Vous êtes sur la page 1sur 123

Thse de doctorat

Pour obtenir le grade de Docteur de lUniversit de


VALENCIENNES ET DU HAINAUT-CAMBRESIS
Spcialit Automatique
Prsente et soutenue par Sabrina, DELROT. Le 04/06/2012, Valenciennes

Ecole doctorale :
Sciences Pour lIngnieur (SPI)

Equipe de recherche, Laboratoire :


Laboratoire dAutomatique, de Mcanique et dInformatique Industrielles et Humaines (LAMIH)

Dtection d'encrassement dans les changeurs thermiques


par observateurs de type Takagi-Sugeno

JURY
Prsident du jury
- Guerra, Thierry Marie. Professeur, Universit de
Valenciennes et du Hainaut Cambrsis.
Rapporteurs
- Guelton, Kevin. Matre de Confrences HdR,
Universit de Reims.

- M'Saad, Mohammed. Professeur, Ecole


Nationale Suprieure d'Ingnieurs de CAEN.

Examinateurs
- Guerra, Thierry Marie. Professeur, Universit de
Valenciennes et du Hainaut Cambrsis.

- Busawon, Krishna. Docteur, Universit de


Northumbria.

Directeurs de thse
- Dambrine, Michel. Professeur, Universit de
Valenciennes et du Hainaut Cambrsis.

- Co-directeur de thse : Delmotte, Franois.


Professeur, Universit d'Artois.

Remerciements

Remerciements
Lors de cette thse j'ai eu l'occasion de rencontrer beaucoup de personnes que je tiens
remercier tout particulirement.
Tout d'abord je tiens remercier Kevin Guelton Professeur au CReSTIC ainsi que
Mohammed M'Saad Professeur au GREYC qui ont accept de rapporter ma thse. Je remercie
galement Thierry-Marie Guerra Professeur et directeur du LAMIH ainsi que Krishna
Busawon Professeur l'Universit de Northumbria qui ont accept de faire partie du jury et
qui ont particip la problmatique de ma thse.
Je remercie bien entendu les membres de l'quipe ASHM du LAMIH dont je fais partie avec
tout particulirement mes directeurs de thse, Michel Dambrine et Franois Delmotte sans qui
je ne serais pas l pour crire ces mots. Je remercie aussi le pro du mode glissant Mohamed
Djemai ainsi que Jimmy Lauber qui s'est HDRis, Sbastien Delprat et son vhicule hybride,
Mickael Delfoort le dernier maitre de confrence arriv, Antoine Dequidt qui garde toujours
le sourire et Laurent Vermeiren le premier m'avoir fait dcouvrir l'automatique lors de mon
cursus universitaire. Passons aux docteurs et doctorants. Commenons par les docteurs, Milka
et sa lgendaire bonne humeur et ceux qui sont partis avant moi Elhadi, Hichem et Souad
gale elle-mme et le dernier docteur de l'quipe Sami, et les doctorants Doudou, Clment,
Viet, Abdelhafidh et bien sr tout ceux que je n'ai pas cit.
Je tiens remercier aussi le professeur Sylvain Lalot pour m'avoir fourni les donnes de
l'changeur thermique.
Je voudrais rajouter mes "voisins et voisines de bureau" faisant partie de l'quipe de
biomcanique qui mettaient de la bonne humeur.
Je tiens pour finir remercier ma famille et mes amis. Tout particulirement mon mari qui
m'a soutenu tout au long de ce travail et notre petit garon Clment qui lui, est arriv en cours
de route et a mis de la joie dans ce long parcours. Et je rajoute Pernelle et Sb qui m'ont
motiv pour commencer cette thse et me soutenaient rgulirement par mail.
Enfin, je remercie tous ceux que je n'ai pas cits et qui m'ont soutenu ou qui ont contribu la
finalit de cette thse.

Sommaire

Sommaire
NOTATIONS......................................................................................................................................................... 5
INTRODUCTION GENERALE ......................................................................................................................... 6
CHAPITRE 1.

ENCRASSEMENT ET ECHANGEUR THERMIQUE...................................................... 9

1.1 INTRODUCTION ............................................................................................................................................ 10


1.2 GENERALITES SUR LES ECHANGEURS DE CHALEUR ET ENCRASSEMENT ....................................................... 10
1.2.1 Le principe de fonctionnement............................................................................................................ 10
1.2.2 Diffrents types d'changeurs thermiques .......................................................................................... 11
1.2.3 L'encrassement ................................................................................................................................... 14
1.3 MODELISATION DUN ECHANGEUR THERMIQUE .......................................................................................... 16
1.3.1 Modle avec une section ..................................................................................................................... 17
1.3.2 Modle gnral ................................................................................................................................... 19
1.3.3 Amlioration du modle et prise en compte de lencrassement .......................................................... 20
1.3.3.1 Coefficient de transfert thermique global ..................................................................................................... 20
1.3.3.2 Effet de lencrassement sur les paramtres du modle.................................................................................. 22

1.3.4. Modle de lchangeur retenu ........................................................................................................... 22


1.4 CONCLUSION ............................................................................................................................................... 24
CHAPITRE 2. UN BREF ETAT DE L'ART SUR L'OBSERVATION DES SYSTEMES
DYNAMIQUES ................................................................................................................................................ 26
2.1 INTRODUCTION ............................................................................................................................................ 27
2.2 OBSERVABILITE .......................................................................................................................................... 27
2.2.1 Dfinitions .......................................................................................................................................... 27
2.2.2 Test dobservabilit locale faible........................................................................................................ 29
2.3 QUELQUES RAPPELS SUR LES OBSERVATEURS ............................................................................................. 31
2.4 OBSERVATEURS DE TYPE TAKAGI-SUGENO................................................................................................. 35
2.4.1 Gnralits sur les modles flous de type Takagi-Sugeno .................................................................. 35
2.4.2 Construction d'un modle Takagi-Sugeno .......................................................................................... 37
-

Cas d'une seule non-linarit ............................................................................................................................ 37


Cas gnral ....................................................................................................................................................... 37

2.4.3 Les observateurs de type Takagi-Sugeno avec prmisses mesurables................................................ 39


2.4.4 Les observateurs de type Takagi-Sugeno avec prmisses non mesurables......................................... 41
2.4.5 Les observateurs entres inconnues ................................................................................................ 43
2.5 CONCLUSION ............................................................................................................................................... 44
CHAPITRE 3.

BATTERIE DOBSERVATEURS ...................................................................................... 45

3.1. INTRODUCTION ........................................................................................................................................... 46


3.2. PRINCIPE .................................................................................................................................................... 46
3.3. APPLICATION A L'ECHANGEUR THERMIQUE ................................................................................................ 47
3.3.1. Reprsentation sous forme Takagi-Sugeno de lchangeur de chaleur ............................................. 47
3.3.2. Synthse de lobservateur .................................................................................................................. 48
3.3.3. Batterie d'observateurs ...................................................................................................................... 49
3.4 SIMULATIONS .............................................................................................................................................. 50
3.4.1. Batterie de 6 observateurs sur le modle deux sections ................................................................. 51
3.4.2. Batterie de 6 observateurs avec le systme de dimension infinie ...................................................... 55
3.4.3. Variation du nombre d'observateurs ................................................................................................. 59
3.4.4. Facteur d'encrassement ..................................................................................................................... 61
3.5 CONCLUSION ............................................................................................................................................... 63
CHAPITRE 4.

LES OBSERVATEURS FLOUS POLYNOMIAUX ......................................................... 64

4.1. INTRODUCTION ........................................................................................................................................... 65


4.2. OBSERVATEUR FLOU POLYNOMIAL ............................................................................................................ 65
4.2.1. Modle flou polynomial ..................................................................................................................... 65
4.2.2. Polynmes sommes de carrs ............................................................................................................ 66

Sommaire
4.2.3. Observateur flou polynomial ............................................................................................................. 68
4.2.3.1. Cas dun systme nominal ........................................................................................................................... 68
4.2.3.2. Cas dun systme incertain .......................................................................................................................... 70

4.3. APPLICATION A LECHANGEUR THERMIQUE ............................................................................................... 71


4.3.1. Modle polynomial flou incertain ...................................................................................................... 71
4.3.2. Observateur ....................................................................................................................................... 73
4.3.3. Rsultats ............................................................................................................................................ 73
4.3.3.1 Synthse de lobservateur ............................................................................................................................. 73
4.3.4.3 Simulations ................................................................................................................................................... 74

4.4. CONCLUSION .............................................................................................................................................. 80


CHAPITRE 5.

OBSERVATEURS FLOUS TS A ENTREES INCONNUES ........................................... 81

5.1 INTRODUCTION ............................................................................................................................................ 82


5.2 OBSERVATEUR FLOU DE TYPE TS AVEC PERTURBATIONS ............................................................................ 82
5.2.1 Construction de lobservateur TS avec perturbations ........................................................................ 82
5.2.2 Prise en compte de performance par placement de ples .................................................................. 85
5.2.3 Application lchangeur thermique ................................................................................................. 87
5.3 RESULTATS OBTENUS .................................................................................................................................. 90
5.3.1 Simulation sur le modle deux sections ........................................................................................... 91
5.3.2 Simulation sur le modle de dimension infinie ................................................................................... 95
5.4 CONCLUSION ............................................................................................................................................... 99
CONCLUSION GENERALE .......................................................................................................................... 101
LISTE DES FIGURES ET TABLEAUX ........................................................................................................ 110
RFRENCES PERSONNELLES ................................................................................................................. 113
ANNEXE ............................................................................................................................................................ 114

Notations

Notations
Th,in

Temprature du fluide chaud en entre de l'changeur thermique

(C)

Tc ,in

Temprature du fluide froid en entre de l'changeur thermique

(C)

Th,1

Temprature du fluide chaud de la premire section de l'changeur

(C)

Tc ,1

Temprature du fluide froid de la premire section de l'changeur

(C)

Th,2

Temprature du fluide chaud de la deuxime section de l'changeur

(C)

Tc ,2

Temprature du fluide froid de la premire section de l'changeur

(C)

m h

Dbit massique du fluide chaud en entre de l'changeur thermique

(kg.s-1)

m c

Dbit massique du fluide froid en entre de l'changeur thermique

(kg.s-1)

c*

Paramtre constant dpendant du systme particulier

(s)

h*

Paramtre constant dpendant du systme particulier

(s)

