Vous êtes sur la page 1sur 56

Avant tous, nous remercions Dieu tout puissant de nous avoir aids porter ce travail son terme.

e. Nos remerciements sont particulirement destins notre cher encadrant Mr RABI MOHAMED pour laide, la collaboration, les prcieux conseils et la comprhension quil a montr notre gard, ainsi que pour toutes les informations quil na cess de nous fournir pendant toute la priode consacre la ralisation de ce modeste travail. Nous tenons faire parvenir nos sincres expressions de gratitudes et de reconnaissance nos enseignants, pour laide, la comprhension, ainsi que pour la prcieuse formation quils nont cess de nous fournir pendant toute la priode de notre formation au sein de dpartement Gnie des Procds. Nous remercions galement nos amis et plus particulirement ceux qui ont contribu de prs ou de loin la ralisation de ce travail.

Notations et symboles....6 Table de Figures 7-8 Introduction.......................................................................................................................9-10 Partie 1: Etude thorique I. Commande Floue dun procd.12 1- Introduction.12 2- Bref historique.12 3- Principe de la logique floue.13 3 .1- Introduction. 13
3.2- Variables floue.. 13-14-15 3.3- Rgle dinfrence .. .15-16 3.4 Fonctions dappartenance...16 4- Combinaison des rgles et dfuzzification..16 4.1 Introduction...16 4.2 Combinaison des rgles.. ..17 4.3 Dfuzzification.. ..17-18 4.4 Exemple dapplication de Logique Floue..18-19-20 4.5 Conclusion. 20

II. Loi de Commande PID...21 1- Schma fonctionnel dune boucle de rgulation.21-22 2- Algorithme P22 3- Algorithme PI.22-23 4- Algorithme PID..23-24 5- Rglage (calcul des actions PID).25
5.1- Mthode de Ziegler Nichols en chaine ferme..25 5.2- Mthode de Broda26

6- Conclusion...27 III. Cahier des charges28 1- Stabilit28 2- Prcision. .29 3- Rapidit...29-30 IV. Avantages et Inconvnients des rgulateurs PID et Floue..30

Partie 2 : Application Prsentation de Matlab / Simulink 32 I. Commande de la temprature deau dans une cuve : Procd 1..33 1- Prsentation et modlisation du Procd 133
1-1- Schma de principe33-34 1-2- Modlisation du procd34-35

2- Commande du procd 1...35


2-1- Construction du rgulateur floue..35-36 2-2- Le rgulateur PID..36 2-3- schma simulink du procd 1..37 3- Simulation .37 3-1 Commande en poursuite par PID et logique Floue.38-39-40-41

II Commande de la temprature dune serre agricole : Procd 2...41 1- Prsentation du Procd 2.41-42 2- Commande du Procd 2..42
2-1- Construction du rgulateur floue. 42-43 2-2- Le rgulateur PID...43 2-3- schma simulink du procd 1..43-44 3- Simulation..44 3-1 Commande en poursuite par PID et logique Floue44-45-46-47-48 Conclusion gnrale ..49 Rfrences.50

Symbole
U(t) KR ou KP 1/ Ti Yc Y U0 Td KRC H(s) ou C(s) L(s) P(s) E(s)

Dsignation
Commande Erreur statique Gain proportionnel Action Intgral Consigne Mesure Valeur Centrale ( Fonctionnement nominal ) Action drive Gain Critique dun rgulateur Fonction de transfert rglante Fonction de transfert perturbatrice Perturbation principale Ecart Statique Retard Tension de Commande Tension efficace Capacit calorifique Puissance fournie par le thermoplongeur Erreur dentre du rgulateur Floue Variation derreur Sortie du rgulateur Floue

Ucom Ueff C PT e (t) e(t) s (t)

TABLE DE FIGURES

Lesprit humain manipule essentiellement des notions qualitatives lorsquil traite de linformation , et nutilise le quantitatif quen deuxime ressort pour amliorer ce traitement dinformation. Il manipule si mal par lui-mme le quantitatif quil a besoin dun support matriel pour le traiter : papier-crayon, calculateur... Cette manipulation de notions qualitatives donne dtonnants rsultats : un individu se contente pour conduire un vhicule de notions vagues du genre aller plus vite , braquer un peu , etc. De la mme faon, on dira quil fait trs froid, froid, chaud ou trs chaud , sans y faire correspondre une temprature prcise. La logique ou la commande floue a pour objet la manipulation par la machine de notions imprcises. Il fournit une mthodologie rigoureuse pour la mise en uvre de raisonnements qui, en fait, se sentent familiers. La logique floue a t introduite en 1965 par L.A. Zadeh. Ses principes ont t appliqus en 1974 par E.H. Mamdani la construction dun premier contrleur flou. Mais ce nest que depuis quelques annes que la commande floue a connu, essentiellement au Japon, un essor remarquable ; elle a t applique des problmes aussi divers que la purification de leau, la fabrication du ciment, la marche automatise dune rame de mtro, etc. Lattitude des automaticiens lgard de la commande floue a dabord t rserve : aprs avoir, pendant des dcennies, affirm la ncessit didentifier le mieux possible un systme pour pouvoir construire une commande ayant des performances satisfaisantes, fallait-il faire confiance cette mthode nouvelle, qui prtendait remplacer les commandes, plus ou moins sophistiques, bases sur lidentification, par des techniques sappuyant sur le savoir-faire humain plutt que sur des quations ?

