nouveaux indicateurs de vieillissement. Puis à l’aide des données recueillies pendant l’utilisation des VEs, nous avons mise au point un estimateur d’état de santé (SoH) par apprentissage. L’apprentissage est effectué en fonction des comportements des utilisateurs des VEs.Pour finir, nous fournissons un outil de classification des facteurs aggravant du vieillissement.

Pedestrian navigation with handheld sensors is still particularly complex. Pedestrian Dead Reckoning method is generally used, but the estimation of the walking direction remains problematic because the device's pointing direction does not always correspond to the walking direction. To overcome this difficulty, it is possible to use gait modeling based approaches. But, these methods suffer from sporadic erroneous estimates and their accumulation over time. The HEAD (smootH Estimation of wAlking Direction) filter uses WAISS and MAGYQ angular estimates as observations to correct the walking direction and to obtain more robust and smooth results. TDCP updates are applied to constrain the walking direction estimation error while pseudo-ranges directly update the position. HEAD is tested by 5 subjects over 21 indoor/outdoor acquisitions (between 720 m and 1.3 km). A 54% improvement is achieved thanks to the fusion in texting mode. The median obtained angular error is 5.5 degrees in texting mode and 12 degrees in pocket mode.

El present informe descriu el procés de desenvolupament d'un software encastat amb l'objectiu de determinar la posició i la orientació d'un cubesat en temps real per executar-se a un microcontrolador i utilitzant una unitat de mesura inercial de baix cost. Per aconseguir-ho es crea un entorn de desenvolupament utilitzant el System Workbench, Matlab i Simulink que permet testejar la solució amb una aproximació hardware-in-the-loop. The present report describes the process of real time embdedded software development for the purpose of determining the position and orientation of a cubesat to run on a microcontroller and using a low cost inertial measurement unit. To achieve this, a development environment is created using the System Workbench, Matlab and Simulink that will test the solution using the hardware-in-the-loop approach. El presente informe describe el proceso de desarrollo de un software empotrado con el objetivo de determinar la posición y la orientación de un CubeSat en tiempo real para ejecutarse en un microcontrolador y utilizando una unidad de medida inercial de bajo coste. Para ello se crea un entorno de desarrollo utilizando el System Workbench, Matlab y Simulink que permite testear la solución con una aproximación hardware-in-the-loop.

Correction on the basis of previous errors is paramount to sensorimotor learning. While corrections of spatial errors have been studied extensively, little is known about corrections of previous temporal errors. We tackled this problem in different conditions involving arm movements (AM), saccadic eye movements (SM) or button presses (BP). The task was to intercept a moving target at a designated zone (i. e. no spatial error) either with the hand sliding a pen on a graphics tablet (AM), a saccade (SM) or a button press (BP) that released a cursor moving ballistically for a fixed time of 330 ms. The dependency of the final temporal error on action onset varied from "low" in AM (due to possible online corrections) to "very high" in the other conditions (i.e. open loop). The lag-1 cross-correlation between action onset and the previous temporal error were close to zero in all conditions suggesting that people minimized temporal variability of the final errors across trials. Interestingly, in conditions SM and BP, action onset did not depend on the previous temporal error. However, this dependency was clearly modulated by the movement time in the AM condition: faster movements depended less on the previous actual temporal error. An analysis using a Kalman filter confirmed that people in SM, BP and AM involving fast movements used the prediction error (i.e. intended action onset minus actual action onset) for next trial correction rather than the final target error. A closer look at the AM condition revealed that both error signals were used and that the contribution of each signal follows different patterns with movement time: as movement progresses the reliance on the prediction error decreases non-linearly and that on the final error increases linearly.

Estimating the state of a nonlinear system is an essential task for achieving important objectives such as: process monitoring, identification and control. Observers are algorithms that estimate the current state by using, among other information, sensor measurements. The problem of observer design for nonlinear systems has been a major research topic in control for many decades. Recently, there has been an increasing interest in the design of observers for more realistic models, which can include disturbances, sensor nonlinearities and discrete outputs. This thesis concerns the design of robust observers for selected classes of nonlinear systems and we can distinguish three main parts. The first part studies state-affine systems affected by noise, and analyses the state estimation via the so-called high-gain Kalman filter. The convergence properties of this observer are strongly influenced by two variables: its tuning parameter and the properly excited system input. We present a new optimization algorithm, based on Lyapunov analyses, that adapts these variables in order to minimize the effect of both dynamic and output disturbances. The novelty of this approach is that it provides a systematic method of simultaneous tuning and input selection with the goal of improving state estimation in the face of disturbances, and that it avoids the use of trial-and-error based methods. The second part studies the problem of observer redesign for general nonlinear systems whose outputs are transformed by nonlinear functions. Indeed, a given observer might not estimate the system state properly if it does not take into account sensor nonlinearities and, therefore, such an output mismatch needs to be addressed. We present an observer redesign that consists in the interconnection of the original observer with an output estimator based on a dynamic inversion, and we show its asymptotic convergence via small-gain arguments. We illustrate our method with two important classes of systems: state-affine systems up to output injection and systems with additive triangular nonlinearity. Finally, the third part extends our redesign method to systems whose outputs are not only transformed but also discretized in time. This added assumption introduces important challenges; we now implement sample-and-hold techniques leading to an observer gain based on linear matrix inequalities. The main feature of our redesign methods is the possibility to adapt a large number of observers from the literature to more realistic scenarios. Indeed, classical sensors in engineering applications are often nonlinear or discrete, whereas a recurrent assumption in observer design is the linearity or continuity of the output; L’estimation d’état d’un système non linéaire est essentielle pour la réussite des objectifs importants tels que : la surveillance, l’identification et le contrôle. Les observateurs sont des algorithmes qui estiment l’état actuel en utilisant, entre autres informations, les mesures effectuées par des capteurs. Le problème de synthèse d’observateur pour les systèmes non linéaires est un sujet de recherche majeur traité depuis plusieurs décennies dans le domaine de la théorie du contrôle. Récemment, les recherches ont également porté sur la synthèse des observateurs pour des modèles de plus en plus réels, qui peuvent prendre en compte des perturbations, des capteurs non linéaires et des sorties discrètes. Dans ce contexte, le but de cette thèse concerne la synthèse d’observateurs robustes pour certaines classes de systèmes non linéaires. Dans ce manuscrit, nous distinguons trois parties principales. La première partie porte sur l’analyse des systèmes affines en état, affectés par le bruit, et l’estimation de l’état via le filtre de Kalman à grand gain. Les propriétés de convergence de cet observateur sont fortement influencées par deux variables : le paramètre de réglage du gain de l’observateur et l’entrée du système. Nous présentons un nouvel algorithme d’optimisation, basé sur une analyse de Lyapunov, qui adapte ces deux variables en fonction des perturbations affectant la dynamique et la sortie du système. La nouveauté de cette approche est qu’elle fournit une méthode systématique de réglage du gain et de sélection d’entrée simultanément ce qui améliore l’estimation de l’état en présence de telles perturbations et évite l’utilisation des méthodes basées de type essais-erreurs. La deuxième partie concerne le problème de “redesign” d’observateurs pour des systèmes non linéaires sous une forme générale dont les sorties sont transformées par des fonctions non linéaires. En effet, l’observateur risque alors de ne pas estimer correctement l’état du système si elle ne prend pas en compte les non-linéarités des capteurs. Nous présentons une refonte d’observateur qui consiste en l’interconnexion de l’observateur originel avec un estimateur de sortie basé sur une inversion dynamique, et nous démontrons sa convergence asymptotique via des résultats du petit-gain. Nous illustrons notre méthode en utilisant deux classes de systèmes non linéaires courant dans la littérature : les systèmes affines en l’état avec injection de sortie, et les systèmes avec non-linéarité sous la forme canonique. Enfin, la troisième partie étend notre approche présentée pour les systèmes continus aux systèmes dont les sorties sont non seulement transformées mais également discrétisées dans le temps. Cette propriété ajoutée introduit un défi important ; nous implémentons les techniques de “sample-and-hold” qui mènent à un gain de l’observateur basé sur des inégalités matricielles linéaires. La principale caractéristique des méthodes proposées est la possibilité d’adapter un grand nombre d’observateurs de la littérature à des scénarii plus réalistes. En effet, les capteurs classiques utilisés dans les applications d’ingénierie sont souvent non linéaires ou discrets, alors qu’une hypothèse récurrente dans la conception d’observateurs est la linéarité ou la continuité de la sortie