Paramtre relatif l'encrassement

Paramtre relatif l'encrassement

Rf

Facteur d'encrassement

Ac

Aire de surface dchange thermique du fluide froid

(m)

Ah

Aire de surface dchange thermique du fluide chaud

(m)

cc

Capacits thermiques massiques du fluide froid

(Jkg-1K-1)

ch

Capacits thermiques massiques du fluide chaud

(Jkg-1K-1)

Mh

Masse du fluide chaud dans lchangeur

(kg)

Mc

Masse du fluide froid dans lchangeur

(kg)

Coefficient de transfert thermique global

(W/m2.K)

hh

Coefficient de transfert thermique du cot chaud de l'changeur

(W/m2.K)

hc

Coefficient de transfert thermique du cot froid de l'changeur

(W/m2.K)

Introduction gnrale

Introduction gnrale
Le phnomne dencrassement dans les changeurs thermiques est un sujet dactualit.
En effet, lencrassement rsulte de la boue cause par des suspensions insolubles, de la rouille
cause par la corrosion et pour finir d'un dpt (du tartre). Tout ceci, sil est pris temps, peut
tre nettoy moindre cot. On ne peut pas se permettre non plus une frquence de nettoyage
trop grande, cela augmenterait les cots de production des usines par des pertes de
productions dues aux arrts ncessaires au nettoyage ou par une augmentation des cots
dentretien. Mais linverse, si on ne prend pas en compte le phnomne dencrassement dans
les changeurs thermiques, il y aura une augmentation des pertes nergtiques, une hausse de
la consommation de leau, de llectricit et de carburant - ce qui apportera aussi un impact
sur lenvironnement d une augmentation de CO. Mais pour des gros changeurs
thermiques o laccessibilit est rduite il est difficile de savoir si celui-ci est encrass ou non.
En effet, les mthodes utilises le plus couramment pour dtecter l'encrassement reposent sur
lutilisation de capteurs spcifiques souvent coteux et ne permettant quune dtection
localise, sur la mesure de la variation de masse de lchangeur ou de lefficacit de
lchangeur travers le coefficient de transfert ces deux dernires mthodes exigeant des
conditions de fonctionnement trs particulires : larrt pour la premire et un fonctionnement
en rgime permanent pour la seconde. Ces mthodes se rvlent donc restrictives et coteuses
Do le sujet de la thse qui rentre en jeu et qui consiste dtecter lencrassement dans
les changeurs thermiques suffisamment tt pour mettre en place un systme dentretien. Il
existe de nombreuses mthodes permettant la dtection de dfauts telles que des techniques de
reconnaissances de formes, de classification ou encore des techniques ncessitant un modle
du processus. C'est cette dernire mthode que nous allons dvelopper par l'intermdiaire
d'observateurs non linaires.
La thse consiste concevoir des techniques de dtection de l'encrassement dans des
changeurs thermiques bases sur le dveloppement d'observateurs non linaires. Diffrentes
structures dobservateurs seront dfinies afin de pouvoir observer la variation de deux
paramtres caractrisant ltat dencrassement partir de la connaissance uniquement des
dbits ainsi que des tempratures en entre et en sortie de lchangeur thermique. Par la mme
occasion, ces observateurs permettront destimer ltat du systme (tempratures internes de
lchangeur).

Introduction gnrale
Nous verrons dans le premier chapitre le principe de fonctionnement dun changeur
thermique ainsi qu'une classification des changeurs de chaleur avec leurs diffrents modes de
transfert. Des types dencrassements seront abords ainsi que leurs effets non dsirables.
Lchangeur tubulaire contre courant sera modlis afin de pouvoir lutiliser par la suite et
rpondre la problmatique.
Le chapitre 2, quant lui, consiste en un tat de l'art des principaux types
d'observateurs existants pour des systmes linaires ou non linaires. Pour commencer la
notion d'observabilit est aborde dans ce chapitre. Puis un rcapitulatif sur les observateurs
est prsent en commenant par les mthodes les plus simples dveloppes dans le cadre des
systmes linaires pour continuer vers des mthodes plus complexes applicables aux cas non
linaires telles que la prise en compte de perturbations ou d'entres inconnues. Ce chapitre
consacre une grande partie aux observateurs de systmes non linaires en passant par un
modle de type Takagi-Sugeno qui a une part importante pour cette thse.
Les trois chapitres suivants prsenteront des mthodes pour la dtection
dencrassement travers diffrentes mthodes dobservateurs se basant sur un modle de
Takagi-Sugeno. Pour ces trois chapitres, des tests de validation par simulation sont raliss.
Une premire simulation sera effectue sur le modle simplifi vu au chapitre 1 et une
deuxime simulation sera faite partir du modle physique, sous forme de drives partielles,
valid exprimentalement.
Le chapitre 3 prsente une premire mthode base sur les observateurs de type
Takagi-Sugeno. tant donn que pour notre modle de lchangeur thermique, un observateur
classique de type Takagi-Sugeno nest pas possible (d un certain nombre de non-linarits
et dinconnues), le problme a t contourn en mettant en uvre une batterie dobservateurs.
L'estimation des paramtres relatifs l'encrassement est effectue par interpolation. La
mthode de cette batterie d'observateur est dtaille en premire partie. Pour continuer avec
l'application de cette mthode adapte au modle de l'changeur thermique. Une troisime
partie montrera les rsultats de simulations ainsi que l'influence du nombre d'observateurs
dans la batterie.
Un observateur polynomial de type Takagi-Sugeno est cr au chapitre 4. Le principe
est le mme quun observateur classique mais toutes les matrices utilises seront
polynomiales. Les solveurs de LMIs rencontrant de nombreux problmes numriques,
lintrt de travailler avec des polynmes revient simplifier lcriture du modle en
rduisant le nombre de non-linarits qui doivent tre dcomposes dans lapproche de
dcoupage par secteurs non linaires. Les polynmes positifs sont donc rcrit sous forme de
7

Introduction gnrale
somme de carrs (ou SOS pour Sum Of Squares ), ce qui permet de trouver des solutions
numriques plus facilement et rduit le conservatisme li lapproche classique par modle
de Takagi-Sugeno. De plus, un certain nombre de contraintes peuvent tre ajoutes aux
problmes SOS ce qui permet de rajouter toutes les connaissances telles que les bornes. Nous
verrons la rsolution de systme non linaire dans le cas certain mais aussi de systme non
linaire dans le cas incertain.
Pour finir au chapitre 5, nous avons appliqu une mthode dobservateur de type
Takagi-Sugeno en considrant les termes affects par les paramtres d'encrassement comme
des entres inconnues Ainsi une approche d'observateurs entres inconnues se basant sur
l'emploi d'un modle dynamique de ces entres inconnues est utilise pour reconstruire l'tat
ainsi que les perturbations. La mthode de D-stabilit compltera lobservateur afin de
pouvoir agir sur les performances dynamiques de lobservateur.
Enfin, pour conclure, nous verrons un tableau comparatif des diffrentes mthodes
existantes et celles que nous avons dveloppes dans le cadre de cette thse et terminerons sur
quelques perspectives concernant ce projet.

Encrassement et changeur thermique

Chapitre 1.

Encrassement et changeur
thermique

1.1 INTRODUCTION ................................................................................................................ 10


1.2 GENERALITES SUR LES ECHANGEURS DE CHALEUR ET ENCRASSEMENT ........................... 10
1.2.1 Le principe de fonctionnement ................................................................................ 10
1.2.2 Diffrents types d'changeurs thermiques ................................................................ 11
1.2.3 L'encrassement ........................................................................................................ 14
1.3 MODELISATION DUN ECHANGEUR THERMIQUE ............................................................... 16
1.3.1 Modle avec une section ......................................................................................... 17
1.3.2 Modle gnral ........................................................................................................ 19
1.3.3 Amlioration du modle et prise en compte de lencrassement .............................. 20
1.3.3.1 Coefficient de transfert thermique global......................................................... 20
1.3.3.2 Effet de lencrassement sur les paramtres du modles ................................... 22
1.3.4. Modle de lchangeur retenu................................................................................ 22
1.4 CONCLUSION ................................................................................................................... 24

Encrassement et changeur thermique

1.1 Introduction
Dans ce chapitre, nous allons aborder l'changeur thermique et le phnomne d'encrassement.
En premier lieu, nous aborderons le dispositif de l'changeur thermique, son principe de
fonctionnement et les diffrents changeurs thermiques existants. Nous dtaillerons ensuite le
phnomne de l'encrassement et citerons les diffrents aspects indsirables de l'encrassement
pour un changeur thermique, ce qui nous amnera l'importance de la dtection
d'encrassement dans les changeurs thermiques. La modlisation physique de l'changeur y
sera ensuite expose.

