Contributions to parameter estimation of partial differential equations models

Les systèmes décrits par les équations aux dérivées partielles, appartiennent à la classe des systèmes dynamiques impliquant des fonctions dépendantes de plusieurs variables, comme le temps et l'espace. Déjà fortement répandus pour la modélisation mathématique de phénomènes physiques et environnementaux, ces systèmes ont un rôle croissant dans les domaines de l'automatique. Cette expansion, provoquée par les avancées technologiques au niveau des capteurs facilitant l'acquisition de données et par les nouveaux enjeux environnementaux, incite au développement de nouvelles thématiques de recherche. L'une de ces thématiques, est l'étude des problèmes inverses et plus particulièrement l'identification paramétrique des équations aux dérivées partielles. Tout abord, une description détaillée des différentes classes de systèmes décrits par ces équations est présentée puis les problèmes d'identification qui leur sont associés sont soulevés. L'accent est mis sur l'estimation paramétrique des équations linéaires, homogènes ou non, et sur les équations linéaires à paramètres variant. Un point commun à ces problèmes d'identification réside dans le caractère bruité et échantillonné des mesures de la sortie. Pour ce faire, deux types d'outils principaux ont été élaborés. Certaines techniques de discrétisation spatio-temporelle ont été utilisées pour faire face au caractère échantillonné des données; les méthodes de variable instrumentale, pour traiter le problème lié à la présence de bruit de mesure. Les performances de ces méthodes ont été évaluées selon des protocoles de simulation numérique reproduisant des situations réalistes de phénomènes physique et environnementaux, comme la diffusion de polluant dans une rivièreA large variety of natural, industrial, and environmental systems involves phenomena that are continuous functions not only of time, but also of other independent variables, such as space coordinates. Typical examples are transportation phenomena of mass or energy, such as heat transmission and/or exchange, humidity diffusion or concentration distributions. These systems are intrinsically distributed parameter systems whose description usually requires the introduction of partial differential equations. There is a significant number of phenomena that can be simulated and explained by partial differential equations. Unfortunately all phenomena are not likely to be represented by a single equation. Also, it is necessary to model the largest possible number of behaviors to consider several classes of partial differential equations. The most common are linear equations, but the most representative are non-linear equations. The nonlinear equations can be formulated in many different ways, the interest in nonlinear equations with linear parameters varying is studied. The aim of the thesis is to develop new estimators to identify the systems described by these partial differential equations. These estimators must be adapted with the actual data obtained in experiments. It is therefore necessary to develop estimators that provide convergent estimates when one is in the presence of missing data and are robust to measurement noise. In this thesis, identification methods are proposed for partial differential equation parameter estimation. These methods involve the introduction of estimators based on the instrumental variable techniqu