Bolted structures dynamics is an ongoing research topic. In particular, a correct prediction of the damping provided by bolted joints has became an essential requirement for a certain number of applications, such as aircrafts and space vehicles. In fact, for these applications, the use of materials with higher damping coefficients is limited by environmental conditions.This work provides two main contributions. The first one concerns the design and modeling phase, with the creation of a finite element connectors' system, that reproduces the bolted joint normal and tangential behaviors. The latter is accomplished only by taking into account readily available physical data, such as the bolted joint dimensions and the properties of the surfaces in contact. The second contribution regards the evaluation of assembled structures' nonlinear dynamic properties. A set of post-processing tools making use of the Kalman filter is developed to perform a nonlinear modal analysis for the most common types of experimental tests: impact hammer tests, sweep sine tests, and random vibration tests.The developed methods are then applied and evaluated on a real bolted structure, pointing out advantages and drawbacks. In particular, the Kalman filter allows for a higher accuracy in the determination of modal parameters, but the filter initialization is the main problem. A partial automation of the initialization task is provided, together with practical tips thanks to the experience gained on the subject., La dynamique des structures assemblées est un sujet de recherche actuel. En particulier, une prédiction correcte de l'amortissement apporté par les liaisons vissés est devenu une condition essentiel pour un certain nombre d'applications, comme par exemple les avions et les véhicules spatiaux. En effet, pour ces applications, l’utilisation de matériaux avec un coefficient d'amortissement plus élevée, comme des matériaux visco-élastiques, est limité par les conditions de fonctionnement.Ces travaux apportent deux contributions principales. La première porte sur la phase de conception et modélisation, avec la création d'un système de connecteurs pour la reproduction des comportements normal et tangentiel d'une liaisons vissée. Cela est accomplie en considérant seulement les données physiques de la liaison et des surfaces en contact.La deuxième contribution concerne l’évaluation des propriétés dynamiques non-linéaires des assemblages. Un set d'outils de post-traitement utilisant le filtre de Kalman est développé pour réaliser une analyse modale non-linéaire pour les types d'essais les plus communs: les essais aux chocs, les essais en balayage sinus, et les essais en sinus aléatoire.Les méthodes développées ont été appliqués et évaluées sur une structure boulonnée réel, en soulignant les avantages et les inconvénients. Notamment, le filtre de Kalman permet une meilleure précision sur les paramétrés identifiés, mais le procédé d’initialisation du filtre est le problème principal. Une automatisation partiel de l’initialisation est prévu, ainsi que des conseils pratiques grâce à l’expérience acquise sur le sujet.

The new generation of radars is facing increasingly threatening targets. These radars are asked to perform several tasks in parallel, including surveillance and tracking. To this aim, they can be equipped with staring antennas, so they overcome the constraints induced by the rotation of the antenna. The tracking function of the radar has thus to be upgraded to respond to the double issue of tracking highly manoeuvring targets and managing the resources to balance time between tasks. In this context, this thesis investigates new means of tracking highly manoeuvring targets. A new target model based on intrinsic coordinates to perform target tracking is proposed. This new target model is expressed in the frame of the target itself, and uses the Frenet-Serret frame, which is well suited to the description of highly dynamic manoeuvres involving normal accelerations that are much larger than earth gravity. A filtering algorithm using the special intrinsic formulation of the target model is developed. This filtering algorithm is very similar in terms of implementation to an Extended Kalman filter, and was implemented using real data. The comparison with standard target models and filtering algorithms show improvements over simple models and algorithms on a large set of trajectories. A new estimation method, relying on the least squares formulation of the smoothing approach, and taking into account kinematic jumps in the trajectory is also developed. This method also shows improvements over a set of common algorithms based on standard manoeuvre detection. And independently, we investigate the issue of update rate adaptation for radar measurements. A very general update rate adaptation algorithm is derived to optimise the time of revisit of each target, allowing to preserve the radar time budget for other tasks simultaneously performed, such as surveillance.; Les nouvelles générations de radars sont confrontées à des cibles de plus en plus menaçantes. Ces radars doivent effectuer plusieurs tâches en parallèle, dont la veille et la poursuite. Pour cela, ils peuvent être équipés de panneaux fixes, pour éviter les contraintes liées à la rotation de l'antenne. Le pistage du radar doit donc être renouvelé pour répondre à la double difficulté posée par le pistage des cibles très manoeuvrantes et la gestion des ressources. Dans ce contexte, cette thèse étudie de nouvelles méthodes de pistage pour les cibles hyper-manoeuvrantes. Un nouveau modèle de cible, en coordonnées intrinsèques, est proposé. Ce modèle est exprimé directement dans le repère de la cible, afin de décrire au mieux des manoeuvres fortes avec des accélérations normales bien supérieures à la gravité terrestre. Un algorithme de filtrage utilisant la formulation intrinsèque du modèle est développé. Cet algorithme ayant la même structure qu'une filtre de Kalman étendu, il a été testé sur de vraies données. La comparaison avec d'autres algorithmes de filtrage a montré de réelles améliorations sur un ensemble important de trajectoires. Une nouvelle méthode d'estimation, reposant sur la formulation en termes de moindres carrés de l'approche de lissage, et permettant de tenir compte de sauts dans la trajectoire est également proposée, et les bénéfices sur des méthodes plus classiques de sauts entre modèles sont montrés. Indépendamment, le problème de cadence adaptative est également traité. Un algorithme très général permettant d'optimiser la cadence de mesure pour ménager le budget temps du radar pour la surveillance est présenté.

The new generation of radars is facing increasingly threatening targets. These radars are asked to perform several tasks in parallel, including surveillance and tracking. To this aim, they can be equipped with staring antennas, so they overcome the constraints induced by the rotation of the antenna. The tracking function of the radar has thus to be upgraded to respond to the double issue of tracking highly manoeuvring targets and managing the resources to balance time between tasks. In this context, this thesis investigates new means of tracking highly manoeuvring targets. A new target model based on intrinsic coordinates to perform target tracking is proposed. This new target model is expressed in the frame of the target itself, and uses the Frenet-Serret frame, which is well suited to the description of highly dynamic manoeuvres involving normal accelerations that are much larger than earth gravity. A filtering algorithm using the special intrinsic formulation of the target model is developed. This filtering algorithm is very similar in terms of implementation to an Extended Kalman filter, and was implemented using real data. The comparison with standard target models and filtering algorithms show improvements over simple models and algorithms on a large set of trajectories. A new estimation method, relying on the least squares formulation of the smoothing approach, and taking into account kinematic jumps in the trajectory is also developed. This method also shows improvements over a set of common algorithms based on standard manoeuvre detection. And independently, we investigate the issue of update rate adaptation for radar measurements. A very general update rate adaptation algorithm is derived to optimise the time of revisit of each target, allowing to preserve the radar time budget for other tasks simultaneously performed, such as surveillance.; Les nouvelles générations de radars sont confrontées à des cibles de plus en plus menaçantes. Ces radars doivent effectuer plusieurs tâches en parallèle, dont la veille et la poursuite. Pour cela, ils peuvent être équipés de panneaux fixes, pour éviter les contraintes liées à la rotation de l'antenne. Le pistage du radar doit donc être renouvelé pour répondre à la double difficulté posée par le pistage des cibles très manoeuvrantes et la gestion des ressources. Dans ce contexte, cette thèse étudie de nouvelles méthodes de pistage pour les cibles hyper-manoeuvrantes. Un nouveau modèle de cible, en coordonnées intrinsèques, est proposé. Ce modèle est exprimé directement dans le repère de la cible, afin de décrire au mieux des manoeuvres fortes avec des accélérations normales bien supérieures à la gravité terrestre. Un algorithme de filtrage utilisant la formulation intrinsèque du modèle est développé. Cet algorithme ayant la même structure qu'une filtre de Kalman étendu, il a été testé sur de vraies données. La comparaison avec d'autres algorithmes de filtrage a montré de réelles améliorations sur un ensemble important de trajectoires. Une nouvelle méthode d'estimation, reposant sur la formulation en termes de moindres carrés de l'approche de lissage, et permettant de tenir compte de sauts dans la trajectoire est également proposée, et les bénéfices sur des méthodes plus classiques de sauts entre modèles sont montrés. Indépendamment, le problème de cadence adaptative est également traité. Un algorithme très général permettant d'optimiser la cadence de mesure pour ménager le budget temps du radar pour la surveillance est présenté.

We present an original method using a low cost accelerometer and a Kalman-filter based algorithm to monitor cardiopulmonary resuscitation chest compressions (CC) depth. A three-axis accelerometer connected to a computer was used during CC. A Kalman filter was used to retrieve speed and position from acceleration data. We first tested the algorithm for its accuracy and stability on surrogate data. The device was implemented for CC performed on a manikin. Different accelerometer locations were tested. We used a classical inertial navigation algorithm to reconstruct CPR depth and frequency. The device was found accurate enough to monitor CPR depth and its stability was checked for half an hour without any drift. Average error on displacement was ±0.5mm. We showed that depth measurement was dependent on the device location on the patient or the rescuer. The accuracy and stability of this small low-cost accelerometer coupled to a Kalman-filter based algorithm to reconstruct CC depth and frequency, was found well adapted and could be easily implemented.