Actuellement, cette attitude a volu. On peut penser que la commande floue va peu peu prendre place dans la panoplie de lingnieur contemporain, sans supplanter les mthodes traditionnelles, et quelle constituera un complment prcieux dans le cas des systmes difficilement identifiables ou dont les paramtres subissent des variations brutales. Aujourdhui, plusieurs constructeurs de SNCC et dautomates proposent des algorithmes de commande floue. Dans le prsent travail, nous tudions en simulation lapplication dune commande floue deux procds thermiques : le premier est une rgulation de la temprature de leau dans une cuve quipe dun thermoplongeur et le deuxime est une rgulation de la temprature dune serre agricole. Une tude comparative entre la commande floue et la commande classique PID a t effectue pour le premier procd en produisant des grands changements de consigne (afin de tester la robustesse des deux commandes vis--vis dune non linarit). Et, pour le second procd en introduisant un retard progressif (afin de tester la robustesse des deux commandes vis--vis des retards importants).

Le but de ce chapitre est de dfinir et de prsenter ce que lon entend par Processeur flou . Pour ce faire, on prsente tout dabord les principes de la logique floue, et ses applications dans le domaine du rglage, puis on dcrit les diffrentes solutions pour un organe de commande (processeur) bas sur les principes du flou.

Depuis quelques annes dj, on trouve sur le march des appareils de grande consommation (appareils de photos, vido, ...) qui sont prsents comme faisant intervenir un rglage par logique floue ou fuzzy-logic ou encore fuzzy-control . Au del de largument publicitaire vident, il est intressant de comprendre ce nouveau concept de rglage , et de lappliquer certains types de problmes de rglage rencontrs par lingnieur. Le principe du rglage par logique floue part du constat suivant: dans les problmes de rgulation auxquels il est confront, lhomme ne suit pas, limage de ses inventions, un modle mathmatique fait de valeurs numriques et dquations. Au contraire il utilise des termes tel que un peu trop chaud, aller beaucoup plus vite, freiner fond, etc... ainsi que ses propres connaissances quil a dans le domaine. Ces connaissances sont, le plus souvent, acquises de faon empirique. Le principe du rglage par la logique floue sapproche de la dmarche humaine dans le sens que les variables traites ne sont pas des variables logiques (au sens de la logique binaire par exemple) mais des variables linguistiques, proches du langage humain de tous les jours. De plus, ces variables linguistiques sont traites laide de rgles qui font rfrence une certaine connaissance du comportement du systme rgler. Sur la base de ce principe, diffrentes ralisations ont vu le jour et, actuellement, on trouve deux types dapproches pour le rglage par logique floue. Dans lune de ces approches, les rgles sont appliques aux variables laide dune approche numrique par le biais dun microprocesseur spcialis ou non ou dun ordinateur. Dans lautre approche, les rgles sont appliques aux variables de faon analogique. Ces deux approches permettent de dvelopper des organes de contrle par le flou que lon dsigne par processeur digital flou ou par processeur analogique flou.

Les quelques points de repre historique suivant, permettent de situer dans le temps le dveloppement de la logique floue et ses applications au rglage :

1965 : Le Prof. L. A. Zadeh de lUniversit de Berkeley (Californie) pose les bases thoriques de la logique floue. 1973 : L. A. Zadeh propose dappliquer la logique floue aux problmes de rglage. 1974 : Premire application du rglage par la logique floue applique une turbine vapeur. Suivie en 1980 par une application sur un four ciment , et en 1983 sur un purateur deau. 1985 : Premiers produits industriels (Japon) utilisant le principe de la logique floue appliqu des problmes de rglage et de commande. Dveloppement de processeurs ddis des applications de rglage par la logique floue.

3.1 Introduction La logique floue est une branche des mathmatiques et, ce titre, toute une srie de notions fondamentales sont dveloppes. Ces notions permettent de justifier et de dmontrer certains principes de base. Dans ce qui suit, on ne retiendra que les lments indispensables la comprhension du principe du rglage par la logique floue. Ces lments sont : les variables floues les rgles dinfrences 3.2 Variables floues Contrairement aux variables binaires qui sont dfinies par les deux tats vrai ou faux , les variables floues prsentent toute une gradation entre la valeur vrai et la valeur faux . Lexemple qui suit permettre de mieux saisir la distinction qui existe entre les variables binaires et les variables floues : -Si lon dsire classer un groupe dindividu par leur taille en dfinissant la catgorie des petits par une taille en dessous de 160 cm, la catgorie des moyens par une taille comprise entre 160 cm et 180 cm et la catgorie des grand par une taille suprieure 180 cm, la logique binaire donne la reprsentation de la figure 1.1 pour les trois variables petit , moyen et grand .

Figure 1.1 : Reprsentation de la logique binaire pour les trois variables.

Deux remarques simposent au sujet de cette reprsentation : Dune part, on prfre reprsenter ltat de la variable laide de son degr de vrit, en associant la valeur 1 (degr de vrit de 100%) la valeur vrai et le degr de vrit nul la valeur faux . Dautre part, on constate que cette faon de faire, est trs loigne de ce que fait ltre humain lorsquil rsout ce genre de problme. En effet, lhomme ne fait pas naturellement une distinction franche entre petit et moyen par exemple. Il utilise des expressions du genre plutt petit pour qualifier une taille lgrement infrieure 160 cm et plutt moyen pour une taille lgrement suprieure cette valeur. En conclusion, la logique binaire prsente lavantage de la simplicit mais elle est assez loigne de la logique utilise naturellement par ltre humain. Si lon reprsente le mme problme laide de la logique floue, les variables ne sont plus binaires mais prsentent une infinit de valeurs possible entre le vrai et le Faux (figure 1.2).
E n s e m
1 0 .8 0 .6 0 .4 0 .2 0 1 .5 1 .5 5 1 . 6 1 . 6 5 1 . 7 1 .7 5 1 . 8

b le

f lo u

"