1.2 Gnralits sur les changeurs de chaleur et encrassement


1.2.1 Le principe de fonctionnement
Un changeur de chaleur est un dispositif permettant la rcupration de l'nergie thermique
d'un fluide par un autre. Le flux thermique traverse la paroi de sparation des diffrents
fluides. En effet, la chaleur peut tre caractrise comme un transfert d'nergie d'un systme
un autre d une diffrence de temprature (Cengel 2002). Selon la deuxime loi de la
thermodynamique, ce transfert d'nergie s'effectue de la temprature la plus importante vers la
plus faible. Il s'arrte donc lorsque les deux milieux sont de tempratures identiques.
La chaleur peut tre transfre par trois modes diffrents : la conduction, la convection et le
rayonnement.
- La conduction est un mode de transfert de chaleur d une diffrence de temprature
entre deux milieux en contact. A linverse de la convection il s'effectue sans dplacement
global de matire. C'est le transfert d'nergie des particules les plus nergtiques aux
particules les moins nergtiques qui leur sont adjacentes. La conduction peut s'effectuer dans
les solides, les liquides ou les gaz. La grandeur physique caractrisant le comportement des
matriaux lors de ce phnomne est la conductivit thermique. Dans les changeurs
thermiques, la conduction apparat principalement dans la paroi sparant les deux fluides.
Cette paroi est gnralement mtallique et de faible paisseur, elle a donc une rsistance
thermique faible.
-

La convection s'effectue par un dplacement de matire dans le milieu. C'est le

transfert d'nergie entre une surface solide et un liquide ou un gaz adjacent. C'est le mode le
10

Encrassement et changeur thermique


plus important pour les changeurs de chaleur mais aussi le plus difficile estimer, il dpend
du type de fluide, des vitesses et du type de l'changeur.
-

Le rayonnement est un transfert d'nergie sous forme d'ondes lectromagntiques

rsultant des changements dans les configurations lectroniques des atomes ou des molcules.
Au niveau des changeurs thermiques, c'est le moins prpondrant des modes de transfert
thermique, nanmoins il n'est pas ngligeable lors de certaines applications telle qu'une
chaudire avec brleur.
Les changeurs thermiques sont utiliss dans un grand nombre d'applications. Voici une petite
liste o l'on peut trouver ces changeurs de chaleur : systme air conditionn d'un habitat,
radiateurs de voiture, planchers chauffants, chaudires, distillerie, rchauffement dune
piscine, centrale thermique... Le fait davoir une paroi qui spare les fluides permet ceux-ci
de ne pas se mlanger et, ainsi, lun des fluides pourra, suivant lapplication, subir un
changement d'tat (condensation, vaporisation, bullition). Les changeurs permettent aussi
de rchauffer ou refroidir un liquide ou un gaz lorsque cette opration ne peut seffectuer
directement (par exemple : l'eau d'un circuit de refroidissement d'une centrale nuclaire).

1.2.2 Diffrents types d'changeurs thermiques


On peut classifier les changeurs thermiques selon le sens de lcoulement des fluides. On
distingue alors les changeurs
-

courants parallles : les deux fluides circulent paralllement et vont dans le mme
sens (Figure 1-1)

contre-courants : les deux fluides circulent paralllement mais vont dans le sens
oppos (Figure 1-2).

courants croiss : les deux fluides circulent perpendiculairement.

tte d'pingle : un des fluides fait demi-tour dans un conduit plus large tandis que le
deuxime le traverse. On peut considrer que cela correspond un courant parallle
sur une moiti de la distance de l'changeur et sur l'autre moiti un contre-courant.

contact direct ou mlange : les deux fluides sont mis en contact, (tour de
refroidissement, par exemple).

On peut galement les classer selon leurs gomtries :

11

Encrassement et changeur thermique


-

Echangeurs tubes : cet changeur tant le plus simple, il est compos d'un tube

l'intrieur d'un autre tube o des fluides traversent les deux tubes. Les deux types de
dplacement courant parallle ou contre-courant existent. (cf. Figure 1-1 et Figure 1-2).

Figure 1-1 : Echangeur tube courant

Figure 1-2 : Echangeur tube contre courant

parallle (Cengel 2002)

(Cengel 2002)

Echangeurs compacts : ces changeurs sont habituellement courants croiss, les

mouvements des deux fluides sont perpendiculaires l'un l'autre. Nous en retrouvons dans les
radiateurs de voitures (cf. Figure 1-3).

Figure 1-3 : Echangeur compact courant crois (Cengel 2006)

Echangeurs faisceau tubulaire : l'changeur est constitu d'un faisceau de tubes, se

trouvant l'intrieur d'une carcasse (l'changeur est aussi appel tubes et calandre ou par
lexpression anglaise shell-and-tube . L'un des fluides circule l'intrieur des tubes et
l'autre dans la carcasse, autour des tubes. A l'intrieur de la carcasse sont rajouts des chicanes
afin d'influencer l'coulement du fluide dans la carcasse. Cela permet d'amliorer le transfert
de chaleur et de maintenir un espacement uniforme entre les tubes (cf Figure 1-4).

12

Chapitre 1 : Encrassement et changeur thermique

Figure 1-4 : Echangeur faisceau tubulaire (Guo, Xu et al. 2009)

changeurs plaques : ceux sont des changeurs composs d'un nombre variant de

plaques disposes les unes cot des autres et spares par un espace. Les fluides chauds et
froids circulent en passages alterns, chaque fluide froid est entour par deux fluides chauds et
inversement. Du fait de leur compacit, ces changeurs permettent une grande surface
d'change dans un volume limit (cf. Figure 1-5).

Figure 1-5 : Echangeur plaques (Lund 1998)

Il existe encore bien d'autres types d'changeurs thermiques, certains comportent des
caractristiques communes ceux dcrits prcdemment, tels que les changeurs serpentins,
les changeurs double enveloppe, les changeurs spirales, les changeur surface racle,
les changeurs en graphite (changeurs bloc), les arorfrigrants ou tours de
refroidissement, les changeurs ailettes, les rgnrateurs, (Fraas 1989; Schou, Deans et
al. 1997; Mabit, Loisel et al. 2004; Shao, Yang et al. 2009).

13

Chapitre 1 : Encrassement et changeur thermique

1.2.3 L'encrassement
Les transferts thermiques dans les changeurs thermiques sont favorables au
dveloppement de phnomnes d'encrassement dans les liquides et sur les parois thermiques.
Ils se traduisent par laccumulation dlments solides indsirables sur les surfaces dchange
(Bell and Mueller 2001; Cengel 2002). Il existe diffrents types dencrassement comme, par
exemple, lencrassement particulaire d aux particules telles des oxydes et hydroxydes de fer
transports par les fluides en milieu industriel, la corrosion, lentartrage, lencrassement
biologique d aux algues ou champignons, (Marvillet, Bontemps et al. 1995). Cette couche
reprsente une rsistance additionnelle au transfert thermique. Le produit de cette rsistance
thermique par la surface dchange thermique est appel facteur d'encrassement. Le facteur
d'encrassement pour un nouvel changeur thermique sera gal 0 et augmentera avec le
temps lorsque les dpts solides saccumuleront sur les parois de l'changeur, et ce, jusquau
nettoyage de lchangeur. L'encrassement s'accentuera d'autant plus si la temprature
augmente et la vitesse des fluides diminue. Il existe des tables donnant des valeurs
reprsentatives du facteur dencrassement recommandes par la TEMA (Tubular Exchanger
Manufacturers Association) pouvant servir au dimensionnement des changeurs (cf. (TEMA
1988) par exemple). La plupart de ces valeurs ont un ordre de grandeur de 10-4 m2.C/W, ce
qui correspond la rsistance thermique dune couche de calcaire de 0,2 mm dpaisseur et
dun mtre carr de surface.
Lencrassement des changeurs thermiques induit un certain nombre deffets
indsirables ayant un cot conomique ou environnemental non ngligeable, ainsi :
-

Lencrassement diminuant le coefficient de transfert thermique, le cot pour obtenir un


coefficient de transfert thermique voulu augmente.

Lencrassement peut provoquer un cart de temprature suprieur la normale et ainsi


augmenter les consommations nergtiques. Ceci peut aussi engendrer des pannes des
quipements (surchauffe des compresseurs).

Les cots dentretien sont plus levs afin de supprimer les dpts dencrassement
avec des produits chimiques et des dispositifs antisalissure ou mcanique ou encore le
remplacement des quipements corrods.

Les cots de consommation deau, dlectricit et de carburant augmentent pour


compenser les effets de l'encrassement.

Des pertes de production lies aux arrts d'exploitation planifis ou non causs par
l'encrassement entranent une augmentation des cots dexploitation.

14

Chapitre 1 : Encrassement et changeur thermique


-

Lencrassement apporte aussi un risque environnemental. En effet, dans la rfrence


(T.Casanueva-Robles and Bott 2005), il est montr que, lorsquil y a de
lencrassement, pour compenser la perte defficacit des changeurs, la production est
active entrainant ainsi une augmentation de lmission de dioxyde de carbone. Ainsi,
lexistence dun bio-film microbien dune paisseur de 300 m dans les condenseurs
dune station thermique au charbon de 550MW peut entrainer une production
supplmentaire de 970 kg par heure de dioxyde de carbone.
Les consquences de lencrassement sont donc nombreuses et il savre indispensable

de lutter contre ce phnomne. En effet, diffrentes mthodes existent afin de limiter


lencrassement des changeurs. On peut citer, titre dexemple, le traitement des fluides
(filtrage, traitement chimique, ) ou galement le nettoyage des parois pendant les phases de
fonctionnement par procd mcanique (brossage, injection de boules en caoutchouc
spongieux, ) ou par traitement chimique (dtartrant, ), cf. (Marvillet, Bontemps et al.
1995; Kuppan 2000). Ces mthodes ne font que ralentir lencrassement et un nettoyage
complet des installations reste indispensable. Cela ncessite bien souvent larrt complet de la
production entrainant un cot non ngligeable. Afin de rduire ces cots de maintenance, il
est intressant de pouvoir dtecter en temps rel ltat dencrassement des dispositifs. Les
mthodes classiques de dtection sont bases sur le pesage de lchangeur ou dune de ses
parties, sur lexamen du coefficient dchange thermique ou de lefficacit, sur lobservation
simultane des chutes de pression et du taux de dbit massique, sur la mesure de la variation
de temprature en entre et en sortie dun des deux fluides, sur lutilisation doutils de mesure
ultrasons ou lectriques (Jonsson, Lalot et al. 2007). Aucune de ces solutions nest parfaite
et toutes exigent des conditions demploi particulires. Ainsi, la premire ncessite larrt de
fonctionnement du processus, les trois suivantes ncessite un fonctionnement en rgime
stationnaire (les dbits massiques des fluides ne doivent pas trop varier). De mme, outre
leurs cots, lutilisation de capteurs ne constitue quune solution locale, lefficacit dpendant
fortement de leur placement.
Une autre classe de mthodes repose sur une modlisation du processus et de
lutilisation de techniques destimation en temps rel des paramtres ou des variables dtat
du modle retenu. Diffrentes mthodes de diagnostic, de classification ou dobservation sont
possibles afin de dtecter l'encrassement. Ainsi, lutilisation de modles type boite noire tels
que les rseaux de neurones a t propose dans (Lalot, Palsson et al. 2007) ; la rfrence
15

Chapitre 1 : Encrassement et changeur thermique


(Jonsson, Lalot et al. 2007) est base quant elle sur la modlisation physique du processus et
de lemploi dun filtre de Kalman tendu. Cette technique ncessite un modle que nous
allons dcouvrir et utiliser dans la suite de ce mmoire afin de pouvoir construire des
observateurs permettant de dtecter lencrassement.