Este trabajo examina la forma como se ha manejado la política monetaria para el caso de Colombia,tras la implementación oficial del esquema de Inflación Objetivo. Para ese propósito, se analizala estabilidad en los parámetros de la estimación de la Regla de Taylor por medio de un modelolinear dinámico para el período comprendido entre 2000 y 2014. Se puede concluir que la funciónde reacción de la tasa de intervención del Banco Central ha variado de manera coherente con laconsolidación gradual del esquema de Inflación Objetivo. Adicionalmente, a pesar de la discusiónteórica que se ha generado recientemente por la inclusión de algunas variables adicionales dentrode esta regla de política, tales como el crédito o el tipo de cambio, el trabajo demostró que esosobjetivos no han sido relevantes a la hora determinar la política de intervención de la tasa deinterés. This paper examines the way how the monetary policy has been conducted in the case of Colombiaafter the official implementation of inflation targeting. For that purpose, we analyze the stability ofthe parameters in the estimation of the Taylor Rule, using a dynamic linear model, for the periodbetween 2000 and 2014. We proved that the reaction function of the Central Bank’s intervention ratehas varied consistently with the gradual consolidation of inflation targeting. Furthermore, despitethe theoretical discussion that has recently generated the inclusion of some additional variables within this policy rule, such as credit or exchange rate, the work evidenced that these objectiveshave not been relevant in determining the intervention policy interest rate. Cet article analyse la manière dont a été dirigée la politique monétaire colombienne après la miseen œuvre officielle de l’inflation ciblée. Pour ce faire, nous avons analysé la stabilité des paramètresd’estimation de la Règle de Taylor, en utilisant un modèle linéaire dynamique, pour la période entre2000 et 2014. Nous avons ainsi démontré que la fonction réactionnelle au taux d’intervention dela Banque Centrale a varié avec la consolidation de l’inflation ciblée. En outre, et ce malgré ledébat théorique récemment engendré par l’inclusion de certaines variables supplémentaires danscette politique monétaire, tel que le crédit ou le taux de change, notre analyse a démontré que cesobjectifs n’ont pas été pertinents pour évaluer le taux d’influence de cette politique interventionniste.

This thesis starts from the observation that a credit portfolio is subject to several risks, mainly due to the credit quality of the borrower and his behavior toward his credit lines (drawdown or prepayment). It turns out that the observed risks are dynamic and depend on various factors, both micro and macroeconomic. Our goal in one hand is to understand the articulation of these risks in order to efficiently manage them in the current time, in the other hand, we want to have a forward looking vision of these risks with respect to the changes in the economic conditions in order to have a pro-active management. To address our objectives, we have articulated our research on three axes that have resulted in three chapters in the form of articles.(i) Analysis of changes in the credit ratings with respect to risk factors. The use of factor migration models allowed us to reproduce some stylized facts mentioned in academic literature and to identify some others. We have also estimated the business cycle between2006 and 2014, which manages to capture the crises of 2008 and 2012.(ii) Design of a cash-_ow model that considers the changes in borrowers' behavior under the influence of their micro and macroeconomic environments. We prove the influence of the credit ratings, business cycle, estimated recovery rates and short-term interest rates on the utilization rates of a credit line. This model also provides risk measures such as Cash Flow-at-Risk and Stressed Cash Flow-at-Risk on credit portfolio using Monte Carlo simulations.(iii) Discussion on the Willingness-to-Pay (WTP) of an ambiguity neutral decision maker (DM) in order to reduce the risk in presence of ambiguity over probabilities. We show that the introduction of ambiguity through several ambiguity sources modifies the welfare level of all ambiguity-neutral and risk-averse DM when ambiguity and risk interact, Cette thèse de doctorat part du constat qu'un portefeuille de crédit est soumis à plusieurs risques qui proviennent principalement de la qualité de crédit de l'emprunteur et de son comportement de tirage et de pré-paiement sur ses lignes de crédit. Il s'avère que les risques observés sont dynamiques et dépendent de facteurs divers, autant micro que macro-économiques.Nous avons eu la volonté de comprendre l'articulation de ces risques pour avoir une gestion efficace de ceux-ci dans le présent, mais aussi une vision prospective si les conditions économiques changent, cela pour une gestion pro-active. Pour traiter cette problématique, nous avons articulé nos recherches autour de trois axes qui ont abouti à trois chapitres sous forme d'articles.(i) Analyse des changements des notations de crédit en fonction des facteurs de risque.L'utilisation des modèles de migration multi-factoriels nous a permis de reproduire des faits stylisés cités dans la littérature et d'en identifier d'autres. Nous reconstituons aussi le cycle économique entre 2006 et 2014 qui réussit à capter les crises de 2008 et 2012.(ii) Conception d'un modèle de cash-flow qui tient compte de l'évolution des comportements des emprunteurs sous l'influence de leurs environnements micro et macro-économiques.Nous prouvons l'influence de la notation de crédit, du cycle économique, du taux de recouvrement estimé et du taux d'intérêt court terme sur les taux d'utilisation. Ce modèle permet aussi d'obtenir des mesures de risque comme le Cash Flow-at-Risk et le Stressed Cash Flow-at-Risk sur des portefeuilles de crédit grâce à des simulations de Monte Carlo.(iii) Réflexion sur la Disposition-à-Payer (DAP) d'un décideur neutre à l'ambiguïté pour réduire le risque en présence d'incertitude sur les probabilités. Nous montrons que la présence de plusieurs sources d'ambiguïté (possiblement corrélées) change le bien-être d'un décideur averse au risque bien que celui-ci soit neutre à l'ambigüité

Most large modern cities in the world nowadays suffer from pollution and traffic jams. A possible solution to this problem could be to regulate personnal car access into center downtown, and possibly replace public transportations by pollution-free autonomous vehicles, that could dynamically change their planned trajectory to transport people in a fully on-demand scenario. These vehicles could be used also to transport employees in a large industrial facility or in a regulated access critical infrastructure area. In order to perform such a task, a vehicle should be able to localize itself in its area of operation. Most current popular localization methods in such an environment are based on so-called "Simultaneous Localization and Maping" (SLAM) methods. They are able to dynamically construct a map of the environment, and to locate such a vehicle inside this map. Although these methods demonstrated their robustness, most of the implementations lack to use a map that would allow sharing over vehicles (map size, structure, etc...). On top of that, these methods frequently do not take into account already existing information such as an existing city map and rather construct it from scratch. In order to go beyond these limitations, we propose to use in the end semantic high-level maps, such as OpenStreetMap as a-priori map, and to allow the vehicle to localize based on such a map. They can contain the location of roads, traffic signs and traffic lights, buildings etc... Such kind of maps almost always come with some degree of imprecision (mostly in position), they also can be wrong, lacking existing but undescribed elements (landmarks), or containing in their data elements that do not exist anymore. In order to manage such imperfections in the collected data, and to allow a vehicle to localize based on such data, we propose a new strategy. Firstly, to manage the classical problem of data incest in data fusion in the presence of strong correlations, together with the map scalability problem, we propose to manage the whole map using a Split Covariance Intersection filter. We also propose to remove possibly absent landmarks still present in map data by estimating their probability of being there based on vehicle sensor detections, and to remove those with a low score. Finally, we propose to periodically scan sensor data to detect possible new landmarks that the map does not include yet, and proceed to their integration into map data. Experiments show the feasibility of such a concept of dynamic high level map that could be updated on-the-fly.; La plupart des grandes villes modernes mondiales souffrent des conséquences de la pollution et des bouchons. Une solution à ce problème serait de réglementer l'accès aux centres-villes pour les voitures personnelles en faveur d'un système de transports publics constitués de navettes autonomes propulsées par une énergie n'engendrant pas de pollution gazeuse. Celles-ci pourraient desservir les usagers à la demande, en étant déroutées en fonction des appels de ceux-ci. Ces véhicules pourraient également être utilisés afin de desservir de grands sites industriels, ou bien des sites sensibles dont l'accès, restreint, doit être contrôlé. Afin de parvenir à réaliser cet objectif, un véhicule devra être capable de se localiser dans sa zone de travail. Une bonne partie des méthodes de localisation reprises par la communauté scientifique se basent sur des méthodes de type "Simultaneous Localization and Mapping" (SLAM). Ces méthodes sont capables de construire dynamiquement une carte de l'environnement ainsi que de localiser un véhicule dans une telle carte. Bien que celles-ci aient démontré leur robustesse, dans la plupart des implémentations, le partage d'une carte commune entre plusieurs robots peut s'avérer problématique. En outre, ces méthodes n'utilisent fréquemment aucune information existant au préalable et construisent la carte de leur environnement à partir de zéro.Nous souhaitons lever ces limitations, et proposons d'utiliser des cartes de type sémantique, qui existent au-préalable, par exemple comme OpenStreetMap, comme carte de base afin de se localiser. Ce type de carte contient la position de panneaux de signalisation, de feux tricolores, de murs de bâtiments etc... De telles cartes viennent presque à-coup-sûr avec des imprécisions de position, des erreurs au niveau des éléments qu'elles contiennent, par exemple des éléments réels peuvent manquer dans les données de la carte, ou bien des éléments stockés dans celles-ci peuvent ne plus exister. Afin de gérer de telles erreurs dans les données de la carte, et de permettre à un véhicule autonome de s'y localiser, nous proposons un nouveau paradigme. Tout d'abord, afin de gérer le problème de sur-convergence classique dans les techniques de fusion de données (filtre de Kalman), ainsi que le problème de mise à l'échelle, nous proposons de gérer l'intégralité de la carte par un filtre à Intersection de Covariance Partitionnée. Nous proposons également d'effacer des éléments inexistant des données de la carte en estimant leur probabilité d'existence, calculée en se basant sur les détections de ceux-ci par les capteurs du véhicule, et supprimant ceux doté d'une probabilité trop faible. Enfin, nous proposons de scanner périodiquement la totalité des données capteur pour y chercher de nouveaux amers potentiels que la carte n'intègre pas encore dans ses données, et de les y ajouter. Des expérimentations montrent la faisabilité d'un tel concept de carte dynamique de haut niveau qui serait mise à jour au-vol.

