Modélisation et Identification des Systèmes Complexes: application à l'épuration biologique des eaux au niveau de la station de Sétif

Abstract

Cette thèse est dédiée au développement et aux applications des méthodes et techniques avancées dans plusieurs domaines tels la modélisation et l’identification des systèmes, la potabilisation et le traitement de l’eau qui sont directement connectés à sa technologie de production. Pour l’aspect automatique et informatique, les travaux développés portent sur la modélisation de systèmes, l'identification paramétrique et la commande des procédés. En effet, c'est dans ce cadre que se situe notre motivation et notre intérêt pour la modélisation et l'identification des procédés biologiques de traitements des eaux usées. Nous espérons ainsi contribuer à l'amélioration du fonctionnement d'une station d'épuration des effluents urbains en faisant appel aux techniques de modélisation et d'identification de type réseaux de neurones et filtre de Kalman. Pour cela, ce mémoire est structuré en quatre chapitres: le premier décrit le fonctionnement de la station d'épuration des eaux usées; le second, la modélisation. L'identification par les réseaux de neurones et filtre de Kalman fera l'objet du troisième chapitre. Le quatrième chapitre est consacré à l’application du bioprocédé aux traitements des eaux résiduaires. Dans le présent document, les réseaux de neurones sont largement utilisés pour identifier et prédire les paramètres des effluents. Trois méthodes sont mises en oeuvre pour contrôler le fonctionnement du système : - La première considère une contre réaction sur l’ensemble des sorties décalées sur l’entrée. - La seconde est similaire à la précédente avec en plus la prise en compte de la différences de quelques sorties décalées. - La troisième méthode est implémentée en utilisant le filtre de Kalman étendu. De ce qui précède les approches citées offrent de grandes performances quant aux difficultés liées à la complexité de la nature des eaux usées. Nous développons aussi une autre approche d'un modèle dit réduit et qui est tiré du modèle quelque peu compliqué de l'ASM1 ( Activated sludge Model) en identifiant ses paramètres par des méthodes simples et en les intégrant dans le processus de traitement.