Identification for port-controlled Hamiltonian systems - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2017

Identification for port-controlled Hamiltonian systems

Identification des systèmes hamiltoniens à ports

Résumé

The objective of this thesis is to develop a specific identification theory for Port Controlled Hamiltonian (PCH) systems. The main reasons to develop this theory comes from their remarkable properties like power conservation and stability under power preserving interconnection (e.g. parallel, series or feedback interconnections). In a first part PCH systems are analysed for structural identifiability using some classical or new techniques: observability/controllability identifiability, direct test, power series expansion or a new power energy approach, defining also a new concept of port identifiability. Further it is proposed a perturbation model by means of the interaction port together with a practical identifiability analysis realized using the controllability and observability concepts. The fourth part presents a new framework for time-discretization of PCH systems in the nonlinear or linear case, by combined discretization of the flows and efforts preserving in the same time their characteristic properties. Also in this part it is proposed a discretization error Hamiltonian to distinguish the continuous-time PCH system from the discrete-time one. The fifth part of the thesis makes an analysis of PCH systems identifiability using the subspace identification approach in the deterministic case, proposing also a new power energy approach in direct connection with the structural identifiability results. In the end are presented the main conclusions, personal contributions and perspectives for future work.
L’Objectif de cette thèse est de développeré une théorie de l’identification spécifique pour les systèmes Hamiltonien à ports. Les raisons principales pour motiver cette théorie résident dans les propriétés remarquables de ces systèmes, notamment leur structure de Dirac et sa stabilité par interconnexion conservative de puissance (e.g. parallèle, séries ou feedback). Dans la première partie, les systèmes Hamiltoniens sont analysés en ce qui concerne leur identifiabilité structurelle, par par analyse de leur observabilité/commandabilité, par tests directs, par l’analyse en série de puissance de leur fonction de transfert ou par une nouvelle approche énergétique d’analyse d’une identifiabilité spécifique associée à un port. Dans la partie suivante, des modèles de perturbation par port d’interaction sont introduits et permettent l’analyse de l’identifiabilité « pratique » des systèmes hamiltoniens à ports. Le quatrième chapitre présente des schémas de discrétisation en temps qui préserve les bilans de puissance et d’énergie et leur application sur des exemples de système hamiltoniens à ports linéaires et non linéaires. L’erreur de discrétisation est analysée en introduisant la notion de représentation hamiltonienne de l’erreur de discrétisation. Dans la dernière partie de cette thèse, une approche d’identification dans l’espace d’état est développée pour les systèmes obtenus par discrétisation symplectique des systèmes hamiltoniens à ports. Les cas déterministe est analysé et une approche énergétique basée sur les résultats d’identifiabilité structurelle développé dans la première partie est proposée. Enfin, dans la dernière partie, les contributions du travail sont rappelées et quelques perspectives pour des travaux futurs sont présentées.
Fichier principal
Vignette du fichier
MEDIANU_2017_diffusion.pdf (4.34 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)
Loading...

Dates et versions

tel-01841237 , version 1 (17-07-2018)

Identifiants

  • HAL Id : tel-01841237 , version 1

Citer

Silviu Medianu. Identification for port-controlled Hamiltonian systems. Other. Université Grenoble Alpes; Universitatea politehnica (Bucarest), 2017. English. ⟨NNT : 2017GREAT116⟩. ⟨tel-01841237⟩

Collections

UGA STAR LCIS
2899 Consultations
138 Téléchargements

Partager

Gmail Facebook X LinkedIn More