Most large modern cities in the world nowadays suffer from pollution and traffic jams. A possible solution to this problem could be to regulate personnal car access into center downtown, and possibly replace public transportations by pollution-free autonomous vehicles, that could dynamically change their planned trajectory to transport people in a fully on-demand scenario. These vehicles could be used also to transport employees in a large industrial facility or in a regulated access critical infrastructure area. In order to perform such a task, a vehicle should be able to localize itself in its area of operation. Most current popular localization methods in such an environment are based on so-called "Simultaneous Localization and Maping" (SLAM) methods. They are able to dynamically construct a map of the environment, and to locate such a vehicle inside this map. Although these methods demonstrated their robustness, most of the implementations lack to use a map that would allow sharing over vehicles (map size, structure, etc...). On top of that, these methods frequently do not take into account already existing information such as an existing city map and rather construct it from scratch. In order to go beyond these limitations, we propose to use in the end semantic high-level maps, such as OpenStreetMap as a-priori map, and to allow the vehicle to localize based on such a map. They can contain the location of roads, traffic signs and traffic lights, buildings etc... Such kind of maps almost always come with some degree of imprecision (mostly in position), they also can be wrong, lacking existing but undescribed elements (landmarks), or containing in their data elements that do not exist anymore. In order to manage such imperfections in the collected data, and to allow a vehicle to localize based on such data, we propose a new strategy. Firstly, to manage the classical problem of data incest in data fusion in the presence of strong correlations, together with the map scalability problem, we propose to manage the whole map using a Split Covariance Intersection filter. We also propose to remove possibly absent landmarks still present in map data by estimating their probability of being there based on vehicle sensor detections, and to remove those with a low score. Finally, we propose to periodically scan sensor data to detect possible new landmarks that the map does not include yet, and proceed to their integration into map data. Experiments show the feasibility of such a concept of dynamic high level map that could be updated on-the-fly.; La plupart des grandes villes modernes mondiales souffrent des conséquences de la pollution et des bouchons. Une solution à ce problème serait de réglementer l'accès aux centres-villes pour les voitures personnelles en faveur d'un système de transports publics constitués de navettes autonomes propulsées par une énergie n'engendrant pas de pollution gazeuse. Celles-ci pourraient desservir les usagers à la demande, en étant déroutées en fonction des appels de ceux-ci. Ces véhicules pourraient également être utilisés afin de desservir de grands sites industriels, ou bien des sites sensibles dont l'accès, restreint, doit être contrôlé. Afin de parvenir à réaliser cet objectif, un véhicule devra être capable de se localiser dans sa zone de travail. Une bonne partie des méthodes de localisation reprises par la communauté scientifique se basent sur des méthodes de type "Simultaneous Localization and Mapping" (SLAM). Ces méthodes sont capables de construire dynamiquement une carte de l'environnement ainsi que de localiser un véhicule dans une telle carte. Bien que celles-ci aient démontré leur robustesse, dans la plupart des implémentations, le partage d'une carte commune entre plusieurs robots peut s'avérer problématique. En outre, ces méthodes n'utilisent fréquemment aucune information existant au préalable et construisent la carte de leur environnement à partir de zéro.Nous souhaitons lever ces limitations, et proposons d'utiliser des cartes de type sémantique, qui existent au-préalable, par exemple comme OpenStreetMap, comme carte de base afin de se localiser. Ce type de carte contient la position de panneaux de signalisation, de feux tricolores, de murs de bâtiments etc... De telles cartes viennent presque à-coup-sûr avec des imprécisions de position, des erreurs au niveau des éléments qu'elles contiennent, par exemple des éléments réels peuvent manquer dans les données de la carte, ou bien des éléments stockés dans celles-ci peuvent ne plus exister. Afin de gérer de telles erreurs dans les données de la carte, et de permettre à un véhicule autonome de s'y localiser, nous proposons un nouveau paradigme. Tout d'abord, afin de gérer le problème de sur-convergence classique dans les techniques de fusion de données (filtre de Kalman), ainsi que le problème de mise à l'échelle, nous proposons de gérer l'intégralité de la carte par un filtre à Intersection de Covariance Partitionnée. Nous proposons également d'effacer des éléments inexistant des données de la carte en estimant leur probabilité d'existence, calculée en se basant sur les détections de ceux-ci par les capteurs du véhicule, et supprimant ceux doté d'une probabilité trop faible. Enfin, nous proposons de scanner périodiquement la totalité des données capteur pour y chercher de nouveaux amers potentiels que la carte n'intègre pas encore dans ses données, et de les y ajouter. Des expérimentations montrent la faisabilité d'un tel concept de carte dynamique de haut niveau qui serait mise à jour au-vol.

Phillips (1958) in his study on England, showed the existence of a relationship between the unemployment rate and inflation, and the potential existence of an arbitrage between those two aggregates. Indeed, when the unemployment rate decreases, the costs of production of fi rms tend to increase, which results in an increase of prices. Yet, a good economic health requires a decrease in unemployment and a bearable inflation rate. Thus, it is necessary to determine the unemployment rate that allows a stable inflation, so called NAIRU (Non Accelerating Inflation Rate of Unemployment). Since the NAIRU cannot actually be observed (Blanchard (2003)), it is difficult to measure it. Several unclear estimates have been made on the american NAIRU . Thus, the present study aims to contribute to this literature by a rigorous estimation of the American NAIRU with Bayesian estimation methods including MCMC (Markov Chain Monte Carlo) in a state space univariate gaussian model. In our strategy, the latent variable (NAIRU) is obtained using a Kalman fi lter and a backward smoothing algorithm as introduced by de Jong et Shephard(1995) ; the draw of parameters is performed through a Gibbs sampling. All those steps are realized many times by MCMC simulations for convergence requirement., Phillips (1958) dans son étude sur l'Angleterre, montre l'existence d'une relation entre le taux de chômage et l'inflation, ainsi que l'existence éventuelle d'un arbitrage entre ces deux agrégats. En effet, lorsque le taux de chômage diminue, les coûts de production des entreprises augmentent, ce qui se répercutent sur leurs prix occasionnant de l'inflation. Pourtant, une bonne santé économique requiert une diminution du chômage et un niveau d'inflation soutenable. Ainsi, il convient de déterminer le taux de chômage qui permet une inflation stable, taux encore appelé NAIRU (Non Accelerating Inflation Rate of Unemployement). Étant donné que le NAIRU échappe à l'observation (Blanchard (2003)), il est difficile de le mesurer. Plusieurs estimations peu précises ont été faites sur le NAIRU américain. La présente étude contribue à la littérature par une estimation rigoureuse du NAIRU américain avec des méthodes d'estimation bayésienne, plus précisément des simulations MCMC (Markov Chain Monte Carlo) dans un modèle espace état univarié linéraire et gaussien. Dans notre stratégie, l'obtention de la variable latente (NAIRU) se fait au moyen du filtre de Kalman et d'un lissage à rebours tel que proposé par de Jong et Shephard(1995) ; le tirage des paramètres est réalisé par un échantillonnage de Gibbs. Le tout est effectué un grand nombre de fois par simulations MCMC pour assurer la convergence.