1.3 Modlisation dun changeur thermique


Nous considrons ici un changeur tubulaire avec une circulation contre-courant des
deux fluides et reprsent sur la Figure 1-6. Dans l'changeur, un transfert thermique
s'effectue entre un liquide chaud et un liquide froid sans contact entre ces deux liquides qui
circulent le long d'une paroi de sparation mtallique. Le liquide des deux fluides pour notre
changeur est de leau.

Tc ,in , m c

Tc
Th

Th ,in , m h

flux eau chaude


flux eau froide
Figure 1-6 : Reprsentation du systme rel : changeur thermique

Nous reprenons ici la modlisation de lchangeur propose dans (Jonsson 1990; Jonsson,
Lalot et al. 2007). Il ncessite les hypothses suivantes :
le transfert thermique vers lenvironnement extrieur est ngligeable ;
les phnomnes de conduction thermique dans la paroi mtallique et dans les fluides
sont ngligs ;
les capacits thermiques massiques sont constantes ;
les deux fluides sont supposs incompressibles.

16

Chapitre 1 : Encrassement et changeur thermique


Lchangeur est dcompos en un nombre N de sections supposes identiques. Les
tempratures des fluides chaud et froid seront supposes uniformes dans chaque section. Elles
seront indexes dans le sens du fluide (cf. Figure 1-7).

Tc ,in

Tc ,1

Tc ,i

Tc , N

Tc , out

Th , out

Th , N

Th , j

Th ,1

Th ,in

Figure 1-7 : Reprsentation dun demi-changeur avec N cellules

Par la suite, les indices h et c seront employs pour reprsenter, respectivement, les proprits
des fluides chaud et froid (hot, cold). Les notations suivantes seront utilises :
Tc ,in , Th ,in : tempratures des fluides en entre de l'changeur ;
Tc ,i , Th , N +1i : tempratures des fluides dans la i-me section ;
Tc ,out , Th ,out : tempratures des fluides en sortie de l'changeur (et donc T*,out =T*, N ) ;

m h , m c : dbits massiques ;

Ah et Ac : aires des surfaces dchange thermique ;

cc et ch : capacits thermiques massiques ;

M h et M c : masses des fluides dans lchangeur ;

U le coefficient de transfert thermique global.


Nous commencerons par le cas dune cellule lmentaire (N = 1), le cas gnral
correspondant lassociation en srie de N cellules lmentaires.

1.3.1 Modle avec une section


Le bilan nergtique scrit

dTh ,1 ( t )
= m h ( t ) ch Th ,in ( t ) Th ,1 ( t ) AhU ( t ) T ( t )
M h ch

dt

M c dTc ,1 ( t ) = m t c T t T t + A U t T t
() ()
c ( ) c c ,in ( )
c ,1 ( )
c
c c dt

17

(1.1)

Chapitre 1 : Encrassement et changeur thermique


o

AhU ( t ) T ( t ) et AcU ( t ) T ( t ) reprsentent le transfert d'nergie entre les sections

chaudes et froides. La quantit T ( t ) reprsente la diffrence moyenne de temprature entre


le fluide chaud et le fluide froid. Il existe dans la littrature diffrentes dfinitions de T ( t ) :
la plus simple consiste en la diffrence des tempratures dans chaque section :
T ( t )TD = Th ,1 ( t ) Tc ,1 ( t ) ,

(1.2)

la diffrence de tempratures arithmtique moyenne:

T ( t ) AMTD =

[Th ,in ( t ) + Th,1 ( t )] [Tc,in ( t ) + Tc,1 ( t )]

,
2
2

(1.3)

et enfin la diffrence de tempratures logarithmique moyenne :

T ( t ) LMTD =

(T ( t ) T ( t ) ) (T ( t ) T ( t ) )
ln ( (T ( t ) T ( t ) ) (T ( t ) T ( t ) ) )
h ,1

h ,1

c ,1

c ,1

h ,in

c ,in

h ,in

(1.4)

c ,in

Cette dernire se justifie dans le cadre dun rgime stationnaire obtenu pour des dbits
massiques des fluides constants. Daprs (Jonsson 1990), la premire expression conduit des
valeurs trop faibles de T ( t ) ce qui entrane soit une surestimation du coefficient de transfert
thermique global via une mthode didentification, soit une mauvaise prcision du modle en
rgime statique en utilisant des valeurs tabules des paramtres. Les deux dernires
expressions sont dune prcision quivalente. Du fait de sa simplicit, lexpression (1.3) de
T ( t ) sera utilise par la suite.

Le modle (1.1) peut tre reformul en introduisant le vecteur de paramtres suivant :


T

(t ) = [ (t ) (t ) h (t ) c (t ) ] ,

(1.5)

o :

(t ) =

AhU ( t )
A U (t )
Mh
Mc
, (t ) = c
, h ( t ) =
, c (t ) =
,
m h ( t ) ch
m c ( t ) cc
m h ( t )
m c ( t )

(1.6)

Les paramtres ( t ) , ( t ) sont sans dimension et correspondent au nombre dunits de


transfert lorsque la valeur minimale de m c ( t ) cc et m h ( t ) ch est atteinte. Les paramtres

h ( t ) et c ( t ) sont homognes au temps. Sous lhypothse (1.3), le modle prcdent peut


scrire sous la forme de la reprsentation d'tat dun systme linaire paramtres variants :
Th,1 ( t )
Th,1 ( t )
Th,in ( t )
T ( t ) = A ( (t ) ) Tc,1 ( t ) + B ( (t ) ) Tc ,in ( t )

c,1

18

(1.7)

Chapitre 1 : Encrassement et changeur thermique


avec

(1 + ( t ) / 2)

(1 ( t ) / 2)
(t )

h (t )
2 h ( t )

h (t )
A ( (t ) ) =
, B ( (t ) ) =
(t )
(t )
(1 + ( t ) / 2)

c (t )
2 h ( t )

2 h ( t )

.
(1 ( t ) / 2)

c (t )

(t )
2 h ( t )

Il est noter que le mme modle serait obtenu dans le cas dun coulement courant
parallle.

1.3.2 Modle gnral


Le cas gnral sobtient en associant en srie N cellules lmentaires. En notant A*, N = A* / N
l'aire de la surface dchange thermique, M *, N = M * / N la masse du fluide * pour chaque
section, il vient le modle gnral sous forme d'un systme dquations diffrentielles :

T ( t ) + Th ,i ( t ) Tc , j 1 ( t ) + Tc , j ( t )
dTh ,i ( t )
= m h ( t ) ch Th ,i 1 ( t ) Th ,i ( t ) Ah , NU ( t ) h ,i 1

M h , N ch

dt
2
2

dTc , j ( t )
Th ,i 1 ( t ) + Th ,i ( t ) Tc , j 1 ( t ) + Tc , j ( t )

M c , N cc dt = m c ( t ) cc Tc , j 1 ( t ) Tc , j ( t ) + Ac , NU ( t )
2
2

(1.8)
avec j = N + 1 i et la convention T*,0 = T*,in (pour * {h, c} ). Ces indices varient de 0 n
avec 0 reprsentant la temprature dentre et n la temprature de sortie.
On

peut

reformuler

ce

systme

sous

forme

matricielle.

Pour

cela,

notons

X (t ) = x[1]T x[2]T x[ N ]T avec x[i] (t ) = Th,i (t ) Tc, N +1i (t ) , N (t ) = (t ) / N ainsi que

1 0
B1 ( ( t ) ) = B ( ( t ) )

0 0

0 0

0 1

et B2 ( ( t ) ) = B ( ( t ) )

(1.9)

Notons que B1 est dduite de B en remplaant sa deuxime colonne par un vecteur nul,
tandis que B2 sobtient en remplaant la premire colonne. Une reprsentation dtat du
systme scrit alors :

19

Chapitre 1 : Encrassement et changeur thermique


A ( N ( t ) )

B1 ( N ( t ) )

X = 0

0
Th,out 0
y=
=
Tc ,out 0

B2 ( N ( t ) ) 0
A ( N ( t ) )

B1 ( N ( t ) )

0
T
X +
h,in

Tc,in

B2 ( N ( t ) )

B
t
(
)
A ( N ( t ) )
2 ( N )
0

B1 ( N ( t ) )

(1.10)

0 0 1
1

0
X
0 0 0

Remarque : lorsque N , on obtient le modle de dimension infinie dcrit par les


quations drives partielles :
dTh ( t , x )
T ( t , x )
+ Ah ch vh h
= PU
( t ) Tc ( t , x ) Th ( t , x )
h
dt
x
dT ( t , x )
T ( t , x )
+ Ac cc vc c
= PU
Ac cc c
( t ) Th ( t , x ) Tc ( t , x )
c
dt
x
et Tc ( t , 0 ) = Tc ,in ; Th ( t , 0 ) = Th,in

Ah ch

o :

(1.11)

Ph et Pc : primtres thermiques,
Ah et Ac : aires de la section traverse par chacun des flux,
v la vitesse du flux
la densit

1.3.3 Amlioration du modle et prise en compte de lencrassement


1.3.3.1 Coefficient de transfert thermique global
Le coefficient de transfert thermique global correspond la mise en srie des rsistances
thermiques associes aux deux phnomnes de convection fluide/paroi. Il est donc dfini par la
relation :

1
U ( t ) Ah, N

1
1
+
hh Ah, N hc Ac , N

(1.12)

Il a t montr dans (Jonsson and Palsson 1994) que la prise en compte de la dpendance du
coefficient de transfert global vis--vis des dbits massiques permet damliorer
significativement la prcision du modle.
partir de la formule empirique de Dittus-Boelter (cf. (Cengel 2002) p 441), il est possible de
dduire lexpression des coefficients de transfert thermique :
h* ( t ) = K * m *y ( t ) , * {c, h}

20

(1.13)

Chapitre 1 : Encrassement et changeur thermique


avec K c , K h et y constants. Lcoulement tant turbulent, la valeur de lexposant y pourra
tre prise gale 0,8.
En substituant (1.13) dans (1.12), nous pouvons crire :
U (t ) =

