Cette thèse de doctorat s'inscrit dans un projet de collaboration interdisciplinaire (ANR WaQMoS) associant la biologie marine, l'électronique et les mathématiques appliquées. L'objectif principal de ce projet est de développer un biocapteur autonome intelligent, basé sur la mesure et l'interprétation des réponses comportementales des mollusques bivalves aux stimuli environnementaux. L'application principale est la surveillance à distance de la qualité des eaux côtières et le suivi des changements des écosystèmes dans les zones sensibles en raison de pollutions ou des conséquences du changement climatique. Le biocapteur utilise une technologie de valvométrie non invasive à haute fréquence combinée à un système d'acquisition de données. Le bloc d'acquisition de données comprend un outil complexe, qui convertit les réponses comportementales des mollusques bivalves en un ensemble d'informations utiles pour la surveillance écologique indirecte, grâce au fait que ces animaux sont très sensibles aux changements de leur environnement. De plus, les caractéristiques de leurs réactions peuvent être captées à partir des mouvements d'ouverture/fermeture de ses valves, mesurés par le capteur. Cependant, la compréhension, l'isolation et la connexion des informations contenues dans les signaux de distance aux entrées environnementales ou climatiques constituent un défi important pour la réalisation du biocapteur. Suite à cette problématique, dans la première partie de cette thèse, nous visons à fournir un ensemble de variables comportementales à l'échelle du temps obtenues à partir du signal de distance mesuré au long de plusieurs années dans la région arctique. Ces variables agrégées et biologiquement significatives peuvent être liées à des variables bioclimatiques, telles que la température de surface de l'air et de l'eau à l'échelle temporelle, ou leurs variations maximales et minimales. Pour cela, une série d'outils de traitement des données a été proposée, dont un filtre adaptatif intelligent, basé sur l'estimation avancée de la vitesse et la méthode d'extension et de mélange par régression dynamique (DREM) avec des approches d'estimation à temps (fixe) fini. Les variables comportementales obtenues, en particulier celles liées à la vitesse, sont prometteuses en tant qu'outils potentiels pour mesurer le niveau de stress des bivalves, ce qui peut éventuellement être converti en une mesure du bien-être et de l'adaptation de ces animaux à la variation de la température ambiante. Un autre volet de cette thèse est lié à l'étude de la stabilité robuste des systèmes multistables. Le phénomène de multistabilité survient lorsqu'il est nécessaire d'analyser globalement le comportement d'un système, en prenant en compte tous les états finaux et mouvements possibles. Plusieurs écosystèmes, dans les domaines de la dynamique biologique, les écosystèmes et le climat possèdent deux ou plusieurs équilibres alternatifs, présentant un caractère multistable dans leurs modèles. Les perturbations de ces systèmes influencent la capacité d'adaptation, ce qui entraîne de graves conséquences telles qu'une diminution de la stabilité de l'écosystème. Dans la deuxième partie de cette thèse, basée sur le cadre de la stabilité d'entrée à l'état (ISS) et de la stabilité intégrale d'entrée à l'état (iISS), nous visons à fournir des conditions de robustesse pour la stabilité et la stabilisation de systèmes affines non linéaires avec des ensembles invariants. Dans une première approche, nous traitons des systèmes passifs multistables et obtenons des conditions iISS/ISS en ce qui concerne les perturbations exogènes pour les cas en boucle ouverte et fermée, où le contrôle du gradient de vitesse est appliqué. Dans une deuxième approche, le problème est abordé en étendant les fonctions de contrôle de Lyapunov et la théorie de la formule universelle dans le cadre de la multistabilité. Dans ce cas, on obtient également une condition iISS faible.
M. Denis EFIMOV Institute National de Recherche en Informatique et Automatique (INRIA) Directeur de thèse Mme Rosane USHIROBIRA Institute National de Recherche en Informatique et Automatique (INRIA) Co-directrice de thèse M. David ANGELI Imperial College London Rapporteur M. Pierre-Alexandre BLIMAN Institut National de Recherche en Informatique et Automatique (INRIA) Examinateur M. Jean-Luc GOUZÉ Institut National de Recherche en Informatique et Automatique (INRIA) Examinateur M. Antoine CHAILLET CentraleSupélec Rapporteur M. Jean-Charles MASSABUAU CNRS, Université de Bordeaux Invité
Thesis of the team VALSE defended on 18/12/2020
français
English