Dans cette thèse, le problème du contrôle d’attitude de satellites agiles à l’aide de grappes d’actionneurs gyroscopiques (AGs) est considéré et plus particulièrement son application au contrôle de micro/nanosatellites (10-100 kg). Des outils d’analyse topologique sont tout d'abord développés. La comparaison de différentes configurations de grappes justifie le choix d'une géométrie pyramidale à six actionneurs gyroscopiques. Des analyses plus approfondies de cette grappe, avec et sans cas de panne, permettent de déduire des contraintes que la loi de pilotage doit vérifier pour être adaptée à ce système. Pour y répondre, après analyse de la littérature, une nouvelle structure de loi de pilotage ainsi qu’une formulation différente des équations cinématiques sont développées. Cette structure est basée sur l’algorithme du filtre de Kalman étendu. Elle a pour avantages de répondre aux exigences en termes de calcul temps réel au bord des satellites, de flexibilité sur la gestion des contraintes et de facilité d’adaptation en cas de pannes. En outre, une procédure de génération de boucle de commande, englobant la loi de pilotage et un contrôleur robuste du système, est proposée. La généralisation de cette boucle de commande est illustrée sur des bras manipulateurs à base fixe et spatiaux. En parallèle, l’étude du passage des singularités internes intraversables mène à une nouvelle stratégie d’évitement de ces singularités. Des simulations sur des modèles de satellites représentatifs illustrent les résultats. La grappe d’actionneurs et la boucle de commande développées seront testées dans le cadre d’une expérimentation en microgravité. In this thesis, the attitude control problem for agile satellites with control moment gyro (CMG) clusters is studied. In particular, the problem applies to micro/nanosatellites (10-100kg). First, numerical tools are developed to analyse the compatibility of various cluster configurations with the nanosatellite constraints. The pyramidal six-CMG cluster is then selected. This cluster topology is analysed in depth, with and without actuator failures. Constraints on the development of a steering law adapted to our system are deduced. Among them, the singularity avoidance issue is emphasised. To meet the requirements, an analysis of the literature is carried out. Then, a new steering law structure and a different formulation of the kinematic equations are developed. This structure is based on the extended Kalman filter algorithm. It meets the requirements because it can be calculated in real-time onboard satellites, constraints imposed on the system are handled with flexibility and it is easily adaptable in case of actuator failures. In addition, a procedure to generate the control loop is proposed, containing a robust controller. The generalisation of this control loop is shown on space and fixed-base manipulator arms. Furthermore, the study of the internal elliptic singularities in CMG clusters leads to a new singularity avoidance strategy. Software simulations on highly representative simulators show the results of the steering law in various actuator failure cases. The CMG cluster and the control loop will be tested in a parabolic flight campaign, and the development of this experiment is detailed in this thesis.

In this thesis, the attitude control problem for agile satellites with control moment gyro (CMG) clusters is studied. In particular, the problem applies to micro/nanosatellites (10-100kg).First, numerical tools are developed to analyse the compatibility of various cluster configurations with the nanosatellite constraints. After comparison of the configurations, the pyramidal six-CMG cluster is selected. This cluster topology is analysed in depth, with and without actuator failures. Constraints on the development of a steering law adapted to our system are deduced. Among them, the singularity avoidance issue is emphasised. The requirements initially defined in the thesis are therefore expanded. To meet the requirements, an analysis of the literature is carried out. Then, a new steering law structure and a different formulation of the kinematic equations are developed. This structure is based on the extended Kalman filter algorithm. It meets the requirements because it can be calculated in real-time onboard satellites, constraints imposed on the system are handled with flexibility and it is easily adaptable in case of actuator failures. In addition, a procedure to generate the control loop is proposed. It contains the steering law and a robust system controller. The generalisation of this control loop is shown on space and fixed-base manipulator arms.Furthermore, the study of the internal elliptic singularities in CMG clusters leads to a new singularityavoidance strategy. It consists in adding the knowledge of the system topology in the steering law to enhance the precision of the maneuvers. Software simulations on highly representative simulators show the results of the steering law in various actuator failure cases. The CMG cluster and the control loop will be tested in a parabolic flight campaign, and the development of this experiment is detailed in this thesis., Dans cette thèse, le problème du contrôle d’attitude de satellites agiles à l’aide de grappes d’actionneurs gyroscopiques (AGs) est considéré et plus particulièrement son application au contrôle de micro/nanosatellites (10-100 kg). Afin d’analyser les configurations de grappe les plus pertinentes pour les nanosatellites, des outils d’analyse topologique sont développés. Après une comparaison des différentes configurations, le choix se porte sur une grappe pyramidale de six actionneurs gyroscopiques. Des analyses plus approfondies de cette grappe (avec et sans cas de panne d’actionneurs gyroscopiques) permettent de déduire des contraintes que la loi de pilotage doit vérifier pour être adaptée à ce système, en particulier pour le passage de singularités.Le cahier des charges initialement défini pour la thèse est alors étoffé et précisé. Pour y répondre, après analyse de la littérature, une nouvelle structure de loi de pilotage ainsi qu’une formulation différente des équations cinématiques sont développées. Cette structure est basée sur l’algorithme du filtre de Kalman étendu. Elle a pour avantages de répondre aux exigences en termes de calcul temps réel au bord des satellites, de flexibilité sur la gestion des contraintes et de facilité d’adaptation en cas de pannes. En outre, une procédure de génération de boucle de commande, englobant la loi de pilotage et un contrôleur robuste du système, est proposée. La généralisation de cette boucle de commande est illustrée sur des bras manipulateurs à base fixe et spatiaux.En parallèle, l’étude du passage des singularités internes intraversables dans les grappes d’actionneurs gyroscopiques mène à une nouvelle stratégie d’évitement de ces singularités. Elle consiste à insérer une connaissance de la topologie du système pour améliorer la précision dans le pilotage. Des simulations sur des modèles de satellites représentatifs illustrent les résultats de la loi de pilotage dans différents cas de panne. La grappe d’actionneurs et la boucle de commande développées seront testées dans le cadre d’une expérimentation en microgravité, et les objectifs de cette expérience sont détaillés dans ce mémoire.

National audience; This thesis deals with state estimation in discrete-time dynamic systems in the context of the integration of statistical and bounded error uncertainties. Motivated by the drawbacks of the interval Kalman filter (IKF) and its improvement (iIKF), we propose a filtering algorithm for linear systems subject to uncertain Gaussian noises, i.e. with the mean and covariance matrix defined by their membership to intervals. This new interval Kalman filter (UBIKF) relies on finding a punctual gain matrix minimizing an upper bound of the set of estimation error covariance matrices by respecting the bounds of the parametric uncertainties. An envelope containing all possible estimates is then determined using interval analysis. The UBIKF reduces not only the computational complexity of the set inversion of the matrices intervals appearing in the iIKF, but also the conservatism of the estimates. We then discuss different frameworks for representing incomplete or imprecise knowledge, including the cumulative distribution functions, the possibility theory and the theory of belief functions. Thanks to the last, a model in the form of a mass function for an uncertain multivariate Gaussian distribution is proposed. A box particle filter based on this theory is developed for non-linear dynamic systems in which the process noises are bounded and the measurement errors are represented by an uncertain Gaussian mass function. Finally, the UBIKF is applied to fault detection and isolation by implementing the generalized observer scheme and structural analysis. Through various examples, the capacity for detecting and isolating sensor/actuator faults of this tool is illustrated and compared to other approaches.; Cette thèse porte sur l’estimation d’état des systèmes dynamiques à temps discret dans le contexte de l’intégration d’incertitudes statistiques et à erreurs bornées. Partant du filtre de Kalman intervalle (IKF) et de son amélioration (iIKF), nous proposons un algorithme de filtrage pour des systèmes linéaires dont les bruits sont gaussiens incertains, c’est-à-dire de moyenne et matrice de covariance définies par leur appartenance à des intervalles. Ce nouveau filtre de Kalman intervalle (UBIKF) repose sur la recherche d’une matrice de gain ponctuelle minimisant une borne majorante de l’ensemble des matrices de covariance de l’erreur d’estimation en respectant les bornes des incertitudes paramétriques. Un encadrement de tous les estimés possibles est ensuite déterminé en utilisant l’analyse par intervalles. Le filtre UBIKF permet de réduire à la fois la complexité calculatoire de l’inversion ensembliste des matrices intervalles présent dans le filtre iIKF et le conservatisme des estimations. Nous abordons ensuite différents cadres permettant de représenter des connaissances incomplètes ou imprécises, y compris les fonctions de répartition, la théorie de possibilité et la théorie des fonctions de croyance. Grâce à cette dernière, un modèle sous forme d’une fonction de masse pour une distribution gaussienne multivariée incertaine est proposé. Un filtrage particulaire ensembliste basé sur cette théorie est développé pour des systèmes dynamiques non linéaires dans lesquels les bruits sur la dynamique sont bornés et les erreurs de mesure sont modélisées par une fonction de masse gaussienne incertaine. Enfin, le filtre UBIKF est utilisé pour la détection et l’isolation de défauts en mettant en oeuvre le schéma d’observateurs généralisé et l’analyse structurelle. Au travers de différents exemples, la capacité d’isolation de défauts capteurs/ actionneurs de cet outil est illustrée et comparée à d’autre approches.