De plus, en posant e =

Ac , N hh ( t ) hc ( t )

Ah , N hh ( t ) + Ac , N hc ( t )

Ah , N K h
Ac , N Kc

Ac , N K h K c ( m h ( t ) m c ( t ) )

Ah , N K h m hy ( t ) + Ac , N K c m cy ( t )

(1.14)

, il vient

U (t ) = Kh

( m ( t ) m ( t ) )
c

(1.15)

m cy ( t ) + e m hy ( t )

Considrons des valeurs de rfrences (constantes) m h* et m c* pour les dbits massiques des
fluides chaud et froid. Pour ces dbits massiques, le coefficient de transfert thermique global
vaut :

( m m )
*
c

U = Kh

*
h

(1.16)

m c* y + e m *h y

Nous pouvons ainsi rcrire les paramtres (1.6) sous la forme suivante :

m h* U ( t )
(t ) =
m h ( t ) U *
*

h ( t ) = h*

m h*
m h ( t )

avec h* =

m * U ( t )
(t ) = * c
m c ( t ) U *

c ( t ) = c*

Ah , NU *
avec = *
m h ch
*

m c*
m c ( t )

M h, N
m h*

Ac , NU *
*
avec = *
m c cc
avec c* =

(1.17)

M c,N
.
m c*

Ce modle peut encore tre amlior en prenant en compte linfluence de la temprature sur
les coefficients de transfert thermique. Cependant, lexprience (cf. (Jonsson and Palsson
1994)) montre que, du fait de laugmentation du nombre de paramtres identifier, le gain en
prcision nest pas aussi significatif que celui obtenu en prenant en compte seulement
linfluence des dbits massiques et, par consquent, ne justifie pas forcment lutilisation de
ce modle plus complexe.

21

Chapitre 1 : Encrassement et changeur thermique

1.3.3.2 Effet de lencrassement sur les paramtres du modle


La modlisation prcise du phnomne dencrassement est dlicate. Elle dpend du type
dencrassement et fait lobjet de nombreux travaux de recherche actuels (Mller-Steinhagen,
Malayeri et al. 2009).
Lorsque lencrassement est prsent, la rsistance thermique de la paroi augmente et conduit
une diminution du coefficient de transfert thermique global. Cette augmentation de la
rsistance thermique est mesure au travers du facteur dencrassement R f dfini par (Cengel
2002) :
1
U ( t ) Ah , N

Rf
1
1
+
+
.
hh Ah , N hc Ac , N Ah , N

(1.18)

Le coefficient thermique global U dpend donc de ltat dencrassement de lchangeur, mais


aussi des dbits massiques. Nous avons donc choisi dans cette thse de caractriser
lencrassement travers lvolution des paramtres * et * . Ce choix a galement t fait
dans les travaux (Jonsson, Lalot et al. 2007; Lalot, Palsson et al. 2007) et nous permettra donc
de comparer les rsultats de nos approches avec les leurs.

1.3.4. Modle de lchangeur retenu


Dans le cadre du projet DESURENEIR (DEtection et SURveillance de l'ENcrassement dans
les Echangeurs de chaleur Isols ou en Rseau) du programme interdisciplinaire Energie du
CNRS, nous avons retenu comme banc dessai un changeur tubulaire contre courant.
Le fluide considr est de leau en phase liquide. Les dimensions du tube en acier inoxydable
sparant les deux fluides sont de 14 mm pour le diamtre intrieur et de 18 mm pour son
diamtre extrieur. Le diamtre intrieur du tube extrieur est de 26 mm. Pour finir la
longueur de l'changeur de chaleur est de 11 m.
Au moment de lcriture de ce mmoire, le procd exprimental navait pas encore t
disponible. Nous travaillerons donc avec des donnes issues dune modlisation fine du
procd et base sur lutilisation dun logiciel CFD professionnel (Fluent de Ansys) et
fournies par M. Lalot, professeur lUVHC et membre du laboratoire TEMPO. Ces donnes
ont t galement utilises dans des travaux antrieurs de certains membres du projet
DESURENEIR (Jonsson, Lalot et al. 2007; Lalot, Palsson et al. 2007), ceci nous permettant
ainsi deffectuer un bilan comparatif de mthodes destimation en ligne de lencrassement.

22

Chapitre 1 : Encrassement et changeur thermique


Pour la modlisation, il a t montr (Jonsson 1990) que, pour ce type dchangeur de
dimension relativement modeste, il est suffisant deffectuer une discrtisation en deux
sections du procd (Figure 1-8).

Tc ,in

Tc ,1

Tc ,2

Th ,2

Th ,in

Th ,1

Figure 1-8 : changeur thermique avec 2 sections

En utilisant les rsultats des paragraphes prcdents, le modle du systme peut tre crit sous
la forme suivante :

x = A ( , u ) x + B ( , u )

(1.19)

y = Cx
avec :
l'tat du systme x dfini par :
T

x = (Th,1 Th,2 Tc,1 Tc,2 ) ,

(1.20)

les variables d'entres correspondant aux tempratures dentres ainsi qu'au dbits des
fluides chaud et froid :

u = Th,in Tc ,in m h m c

(1.21)

le vecteur des mesures au sein duquel on supposera que, outre les entres prcdentes,
seules les tempratures en sortie sont mesures,
T

y = Th,2 Tc ,2

le vecteur de paramtres relatif lencrassement (t ) donn par :

= * , *
les matrices du systme dfinies par :

23

(1.22)

Chapitre 1 : Encrassement et changeur thermique


m h
*
* * * U
h mh 2 h
m h
*
* * * U
h m h 2 h
A ( , u ) =
*

U
2 c*

2 c*
m h
*

* *
* U

m
2
h
h
h

B ( , u ) =

2 c*

o U = U (m c , m h ) =

*
U
2 h*

m h
*

h*m h* 2 h* U

*
U
2 h*

*
U
2 c*

m c
*

c*m c* 2 c* U

* U
2 h
,
*

mc

c* m c* 2 c* U

U (t )
U*

m c
*

c*m c* 2 c* U

*
m c

* * * U
c m c 2 c

*
U
2 h*

( m
( m m ) ( m
y

*y
c

+ em h* y )

* y
c

y
c

+ em hy )

( m m )
= h c
*
h

0 1 0 0
C=

0 0 0 1

. Les autres paramtres sont dfinis

comme au paragraphe 1.3.3.


Nous prendrons dans les chapitres suivants les valeurs suivantes :
m h* = 0,1083kg .s 1 ; m c* = 0,1803kg .s 1 ;

h* = 7, 7392 s ; c* = 8, 3502 s ;

e = 1,11 ; y = 0,8 .

1.4 Conclusion
Dans ce chapitre, nous avons prsent diffrents types dchangeurs thermiques, ainsi que
leur principe de fonctionnement. Nous avons numr les problmes environnementaux ou
conomiques qui peuvent tre engendrs par lencrassement dans les changeurs de chaleur.
La dtection de l'encrassement est un problme actuel et faisant lobjet de nombreuses
recherches. Dans ce mmoire, nous voulons traiter la dtection en temps rel et ainsi pouvoir

24

Chapitre 1 : Encrassement et changeur thermique


estimer son volution au court du temps. Pour cela, le modle dun changeur thermique
tubulaire a t considr dans ce chapitre et sera utilis tout au long de ce mmoire.
Nous avons pu voir dans ce modle que l'encrassement est li deux paramtres principaux.
Des mthodes permettant de les estimer seront proposes dans les chapitres suivants. Celles-ci
seront bases sur la reconstruction dtat et utiliseront des observateurs non linaires. Nous
allons prsenter dans le chapitre suivant un tat de l'art sur la thorie de lobservation.

25

Chapitre 2 : Un bref tat de l'art sur l'observation des systmes dynamiques

Chapitre 2.

Un bref tat de l'art sur

l'observation des systmes dynamiques

2.1 INTRODUCTION ................................................................................................................ 27


2.2 OBSERVABILITE ............................................................................................................... 27
2.2.1 Dfinitions ............................................................................................................... 27
2.2.2 Test dobservabilit locale faible ............................................................................ 29
2.3 QUELQUES RAPPELS SUR LES OBSERVATEURS ................................................................. 31
2.4 OBSERVATEURS DE TYPE TAKAGI-SUGENO ..................................................................... 35
2.4.1 Gnralits sur les modles flous de type Takagi-Sugeno ...................................... 35
2.4.2 Construction d'un modle Takagi-Sugeno .............................................................. 37
-

Cas d'une seule non-linarit ................................................................................. 37

Cas gnral ............................................................................................................. 37

2.4.3 Les observateurs de type Takagi-Sugeno avec prmisses mesurables .................... 39


2.4.4 Les observateurs de type Takagi-Sugeno avec prmisses non mesurables ............. 41
2.4.5 Les observateurs entres inconnues ..................................................................... 43
2.5 CONCLUSION ................................................................................................................... 44

26

Chapitre 2 : Un bref tat de l'art sur l'observation des systmes dynamiques

2.1 Introduction
Il existe de nombreuses mthodes ddies la dtection de dfauts. Certaines utilisent des
techniques de reconnaissance de formes, de classification, , dautres ncessitent la
connaissance dun modle du processus ou du signal (cf. (Isermann 2006)). Dans cette thse,
nous nous plaons plus particulirement dans le cadre de cette deuxime classe de mthodes
et avons choisi pour la dtection de lencrassement destimer en ligne les paramtres et
dfinis au premier chapitre cette identification se fera laide dobservateurs non linaire
que nous allons dvelopper dans les chapitres suivants.
Lorsque l'tat d'un systme n'est pas entirement mesurable, on peut arriver - sous certaines
conditions dites d'observabilit - le reconstruire partir des entres et sorties connues par
l'intermdiaire d'un observateur. Preuve de limportance pratique et thorique, ainsi que de la
complexit du sujet, la littrature sur le domaine est abondante. Aussi, sans viser
lexhaustivit, ce chapitre fait un rcapitulatif des principaux types dobservateurs existant. Il
est dcompos en trois parties principales. La premire partie aborde la proprit
dobservabilit des systmes. La deuxime partie, quant elle, prsente diffrents types
dobservateurs en commenant par le cadre plus simple des systmes linaires, puis celui des
systmes non linaires. La troisime et dernire section de ce chapitre est ddie la synthse
d'observateurs de systmes non linaires reprsents par un modle de type Takagi-Sugeno
qui est lobjet principal des travaux de cette thse. Aprs avoir dfini ce type de modles non
linaires, nous rappelons comment obtenir un modle sous cette forme partir de la
reprsentation dtat usuelle dun systme non linaire. Enfin, nous prsentons quelques
rsultats concernant la synthse dobservateurs utilisant ce formalisme.