P e r s o n n e

d e

p e t it e

t a ille "

P e t it

T a ille ( m
1 . 8 5

)
1 . 9

E n s e m
1 0 .8 0 .6 0 .4 0 .2 0 1 .5 1 .5 5

b le

f lo u : " P e r s o n n e
M o y e n

d e

t a ille

o y e n n e "

T a ille ( m
1 .6 1 .6 5 1 .7 1 .7 5 1 .8 1 .8 5

)
1 .9

E n s e m b le
1 0 .8 0 .6 0 .4 0 .2 0 1 .5 1 .5 5

f lo u

:"P e rs o n n e

d e

g ra n d e

ta ille "

G ra n d

T a ille ( m )
1 .6 1 .6 5 1 .7 1 .7 5 1 .8 1 .8 5 1 .9

Figure 1.2 : Reprsentation en logique Flou.

On constate que cette reprsentation est beaucoup plus proche de la faon dont ltre humain raisonne puisquelle permet de faire intervenir des notions telles que plutt petit , assez grand ... Cet avantage se fait, videmment, au dtriment de la simplicit de la reprsentation. 3.3 Rgles dinfrence On appelle rgles dinfrence, lensemble des diffrentes rgles reliant les variables floues dentre dun systme aux variables floues de sortie de ce systme. Ces rgles se prsentent sous la forme : Si condition 1 et/ou condition 2 (et/ou...) alors action sur les sorties. Lexemple suivant, tir de la vie quotidienne, permet dillustrer ceci : - Lorsque lon prend une douche, un des problmes qui se prsente est de rgler la temprature de leau. La variable dentre du systme homme-douche est la temprature de leau mesure laide de nos capteurs de temprature. Les variables de sorties sont les deux robinets eau chaude et eau froide. Dans la pratique, le rglage de la temprature se fait en utilisant notre exprience, exprience qui recouvre la fois nos prfrences et notre

connaissance de linstallation sanitaire utilise. Ce rglage se fait en utilisant des rgles du genre : v v v v Si la temprature est trs froide alors ouvrir fond leau chaude Si la temprature est un peu trop froide alors fermer un peu leau froide Si la temprature est bonne alors laisser les deux robinets dans leur tat . Si la temprature est trop chaude alors fermer un peu leau chaude et ouvrir un peu leau froide.

En termes dintelligence artificielle, ces rgles rsument en fait lexprience de lexpert et elles ne sont en gnral pas dfinissables de faon unique puisque chaque individu cre ses propres rgles. 3.4 Fonctions dappartenance Il sagit dtablir une relation entre le degr de vrit de la variable floue et la grandeur dentre correspondante (figure 1.3), On parle de fuzzification :

Figure 1.3 : Exemple dune fonction dappartenance.

On peut videmment choisir nimporte quelle forme pour les fonctions dappartenance. Cependant, en pratique, on utilise les formes trapzodales (cas de la figure 1.2).

4.1 Introduction Les diffrentes rgles dinfrences produisent chacune, une valeur. Ces diffrentes valeurs doivent tre combines afin dobtenir la (ventuellement les) variable(s) de sortie. Ensuite la (ou les) variable(s) floue(s) de sortie doivent tre converties en une grandeur de

commande (dbit, temprature...) afin dtre applique au systme rgler. On appelle cette dernire tape la dfuzzification.

4.2 Combinaison des rgles Lensemble des rgles se prsente sous la forme dune numration du type : Si condition 1 et/ou condition 2 (et/ou...) alors action sur les sorties Si condition 3 et/ou condition 4 (et/ou...) alors action sur les sorties Si condition 5 et/ou condition 6 (et/ou...) alors action sur les sorties ... La combinaison de ces diffrentes rgles se fait laide de loprateur ou. La justification du choix de loprateur se fond sur la pratique du langage courant : en effet, une telle numration est comprise dans le sens Si... alors... ou Si... alors...ou ... Bien que loprateur ou ne soit pas explicitement mentionn. 4.3 Dfuzzification Les valeurs obtenues lors de la combinaison des rgles appliques aux intervalles flous de la variable de sortie , dfinies une fonction dappartenance. Il sagit de convertir cette information en une grandeur physique. Plusieurs faons de faire, peuvent tre envisages mais, en pratique, on utilise surtout les deux mthodes suivantes : Dfuzzification par calcul du centre de gravit. Dfuzzification par calcul du maximum. En gnral, cest la dfuzzification par calcul du centre de gravit qui est la plus utilise. Dfuzzification par calcul du centre de gravit Il sagit de calculer le centre de gravit de la fonction dappartenance de la variable de sortie.

Figure 1.4 : Degr de vrit de la variable floue.

