FR2885244A1 - Procede et systeme d'identification d'un processus physique - Google Patents

Abstract

La présente invention concerne un procédé d'identification d'un modèle (M) d'un processus physique (P), comprenant une étape (100) d'application d'un ensemble de valeurs en entrée du processus, une étape (102) de mesure d'un ensemble correspondant de valeurs en sortie du processus, et une étape (108) d'identification du modèle en fonction desdits ensembles de valeurs.Ce procédé comprend une étape (114 ,130) de détection de valeurs aberrantes desdits ensembles qui dégradent, de par leur utilisation lors de l'identification du modèle, la représentativité du modèle identifié au-delà d'un seuil prédéterminé.

Description

La présente invention concerne un procédé et un système d'identification

d'un processus physique.

Plus particulièrement, la présente invention concerne un tel procédé comprenant une étape d'application d'un ensemble de valeurs en entrée du processus, une étape de mesure d'un ensemble correspondant de valeurs en sortie du processus, et une étape d'identification du modèle en fonction desdits ensembles de valeurs et un système adapté pour mettre en oeuvre ce procédé.

On sait que la représentativité d'un modèle, c'est-à-dire son aptitude à représenter la portion d'univers qu'il modélise, dépend de nombreux facteurs dont la qualité des données expérimentales utilisées pour l'identifier. Ainsi, une mesure aberrante dans un plan d'expérience peut fortement dégrader la représentativité d'un modèle identifié en utilisant cette mesure aberrante.

Un exemple simple de ce concept est illustré sur la figure 1. Cette figure 1 est un graphique de la réponse en tension U d'une résistance électrique à un ensemble de valeurs d'un courant I appliquées à celle-ci selon un plan d'expérience prédéterminé.

Les valeurs du courant I appliquées à la résistance ont ici été choisies dans une gamme d'amplitudes telle que la résistance présente un comportement sensiblement linéaire et il est souhaité modéliser cette dernière au moyen d'un modèle linéaire du type U=RI, c'est-à-dire par une droite.

Comme on peut le constater sur le graphique de la figure 1, un essai x du plan d'expérience est ici aberrant, et son utilisation pour l'identification du modèle considéré donne la droite Dl. Sans l'utilisation de ce point aberrant lors de l'identification il est obtenu la droite D2. Cette droite D2 diffère sensiblement de la droite Dl mais représente plus fidèlement la réalité, c'est-à-dire le processus physique qui lie le courant I circulant dans la résistance à la tension U aux bornes de celle-ci.

Si dans des cas aussi simples que celui considéré ci-dessus, il est possible de détecter à l'aide de tests simples les essais aberrants d'un plan d'expérience, pour des processus physiques plus complexes et/ou des modèles de comportement plus complexes pour lesquels il existe peu d'informations a priori pour discriminer les essais aberrants, il est difficile d'écarter ceux-ci du plan d'expérience.

De fait, ces essais aberrants sont alors utilisés lors de l'identification et des modèles moins représentatifs, voire erronés, sont ainsi identifiés.

Le but de l'invention est de résoudre les problèmes susmentionnés en proposant un procédé et un système d'identification d'un processus qui réalisent un diagnostic des données expérimentales d'un plan d'expérience d'identification du modèle et qui augmentent la qualité des modèles identifiés obtenus.

A cet effet:, l'invention a pour objet un procédé d'identification d'un modèle d'un processus physique, comprenant une étape d'application d'un ensemble de valeurs en entrée du processus, une étape de mesure d'un ensemble correspondant de valeurs en sortie du processus, et une étape d'identification du modèle en fonction desdits ensembles de valeurs, caractérisé en ce qu'il comprend une étape de détection de valeurs aberrantes desdits ensembles qui dégradent, de par leur utilisation lors de l'identification du modèle, la représentativité du modèle identifié audelà d'un seuil prédéterminé.