2.2 Observabilit
2.2.1 Dfinitions
Prenons un systme sous la forme suivante :

x = f ( x, u )

y = h ( x )

27

(2.1)

Chapitre 2 : Un bref tat de l'art sur l'observation des systmes dynamiques


o x(t ) X n , u (t ) m et y (t ) p . Les entres u admissibles seront des fonctions
mesurables bornes valeur dans un ensemble m . Les applications f et h seront
supposes suffisamment drivables afin de garantir lexistence et lunicit de solutions
dfinies sur . Nous noterons x(t , x0 , u ) et y (t , x0 , u ) ltat et la sortie du systme (2.1) pour
une entre u (t ) et une condition initiale x0 .
La proprit dobservabilit correspond la possibilit de pouvoir reconstruire ltat x(t ) du
systme (2.1) partir de l'observation des entres et sorties du systme sur un horizon de
temps fini. Pour une entre donne, la solution x(t ) est dfinie de manire unique par son tat
initial. Ce fait essentiel a conduit (Hermann and Krener 1977) aux dfinitions suivantes (cf.
aussi (Bornard, Celle-Couenne et al. 1993) et (Besanon 2007)).

Indiscernabilit : Soit U un sous-ensemble de n . Deux tats initiaux x0 et x0 de U


sont dits indiscernables sur U si, pour toute entre admissible u, et pour tout instant

t 0 tel que les tats x(t , x0 , u ) et x(t , x0 , u ) restent dans U , alors les sorties y (t , x0 , u ) et
y (t , x0 , u ) sont identiques. Nous noterons IU ( x) lensemble des tats indiscernables sur
U de x.
Observabilit : Le systme (2.1) est dit observable en x0 si I X ( x0 ) = { x0 } et sil n'existe
aucune paire indiscernable sur lespace dtat X , cest--dire, I X ( x ) = { x} pour tout

x X ; il est dit localement observable en x0 si, pour tout voisinage ouvert U de x0 ,


IU ( x0 ) = { x0 } ; il est dit localement observable sil est localement observable en tout

point x0 de X.

Observabilit faible : Le systme (2.1) est dit faiblement observable en x0 si, dans un
voisinage de x0 , il nexiste pas d'tat indiscernable de x0 ; il est dit faiblement observable
sil est faiblement observable en tout point x0 de X.

Observabilit locale faible : Le systme (2.1) est dit localement faiblement observable en

x0 s'il existe un voisinage U de x tel que, pour tout voisinage V de x0 contenu dans U,
on a IV ( x0 ) = { x0 } ; il est dit localement faiblement observable sil est faiblement
localement observable en tout point x0 de X.

28

Chapitre 2 : Un bref tat de l'art sur l'observation des systmes dynamiques


Remarquons que, dans les dfinitions prcdentes, le choix de lentre permettant de discerner
deux tats initiaux peut dpendre de ces tats initiaux, ceci conduit la notion dentre
universelle (Bornard, Celle-Couenne et al. 1993) et la nouvelle notion dobservabilit dite
uniforme.

Entre universelle : une entre u est universelle sur [ 0, T ] si pour tout couple d'tats
initiaux x0 x0 , il existe t [ 0, T ] tel que y ( t , x0 , u ( t ) ) y ( t , x0 , u ( t ) ) . Une entre non
universelle est dite singulire.

Observabilit uniforme : le systme (2.1) est dit uniformment observable si toute entre
admissible est universelle.

2.2.2 Test dobservabilit locale faible


Lobservabilit est une proprit difficile analyser dans le cas des systmes non linaires du
fait quelle dpend de lentre applique. Cependant, pour la proprit dobservabilit locale
faible, il existe un critre analytique appel condition du rang et bas sur la dtermination de
la dimension dun sous-espace vectoriel de fonctions particulier nomm lespace
dobservation.

Dfinition (Espace dobservation) : Lespace dobservation O du systme (2.1) est le plus


petit -espace vectoriel de fonctions dfinies sur X valeurs relles contenant les fonctions

h1 , , h p (fonctions composantes de h ) et ferm pour la drivation de Lie par rapport tous


les champs de vecteurs de la forme fu ( x) = f ( x, u ) o u est une entre constante valeur
dans .

On notera galement dO lespace des diffrentielles des fonctions dans O et dO(x) lespace
des vecteurs obtenus en valuant les lments de dO en x. On a alors le rsultat suivant :

Thorme (Hermann and Krener 1977) : Si dim dO(x0) = n, alors, le systme (2.1) est
faiblement localement observable en x0 .

29

Chapitre 2 : Un bref tat de l'art sur l'observation des systmes dynamiques


-

Cas particulier des systmes linaires stationnaires

Dans le cas des systmes linaires de reprsentation dtat

x ( t ) = Ax ( t ) + Bu ( t )

y ( t ) = Cx ( t ) + Du ( t )

(2.2)

o A, B, C et D sont des matrices de tailles appropries, en appliquant le critre prcdent, on


montre que le systme est faiblement localement observable si et seulement si

CA

rang
= n.

n 1
CA

(2.3)

Remarquons que pour cette classe de systmes, la proprit dobservabilit faible locale est
quivalente celle dobservabilit. La condition (2.3) est appele critre dobservabilit de
Kalman.
-

Application au modle de lchangeur thermique

Reprenons le modle de lchangeur thermique vu au chapitre 1 et mettons le sous la forme


suivante afin de vrifier son observabilit.

Th,1 = uh (Th,in Th ,1 ) + ch (Tc ,2 + Tc ,1 Th,1 Th,in )

Th, 2 = uh (Th,1 Th,2 ) + ch ( Th ,2 + Tc ,1 Th,1 + Tc ,in )

Tc ,1 = uc (Tc ,in Tc ,1 ) + cc (Th,2 Tc ,1 + Th ,1 Tc ,in )

Tc ,2 = uc (Tc ,1 Tc ,2 ) + cc ( Tc ,2 Tc ,1 + Th,1 + Th,in )


y1 = Th,2

y2 = Tc ,2
Avec

uh =

m h
m c
,
u
=
c
h*m h*
c*m c*

ch =

, cc = U*
*
2 h
2 c

dh1
1
dh1
Cherchons la matrice dobservabilit en prenant rang ( O ) = rang
.
dh2
1
dh2
Nous avons

30

(2.4)

Chapitre 2 : Un bref tat de l'art sur l'observation des systmes dynamiques

h h1 h1 h1
dh1 = 1
= ( 0 1 0 0)
x1 x2 x3 x4
L h L f + gu h1 L f + gu h1 L f + gu h1
dh11 = f + gu 1
= ( uh ch
T
Th ,2
Tc ,1
Tc ,2
h ,1

uh ch

ch

0)

L f + gu h1 = uh (Th ,1 Th ,2 ) + ch ( Th ,2 + Tc ,1 Th ,1 + Tc ,in )

h
dh2 = 2
x1

h2
x2

L f + gu h2
dh11 =
T
h ,1

h2
x3

(2.5)

h2
= ( 0 0 0 1)
x4

L f + gu h2

L f + gu h2

Th ,2

Tc ,1

L f + gu h2
= ( cc
Tc ,2

0 uc cc

uc cc )

L f + gu h2 = uc (Tc ,1 Tc ,2 ) + cc ( Tc ,2 Tc ,1 + Th ,1 + Th ,in )
Ainsi la matrice dobservabilit est de la forme suivante :

u c
O= h h
0

cc

1
uh ch
0
0

0
ch
0
uc cc

0
1

uc cc

(2.6)

Nous pouvons facilement voir que lorsque les paramtres de et sont fixs une certaine
valeur (priode clean de l'changeur thermique), il existe au moins une entre u universelle
o l'on obtient la matrice dobservabilit de rang 4. Ce qui permet de dire que lorsque le
modle de l'changeur est dans la priode d'encrassement ( et varient), il existera aussi
une entre u o l'on obtiendra la matrice dobservabilit de rang 4. On peut quand mme voir
que pour certaines valeurs ce modle admet aussi des entres singulires.
Nous pouvons ainsi conclure d'aprs les dfinitions d'observabilit que le systme est
localement faiblement observable.

2.3 Quelques rappels sur les observateurs


Un observateur ou reconstructeur d'tat est un systme dynamique permettant de reconstruire
en temps rel l'tat courant d'un systme partir de ses entres et sorties. Ceci est illustr
travers la figure suivante o le vecteur d'tat estim est not x .

31

Chapitre 2 : Un bref tat de l'art sur l'observation des systmes dynamiques

Systme
x ( t ) = f ( x ( t ) , u ( t ) )

y (t ) = h ( x (t ))

x ( t ) = f ( x ( t ) , u ( t ) , y ( t ) )

Observateur
Figure 2-1 Reprsentation d'un observateur

On souhaite en gnral les caractristiques suivantes :


-

la convergence asymptotique

de x(t ) vers x(t ) (globalement ou localement) :

lim x ( t ) x ( t ) = 0
t

une estimation exacte lorsque l'initialisation est identique :


si x ( 0 ) = x ( 0 ) alors t 0, x ( t ) = x ( t )

Ces caractristiques sont celles d'un observateur asymptotique.


La dynamique de lobservateur est en gnral fixe de la faon suivante :

f ( x, u , y ) = f ( x , u ) + G (t , u , y ) ( y (t ) h( x (t )) )

(2.7)

o le gain dobservation G (t , u , y ) est dtermin afin dassurer la convergence de l'tat


estim vers ltat rel.
-

Cas des systmes linaires :

Lorsque le systme est linaire et stationnaire, il est possible de choisir un gain dobservation
constant G (t , u , y ) = K conduisant un observateur dit de Luenberger. Si le systme est
observable, le gain K peut tre rgl de faon avoir une convergence exponentielle avec un
taux de convergence arbitraire. (Luenberger 1964; Bonnans and Rouchon 2003). Dans le cas
des systmes linaires non stationnaires, il existe, sous certaines conditions dobservabilit,
des observateurs asymptotiques de type Kalman o le gain dobservation est obtenu en
rsolvant en ligne des quations diffrentielles de type Riccati ou Lyapunov (Besanon 2007).