Le calcul du centre de gravit permet bien dobtenir une seule valeur pour la grandeur de sortie. Son calcul est cependant relativement complexe puisquil ncessite le calcul dune intgrale, ou dans le cas simple de fonctions dappartenance en raies, dune somme pondre. 4.4. Exemple dapplication de Logique Floue Description du problme On souhaite commander linstallation de chauffage dun immeuble laide dun contrleur flou. On dispose de deux sondes de temprature : lune lextrieur de limmeuble ; lautre lintrieur (grandeur interne). Sur la base de ces deux mesures et en faisant appel aux rgles dinfrences, le contrleur flou doit rgler la puissance de linstallation de chauffage. Fuzzification de la temprature externe On choisit deux intervalles flous et des fonctions dappartenances de type trapzodales en dfinissant le froid comme correspondant une temprature infrieure 5 C , et le chaud comme tant une temprature suprieure 20 C (figure 1.5)

Figure 1.5 : Fuzzification de la temprature externe

Fuzzification de la temprature interne On choisit trois intervalles flous et des fonctions dappartenances de type trapzodales en dfinissant le froid comme correspondant une temprature infrieure 15 C, le bon comme tant une temprature comprise entre 19 C et 21 C et le chaud comme tant une temprature suprieure 25 C (figure 1.6).

Figure 1.6 : Fuzzification de la temprature interne

Fuzzification de la puissance On choisit quatre intervalles flous pour dfinir la puissance de linstallation avec des fonctions dappartenances en forme de raies.On dfinit les valeurs suivantes : Valeur de Puissance en % Nulle 0

Faible Moyenne Maximale

33 67 100

Ce qui dfinit les fonctions dappartenances illustres la figure 1.7.

Figure 1.7 : Fuzzification de la puissance

Rgles dinfrences Lexprience acquise sur linstallation de chauffage a permis de dfinir les six rgles suivantes : 1. Si la temprature extrieure est froide et la temprature intrieure est froide alors mettre la puissance au maximum 2. Si la temprature extrieure est froide et la temprature intrieure est bonne alors mettre une puissance moyenne 3. Si la temprature extrieure est froide et la temprature intrieure est chaude alors mettre une puissance faible 4. Si la temprature extrieure est chaude et la temprature intrieure est froide alors mettre une puissance moyenne 5. Si la temprature extrieure est chaude et la temprature intrieure est bonne alors mettre une puissance faible 6. Si la temprature extrieure est chaude et la temprature intrieure est chaude alors mettre une puissance nulle 4.5 Conclusion

Un contrleur Floue suit un processus qui se prsente dans trois tapes successives : Fuzzification des entres: transforme les valeurs dentres en quantits floues. Infrence (avec la base des rgles): applique les rgles aux entres fuzzifies afin de prendre les dcisions. Dfuzzification: transforme les dcisions floues en valeurs de sorties numriques dtermines.

Une boucle de rgulation doit comporter au minimum les lments suivants : un capteur de mesure. un transmetteur souvent intgr au capteur. un rgulateur. un actionneur.

Elle est souvent complte par : un enregistreur. des convertisseurs. des scurits.

Figure 1.8 : Schma dune boucle de rgulation.

Le rgulateur reoit deux informations : Le signal de mesure (M ou PV) provenant du capteur. La consigne (S ou SP) qui peut tre locale ou externe. En fonction de lcart entre ces deux valeurs et de lalgorithme de calcul pour lequel il a t configur, il dlivre un signal de sortie (S ou OUT) dirig vers lactionneur afin dannuler cette cart et de ramener la mesure vers la valeur de consigne.

Action de rgler : La plupart des systmes comportent une raction naturelle qui soppose laction et conduit un nouvel tat dquilibre. Cet tat nest que rarement satisfaisant. On est donc amen concevoir des ensembles, dans lesquels la grandeur dsire saligne rigoureusement sur une grandeur de consigne. On y parvient en appliquant une rtroaction.

Figure 1.9 : Schma gnral dun systme de rgulation.

Le rle de laction proportionnelle est de minimiser lcart entre la consigne et la mesure , et elle rduit le temps de monter et le temps de rponse. On constate quune augmentation du gain Kp du rgulateur entraine une diminution de lerreur statique et permet dacclrer le comportement global de la boucle ferme.

On serait tente de prendre des valeurs du gain leves pour acclrer la rponse du procd mais on est limite par la stabilit de la boucle ferme. En effet, une valeur trop leve du gain , augmente linstabilit du systme et donne lieu des oscillations. En cas dun rgulateur P, et pour dfinir le sens daction qui dtermine le sens de variation de mesure et de consigne et on crit :

Avec u0 est la valeur centrale.

Le correcteur intgral est en gnral associe au correcteur proportionnel, il labore alors une commande qui peut tre donne par la relation suivante: La fonction donne par : de transfert du correcteur est alors

Pour un rgulateur intgral pur, le rgime dynamique est relativement long. Dun autre ct , le rgulateur proportionnel ragit immdiatement aux carts de rglage mais il nest pas en mesure de supprimer totalement lerreur statique. La combinaison des actions proportionnelle et intgrale permettent dassocier lavantage du rgulateur P, cest-a-dire la raction rapide un cart de rglage, lavantage du rgulateur I qui est la compensation exacte de la grandeur pilote. La transposition de correcteur continu consiste discrtiser un correcteur continu afin de lutiliser dans une commande numrique.

Le rgulateur standard le plus utilis dans lindustrie, est le rgulateur PID (proportionnel intgral driv), car il permet de rgler laide de ses trois paramtres, les performances (amortissement, temps de rponse, ...) dun processus modlis par un deuxime ordre. Nombreux sont les systmes physiques qui, mme en tant complexes, ont un comportement voisin de celui dun deuxime ordre. Par consquent, le rgulateur PID est bien adapt la plupart des processus de type industriel , et il est relativement robuste par rapport aux variations des paramtres du procd, quand on nest pas trop exigeant sur les performances de la boucle ferme par rapport a celles de la boucle ouverte (par exemple, acclration trs importante de la rponse ou augmentation trs importante de lamortissement en boucle ferme). En pratique, une catgorie donne de systmes asservir correspond un type de correcteur adopte. Pour effectuer un choix judicieux, il faut connaitre les effets des diffrentes actions : proportionnelle, intgrale et drive.
(t) U(t)

Rgulateur PID
Figure 1.10 : Schma synoptique dun rgulateur PID.