Selon des modes de réalisations particuliers de l'invention, le procédé comprend une ou plusieurs des caractéristiques suivantes: - une étape de génération de nouveaux ensembles de valeurs d'entrée et de valeurs de sortie en éliminant les valeurs aberrantes détectées des ensembles de valeurs d'entrée et de sortie du processus, et une étape d'identification du modèle en fonction de ces nouveaux ensembles de valeurs; - l'étape de détection comprend une étape d'évaluation, pour chaque valeur des ensembles de valeurs d'entrée et de sortie du processus, d'une pluralité de critères distincts prédéterminés quantifiant chacun la dégradation de la représentativité du modèle identifié induite par ladite valeur, et une étape de détermination d'une note d'aberration de ladite valeur en fonction de la pluralité de critères évalués; - l'étape de détection comprend une étape de comparaison de la note d'aberration déi:erminée à une valeur de seuil prédéterminée, et ladite valeur est détectée comme aberrante si au moins la note d'aberration est supérieure à la valeur de seuil; - une étape de calcul des résidus du modèle identifié, et un premier critère de la pluralité de critères pour ladite valeur est un résidu standardisé associé à celle-ci; - une étape de calcul des résidus du modèle identifié, et un second critère de la pluralité de critères pour ladite valeur est un résidu studentisé associé à celle-ci; - une étape de calcul des résidus du modèle identifié, et un troisième critère de la pluralité de critères pour ladite valeur est une distance de Cook associée à celle-ci; - une étape de calcul des résidus du modèle identifié, et un quatrième critère de la pluralité de critères pour ladite valeur est une fonction prédéterminée de la différence entre la moyenne de l'ensemble des résidus calculés et la moyenne de l'ensemble des résidus calculés sans le résidu associé à ladite valeur; - l'étape de détection comprend une étape de calcul d'un levier pour ladite valeur, et ladite valeur est détectée comme aberrante si en outre le levier calculé est supérieur à une valeur prédéterminé de levier; et - le modèle, est un modèle paramétrique linéaire en ses paramètres.

L'invention a également pour objet un système d'identification d'un modèle d'un processus physique, comprenant des moyens d'application d'un ensemble de valeurs en entrée du processus, des moyens de mesure d'un ensemble correspondant de valeurs en sortie du processus, et des moyens d'identification du modèle en fonction desdits ensembles de valeurs, comprenant des moyens de détection de valeurs aberrantes desdits ensembles qui dégradent, de par leur utilisation lors de l'identification du modèle, la représentativité du modèle identifié au-delà d'un seuil prédéterminé.

Selon un rnode de réalisation particulier de l'invention, ce système est adapté pour mettre en oeuvre un procédé du type susmentionné.

L'invention a également pour objet un support lisible par ordinateur, comprenant un ensemble d'instructions pour la mise en oeuvre, lors de leur exécution par un ordinateur, d'une détection de valeurs aberrantes d'un ensemble de valeurs d'entrée et d'un ensemble de valeurs de sorties utilisés pour l'identification d'un modèle de processus physique qui dégradent, de par leur utilisation lors de l'identification du modèle, la représentativité du modèle identifié au-delà d'un seuil prédéterminé.

La présente invention sera mieux comprise à la lecture de la description qui va suivre, donnée uniquement à titre d'exemple, et faite en relation avec les dessins annexés, dans lesquels: - la figure 1 est un graphique illustrant un plan d'expérience pour l'identification d'un modèle d'une résistance; - la figure 2 est une vue schématique d'un système selon l'invention pour l'identification d'un processus physique; et - la figure 3 est un organigramme du fonctionnement du système de la figure 2 illustrant le procédé selon l'invention.

Sur la figure 2, on a représenté de manière schématique sous la référence générale 10 un système d'identification d'un modèle M d'un processus physique P, par exemple la quantité d'oxydes d'azote produite par un moteur Diesel de véhicule automobile en fonction du régime de rotation et du couple du moteur.

Le système est par exemple adapté pour identifier le modèle M en mettant en oeuvre un procédé d'identification classique se fondant sur l'excitation du processus P selon un signal prédéterminé, la mesure de la réponse du processus à une telle excitation et la mise en oeuvre d'un algorithme d'identification du modèle en fonction du signal d'excitation et de la réponse du processus P à celui-ci.