32

Chapitre 2 : Un bref tat de l'art sur l'observation des systmes dynamiques

Le cas des systmes non linaires est bien sur plus complexe. Il n'existe pas lheure actuelle
de mthode universelle de synthse dobservateurs pouvant tre applique tous les modles
non linaires et garantissant la convergence vers zro de lerreur dobservation. Par contre,
diffrents auteurs ont mis en vidence des structures de modles pour lesquelles, moyennant
certaines conditions, des observateurs asymptotiques peuvent leur tre associes.
-

Filtre de Kalman tendu

Le filtre de Kalman tendu est une extension directe du filtre de Kalman classique aux cas des
systmes non linaires : il est bas sur la structure (2.7) o le gain dobservation se calcule en
appliquant les techniques du filtre de Kalman classique en remplaant le systme non linaire
par son linaris tangent valu le long de la trajectoire estime. Il est trs utilis en pratique,
bien que la convergence de l'observateur ne soit prouve que localement ou pour des
structures spcifiques (Besanon 2007).
Dans le cadre de la dtection d'encrassement dans les changeurs thermique, les auteurs de
(Jonsson, Lalot et al. 2007) ont utilis le filtre de Kalman tendu dans un cadre stochastique.
Cette mthode ncessite un grand nombre d'essais lors de la partie apprentissage pour que le
filtre de Kalman tendu fonctionne.

Observateur dynamique de lerreur linaire


La synthse dun observateur peut tre particulirement simplifie si le systme possde
une structure adapte, ainsi, pour tout systme scrivant sous la forme

x = Ax + ( y, u )

y = Cx

(2.8)

o la paire de matrices (A,C) est observable, il est ais de voir quen utilisant un observateur
de Luenberger de gain K, la dynamique de lerreur dobservation peut s'crire sous la forme

e = ( A KC )e

(2.9)

Le gain de lobservateur peut alors tre calcul en utilisant les techniques du linaire.
Lexistence dun changement de variable permettant de passer dune reprsentation gnrale
(2.1) la forme (2.8) a t tudie par plusieurs auteurs (Bestle et Zeit, 1983), (Krener et
Isidori, 1983). Si des conditions ncessaires et suffisantes de lexistence de ce changement de
variables sont disponibles (Krener et Respondek, 1985), cette mthode est cependant difficile

33

Chapitre 2 : Un bref tat de l'art sur l'observation des systmes dynamiques


utiliser en pratique, car elle ncessite la rsolution dquations aux drives partielles et la
rsolution de systmes dquations non linaires (Zeitz, 1987).

Observateur de Thau-Luenberger
Il est aussi possible dutiliser un observateur de Luenberger gain constant pour reconstruire
ltat dun systme non linaire. Ainsi, dans les travaux (Thau, 1973), (Kou, Elliott et al.
1975), les auteurs considrent les systmes de la classe (2.1) scrivant sous la forme :

x = Ax + ( x, u )
,

y = Cx

(2.10)

o la paire de matrices (A,C) est observable et la fonction est uniformment lipschitzienne


en x . Si la constante de Lipschitz de cette fonction nest pas trop grande, alors il est possible
de dterminer un observateur pour le systme (2.10) de la forme

x = Ax + ( x, u ) + K ( y y ) .

(2.11)

On pourra galement se rfrer aux publications (Levine 2009), (Robertsson 1999) pour plus
de dtails concernant cette technique.
-

Observateurs grand gain

Il existe de nombreux travaux concernant une classe particulire de systmes (2.8) dits
structure triangulaire. Dans le cas mono-sortie, ces systmes peuvent scrire sous la forme :

x2 + g1 ( x1 , u )

x1


x2 x3 + g 2 ( x1 , x2 , u )


xn1 xn + g n1 ( x1 , , xn1 , u )


f n ( x ) + g n ( x, u )
xn

(2.12)

avec y = x1 . Il est possible de trouver (Gauthier, Hammouri et al. 1992) une famille de gains
dobservateur K paramtre par un scalaire telle que lobservateur (2.7) associ est
exponentiellement convergeant si ce paramtre est choisi suffisamment grand. De plus, le
taux de convergence exponentielle peut tre choisi arbitrairement. Un tel observateur est dit
grand gain. Des extensions aux cas multi-sortie existent (Busawon, Farza et al. 1996; Farza,
Busawon et al. 1998). Notons que cette structure triangulaire a aussi t exploite pour la
synthse dobservateurs modes glissants (cf. (Barbot, Boukhobza et al. 1996; Boukhobza,
Djemai et al. 2003; Floquet and Barbot 2007).

34

Chapitre 2 : Un bref tat de l'art sur l'observation des systmes dynamiques


-

Observateurs adaptatifs

Les techniques prcdentes ncessitent la connaissance du modle du systme pour pouvoir


reconstruire ltat. Lorsque certains paramtres du modle sont inconnus, il est parfois
possible destimer simultanment leurs valeurs ainsi que ltat avec un observateur dit
adaptatif. Une solution simple consiste considrer un systme augment obtenu en ajoutant
aux variables dtat les paramtres et dutiliser les techniques dobservation prcdentes. La
synthse dun observateur adaptif est aussi simplifie si le systme est mis sous une forme
adquate comme, par exemple, la forme observateur adaptatif propos dans (Besancon 2000)
et (Landau and Besanon-Voda 2001).

Les techniques prsentes ci-dessus ncessitent la mise en forme du systme sous une
structure particulire. Lobjectif vis dans le cadre de cette thse est de dgager une
mthodologie de dtection de lencrassement pouvant tre utilise pour diffrents types
dchangeurs de chaleur, voire mme des rseaux dchangeurs. La synthse dobservateurs
base sur la reprsentation de Takagi-Sugeno est applicable sans modification profonde du
systme. Elle semble donc particulirement intressante dans le cadre de notre projet. Cest
pour ces raisons que nous allons traiter la section suivante la prsentation de cette mthode.

2.4 Observateurs de type Takagi-Sugeno


2.4.1 Gnralits sur les modles flous de type Takagi-Sugeno
La logique floue est extrmement utilise dans les domaines de l'automatique et de l'industrie.
En effet, elle peut tre applique dans diffrentes disciplines telles que la gestion de base de
donnes, le traitement du signal, la commande de systmes automatiques, etc. Mais elle
s'applique surtout dans le domaine suivant : la conception de rgulateurs pour des procds
difficilement modlisables ou des procds modlisables (voir par exemple (Guelton 2003;
Mansouri 2005; Lendek 2009)).
Un modle flou de type Takagi-Sugeno est une description dun systme sous la forme
suivante (Takagi and Sugeno 1985; Morre 2001; Tanaka and Wang 2001) :

35

Chapitre 2 : Un bref tat de l'art sur l'observation des systmes dynamiques

Ri : Si z1 ( t ) est F1i et ... et z p ( t ) est Fpi alors


(2.13)

x ( t ) = Ai x ( t ) + Bi u ( t )

y ( t ) = Ci x ( t )

o z ( t ) = z1 (t )

z p (t ) est le vecteur des prmisses, Fpi sont les sous-ensembles flous

du modle, les vecteurs x, u et y reprsentent les variables dtat, dentre et de sortie du


systme.
Chaque rgle R i est pondre par un poids wi ( z ( t ) ) qui dpend des degrs dappartenance

des z j ( t ) aux F ji , nots Fji z j ( t ) . Le connecteur "et" reliant les prmisses est choisi comme
produit conduisant lexpression
p

wi ( z ( t ) ) = F ji ( z j ( t ) ), i = 1, 2,..., r

(2.14)

j =1

avec t , wi ( z ( t ) ) 0
Les sorties finales des modles flous sont alors calcules comme suit :
r

w ( z ( t ) ) { A x ( t ) + B u ( t )}
i

x ( t ) =

i =1

w ( z (t ))

= hi ( z ( t ) ) { Ai x ( t ) + Bi u ( t )}

(2.15)

i =1

i =1
r

w ( z ( t ) )C x ( t )
i

i =1

y (t ) =

w ( z (t ))

= hi ( z ( t ) )Ci x ( t )

(2.16)

i =1

i =1

Avec hi ( z ( t ) ) =

wi ( z ( t ) )

qui vrifie la proprit de somme convexe suivante :

w ( z (t ))
i

i =1

h ( z ( t ) ) = 1 et h ( z ( t ) ) 0 pour tout t
i

(2.17)

i =1

Ces modles peuvent tre obtenus de diffrentes faons : soit directement par identification
(cf. Takagi et Sugeno 1985, Gasso 2000), soit partir dun modle non linaire classique.
Dans ce dernier cas, le modle Takagi-Sugeno peut tre obtenu par approximation des
quations du modle non linaire (par exemple, partir de linarisations du modle en
diffrents points de fonctionnement approche multi-modle) ou au contraire dcrire

36

Chapitre 2 : Un bref tat de l'art sur l'observation des systmes dynamiques


exactement le modle non linaire. Cest cette dernire approche que nous allons dvelopper
ci-dessous.

