4.2.1 Estimation par filtrage de Kalman Plusieurs observateurs pour estimer le couple existent dans la littérature aérodynamique Ta. Ces observateurs sont basés sur un modèle simple de couplage mécanique bon sang. Certains fonctionnent en boucle ouverte, mais ont des observateurs de boucle fermé [13], [14]. Ces solutions ont donné de bons résultats sans bruit mécanique.Certainement dans le groupe de travail. En revanche, si la mesure de la vitesse du générateur est bruitée, la valeur estimée le couple pneumatique devient erroné. Par conséquent, pour estimer le couple aérodynamique subi par l’éolienne, nous utiliserons en savoir plus sur les filtres de Kalman.L’estimation par filtrage de Kalman est une méthode mathématique pour estimer l’état d’un système dynamique à partir d’observations bruitées. Cette méthode est utilisée dans de nombreux domaines tels que l’ingénierie, la robotique, la finance et la météorologie. Le filtre de Kalman est un algorithme qui utilise un modèle mathématique du système et des observations pour estimer l’état actuel du système et prédire son état futur. Le modèle du système est défini par une équation d’état qui décrit l’évolution du système dans le temps et une équation d’observation qui décrit la relation entre l’état du système et les observations. Le filtre de Kalman combine les prédictions du modèle avec les observations réelles pour produire une estimation de l’état actuel du système. Cette estimation est appelée estimation a posteriori et elle est mise à jour à chaque nouvelle observation. L’algorithme utilise également une matrice de covariance qui mesure l’incertitude de l’estimation. Plus la covariance est grande, plus l’estimation est incertaine. Le filtre de Kalman est très efficace pour estimer l’état d’un système même si les observations sont bruitées. Cependant, il est important de noter que le filtre de Kalman ne fonctionne bien que si le modèle mathématique du système est précis et si les hypothèses du filtre sont respectées. Ce couple dépend dans une certaine mesure de variables d’état linéaire et vitesse du vent. S’intégrer d’abord dans équation d’état du système. Le principe de cet estimateur est de considérer le moment l'aérodynamique comme entrée de l’état généré par le modèle global du bruit blanc.