I.9.Nature des perturbations et des erreurs de
modélisation dans les Schémas d'identification :
Les perturbations sont un fait réel que l'on peut
difficilement ignorer dans le processus de modélisation ou
d'identification des systèmes physiques. Elles représentent en
fait l'influence non contrôlée de l'environnement du
système sur celui-ci. Quand on essaie d'en tenir compte, on est
confronté a deux types d'incertitudes : la nature (stochastique ou
déterministe) de la source génératrice de ces
perturbations et la manière dont celles-ci affectent le système
(leurs points d'action). En identification des systèmes non
linéaires, l'effet des perturbations est très souvent pris en
compte dans le modèle à travers une erreur de sortie de type
bruit blanc (avec des distributions plus ou moins clairement
spécifiées) éventuellement filtré par un filtre
stable. Toutefois certains travaux ont suggéré une prise en
compte des perturbations à travers une erreur d'équation ou
d'entrée assimilée a un bruit blanc filtré ou non. Les cas
extrêmes sont ceux où aucune hypothèse n'est émise
sur le processus générateur des erreurs et le cas opposé
où ces erreurs sont supposées nulles. Il va sans dire que les
hypothèses considérées dans tel ou tel travail sont avant
tout motivées par le souci d'analyse de consistance des estimateurs
considérés. Il convient de remarquer aussi que les erreurs en
question (de sortie, d'équation et d'entrée) sont aussi le
résultat d'erreurs de modélisation inhérente a l'approche
« boite noire » [10].
I.10.Importance et utilité de l'identification
:
Les systèmes abondent dans l'environnement de l'homme.
Toute les choses qui nous entourent (la machine, l'économie, la plante,
la société, etc....) Ó compris nous même les
êtres humains, peuvent être étudiées et
considérés comme des systèmes, à savoir
modélisées, c'est-à-dire réduits à des
formes de représentations plus abstraits et moins physiques que le
système réel. L'analyse du modèle de représentation
permet d'obtenir de meilleures connaissances sur le système et de le
corrige par la suite dans le sens désiré. L'importance de la
modélisation des systèmes et de l'analyse s'est fait sentir
récemment,
dans de nombreux domaines tels que l'économie, la
biologie, la médecine et naturellement dans la commande automatique.
Les modèles mathématiques développés
a travers les techniques d'identification doivent être adéquats et
robustes car ils peuvent être utilisée pour :
> L'obtention d'une meilleure connaissance du
procédé.
> L'obtention des propriétés du modèle
par étude des simulations temporelles et des propriétés
structurelles (ordre, commandabilité, observabilité,
stabilité) :C'est l'analyse du modèle.
La conception et la mise en oeuvre d'un système performant
de régulation. Le choix entre un ou plusieurs algorithmes de commande
suivant les performances requises et test du schéma adopté par
simulation de la boucle fermée, constituée du modèle
initial et du régulateur : c'est la synthèse du système de
commande [4].
La prédiction des signaux.
> L'optimisation du comportement du procédé.
> Le calcul des variables expérimentalement
inaccessibles.
| 
