Large-scale and infinite dimensional dynamical model approximation

Dans le domaine de l’ingénierie (par exemple l’aéronautique, l’automobile, la biologie, les circuits), les systèmes dynamiques sont le cadre de base utilisé pour modéliser, contrôler et analyser une grande variété de systèmes et de phénomènes. En raison de l’utilisation croissante de logiciels dédiés de modélisation par ordinateur, la simulation numérique devient de plus en plus utilisée pour simuler un système ou un phénomène complexe et raccourcir le temps de développement et le coût. Cependant, le besoin d’une précision de modèle améliorée conduit inévitablement à un nombre croissant de variables et de ressources à gérer au prix d’un coût numérique élevé. Cette contrepartie justifie la réduction du modèle. Pour les systèmes linéaires invariant dans le temps, plusieurs approches de réduction de modèle ont été effectivement développées depuis les années 60. Parmi celles-ci, les méthodes basées sur l’interpolation se distinguent par leur souplesse et leur faible coût de calcul, ce qui en fait un candidat prédestiné à la réduction de systèmes véritablement à grande échelle. Les progrès récents démontrent des façons de trouver des paramètres de réduction qui minimisent localement la norme H2 de l’erreur d’incompatibilité. En général, une approximation d’ordre réduit est considérée comme un modèle de dimension finie. Cette représentation est assez générale et une large gamme de systèmes dynamiques linéaires peut être convertie sous cette forme, du moins en principe. Cependant, dans certains cas, il peut être plus pertinent de trouver des modèles à ordre réduit ayant des structures plus complexes. A titre d’exemple, certains systèmes de phénomènes de transport ont leurs valeurs singulières Hankel qui se décomposent très lentement et ne sont pas facilement approchées par un modèle de dimension finie. En outre, pour certaines applications, il est intéressant de disposer d’un modèle structuré d’ordre réduit qui reproduit les comportements physiques. C’est pourquoi, dans cette thèse, les modèles à ordre réduit ayant des structures de retard ont été plus précisément considérés. Ce travail a consisté, d’une part, à développer de nouvelles techniques de réduction de modèle pour des modèles à ordre réduit avec des structures de retard et, d’autre part, à trouver de nouvelles applications d’approximation de modèle. La contribution majeure de cette thèse couvre les sujets d’approximation et inclut plusieurs contributions au domaine de la réduction de modèle. Une attention particulière a été accordée au problème de l’approximation du modèle optimale pour les modèles structurés retardés. À cette fin, de nouveaux résultats théoriques et méthodologiques ont été obtenus et appliqués avec succès aux repères académiques et industriels. De plus, la dernière partie de ce manuscrit est consacrée à l’analyse de la stabilité des systèmes retardés par des méthodes interpolatoires. Certaines déclarations théoriques ainsi qu’une heuristique sont développées permettant d’estimer de manière rapide et précise les diagrammes de stabilité de ces systèmes.In the engineering area (e.g. aerospace, automotive, biology, circuits), dynamical systems are the basic framework used for modeling, controlling and analyzing a large variety of systems and phenomena. Due to the increasing use of dedicated computer-based modeling design software, numerical simulation turns to be more and more used to simulate a complex system or phenomenon and shorten both development time and cost. However, the need of an enhanced model accuracy inevitably leads to an increasing number of variables and resources to manage at the price of a high numerical cost. This counterpart is the justification for model reduction. For linear time-invariant systems, several model reduction approaches have been effectively developed since the 60’s. Among these, interpolation-based methods stand out due to their flexibility and low computational cost, making them a predestined candidate in the reduction of truly large-scale systems. Recent advances demonstrate ways to find reduction parameters that locally minimize the H2 norm of the mismatch error. In general, a reduced-order approximation is considered to be a finite dimensional model. This representation is quite general and a wide range of linear dynamical systems can be converted in this form, at least in principle. However, in some cases, it may be more relevant to find reduced-order models having some more complex structures. As an example, some transport phenomena systems have their Hankel singular values which decay very slowly and are not easily approximated by a finite dimensional model. In addition, for some applications, it is valuable to have a structured reduced-order model which reproduces the physical behaviors. That is why, in this thesis, reduced-order models having delay structures have been more specifically considered. This work has focused, on the one hand, in developing new model reduction techniques for reduced order models having delay structures, and, on the other hand, in finding new applications of model approximation. The major contribution of this thesis covers approximation topics and includes several contributions to the area of model reduction. A special attention was given to the H2 optimal model approximation problem for delayed structured models. For this purpose, some new theoretical and methodological results were derived and successfully applied to both academic and industrial benchmarks. In addition, the last part of this manuscript is dedicated to the analysis of time-delayed systems stability using interpolatory methods. Some theoretical statements as well as an heuristic are developed enabling to estimate in a fast and accurate way the stability charts of those systems