Le système 10 comprend un module 12 d'application en entrée du processus P d'un ensemble de valeurs d'entrée prédéterminées et un module 14 de mesure de la sortie du processus propre à mesurer un ensemble de valeurs correspondant à la réponse du processus P à l'application en entrée de celui-ci de l'ensemble de valeurs d'entrée.

Par exemple, le module 12 d'application comprend des moyens 16 d'application d'une entrée en temps continu u(t) prédéterminée en entrée du processus P. Cette entrée est déterminée selon un plan d'expérience défini lors d'une étude antérieure par exemple.

Le module 12 comprend également des moyens 18 d'échantillonnage de cette entrée u(t) connectés aux moyens 16 d'application et propres à produire un ensemble de N valeurs d'entrée u(k) échantillonnées, où N est un nombre prédéterminé.

De manière correspondante, le module 14 de mesure comprend par exemple des moyens 20 d'acquisition de la réponse y(t) du processus P à l'application de l'entrée u(t) et des moyens 22 d'échantillonnage connectés aux moyens 20. Les moyens 22 sont propres à échantillonner la réponse y(t) du processus P aux mêmes instants d'échantillonnage que les moyens 18 d'échantillonnage du module 12 afin de produire un ensemble de N valeurs de sortie y(k) échantillonnées correspondant à l'ensemble des N valeurs d'entrée u(k) appliquées en entrée du processus P. Dans la description qui va suivre, le terme essai désigne une valeur d'entrée u(k) et sa valeur de sortie correspondante y(k). Un essai au k'ème instant d'échantillonnage sera noté ess(k).

Le module 12 d'application et le module 14 de mesure sont connectés à un module 24 d'identification propre à identifier le modèle M du processus physique P en fonction de ces ensembles de valeurs u(k), y(k) .

Le module 24 d'identification comprend une première et une seconde 20 mémoires 26 et 28 pour stocker l'ensemble des valeurs d'entrée u(k) et l'ensemble des valeurs de sortie y(k) respectivement.

Ces mémoires 26 et 28 sont connectées à des moyens 30 d'identification propres à mettre en oeuvre un algorithme d'identification approprié pour identifier le modèle M en fonction des données stockées dans ces mémoires 26, 28.

Par exemple, les moyens 30 comprennent des moyens 32 de prétraitement des ensembles stockés dans les mémoires 26 et 28 pour les mettre sous une forme appropriée pour l'identification, comme par exemple leur soustraire leur composante continue, comme cela est connu en soi de l'état de la technique.

2885244 6 Les moyens 32 de prétraitement sont connectés à des moyens 34 de calcul qui sont adaptés pour identifier le modèle M en fonction des valeurs prétraitées délivrées par les moyens 32 de prétraitement.

Plus particulièrement, le modèle M est un modèle paramétrique linéaire en ses paramètres, par exemple un modèle polynomial du second ordre, et l'identification du modèle M est fondée sur le calcul d'une valeur [3 du vecteur des paramètres R de celui-ci, c'est-à-dire le calcul d'une valeur 6 vérifiant la relation: @(k) =(pT (k) P où T est le symbole de la transposée, (k) est la valeur de la sortie du modèle au k'ème instant d'échantillonnage et (pT(k) est un régresseur pour cette valeur (k) indépendant du vecteurR des paramètres du modèle M. Les moyens 34 de calcul sont alors adaptés pour calculer la valeur [3 du vecteur (3 des paramètres du modèle M en minimisant une fonction des résidus e(k) = (k)y(k) du modèle M, par exemple en mettant en oeuvre un algorithme des moindres carrées non pondérés, c'est-à-dire adapté pour calculer la valeur R du vecteur fi selon la relation: _ (XTX)-I XTY où X = est la matrice de régression.

\(pT (N)i Les moyens 34 de calcul sont connectés à une mémoire 36 propre à mémoriser la valeur résultante de l'identification.