For land vehicles, the requirements of the navigation solution in terms of accuracy, integrity, continuityand availability are more and more stringent, especially with the development of autonomous vehicles.This type of application requires a navigation system not only capable of providing an accurate andreliable position, velocity and attitude solution continuously but also having a reasonable cost. In thelast decades, GNSS has been the most widely used navigation system especially with the receiversdecreasing cost over the years. However, despite of its capability to provide absolute navigationinformation, this system suffers from problems related to signal propagation especially in urbanenvironments where buildings, trees and other structures hinder the reception of GNSS signals anddegrade their quality. A possible way to overcome these problems is to fuse good GNSS measurementswith other sensors having complementary characteristics. Generally, the most widely implementedhybridization algorithms for land vehicles fuse GNSS measurements with inertial and/or odometric data.However, the performance achieved by this hybridization depends thoroughly on the quality of theinertial/odometric sensor used especially when GNSS signals are degraded or unavailable. Therefore,this Ph.D. thesis, aims at extending the classical hybridization architecture by including other sensorscapable of improving the navigation performances while having a low cost and being easily embeddable.For this reason, the use of vision-based navigation techniques to provide additional information isproposed in this thesis. In particular, the SLAM technique is investigated. Therefore, this work focuseson developing a multi-sensor fusion architecture integrating visual information with the previouslymentioned sensors. In particular, the study of the contribution of this information to improve the visionfreenavigation system performance is perfomrmed., Les exigences en termes de précision, intégrité, continuité et disponibilité de la navigation terrestre,consistant à estimer la position, la vitesse et l’attitude d’un véhicule, sont de plus en plus strictes, surtoutdepuis le développement des véhicules autonomes. Ce type d’applications nécessite un système denavigation non seulement capable de fournir une solution de navigation précise et fiable, mais aussiayant un coût raisonnable. Durant les dernières décennies, les systèmes de navigation par satellites(GNSS) ont été les plus utilisés pour la navigation, surtout avec la baisse continue des coûts desrécepteurs. Cependant, malgré sa capacité à fournir des informations de navigation absolue avec unebonne précision dans des milieux dégagés, l’utilisation du GNSS dans des milieux contraints est limitéeà cause des problèmes liés à la propagation des signaux. Ce problème peut être surmonté en fusionnantles bonnes mesures GNSS avec les mesures d'autres capteurs ayant des caractéristiquescomplémentaires. Les algorithmes d'hybridation les plus largement mis en oeuvre pour les véhiculesterrestres fusionnent les mesures GNSS avec des données inertielles et / ou odométriques. Cependant,les performances obtenues par cette hybridation dépendent énormément de la qualité du capteurinertiel/odométrique utilisé, surtout lorsque les signaux GNSS sont dégradés ou indisponibles. Parconséquent, cette thèse, vise à enrichir l’architecture d'hybridation en incluant d'autres mesures decapteurs capables d'améliorer les performances de navigation tout en disposant d'un système bas coût etfacilement embarquable. C’est pourquoi l'utilisation de la technique de navigation SLAM basées sur lavision pour fournir des informations supplémentaires est proposée dans cette thèse. Par conséquent, cetravail se concentre sur le développement d'une architecture de fusion multi-capteurs fusionnantl’information visuelle fournie par le SLAM avec les capteurs précédemment mentionnés et étudie enparticulier la contribution de l'utilisation de cette information pour améliorer les performances dusystème de navigation

In this thesis, we work on the problem of simultaneously localizing an underwater robot while mapping a set of acoustic beacons lying on the seafloor, using an acoustic range-meter and an inertial navigation system. We focus on the two main approaches classically used to solve this type of problem: Kalman filtering and set-membership filtering using interval analysis. The Kalman filter is optimal when the state equations of the robot are linear, and the noises are additive, white and Gaussian. The interval-based filter do not model uncertainties in a probabilistic framework, and makes only one assumption about their nature: they are bounded. Moreover, the interval-based approach allows to rigorously propagate the uncertainties, even when the equations are non-linear. This results in a high reliability in the set estimate, at the cost of a reduced precision.We show that in a subsea context, when the robot is equipped with a high precision inertial navigation system, a part of the SLAM equations can reasonably be seen as linear with additive Gaussian noise, making it the ideal playground of a Kalman filter. On the other hand, the equations related to the acoustic range-meter are much more problematic: the system is not observable, the equations are non-linear, and the outliers are frequent. These conditions are ideal for a set-based approach using interval analysis.By taking advantage of the properties of Gaussian noises, this thesis reconciles the probabilistic and set-membership processing of uncertainties for both linear and non-linear systems with additive Gaussian noises. By reasoning geometrically, we are able to express the part of the Kalman filter equations linked to the dynamics of the vehicle in a set-membership context. In the same way, a more rigorous and precise treatment of uncertainties is described for the part of the Kalman filter linked to the range-measurements. These two tools can then be combined to obtain a SLAM algorithm that is reliable, precise and robust. Some of the methods developed during this thesis are demonstrated on real data.; Dans cette thèse on s'intéresse au problème de la localisation d'un robot sous-marin et de la cartographie en simultané d'un jeu de balises acoustiques installées sur le fond marin, en utilisant un distance-mètre acoustique et une centrale inertielle. Nous nous focalisons sur les deux approches principales utilisées pour résoudre ce type de problème: le filtrage de Kalman et le filtrage ensembliste basé sur l'analyse par intervalles. Le filtre de Kalman est optimal quand les équations d'état du robot sont linéaires et les bruits sont additifs, Gaussiens. Le filtrage par intervalles ne modélise pas les incertitudes dans un cadre probabiliste, et ne fait qu'une seule hypothèse sur leur nature: elles sont bornées. De plus, l'approche utilisant les intervalles permet la propagation rigoureuse des incertitudes, même quand les équations sont non linéaires. Cela résulte en une estimation hautement fiable, au prix d'une précision réduite. Nous montrons que dans un contexte sous-marin, quand le robot est équipé avec une centrale inertielle de haute précision, une partie des équations du SLAM peut raisonnablement être considérée comme linéaire avec un bruit Gaussien additif, en faisant le terrain de jeu idéal d'un filtre de Kalman. De l'autre côté, les équations liées aux observations du distance-mètre acoustique sont bien plus problématiques: le système n'est pas observable, les équations sont non linéaires, et les outliers sont fréquents. Ces conditions sont idéales pour une approche à erreur bornées basée sur l'analyse par intervalles. En prenant avantage des propriétés des bruits Gaussiens, cette thèse réconcilie le traitement probabiliste et ensembliste des incertitudes pour les systèmes aussi bien linéaires que non linéaires sujets à des bruits Gaussiens additifs. En raisonnant de manière géométrique, nous sommes capables d'exprimer la partie des équations du filtre de Kalman modélisant la dynamique du véhicule dans un cadre ensembliste. De la même manière, un traitement plus rigoureux et précis des incertitudes est décrit pour la partie des équations du filtre de Kalman liée aux mesures de distances. Ces outils peuvent ensuite être combinés pour obtenir un algorithme de SLAM qui est fiable, précis et robuste. Certaines des méthodes développées dans cette thèse sont illustrées sur des données réelles.

