Application la commande floue

2
Plan du cours
1. Principe de la commande floue
Exemples introductifs
Avantages et inconvnients/techniques
classiques
Boucles de rgulation standards
2. Synthse dun RLF: approche mthodologique
tapes de la synthse
Fuzzification
Expertise
Infrences
Dfuzzification
3. PID flou
Variantes et extension
3
Principe de la commande floue
La commande floue a pour but de traiter des problmes de commande
de processus partir uniquement de connaissances de comportement
que les spcialistes du procd doivent formuler sous forme
linguistique (floue).
En commande floue, la connaissance des diverses fonctions
de transferts nest pas ncessaire.
Exemple: Commande de vhicule autonome.
Commande de temprature dun serre
Rgulation de niveau complexe
Commande avec capteur imprcis (Camera)
4
Exemple 1 commande floue
Serre
Agricole
clairage
Temprature
Rayonnement
Humidit
Ventilation
Humidification
Chauffage/Refroidissement
http://www.tn.refer.org/hebergement/cours/logique_floue/appli.html
5
Exemple 2 commande floue
Vhicule
autonome
Pas moteur volant
Cap/chausse
Angle volant
Vitesse
Position
Lire Article R 7 429 des techniques de lingnieur
Pilotage de direction automobile par logique floue.
J-C RIAT
6
Avantages et inconvnients de la commande floue
1. La thorie est simple et sapplique des systmes complexes
2. Pas de modles mathmatiques requis du procd asservir
3. Robustesse de la commande floue vis vis des incertitudes.
4. Possibilits de commande auto-adaptative aux variations du procd
1. Technique de rglage essentiellement empirique.
2. Performances dpendent de lexpertise.
3. Il nexiste pas de thorie gnrale qui caractrise rigoureusement la
stabilit, la robustesse..(Difficults de certification dans le transport, espace)
Avantages
Inconvnients
7
Boucle de rgulation floue standard
Systme
erreur
Variation
erreur
SP
+
-
Variation
Commande Commande
Mesure
Autres entres
Entres usuelles : Lerreur et la variation de l erreur
Sortie usuelle : La variation de la commande
On place en sortie du RLF un intgrateur pour dterminer la
commande effective appliquer au systme.
8
Boucle de rgulation floue standard (version discrte)
erreur(k)
A erreur(k)
SP(k)
+
-
A Commande(k) Commande(k)
mesure(k)
Autres entres
+
-
erreur(k)
erreur(k)
A erreur(k)
SP(k)
+
-
mesure(k)
erreur(k)
1
1 z

9
Structure gnrale dun correcteur flou
Correcteur flou
1. La fuzzification des entres et sorties.
2. Linfrence floue selon une base de rgle.
3. La dfuzzification des sorties.
3 modules pour un rgulateur logique floue.
Fuzzification Dfuzzification
Infrences
Raisonnement flou
Procd
Base de connaissances
Commande
Mesures
Commande floue Mesures floues
10
Approche mthodologique
tude systmique du systme
Fuzzifier
Formaliser lexpertise
Choisir la mthode dinfrence
Dfuzzifier
Combien et quelles rgles choisir?
Choix de la mthode dinfrences?
Quel Univers du discours?
Quelles fonctions dappartenances?
Quelle partition floue?
Pour chaque E/S choisie:
Ajustement des E/S considres,
des partitions floues,des fonctions dappartenances?
Tester, ajuster et valider
la commande
Choix de la mthode de dfuzzification?
Quelles E/S choisir?
Quelle frquence de travail?
11
1
er
tape : tude systmique du processus asservir
Choix des variables E/S importantes et secondaires pour la description du fonctionnement
du processus asservir
Bien souvent, on a besoin de :
Lcart = Consigne-Sortie.
La variation dune grandeur
( ) ( )
i i e i e e
x x kT x kT T A =
RLF
Processus
asservir
Consignes {e
i
}
Variables internes {x
i
}
Sorties {s
i
} Commandes {u
i
}
RLF: Rgulateur Logique Floue
Choix de la frquence dchantillonnage (Filtrage amont + Critre de Shannon)
12
2
ime
tape: Fuzzifier toutes les entres et sorties du processus.
Cest dire donner pour chacunedes grandeurs :
1/3 Son univers du discours U i.e.:Sa plage de variation physique
Exemple: Vitesse vhicule peut varier de 0 180 Km.h
-1
2/3 Les classes dappartenance floue qui partionnent lunivers du discours
Exemple:
Vitesse vhicule (sur autoroute) est comprise entre :
0 et 70 Km.h
-1
classe des vitesses: dangereuse
50 et 90 Km.h
-1
faible
80 130 Km.h
-1
moyenne
100 et 140 Km.h
-1
normale
140 et 180 Km.h
1
excessive
{ }
, , , , Vitesse vhicule Dangereuse Faible Moyenne Normale Excessive e
3/3 Les fonctions dappartenances de chacune des classes dfinies
Qui dfinissent, pour un vitesse donne, le degr dappartenance chacune des classes.
13
Les classes floues doivent se chevaucher mais pas trop..
2
ime
tape suite : Remarques pour une bonne fuzzification (1/3)
Temprature non reconnue par le RLF
Temprature froide 100% et tempre 100%
Information contradictoire
3 classes se chevauchent : Imprcision.
Bonne partition de lunivers du discours
A proscrire
14
2
ime
tape suite : Remarques pour une bonne fuzzification (2/3)
La largueur des classes floues jouent sur la prcision du RLF..
Ensemble flou standard :
Grand Positif GP
Moyen Positif MP
Petit Positif PP
Environ Zro EZ
Petit Ngatif PN
Moyen Ngatif MN
Grand Ngatif GN
Si on souhaite plus de prcision,
Il faut diminuer la largueur de la classe EZ
(et donc, ici, augmenter celle de PG).
15
2
ime
tape suite : Remarques pour une bonne fuzzification (3/3)
Des formes plus
compliques napportent
rien de plus
Si le processus ragit diffremment de part et dautre du point de
consigne, on peut d-symtriser les classes dappartenance.
Les fonctions dappartenances sont dans la plupart des applications
des fonctions triangles ou trapzes
16
3
ime
tape : Lexpertise.
Ces rgles sont nonces partir des connaissances du
procd quon a en tant quexpert.
Les RLF utilisent une expertise exprime sous forme dune base de
rgles du type: Si.Alors
( ) ( )
Si Conditions sur entres Alors Action sur sortie
Si la pression est leve alors ouvrir un peu la vanne
17
3
ime
tape : Base de rgles (1)
Si l'on considre n univers de discours pour les entres du RLF
et que chaque univers est partitionn en classes floues
Alors le nombre maximal de rgles est:
i
i i
U
U m
1
n
max i
i
r m
=
=
[
, . Trs vite le nombre de rgles peut devenir important
Laugmentation de la sensibilit obtenue par une partition
plus fine des entres aboutit un accroissement important du
nombre de rgles dfinir par lexpert.
On peut ne pas considrer certaines configurations de sous-ensembles flous
impossible obtenir par le processus.
Exemple: Commande automatique de freinage
Si Vitesse importante ET Distance lobstacle est nulle nest pas considrer
18
3
ime
tape : Base de rgles (2)
Sortie
Entre e
1
GN MN EZ MP GP
e
2
GN GP MP
MN MP EZ MN
EZ GP MP EZ MN GN
MP MP EZ MN
GP MN GN
Lorsque toutes les rgles sont du type: Si ( ) ET ( ) ET ( ) Alors ( )
La base de rgles scrit sous forme dune matrice dinfrence.
Si (e
1
est EZ) Et (e
2
est GP) Alors (Sortie est GN)
19
Bases de rgles 4 variables dentres
20
4
ime
tape : Infrences floues
Infrence :
Opration logique par laquelle on admet une proposition en vertu de sa liaison avec
dautres propositions tenues pour vraies.
Si la pression est leve alors ouvrir un peu la vanne
Exemple:
Supposons 2,1bar. P =
Cette pression aboutit, daprs la fuzzification, un degr dappartenance de 0,7 la classe
floue Pression leve .
Linfrence floue donnera, par exemple, un coefficient de vrit de 0,6 laction
Ouvrir un peu la vanne .
Linfrence floue transforme un degr dappartenance
en un autre degr dappartenance
Ltape suivante de dfuzzification fera correspondre une ouverture 40% ce coefficient 0,6
21
4
ime
tape : Mthodes dinfrences pour un RLF
2 principales mthodes
Mthode
MAX/PROD
Mthode
MIN/MAX
ET MIN
OU MAX
ALORS MIN