Les moyens 34 de calcul sont également adaptés pour calculer et mémoriser les résidus, ou erreurs de sortie, du modèle M identifié, c'est-à-dire N valeurs e(k) selon la relation: e(k) = y(k) - @(k) = y(k) - PT (k)R Enfin, les moyens 34 de calcul sont adaptés pour calculer, de la manière décrite ci-dessus, pour chaque essai ess(k), un modèle M(k) de structure identique au modèle M (c'est-à-dire une valeur W) du vecteur 13 des paramètres modèle M) en fonction des ensembles de valeur d'entrée et des valeurs de sortie des mémoires 26 et 28 auxquels il est retiré la valeur d'entrée u(k) et la valeur de sortie y(k) correspondant à cet essai ess(k) .

Les résidus du modèle M(k) associé à la valeur (3(k) sont également calculés et mémorisés avec la valeur (3(k) dans la mémoire 36 pour une utilisation ultérieure, comme cela sera expliqué plus en détail par la suite.

Le système 10 d'identification selon l'invention comprend également un module 38 de détection de valeurs aberrantes. Ce module 38 de détection est adapté pour détecter des valeurs de l'ensemble d'entrée u(k) et de l'ensemble des valeurs de sortie y(k) mémorisés dans les mémoires 26 et 28 qui dégradent la représentativité du modèle identifié M lorsqu'elles sont utilisées par les moyens 34 de calcul pour l'identification du modèle M, c'est-à-dire le calcul de la valeur (i.

Afin de détecter de telles valeurs aberrantes, le module 38 de détection comprend des moyens 40 d'évaluation de plusieurs critères Ci, qui chacun quantifie la perte de représentativité du modèle M identifié induite par l'utilisation d'une valeur aberrante, lors de l'identification de celuici.

Les moyens 40 d'évaluation sont connectés aux moyens 34 de calcul et à la mémoire 36 pour recevoir le modèle identifié M, les modèles M(k) associés aux essais ess(k) et les résidus de ces modèles. Les moyens 40 sont également connectés aux mémoires 26 et 28 pour recevoir les données expérimentales utilisées pour identifier le modèle M. Par exemple, le modèle M étant linéaire en ses paramètres, les moyens 40 d'évaluation sont propres à évaluer, pour chaque essai ess(k): - un résidu standardisé estd(k) en tant que premier critère selon la relation: estd(k) = e(k) a avec a=\ (y_x)T(y_x) N p où p est le nombre de colonnes de la matrice X de régression; un levier h(k) selon la relation: h(k) = PT (k) (XTX)-1 cp(k) - un résidu studentisé estu(k) en tant que second critère selon la relation: S(k).11- h(k) où é(k) est le résidu du modèle M(k) pour l'essai ess(k) et S(k) est la moyenne quadratique des résidus du modèle M identifié sans prendre en 10 compte le résidu e(k) ; - une distance de Cook Cook(k) en tant que troisième critère selon la relation: Cook(k) = estu(k) - h(k) ; et 2(1- h(k)) - une différence d'ajustement DFITS(k) en tant que quatrième critère 15 quantifiant la différence entre le résidu moyen du modèle M identifié en prenant en compte le résidu e(k) et le résidu moyen du modèle M sans en prendre en compte le résidu e(k) , c'està-dire une différence d'ajustement DFITS(k) selon la relation: DFITS(k) = y(k) - Y(k) JMSE(k).h(k) où (k) est la valeur prédite par le modèle M pour y(k), Y(k) est la valeur prédite par le rnodèle M(k) pour y(k), et MSE(k) est l'erreur quadratique moyenne des résidus du modèle M calculé sans le k'éme résidu e(k).