This work falls within the scope of detection and localization of defects in electrical drives and in particular those based on asynchronous machines. The choice of the machine is justified by the growing success that it has generated, in particular, in variable speed electric drives.Asynchronous machine-based electrical drives are widely used in industrial applications because of their low cost, performance and robustness.Our contribution focuses on the monitoring and diagnosis of defects in the asynchronous machine such as bearing defects, rotor bar failure defects and bearing defects. In this context, we proposed two approaches for fault detection by monitoring the stator current, in this case the signal approach and the system approach.The signal approach is based on the processing and analysis of the temporal or frequency signal of the stator current.The model approach, which relies on the extended state observers. Extended filters based on linear models are applied for diagnosis, Ce travail s’inscrit dans la thématique de la détection et localisation de défauts dans les entraînements électriques et en particulier ceux à base de machine asynchrone. Le choix de la machine est justifié par le succès grandissant qu’elle a suscité, notamment, dans les entraînements électriques à vitesse variable.Les entraînements électriques à base de machine asynchrone sont largement utilisés dans les applications industrielles en raison de leurs faibles couts, de leurs performances et de leurs robustesses.Notre contribution s’intéresse à la surveillance et au diagnostic des défauts dans la machine asynchrone tels que les défauts de roulements, les défauts de rupture de barres rotoriques et les défauts de roulements. Dans ce contexte, nous avons proposé deux approches de détection de défaut par la surveillance du courant statorique en l’occurrence l’approche signal et l’approche système.L’approche signal, elle se base sur le traitement et l’analyse du signal temporel ou fréquentiel du courant statorique.L’approche modèle, qui repose sur les l’observateurs d’état étendu. Des filtres étendus à base de modèle linéaires sont appliqués pour le diagnostic

The work presented in this thesis deals with the identification of dynamic systems represented through continuous-time linear models with slowly time-varying parameters. The complexity of the identification problem comes on the one hand from the unknown character of the parameter variations and on the other hand from the presence of noises of unknown nature on the measured signals. The proposed solutions rely on a judicious combination of the Kalman filter assuming that the variations of the parameters can be represented in the form of a random walk, and the method of the instrumental variable which has the advantage of being robust with respect to the nature of the measurement noises. The recursive algorithms are developed in an open-loop and closed-loop identification setting. The different variants are distinguished by the way in which the instrumental variable is built. Inspired by the solution developed for time-invariant linear systems, an adaptive construction of the instrumental variable is suggested in order to be able to follow the evolution of the parameters as well as possible. The performance of the developed methods are evaluated using Monte Carlo simulations and show the supremacy of the proposed solutions based on the instrumental variable compared with the more classical least squares based approaches. The practical aspects and implementation issues are of paramount importance to obtain a good performance when these estimators are used. These aspects are studied in detail and several solutions are proposed not only to robustify the estimators with respect to the choice of hyperparameters but also with respect to their numerical implementation. The algorithms developed have enhanced the functions of the CONTSID toolbox for Matlab. Finally, the developed estimators are considered in order to track parameters of two physical systems: a benchmark available in the literature consisting of a bandpass electronic filter and a throttle valve equipping the car engines. Both applications show the potential of the proposed approaches to track physical parameters that vary slowly over time, Les travaux présentés dans ce mémoire traitent de l'identification des systèmes dynamiques représentés sous la forme de modèles linéaires continus à paramètres variant lentement au cours du temps. La complexité du problème d'identification provient d'une part du caractère inconnu de la loi de variation des paramètres et d'autre part de la présence de bruits de nature inconnue sur les signaux mesurés. Les solutions proposées s'appuient sur une combinaison judicieuse du filtre de Kalman en supposant que les variations des paramètres peuvent être représentées sous la forme d'une marche aléatoire et de la méthode de la variable instrumentale qui présente l'avantage d'être robuste vis à vis de la nature des bruits de mesure. Les algorithmes de type récursif sont développés dans un contexte d'identification en boucle ouverte et en boucle fermée. Les différentes variantes se distinguent par la manière dont est construit la variable instrumentale. Inspirée de la solution développée pour les systèmes linéaires à temps invariant, une construction adaptative de la variable instrumentale est suggérée pour pouvoir suivre au mieux l'évolution des paramètres. Les performances des méthodes développées sont évaluées à l'aide de simulations de Monte Carlo et montrent la suprématie des solutions proposées s'appuyant sur la variable instrumentale par rapport celles plus classiques des moindres carrés récursifs. Les aspects pratiques et d'implantation numérique sont d'une importance capitale pour obtenir de bonnes performances lorsque ces estimateurs sont embarqués. Ces aspects sont étudiés en détails et plusieurs solutions sont proposées non seulement pour robustifier les estimateurs vis à vis du choix des hyper-paramètres mais également vis à vis de leur implantation numérique. Les algorithmes développés sont venus enrichir les fonctions de la boîte à outils CONTSID pour Matlab. Enfin, les estimateurs développés sont exploités pour faire le suivi de paramètres de deux systèmes physiques : un benchmark disponible dans la littérature constitué d'un filtre électronique passe-bande et une vanne papillon équipant les moteurs de voiture. Les deux applications montrent le potentiel des approches proposées pour faire le suivi de paramètres physiques variant lentement dans le temps

Real time monitoring of turbulent flows is a challenging task that concerns a large range of applications. Evaluating wake vortices around the approach runway of an airport, in order to optimize the distance between lined-up aircraft, is an example. Another one touches to the broad subject of active flow control. In aerodynamic, control of detached flows is an essential issue. Such a control can serve to reduce noise produced by airplanes, or improve their aerodynamic performances. This work aims at developing tools to produce real time prediction of turbulent velocity fields from a small number of punctual sensors. After a literature review focused on a popular reconstruction method in fluid mechanics, the Stochastic Estimation (SE), the first step was to evaluate its overall prediction performances on several turbulent flows of gradual complexity. The accuracy of the SE being very limited in some cases, a deeper characterization of the method was performed. The filtering effect of the SE in terms of spatial and temporal content was particularly highlighted. This characterization pointed out the strong influence of the sensor locations on the estimation quality. Therefore, a sensor location optimization algorithm was proposed and extended to the choice of time delays when using Multi-Time-Delay SE. While using optimized locations for the sensors hold some accuracy improvements, they were still insufficient for some test cases. The opportunity to use a data assimilation method, the Kalman filter that combines a dynamic model of the flow with sensor information, was investigated. For some cases, the results were promising and the Kalman filter outperforms all SE methods.; Le suivi en temps réel des écoulements turbulents est une tâche difficile ayant des applications dans de nombreux domaines. Un exemple est la mesure des tourbillons de sillage au niveau des pistes d’aéroports afin d’optimiser la distance entre les avions en phase d’approche ou de décollage. Un autre exemple se rapporte au contrôle actif d’écoulements. De tels contrôles peuvent servir à réduire le bruit des avions... Cette thèse vise à développer des outils afin d’estimer en temps réel des champs de vitesse d’écoulements turbulents à partir d’un faible nombre de mesures ponctuelles. Après une étude bibliographique centrée sur une méthode de reconstruction populaire, l’estimation stochastique (SE), ses performances sont évaluées pour la prédiction de champs de vitesse issus d’écoulements de complexité croissante. La précision des estimations obtenues étant très faibles dans certains cas, une analyse précise de la méthode est effectuée. Celle-ci a montré l’effet filtrant de la SE sur le contenu spatial et temporel des champs de vitesse. De plus, le fort impact de la position des capteurs a été mis en avant. C’est pourquoi un algorithme d’optimisation de la position des capteurs est ensuite présenté. Bien que l’optimisation de la position des capteurs mène à une amélioration de la précision des prédictions obtenues par SE, elle reste néanmoins très faible pour certains cas tests. L’utilisation d’une technique issue du domaine de l’assimilation de données, le filtre de Kalman qui combine un modèle dynamique de l’écoulement avec les mesures, a donc été étudiée. Pour certains écoulements, le filtre de Kalman permet d’obtenir des prédictions plus précises que la SE.

Thanks to new technological developments, it is now possible to get our localization with our own smartphone. However, indoor environments are still relatively lacking in localization based service. MEMS sensors, composed of inertial and magnetic sensors, offer a ubiquitous solution. These sensors can be merged with other technologies to give a reliable solution for the Pedestrian Navigation. In this context the ?Pedestrian Dead Reckoning? strategy is attractive. Indeed, this strategy enables to estimate the walking distance with a limited drift. But the walking direction estimation remains critical in the PDR strategy. Hand movements are relatively erratic and cause a dynamic angular misalignment, which is difficult to estimate. Firstly, a new orientation estimation algorithm of the handheld unit is developed to reduce the errors in the horizontal inertial measurements. The filter is parametrized with quaternions and based on opportune invariant phases of the magnetic and gravity fields. Secondly, a novel walking direction estimator is proposed. State of the art methods to estimate the walking direction are based on the signal energy maximization and are sensitive to erratic hand movements. The new approach is based on the theories of probability and information that is built on the biomechanical description of walking. Experimental validations are conducted to analyze the performance of the new direction estimation filter whose quality directly depends on the quality of the position estimates; La technologie d'aujourd'hui donne la possibilité à chacun de se localiser grâce à son smartphone. Cependant les milieux intra-muros restent encore relativement dépourvus en service de géolocalisation. Pour des raisons d'ubiquité, les centrales inertielleset magnétiques de technologie MEMS présentes dans les smartphones offrent une solution pour la navigation pédestre. Dans ce contexte la stratégie « Pedestrian Dead-Reckoning » s'avère intéressante car elle limite la dérive temporelle de l'estimation de ladistance parcourue. Cependant, l'estimation de la direction de marche s'avère critique dans la stratégie PDR, les mouvements de la main présentant un certain désordre/désalignement qui rend difficile une telle estimation.Dans un premier temps, l'estimation de l'orientation de la centrale inertielle est affinée afin de projeter avec un minimum d'erreur les mesures inertielles dans le plan horizontal. Un filtre d'estimation de l'orientation paramétré en quaternions et basé sur une exploitation opportune des champs magnétiques et de gravité a été développé. Dans un second temps, il s'agit d'estimer la direction de marche. Les méthodes de l'état de l'art proposent une estimation de la direction de marche à partir de la maximisation de l'énergie du signal. Cette approche est sensible aux mouvements de la main. Nous proposons une nouvelle approche basée sur les théories des probabilités et de l'information qui s'inspire de la description biomécanique de la marche. Des validations expérimentales sont conduites pour analyser les performances d'estimation de la direction de marche qui est directement reliée à la qualité de l'estimation du positionnement