Laction conjugue PID permet une rgulation optimale en associant les avantages de chaque action : la composante P ragit lapparition dun cart de rglage, la composante D soppose aux variations de la grandeur rgle et stabilise la boucle de rgulation ; et la composante I limine lerreur statique. Et cest pour cela que ce type de correcteur est le plus utilise en milieu industriel. Un rgulateur PID est obtenu par lassociation de ces trois actions et il remplit essentiellement les trois fonctions suivantes : 1. Il fournit un signal de commande en tenant compte de lvolution du signal de sortie par rapport la consigne. 2. Il limine lerreur statique grce au terme intgrateur. 3. Il anticipe les variations de la sortie grce au terme drivateur. La commande U (t) est donne par le rgulateur PID, dans sa forme Classique, elle est dcrite par :

Dans un rgulateur PID, il existe plusieurs faons dassocier les paramtres P, I et D,en effet, le correcteur PID peut avoir une structure srie, parallle ou mixte :

Tableau 1.1 : Diffrents structures dun rgulateur PID.

5.1- Mthode de Ziegler Nichols en chaine ferme Cette mthode, tablie vers 1942, est la plus connue des mthodes pratiques de rglage des boucles de rgulation. Lavantage de cette mthode est quil ny a pas besoin de connatre la fonction de transfert du procd et que le rglage se fait directement sur le site en chaine ferme. Aprs avoir port la mesure prs du point de consigne dsir (manuellement ou automatiquement), le rgulateur est rgl en action proportionnelle seule. Le gain KR, est alors augment progressivement jusqu obtention du pompage sans que lorgane rglant ne soit jamais en saturation. Le gain critique KRC du rgulateur est le plus petit gain qui permet lentretien des oscillations. La priode doscillation est mesure sur lenregistrement (figure 1.11).

Figure 1.11 : Mise en oscillation juste entretenues dun systme

Ziegler et Nichols proposent alors les valeurs de rglage du tableau suivant :

Tableau 1.2 : Rglages prconiss par Ziegler et Nichols.

5.2- Mthode de Broda Un procd de fonction de transfert du premier ordre, ne pose pas de problme de stabilit ; il peut tre contrl par un rgulateur action proportionnelle avec ou sans action intgrale. Mais si un procd similaire comporte un retard important, alors la stabilit en chaine ferme devient un problme ; le rgulateur devra possder une action de plus et deviendra un rgulateur PID. Les deux modles de Broda proposs sont trs utiliss industriellement ; Il sagit du modle de Broda :

H1(s) concernant un procd autorglant, et dun modle intgrateur comprenant un retard pur H2(s).

Lchelle de choix prsent (figure 1.12 a et b) permet de savoir quel type de rgulation est ncessaire mettre en place , et cela en fonction des constantes de la fonction de transfert du procd.

T/

(a) : procd stable.

(b) : procd instable. Figure 12 : Choix du type de rgulation

Le rgulateur PID (action proportionnelle - intgrale - drive filtre) est une combinaison d'un rgulateur P, un rgulateur I et un rgulateur D.

La robustesse est sans doute le paramtre le plus important et dlicat. On dit quune rgulation est robuste si elle fonctionne toujours mme si le modle change ses paramtres. Il faut trouver des compromis, le rgulateur idal nexiste pas. En gnral on se fixe un cahier des charges respecter sur la robustesse, en termes de dpassement, temps de rponse, et lerreur statique suite un changement de consigne ou de perturbations. La rgulation par correcteur PID est sans doute lune des rgulations les plus utilises. Il existe des mthodes trs prcises qui permettent de dterminer les coefficients du correcteur.

Pour caractriser les performances dun procd en boucle ferme, on utilise trois paramtres : stabilit prcision rapidit

Dfinition : Un procd asservi ou non est stable si une variation borne du signal dentre correspond une variation borne du signal de sortie. Une variation dun signal est dite borne lorsquelle est constante en rgime permanent. Critres gomtriques de stabilit Ces critres gomtriques permettent par ltude de la reprsentation de la fonction de transfert en boucle ouverte FTBO dans les plans de Bode, Nyquist ou Black, de dterminer la stabilit dun systme en boucle ferme. Considrons un procd en boucle ferme retour unitaire de fonction de transfert rglante H(s) et perturbatrice L(s).

Figure 1.13 : Schma dun procd en boucle ferme.

Avec

Y ( s ) = F T B F ( s ).Y c ( s ) + LB F(s)P (s)

FTBF(s) = FTBO(s) 1+ FTBO(s)

LBF(s)= L(s) et FTBO(s) = HR (s).H(s) 1+FTBO(s)

On souhaite que la sortie du systme, soit la plus proche possible de lentre. Pour cela, il suffit que lcart 0 soit le plus faible possible.