Des moyens 42 de détermination d'une note d'aberration note(k) sont connectés aux moyens 40 d'évaluation des critères Ci. Ces moyens 42 sont 25 propres à calculer une note d'aberration note(k) pour chaque essai ess(k) . estu(k) = é(k) 2885244 9 A cet effet, les moyens 42 sont propres à réaliser, pour l'essai ess(k) un test: - sur son résidu standardisé estd(k)en comparant la valeur absolue Iestd(k) de ce résidu à une valeur vl prédéterminée, par exemple égale à 2, et à qualifier le test sur ce résidu comme négatif si la valeur estd(k) est supérieure à la valeur vl; sur son résidu studentisé estu(k) en comparant la valeur absolue estu(k) I de ce résidu à une valeur v2 prédeterminée, par exemple égale au quantile tn_p_2 à 90% d'une loi de Student à n-p-2 degré de liberté, et à qualifier le test pour ce résidu comme négatif si la valeur estu(k) est supérieure à la valeur v2; - sur sa distance de Cook Cook(k) en la comparant à une valeur v3 prédéterminée, par exemple égale au quantile à 50% d'une loi de Fischer, et à qualifier le test sur la distance de Cook Cook(k) comme négatif si la valeur Cook(k) est supérieure à la valeur v3; et - sur sa différence d'ajustement DFITS(k) en comparant la valeur absolue DFITS(k)I de cette différence à une valeur v4 prédéterminée, par exemple égale à 2 I p+ 1 et à qualifier le test sur cette valeur DFITS(k) n -P-1 comme négatif si la valeur IDFITS(k)I est supérieure à la valeur v4.

Les moyens 42 sont enfin propres à calculer la note d'aberration note(k) de l'essai ess(k) comme étant égale au nombre de tests négatifs réalisés sur les critères estd(k) , estu(k), Cook(k) et DFITS(k) . Des moyens 44 de diagnostic sont connectés aux moyens 42 de détermination de la note d'aberration et sont propres à déterminer qu'un essai ess(k) est: - non aberrant si note(k) < nbr(Ci) , où nbr(Ci) est le nombre de critères Ci évalué, ici égal à 4; - potentiellement aberrant si note(k) = nbr(Ci) et h(k) < v5, où v5 est une valeur prédéterminée; et -aberrant si note(k) = nbr(Ci) et h(k) > v5.

Les moyens 44 de diagnostic sont connectés à des moyens 46 de génération qui mémorisent les références k des essais détectés comme aberrants. Ces moyens 44 sont propres à générer de nouveaux fichiers de valeurs d'entrée et de valeurs de sortie en éliminant des ensembles de valeurs mémorisées dans les mémoires 26 et 28 les valeurs d'entrée u(k) et les valeurs de sortie y(k) des essais ess(k) détectés comme aberrants.

Enfin le système 10 comprend un module 48 de gestion centralisée connecté aux moyens 44 de diagnostic, aux moyens 46 de génération et aux moyens 30 d'identification.

Ce module 48 de gestion centralisée est propre, suite à la détection d'au moins un essai aberrant par les moyens 44 de diagnostic, à activer les moyens 46 de génération pour qu'ils produisent et mémorisent dans les mémoires 26, 28 les nouveaux ensembles de valeurs d'entrée et de valeurs de sortie et à activer les moyens 30 d'identification pour qu'ils identifient le modèle M du processus P en fonction des nouveaux ensembles mémorisés dans les mémoires 26 et 28.

Il va maintenant être décrit un fonctionnement du système 10 en relation avec l'organigramme de la figure 3.

Une première étape 100 consiste à appliquer le signal d'entrée u(t) à l'entrée du processus P et à mesurer, dans une étape 102, la réponse y(t) correspondante de celui-ci.

L'entrée u(t) et sa réponse y(t) sont échantillonnées de manière identique dans une étape 104 puis ces données échantillonnées u(k), y(k) sont prétraitées et mémorisées en 106 à des fins d'identification du modèle M, comme cela est connu en soi.

Dans une étape 108, le modèle M du processus P est identifié en calculant la valeur; du vecteur 13 de ses paramètres en fonction des ensembles de valeurs d'entrée et de sortie prétraités.

Les résidus e(k) du modèle M identifié sont ensuite calculés et mémorisés en 110.

Dans une étape 112, un compteur k est initialisé à 1, et dans une étape 114 suivante, un test est mis en oeuvre pour savoir si la valeur de ce compteur k est supérieure strictement à N. Si le résultat de ce test est négatif, le modèle M(k) est identifié en 116 en calculant la valeur f'3(k) pour le k'ème essai ess(k) ainsi que les résidus du modèle identifié M(k) . En 118, les critères estd(k), estu(k) , Cook(k) et DFITS(k) ainsi que le levier h(k) sont évalués et un test effectué sur chacun de ces critères, comme cela a été expliqué ci-dessus.