This thesis investigates power system models and signal processing methods for estimating power quality parameters of electrical distribution systems. The fundamental frequency is supposed to be a constant but varies continuously according to the demand, to available power, to renewable energy generation and to nasty synchronization of some devices. Moreover, the power absorbed by loads or produced by sources is generally different from one phase to the other one. Identifying the symmetrical components is therefore an efficient way to quantify the imbalance between the phases of a grid. A first state‐space representation is developed by supposing the fundamental frequency to be known or to be calculated by another estimator. In return, it provides other parameters and characteristics from the power system. Another original state‐space model is introduced which does not require the fundamental frequency. Here, one state variable is a function of the frequency which can thus be deduced. Furthermore this new state‐space model is perfectly are able to represent a three‐phase power system in both balanced and unbalanced conditions. The advantage of the proposed state‐space representation is that it gives directly access to physical parameters of the system, like the frequency and the amplitude and phase values of the voltage symmetrical components. Power systems parameters can thus be estimated in real‐time by using the new statespace with an online estimation process like an Extended Kalman Filter. The methods have been implemented and validated through various tests respecting real technical constraints and various severe operating conditions.; Cette thèse étudie des modèles des systèmes électriques et des méthodes de traitement du signal pour estimer les paramètres représentant la qualité de l’énergie dans les réseaux électriques. La fréquence fondamentale est censée être une constante mais elle varie en permanence selon l’énergie disponible et demandée, selon la production d’énergie renouvelable et les mauvaises synchronisations de certains équipements. De plus, la puissance absorbée et produite est différente d’une phase à l’autre. Identifier les composantes symétriques de tension est un moyen pertinent pour quantifier le déséquilibre entre les phases. Un premier modèle d’espace d’état est proposé, il considère la fréquence fondamentale comme obtenue par un autre estimateur et fournit en échange d’autres paramètres caractérisant le système électrique. Un second modèle d’état‐espace est introduit, il ne nécessite aucune connaissance de la fréquence fondamentale. Une de ses variables d’état est directement reliée à la fréquence et permet donc de la déduire. En outre, ce nouvel espace d’état est parfaitement capable de représenter des systèmes électriques équilibrés et non équilibrés. L’avantage de l’espace d’état proposé réside dans le fait qu’il permet d’estimer directement les paramètres physiques du système électrique, tels que la fréquence, l’amplitude et la phase des composantes symétriques en tension. Les paramètres des systèmes électriques peuvent être estimés en temps réel en utilisant le nouvel espace d’état et un Filtre de Kalman Etendu. Les méthodes ont été mises en oeuvre et validées par le biais de différents tests proches des contraintes techniques et des conditions d’utilisation réelles.

This PhD thesis presents three independent contributions. The first part is concentrated on the modeling of the conditional mean of stock market returns: the expected market return. The latter is often modeled as an AR(1) process. However, empirical studies have found that during bad times return predictability is higher. Given that the AR(1) model excludes by construction this property, we propose to use instead a CIR model. The implications of this specification are studied within a flexible Bayesian state-space model. The second part is dedicated to the modeling of stocks volatility and trading volume. The empirical relationship between these two quantities has been justified by the Mixture of Distribution Hypothesis (MDH). However, this framework notably fails to capture the obvious persistence in stock variance, unlike GARCH specifications. We propose a two-factor model of volatility combining both approaches, in order to disentangle short-run from long-run volatility variations. The model reveals several important regularities on the volume-volatility relationship. The third part of the thesis is concerned with the analysis of optimal investment strategies under the drawdown constraint. The finite horizon expectation maximization problem is studied for different types of utility functions. We compute the optimal investments strategies, by solving numerically the Hamilton–Jacobi–Bellman equation, that characterizes the dynamic programming principle related to the stochastic control problem. Based on a large panel of numerical experiments, we analyze the divergences of optimal allocation programs; Cette thèse présente trois contributions indépendantes. La première partie se concentre sur la modélisation de la moyenne conditionnelle des rendements du marché actions : le rendement espéré du marché. Ce dernier est souvent modélisé à l'aide d'un processus AR(1). Cependant, des études montrent que lors de mauvaises périodes économiques la prédictibilité des rendements est plus élevée. Etant donné que le modèle AR(1) exclut par construction cette propriété, nous proposons d'utiliser un modèle CIR. Les implications sont étudiées dans le cadre d'un modèle espace-état bayésien. La deuxième partie est dédiée à la modélisation de la volatilité des actions et des volumes de transaction. La relation entre ces deux quantités a été justifiée par l'hypothèse de mélange de distribution (MDH). Cependant, cette dernière ne capture pas la persistance de la variance, à la différence des spécifications GARCH. Nous proposons un modèle à deux facteurs combinant les deux approches, afin de dissocier les variations de volatilité court terme et long terme. Le modèle révèle plusieurs régularités importantes sur la relation volume-volatilité. La troisième partie s'intéresse à l'analyse des stratégies d'investissement optimales sous contrainte «drawdown ». Le problème étudié est celui de la maximisation d'utilité à horizon fini pour différentes fonctions d'utilité. Nous calculons les stratégies optimales en résolvant numériquement l'équation de Hamilton-Jacobi-Bellman, qui caractérise le principe de programmation dynamique correspondant. En se basant sur un large panel d'expérimentations numériques, nous analysons les divergences des allocations optimales

This PhD thesis presents three independent contributions. The first part is concentrated on the modeling of the conditional mean of stock market returns: the expected market return. The latter is often modeled as an AR(1) process. However, empirical studies have found that during bad times return predictability is higher. Given that the AR(1) model excludes by construction this property, we propose to use instead a CIR model. The implications of this specification are studied within a flexible Bayesian state-space model. The second part is dedicated to the modeling of stocks volatility and trading volume. The empirical relationship between these two quantities has been justified by the Mixture of Distribution Hypothesis (MDH). However, this framework notably fails to capture the obvious persistence in stock variance, unlike GARCH specifications. We propose a two-factor model of volatility combining both approaches, in order to disentangle short-run from long-run volatility variations. The model reveals several important regularities on the volume-volatility relationship. The third part of the thesis is concerned with the analysis of optimal investment strategies under the drawdown constraint. The finite horizon expectation maximization problem is studied for different types of utility functions. We compute the optimal investments strategies, by solving numerically the Hamilton–Jacobi–Bellman equation, that characterizes the dynamic programming principle related to the stochastic control problem. Based on a large panel of numerical experiments, we analyze the divergences of optimal allocation programs; Cette thèse présente trois contributions indépendantes. La première partie se concentre sur la modélisation de la moyenne conditionnelle des rendements du marché actions : le rendement espéré du marché. Ce dernier est souvent modélisé à l'aide d'un processus AR(1). Cependant, des études montrent que lors de mauvaises périodes économiques la prédictibilité des rendements est plus élevée. Etant donné que le modèle AR(1) exclut par construction cette propriété, nous proposons d'utiliser un modèle CIR. Les implications sont étudiées dans le cadre d'un modèle espace-état bayésien. La deuxième partie est dédiée à la modélisation de la volatilité des actions et des volumes de transaction. La relation entre ces deux quantités a été justifiée par l'hypothèse de mélange de distribution (MDH). Cependant, cette dernière ne capture pas la persistance de la variance, à la différence des spécifications GARCH. Nous proposons un modèle à deux facteurs combinant les deux approches, afin de dissocier les variations de volatilité court terme et long terme. Le modèle révèle plusieurs régularités importantes sur la relation volume-volatilité. La troisième partie s'intéresse à l'analyse des stratégies d'investissement optimales sous contrainte «drawdown ». Le problème étudié est celui de la maximisation d'utilité à horizon fini pour différentes fonctions d'utilité. Nous calculons les stratégies optimales en résolvant numériquement l'équation de Hamilton-Jacobi-Bellman, qui caractérise le principe de programmation dynamique correspondant. En se basant sur un large panel d'expérimentations numériques, nous analysons les divergences des allocations optimales