Figure 1.14 : Rponse un chelon de consigne

Figure 1.15 : Rponse un chelon de perturbation

La prcision dynamique : est caractrise par le dpassement D1 lors du rgime transitoire de la rponse de la grandeur rgle suite un chelon de consigne ou de perturbation . Cette prcision est lie directement au degr de stabilit du procd ; cest un critre de performance qui peut tre dfini par les marges de gain et de phase. La prcision statique: Soit e(t) lcart entre la consigne yc(t) et la mesure de la grandeur rgle y(t). On a aussi E(t) = Yc(t) -Y(t). Donc lcart rsiduel ou cart statique, en rgime permanent est :

e = tlim E(t ) = lim S.E(s)


s0

Le critre standard de rapidit utilis est le temps de rponse 5% de la sortie lorsque le systme est soumis une entre en chelon. Pour un systme boucl cest la FTBF(s) quil faut considrer, lentre est la consigne yc(t) et la sortie est la mesure y(t) : grandeur rgle. La rponse une entre en chelon dun systme dynamique linaire stable se prsente en gnral sous la forme suivante :

Figure 1.16 : Temps de rponse 5% dun systme.

Conclusion : La dfinition des performances dun systme est une tape trs intressant qui va permettre loprateur de trouver un compris entre les trois paramtres (stabilit, prcision et rapidit) en respectant les exigences de procd. Le systme rgul est dautant plus rapide que le temps de rponse 5% est court.

On peut comparer dans le tableau ci-dessous le comportement des deux rgulateurs PID et Floue dans les diffrents situations :

Tableau 1.3 : Comparatif des diffrents critres des rgulateurs PID et Floue.

Conclusion : le choix de rgulateur reste la cl de russite de la rgulation industrielle, un bon rglage dune boucle de rgulation est celui qui rpondra au meilleur compromis global du cahier des charges.

Prsentation de Matlab/Simulink :
MATLAB est le noyau dur dun logiciel de mathmatiques spcialement tudi pour traiter des matrices. Un langage de programmation spcifique permet de faire des manipulations sur des matrices et toutes sortes de calculs et de prsentation graphique de ces calculs. Diffrentes boites outils peuvent y tre adjointes pour simuler le comportement des systmes linaires ou non. Dans ce cas, il nest pas ncessaire dutiliser le langage de programmation car une interface graphique permet davoir accs de faon intuitive des schmas ralisant une fonction particulire. SIMULINK est un outil danalyse des systmes linaires qui permet de dcrire sous forme de schma simulink le systme tudier, de lancer une simulation temporelle et de rcuprer les rsultats pour les exploiter. Simulink est une interface graphique qui facilite lanalyse des systmes dans le domaine temporel. Cette approche est, en effet, facilite, dans le sens ou, les systmes ne sont plus dcrits par des lignes de code Matlab mais simplement dfinis partir dun bloc diagramme , dont tous les lments sont prdfinis dans des bibliothques de blocs lmentaires, quil suffit dassembler. Lorsque le schma bloc du systme que lon tudie est reprsent sous Simulink, il est possible danalyser sa rponse temporelle ( des entres aussi diverses sous Simulink peut quun chelon, une rampe, un signal rectangulaire, un sinus, un signal alatoire) en lanant une simulation. Ce module permet de construire des schmas fonctionnels partir dlments contenus dans des bibliothques quil suffit de draguer avec la souris pour les dposer sur la feuille de travail et construire son systme : v la bibliothque source fournit des chelons, des GBF, etc. v les bibliothques continu et discret proposent des drivateurs, des intgrateurs, des fonctions de transfert pour construire des systmes temps continu ou chantillonn (discret), v la bibliothque math fournit des gains, des multiplicateurs, des sommateurs, v on trouve galement des multiplexeurs pour vectoriser des signaux ainsi que des oscilloscopes pour visualiser les rsultats de modlisation. Le module CONTROL SYSTEM TOOLBOX fournit des outils danalyse des systmes (Bode, etc. ) Le module FUZZY LOGIC TOOLBOX permet de gnrer des blocs utilisant la logique floue. On dveloppera particulirement dans la suite de ce rapport la mthode permettant dlaborer un correcteur flou aprs avoir donn les lments ncessaires la comprhension.

1-1- Schma de principe.

Le schma de principe ci-dessus reprsente le synoptique de la rgulation de temprature raliser , et dont le schma fonctionnel est prcis ci-dessous :

Figure 2.1 : Schma fonctionnel du procd 1.

Il sagit de rguler la temprature de leau dune cuve (seau dune contenance de quelques litres) quipe dun thermoplongeur apportant lnergie calorifique. Une sonde de temprature (PT100) permet de mesurer la temprature relle de leau. Il est bon de prvoir un brassage de leau dans la cuve afin dhomogniser sa temprature. La puissance nominale du thermoplongeur (1 kW) est module grce un bloc de puissance GRADIPACK (dnomination commerciale). Il sagit dun ensemble de 2 thyristors monts ttebche (gradateur) permettant de faire varier la puissance lectrique dissipe par variation de langle de retard lamorage des thyristors. Celle-ci est contrle

par une tension de commande 0 -10V continue (Ucom ) qui permet de faire varier la tension efficace (Ueff ) applique au thermoplongeur. Le rle du micro-ordinateur sera de faire la mesure de la temprature de la cuve partir du signal dlivr par la sonde PT100 et sa mise lchelle, de comparer cette valeur avec la temprature de consigne, de traiter lcart entre ces 2 valeurs et de fournir une tension de commande utile pour le GRADIPACK . Tout cela ncessite la mise en uvre dune carte dentres-sorties analogiques. 1-2- Modlisation du procd
Cuve chauffer :

On supposera que la capacit calorifique de la cuve chauffer se rduit leau quelle contient. En prenant un volume de 3 litres, on obtient :

Contrle du thermoplongeur:

Figure 2.2: La modlisation du fonctionnement GRADIPACK

La tension efficace applique au thermoplongeur passe de 0 230V , si la tension de commande volue de 0.5V 8.5V. On pourra donc crire :

La puissance de chauffe sera donne par :

Soit en tenant compte de lexpression prcdente :

Evaluation des pertes thermiques :

Les pertes thermiques peuvent se mettre sous la forme (Loi de FOURIER). Lexprience montre quelles sont faibles. On les estimera 50 W pour un = 25C. Do :

Bilan de puissance sur la cuve :

La puissance fournie par le thermoplongeur : PT, sert lever la temprature de leau et participe aux pertes soit : Avec : temprature de leau. ini : temprature initiale de leau. ext : temprature extrieure la cuve .