Une note d'aberration note(k) est ensuite calculée en 120 pour l'essai ess(k) en fonction des résultats de ces tests.

Un test est alors réalisé en 122 pour savoir si la note d'aberration note(k) ainsi calculée est égale au nombre nbr(Ci) de critères évalués, c'est-à- dire pour savoir si tous les tests sur les critères sont négatifs.

Si tel est le cas, un drapeau d(k) est réglé à 1 et est associé en 124 à l'essai ess(k) pour indiquer le caractère potentiellement aberrant de celui-ci. Le test sur le levier h(k) est ensuite effectué en 126 et si ce test est positif, c'est-à-dire si la valeur h(k) est supérieure à la valeur v5 utilisée pour ce test, l'essai est jugée aberrant et la référence k de celui-ci est mémorisée en 128.

L'étape 1213 boucle alors sur une étape 130 d'incrémentation du compteur k d'un pas d'incrément de 1. Cette étape 130, déclenchée également si les résultats des tests mis en oeuvre dans les étapes 122 et 126 sont négatifs, boucle sur l'étape 114 pour tester si l'essai suivant ess(k +1) est aberrant.

Si le résultat du test mis en oeuvre lors de l'étape 114 est positif, c'est-à-dire que tous Iles essais ess(k) ont été étudiés pour détecter ceux qui sont aberrants, un test est mis en oeuvre dans une étape 132 pour savoir si au 30 moins un essai a été détecté comme aberrant.

Si tel est le cas, la valeur d'entrée u(k) et sa valeur de sortie correspondante y(k) associées à chaque essai référencé lors de l'étape 128, sont éliminées en 134 des ensembles de valeurs d'entrée et de sortie mémorisés dans les mémoires 26 et 28. L'étape 134 boucle alors sur l'étape 108 pour un nouveau cycle d'identification et de détection en fonction des nouveaux ensembles de valeurs d'entrée et des valeurs de sortie ainsi générées et mémorisés dans les mémoires 26 et 28.

Si le résultat du test de l'étape 132 est négatif, c'est-à-dire si aucun essai n'a été détecté comme aberrant, le modèle M identifié par le calcul de la valeur R du vecteur R de ses paramètres est alors validé.

Dans un mode de réalisation préféré de l'invention, l'ensemble des moyens décrits ci-dessus, hormis le module 12 d'application et le module 14 de mesure, sont mis en oeuvre sous la forme d'une unité de traitement d'informations, par exemple un ordinateur personnel. Les étapes de détection des valeurs aberrantes se présentent sous la forme d'un module logiciel mémorisé dans une mémoire dans cette unité de traitement d'informations. Ce module logiciel comprend des instructions informatiques lisibles par l'unité de traitement d'informations et plus particulièrement l'ensemble des instructions informatiques nécessaires pour la mise en oeuvre des étapes de détection de valeurs aberrantes.

Comme on peut le noter le système selon l'invention est avantageux en ce que: - les essais aberrants sont détectés et éliminés, ce qui permet une aide au diagnostic ainsi qu'une gestion optimisée de la mémoire; - les essais comprenant des informations constructives et caractéristiques de processus P pour l'identification du modèle M ne sont pas détectés comme des essais aberrants; - le modèle. finalement identifié est plus fiable et plus robuste car il est identifié sur la base de données expérimentales non aberrantes.

Claims (13)

REVENDICATIONS

1. Procédé d'identification d'un modèle (M) d'un processus physique (P), comprenant une étape (100) d'application d'un ensemble de valeurs en entrée du processus, une étape (102) de mesure d'un ensemble correspondant de valeurs en sortie du processus, et une étape (108) d'identification du modèle en fonction desdits ensembles de valeurs, caractérisé en ce qu'il comprend une étape (114;130) de détection de valeurs aberrantes desdits ensembles qui dégradent, de par leur utilisation lors de l'identification du modèle, la représentativité du modèle identifié au-delà d'un seuil prédéterminé.