( )
ET MIN
OU MAX
ALORS PROD

Combinaison des rgles actives (OU)
Combinaison MAX Combinaison MAX
MIN/MAX
Mthode de Mamdani
La plus utilise
Qualitativement, ces rgles donnent sensiblement les mmes rsultats
22
5
ime
tape : Mthodes de Dfuzzification
La dfuzzification consiste transformer le sous-ensemble flou de
sortie en une valeur non floue permettant la commande du systme
bissection de la surface.
Abscisse qui coupe le surface en 2 parties gales
Moyenne des maxima.
Moyenne des valeurs de sorties les plus prconises.
Centre de gravit de la surface. (COG)
Toutes les valeurs de lunivers du discours de sortie interviennent, pondres par leur
degr de vraisemblance.
La mthode COG est la plus
utilise
3 mthodes principales
23
Variante: PID flou
Les coefficients du PID sont alors les sorties floues du RLF
On peut se servir des connaissances pragmatiques que lon a
des rglages de PID pour changer les coefficients de
lalgorithme PID
( ) ( )
1 1 2
2
e d
k p k k k k k k
i e
T
u K
T
t
c c c c c c
t

(
A = + +
(

( )
( )
( )
,
,
,
p floue k k
i floue k k
d floue k k
K f
f
f
c c
t c c
t c c
A = A
A = A
A = A
La commande est calcule par lalgorithme PID discrtis
avec :
24
Expertise du PID flou
un gain proportionnel fort
rduit le temps de monte
provoque une dpassement
sature les actionneurs
un gain intgral fort
limine rapidement lerreur statique
augmente le temps de monte
provoque une dpassement en poursuite (lorsque lcart consigne-mesure est
important).
un gain drive fort
permet de stabiliser par anticipation
rduite le temps de monte
provoque des transitoires abruptes
En poursuite, on aura tendance vouloir
augmenter le gain proportionnel et diminuer les gains intgral et drive
En rgulation, on aura tendance vouloir
diminuer le gain proportionnel et augmenter les gains intgral et drive
25
PID flou: conclusion
Les paramtres du PID flou volue continment
selon une loi adaptative et non non linaire.
Ralise un compromis entre une bonne commande en poursuite et une bonne
commande en rgulation
Si SP-PV est ngative ET sa drive est ngative ALORS augmenter K
p
Si SP-PV est faiblement ngative ET sa drive est positive ALORS
diminnuer K
p
(Comportement en rgulation qui vite le dpassement)
Les rgles seront du type :
(SP : Set Point, PV: process value)
26
Conclusion (partielle).
1. Mthode de rgulation non linaire et multi-
variables (MIMO).
2. Apporte des solutions des problmes compliqus
ou difficilement modlisables.
3. Pas de mthodes gnrales de synthses.Synthse
effective par compagne de tests.