2-1- Construction du rgulateur flou Les ensembles floues On va exploiter 3 variables, lerreur (note e), entre du rgulateur, mais aussi la variation de lerreur (note e) , et la sortie (note s). Les valeurs de e de e sont mises jour chaque priode dchantillonnage. Lentre e a t partitionne en 3 valeurs linguistiques et e en deux valeurs linguistiques. Elles peuvent tre positives ou ngatives, situe sur un intervalle de [-10,30] et [-200,200] respectivement pour e et e.

Erreur e

Erreur e

Figure 2.3 : Fuzzification des deux entres e et e

La sortie s a t partitionne en 3 valeurs linguistiques ; elle pourra ntre que positive dans le cas o la partie puissance est commande par une tension (1, 9V).

Erreur S
Figure 2.4 : Fuzzification de sortie s

Les rgles Floues Le rle de lexpert est ici prsent , car cest lui qui va fixer les rgles de la commande qui vont porter uniquement sur les valeurs linguistiques des variables. La liste des rgles utilises est la suivante :

R1 : SI (e) est petite ALORS (s) est petite R2 : SI (e) est moyenne ALORS (s) est moyenne R3 : SI (e) est grande ALORS (s) est grande R4 : SI (e) est petite ET (e) est ngative ALORS (s) est petite R5 : SI (e) est moyenne ET (e) est positive ALORS (s) est grande 2-2- Le rgulateur PID

Le bloc Simulink reprsentant le rgulateur PID (mixte) est le suivant :


Figure 2.5 : Schm a Simuli nk des compo sants princi paux de PID

Le rglage des paramtres PID t effectu par la mthode exprimentale de ZieglerNichols qui nous donne les valeurs suivantes : Kp= 1 Ti = 1 2-3- schma simulink du procd 1 Le schma fonctionnel ci dessous prsente la modlisation du systme tudier partir des lments de base dcrits plus haut. On peut y reconnatre : v v v v v v des chelons, des sommateurs, un produit, des oscilloscopes, un intgrateur, des multiplexeurs, Td = 1,25

Figure 2.6 : Schma Simulink pour la simulation du procd 1.

On utilise le schma Simulink (figure 2.6) dans lequel on colle un bloc "Fuzzy Logic Controller" qu'on trouve dans la bote "SIMULINK Fuzzy" . On doit y spcifier un nom de rgulateur parmi ceux chargs prcdemment dans l'espace de travail. Ce bloc doit tre prcd de blocs gain chargs de la normalisation des signaux et suivi d'un gain ajustable de l'amplification du rgulateur.

3-1 Commande en poursuite par PID et logique Floue Point de fonctionnement nominal : temprature deau dans la cuve 30C, temprature ambiante 20C. On effectue une srie de changement de consigne (Figures 2.7- 2.12) ; et on simule le comportement du procd par les deux commandes PID et logique Floue.les rsultats de simulation sont reports sur le tableau 2.1.

Figure 2.7: Commande PID, changement de consigne de 30C 35C.

Figure 2.8 : Commande Floue, changement de consigne 30C 35C.

Figure 2.9 : Commande PID , changement de consigne de 30C-50C .

Figure 2.10 : Commande Floue , changement de consigne 30C-50C.

Figure 2.11 : Commande PID , changement de consigne 30C-100C

Figure 2.12 : Commande Floue , changement de consigne 30C-100C

Tableau 2.1 : rsultat dune commande en poursuite par PID et logique floue du procd 1

En calculant les critres de performances (prcision, temps de rponse 5% et dpassement).On constate que les deux rgulateurs donnent des rsultats efficaces pour les petits et moyens chelons de consigne. Mais pour les grands chelons cest dire en sloignant trop du rgime nominal , et donc on sort du domaine linaire, le PID perd ses performances, en particulier en terme de dpassement ou prcision dynamique. Par contre le rgulateur floue reste robuste.

Figure 2.13 : Une serre agricole.

Il sagit de rguler la temprature d'une serre agricole (figure 2.13). On mesure la temprature avec un capteur qui fournit la valeur de la grandeur rgler.

On suppose que le systme est linaire , et ayant une fonction de transfert H(s)=1/(s+2) avec un retard gale 1s. Cest un systme de contrle de temprature avec un lment de chauffage et de ventilation. La temprature dsire est de 20C. La temprature extrieure est de 10C , et son effet intervient au niveau de lintgrateur. On modlise le systme avec SIMULINK. Pour la rgulation d'un systme pareil, on propose deux solutions : 1er cas : Rgulation PID. 2me cas : Rgulateur flou.