2. Procédé selon la revendication 1, caractérisé en ce qu'il comprend une étape (134) de génération de nouveaux ensembles de valeurs d'entrée et de valeurs de sortie en éliminant les valeurs aberrantes détectées des ensembles de valeurs d'entrée et de sortie du processus, et une étape (108) d'identification du moclèle en fonction de ces nouveaux ensembles de valeurs.

3. Procédé selon la revendication 1 ou 2, caractérisé en ce que l'étape de détection comprend une étape (118) d'évaluation, pour chaque valeur des ensembles de valeurs d'entrée et de sortie du processus, d'une pluralité de critères distincts prédéterminés quantifiant chacun la dégradation de la représentativité du modèle identifié induite par ladite valeur, et une étape (120) de détermination d'une note d'aberration de ladite valeur en fonction de la pluralité de critères évalués.

4. Procédé selon la revendication 3, caractérisé en ce que l'étape de détection comprend une étape (126) de comparaison de la note d'aberration déterminée à une valeur de seuil prédéterminée, et en ce que ladite valeur est détectée comme aberrante si au moins la note d'aberration est supérieure à la valeur de seuil.

5. Procédé selon la revendication 3 ou 4, caractérisé en ce qu'il comprend une étape (108) de calcul des résidus du modèle identifié, et en ce qu'un premier critère de la pluralité de critères pour ladite valeur est un résidu standardisé associé à celle-ci

6. Procédé selon la revendication 3, 4, 5 ou 6, caractérisé en ce qu'il comprend une étape (108) de calcul des résidus du modèle identifié, et en ce qu'un second critère de la pluralité de critères pour ladite valeur est un résidu studentisé associé à celle-ci.

7. Procédé selon l'une quelconque des revendications 3 à 7, caractérisé en ce qu'il comprend une étape (108) de calcul des résidus du modèle identifié, et en ce qu'un troisième critère de la pluralité de critères pour ladite valeur est une distance de Cook associée à celle-ci.

8. Procédé selon l'une quelconque des revendications 3 à 7, caractérisé en ce qu'il comprend une étape (108) de calcul des résidus du modèle identifié, et en ce qu'un quatrième critère de la pluralité de critères pour ladite valeur est une fonction prédéterminée de la différence entre la moyenne de l'ensemble des résidus calculés et la moyenne de l'ensemble des résidus calculés sans le résidu associé à ladite valeur.

9. Procédé selon la revendication 3 à 8, caractérisé en ce que l'étape de détection comprend une étape (118) de calcul d'un levier pour ladite valeur, et en ce que ladite valeur est détectée comme aberrante si en outre le levier calculé est supérieur à une valeur prédéterminé de levier.

10. Procédé selon l'une quelconque des revendications précédentes, caractérisé en ce que le modèle est un modèle paramétrique linéaire en ses paramètres.

11. Système d'identification d'un modèle d'un processus physique, comprenant des moyens (12) d'application d'un ensemble de valeurs en entrée du processus, des moyens (14) de mesure d'un ensemble correspondant de valeurs en sortie du processus, et des moyens (24) d'identification du modèle en fonction desdits ensembles de valeurs, caractérisé en ce qu'il comprend des moyens (38) de détection de valeurs aberrantes desdits ensembles qui dégradent, de par leur utilisation lors de l'identification du modèle, la représentativité du modèle identifié au- delà d'un seuil prédéterminé.

12. Système selon la revendication 11, caractérisé en ce qu'il est adapté pour mettre en oeuvre un procédé conforme à l'une quelconque des

revendications 2 à 10.

13. Support lisible par ordinateur, caractérisé en ce qu'il comprend un ensemble d'instructions pour la mise en oeuvre, lors de leur exécution par un ordinateur, d'une détection de valeurs aberrantes d'un ensemble de valeurs d'entrée et d'un ensemble de valeurs de sorties utilisés pour l'identification d'un modèle de processus physique qui dégradent, de par leur utilisation lors de l'identification du modèle, la représentativité du modèle identifié au-delà d'un seuil prédéterminé.