2-1- Construction du rgulateur flou Les ensembles floues On va exploiter 3 variables, lerreur (note e), entre du rgulateur, mais aussi la variation de lerreur (note e) et la sortie (note s). Les valeurs de e de e sont mises jour chaque priode dchantillonnage. Lentre e a t partitionne en 3 valeurs linguistiques (chaud, Ok et froid) ainsi que e. Elles peuvent tre positives ou ngatives, situe sur un intervalle de [-10,14] et [-15,15] respectivement pour e et e. La sortie s a t partitionne en 5 valeurs linguistiques ; elle pourra tre positive ou ngative. Erreur e Erreur e

Erreur S

Figure 2.14 : Fuzzification des variables dentre et de sortie.

Les rgles Floues La liste des rgles utilises est la suivante :


R1 : SI (e) est chaud R2 : SI (e) est chaud R3 : SI (e) est chaud R4 : SI (e) est OK R5 : SI (e) est OK R6 : SI (e) est OK R7 : SI (e) est froid R8 : SI (e) est froid R9 : SI (e) est froid

ET (e) est se-refroid ALORS (s) est R ET (e) est constant ALORS (s) est R ET (e) est se-rchauffer ALORS (s) est RB ET (e) est se-refroid ALORS (s) est C ET (e) est constant ALORS (s) est rien ET (e) est se-rchauffer ALORS (s) est R ET (e) est se-refroid ALORS (s) est CB ET (e) est constant ALORS (s) est C ET (e) est se-rchauffer ALORS (s) est C

Avec : Refroidir beaucoup : RB Refroidir : R Rchauffer : C Rchauffer beaucoup : CB 2-2- Le rgulateur PID On rgle le PID selon les paramtres suivants : Step=20C; Step1=-1.5C; Integrator: CI=10; Lower saturation limit=10; Transport Delay= 0; et Kp = 1 Ti = 0, 15 Td = 0 2-3- Schma Simulink du procd 2 Pour la simulation de notre procd, on va utiliser pour chaque rgulateur, soit PID ou logique Floue un schma simulink particulier. Pour le PID :

Figure 2.15 : Schma Simulink PID.

Pour le Rgulateur Floue

Figure 2.16 : Schma Simulink , Rgulateur Floue.

3-1- Commande en rgulation par PID et logique Floue Point de fonctionnement nominal : temprature de serre 10 C. Pour des chelons de consigne et de perturbation constants, La temprature est fixe 20C et la perturbation est fixe -1,5. On effectue une srie de changement de retard (Figures 2.17 2.22) et on simule le comportement du procd par les deux commandes PID et logique Floue.

Les rsultats de simulation sont reports sur le tableau suivant :

Tableau 2.2 : Simulation avec un changement de retard.

Figure 2.17 : Commande flou pour un retard =1s.

Figure 2.18 : Commande PID pour un retard =1s.

Figure 2.19 : Commande flou pour un retard =1,5s.

Figure 2.20 : Commande PID pour un retard= 1,5s.

Figure 2.21 : Commande flou pour un retard= 2s.

Figure 2.22 : Commande PID pour un retard =2s.

En calculant les critres de performances (prcision, temps de rponse 5% et dpassement).On constate que les deux rgulateurs donnent des rsultats acceptables pour les petits et moyens changement de retard, mais pour des grands retards le PID perd ses performances, en particulier en terme de dpassement ou temps de rponse . Par contre le rgulateur flou reste robuste. Conclusion Daprs les deux rsultats de simulation des procds prcdents on peut dduire que la Commande floue donne des rsultats prcieux surtout lorsque on effectue des changements de consigne (procd 1) et de retard (procd 2) .par contre la commande classique PID perd ses performances notamment en terme (stabilit, dpassement et la prcision dynamique), et le rgulateur floue reste le plus robuste.

La commande floue est une mthode nouvelle de commande des procds industriels. Elle utilise des techniques sappuyant sur le savoir-faire humain, exprimes en mots et en phrases ordinaires, plutt que sur des quations. Le but de notre travail est dtudier en simulation lapplication dune telle commande deux procds thermiques, puis de faire une comparaison avec la commande analogique PID des mmes procds. Le premier procd est une rgulation de temprature deau dans une cuve par thermoplongeur et pour lequel on dispose du modle temporel [1]. Le deuxime procd est une rgulation de temprature dune serre agricole et pour lequel on dispose du modle dans le domaine de Laplace [2]. Dans un premier temps, nous avons simul, laide du logiciel Simulink, la commande en poursuite (changement de consigne) par logique floue et par PID du premier procd. Pour des chelons croissants de consigne, les rsultats de simulation ont montr que le PID perd ses performances en particulier en termes de dpassement ou prcision dynamique alors le rgulateur floue reste robuste. Dans un deuxime temps les simulations des mmes commandes appliques au deuxime procd ont t effectues pour diffrentes valeurs du retard que prsente ce procd , et pour des chelons constants de la consigne et de la perturbation. Les rsultats de simulation ont montr que plus le retard augmente et plus le PID perd ses performances notamment en termes de stabilit alors que rgulateur floue garde des performances correctes. Ces deux rsultats nous ont permis de confirmer lavantage dune commande floue par rapport une commande classique PID , notamment lorsque le procd est non linaire , ou prsentait un retard important. Dans ce cas on peut dire que la commande floue constituera un complment prcieux la commande classique PID.

[1] : P.BRUNET, E.FERRERE ; Ralisation dun T.P de rgulation thermique (niveau BAC + 2) en utilisant lenvironnement MATLAB pour la partie commande. [2] : M. RABI ; Cours de la rgulation industrielle, 2010, ESTF. [3] : B. Le Ballais ; Matlab / Simulink, Application lautomatique linaire, 2001, ellipse.