2.4.2 Construction d'un modle Takagi-Sugeno


Nous prsentons ci-dessous lapproche par secteurs non linaires propose par (Tanaka and
Wang 2001) permettant de passer dun modle non linaire affine en la commande un
modle Takagi-Sugeno.
-

Cas d'une seule non-linarit


Nous allons voir un exemple de modle Takagi-Sugeno (Morre 2001) avec une seule

non-linarit appele ici m


x ( t ) = m ( x ( t ) ) x ( t ) + u ( t )

(2.18)

La non-linarit m est suppose borne sur un domaine D donn, nous noterons m son
minimum et m son maximum.
Posons :

h1 ( x ) =

m m ( x)
mm

et h2 ( x ) = 1 h1 ( x )

(2.19)

On peut remarquer que, par construction, h1 ( x ) et h2 ( x ) sont telles que :

i) h1 ( x ) 0 et h2 ( x ) 0, x D
ii) h1 ( x ) + h2 ( x ) = 1, x D

(2.20)

iii ) m ( x ) = h1 ( x ) m + h2 ( x ) m
Le systme (2.18) peut tre rcrit sous la forme :
2

x ( t ) = hi ( x )( ai x + bi u )

(2.21)

i =1

o a1 = m, a2 = m et b1 = b2 = 1
Nous avons deux fonctions linaires interconnectes par les fonctions non-linaires hi . Ce
modle constitue une reprsentation exacte du modle initial dans le domaine D.
-

Cas gnral
Considrons un modle non linaire :

37

Chapitre 2 : Un bref tat de l'art sur l'observation des systmes dynamiques

x = A ( x ) x + G ( x ) u

y = C ( x) x

(2.22)

avec x ( t ) n , y ( t ) p , u ( t ) m . Supposons que les matrices A(.) , G(.) et H( .) peuvent


se dcomposer sous la forme
q

i =1

i =1

i =1

A( x) = A0 + Ai zi ( x) G ( x) = G0 + Gi zi ( x) C ( x) = C0 + Ci zi ( x)
o les zi ( x) sont des fonctions de x valeurs relles reprsentant les non-linarits du
modle. On suppose ces fonctions bornes dans un domaine D et on note zi et zi leur
maximum et minimum sur D. En utilisant les rsultats prcdents, il existe des fonctions
positives i j ( zi ) pour i {1, , r } , j {0,1} telles que :

zi = i0 ( zi ) z i + i1 ( zi ) zi

(2.23)

i0 ( zi ) + i1 ( zi ) = 1.

Soit k un nombre entier compris entre 1 et r = 2 q , alors la dcomposition en binaire de k 1


peut scrire sous la forme :
hk ( z ) =

ki
i

k = k1 + 2k 2 + + 2 r 1 k q 1

(avec

ki {0,1} ).

Posons

( zi ) .

1 i q

2q

On a alors hk ( z ) 0 ,

k =1

= 1 et i j = i j ( k0 + k1 ) =
k i

hk ,

1 k 2 q :ki = j

Dfinissons alors les matrices Ak = A0 + ((1 ki ) zi + ki zi ) Ai , et de mme pour les matrices


i =1

Bk , Ck , il vient alors lcriture du systme sous la forme de Takagi-Sugeno :


2

x
=
hk ( z )( Ak x + Bk u )

k =1

2q
y = h ( z )C x

k
k

k =1
q

(2.24)

Remarques :

Lorsque le modle non linaire initial possde q non-linarits, alors le modle de


Takagi-Sugeno possde r = 2 q rgles.

La dcomposition du systme quasi-linaire (2.17) nest pas unique.


Dans la mthode dcrite ci-dessus, les variables de prmisses z (t ) dpendent
uniquement de ltat. On peut considrer de la mme manire le cas o elles
dpendent aussi de lentre, de signaux exognes,
38

Chapitre 2 : Un bref tat de l'art sur l'observation des systmes dynamiques

Pour simplifier lcriture du systme, nous introduisons la convention suivante :


r

la combinaison convexe

h ( z) X
i

sera note X z . Le modle de Takagi-Sugeno

i =1

(2.24) scrit alors sous la forme condense

x = Az x + Bz u

y = Cz x

(2.25)

2.4.3 Les observateurs de type Takagi-Sugeno avec prmisses


mesurables
Une structure d'observateur de type Takagi-Sugeno (Tanaka and Wang 2001) pour un modle
(2.24) est reprsent par le schma suivant :

x = Az ( x ) + Bz ( u ) + K z ( y y )

y
Figure 2-2 : Schma dun observateur

En entre de l'observateur, nous avons la commande et la sortie du modle et en sortie


de l'observateur nous obtenons une estimation de l'tat.
Les observateurs basiques de type Takagi-Sugeno sont dfinis comme suit :

x ( t ) = r hi ( z ( t ) ) Ai x ( t ) + Bi u ( t ) + Ki ( y ( t ) y ( t ) )
i =1

y ( t ) = hi ( z ( t ) ) ( Ci x ( t ) )
i =1

)
(2.26)

o x ( t ) reprsente le vecteur d'tat reconstruit et les K i sont les gains de l'observateur.

Pour assurer la convergence de lobservateur flou (2.26), on considre lerreur


destimation du vecteur dtat donne par :
e ( t ) = x ( t ) x ( t )

39

(2.27)

Chapitre 2 : Un bref tat de l'art sur l'observation des systmes dynamiques


Tenant compte du modle TS (2.24) et de lobservateur (2.26), la dynamique de
lerreur destimation est donne par lquation suivante :
r

i =1

i =1

e ( t ) = hi ( z ( t ) ) ( Ai x + Biu ) hi ( z ( t ) ) Ai x ( t ) + Bi u ( t ) + Ki ( y ( t ) y ( t ) )

(2.28)

et si on admet que z = z , (cas o z est mesurable), on peut simplifier l'expression prcdente :


r

e ( t ) = hi ( z ( t ) ) h j ( z ( t ) ) ( Ai Ki C j ) e ( t )

(2.29)

i =1 j =1

Le but est alors de dterminer les valeurs des gains K i permettant dassurer la
convergence vers zro de la dynamique de lerreur destimation.
Pour cela, considrons la fonction quadratique de Lyapunov candidate dfinie positive
V ( e ) = eT Pe

(2.30)

Pour que e converge asymptotiquement vers 0, il nous suffit que sa drive soit dfinie
ngative ainsi que la matrice symtrique P .
V ( e ) = eT Pe + eT Pe < 0

(2.31)

Nous obtenons la condition suffisante pour la stabilit de lquilibre e = 0 de (2.29) :


V ( e ) = eT Az T P + PAz C z T K zT P PK z C z e < 0

(2.32)

V est dfinie ngative si P et K z sont tels que :

Az T P + PAz Cz T K z T P PK z Cz < 0, P > 0

(2.33)

Cette ingalit matricielle n'est pas linaire car le dernier terme comporte un produit des deux
variables inconnues P et K z .
Posons maintenant N z = PK z et
ij = AiT P + PAi Ci T N j T N j Ci

(2.34)

Alors l'ingalit (2.33) s'crit sous la forme d'une PLMI (ingalit matricielle linaire
paramtrise) :
r

zz = hi ( z ) h j ( z ) ij < 0

(2.35)

i =1 j =1

Une condition suffisante pour que zz soit dfinie ngative pour tous les hi ( z ) [ 0,1] est
obtenue en utilisant le thorme de relaxation de Tanaka et al. (Tanaka, Ikeda et al. 1998).
On dduit que si les LMIs :

ii < 0

i {1,..., r}

ij + ji < 0

i, j {1,..., r} < j, i < j


40

(2.36)

Chapitre 2 : Un bref tat de l'art sur l'observation des systmes dynamiques


sont vrifies alors l'quilibre e = 0 de (2.29) est asymptotiquement stable.
Si cet ensemble de LMI est ralisable, alors il est possible d'obtenir les valeurs des matrices
P et N i , et donc les gains matriciels K i de l'observateur par la relation : Ki = P 1 Ni .

Remarques : Dans le cas o la fonction de sortie est linaire (cas o toutes les matrices Ci
sont gales une matrice C ) , alors les conditions (2.36) se rduisent aux r LMIs suivantes :

AiT P + PAi CT NiT NiC < 0, i {1, 2,, r}

(2.37)

Nous pouvons aussi remarquer qu'en utilisant le systme tendu du modle de l'changeur
thermique (2.4) c'est--dire en utilisant le modle suivant :

Th ,1 = uh (Th ,in Th ,1 ) + ch (Tc ,2 + Tc ,1 Th ,1 Th ,in )

Th ,2 = uh (Th ,1 Th ,2 ) + ch ( Th ,2 + Tc ,1 Th ,1 + Tc ,in )

Tc ,1 = uc (Tc ,in Tc ,1 ) + cc (Th ,2 Tc ,1 + Th ,1 Tc ,in )

Tc ,2 = uc (Tc ,1 Tc ,2 ) + cc ( Tc ,2 Tc ,1 + Th ,1 + Th ,in )

= 0

= 0
y1 = Th ,2

y2 = Tc , 2

(2.38)

Ce modle non linaire fait intervenir des produits de variables non mesures.
Il n'est donc pas possible d'en dduire un modle flou prmisses mesurables.

2.4.4 Les observateurs de type Takagi-Sugeno avec prmisses non


mesurables
Nous venons de voir qu'il est facile de trouver un observateur convergeant lorsque les
prmisses sont mesurables. Diffrents auteurs ((Bergsten 2001), (Bergsten, Palm et al. 2001),
(Ichalal, Marx et al. 2010), (Ichalal, Marx et al. 2008), (Guerra, Kruszewski et al. 2006),
(Tseng, Chen et al. 2009), (Lendek, Lauber et al. 2010) ont travaill sur le problme de la
synthse dun observateur TS lorsque les prmisses ne sont pas mesurables. Il est plus
complexe dassurer la convergence de l'observateur dans ce cas, des solutions ont t
proposes par Tanaka et ses collaborateurs ((Tanaka and Wang 1997), (Tanaka, Ikeda et al.
1998)) au prix dun conservatisme important. Pour trouver des conditions moins pessimistes,

41

Chapitre 2 : Un bref tat de l'art sur l'observation des systmes dynamiques


il faut ajouter certaines conditions supplmentaires telles que des conditions de Lipschitz sur
certaines des non-linarits.
Soit le modle TS suivant

x ( t ) = r hi ( Ai x ( t ) + Bi u ( t ) )

i =1

r
y ( t ) = i =1 hi ( Ci x ( t ) )

(2.39)

Considrons un observateur de la forme

x ( t ) = r hi ( z ( t ) ) Ai x ( t ) + Bi u ( t ) + K i ( y ( t ) y ( t ) )
i =1

y ( t ) = Cx ( t )

(2.40)

Contrairement au cas des prmisses mesurables, la dynamique de l'erreur d'estimation n'est


plus simplifiable :
r

i =1

i =1

e ( t ) = hi ( z ( t ) ) [ Ai x + Bi u ] hi ( z ( t ) ) Ai x ( t ) + Bi u ( t ) + Ki ( y ( t ) y ( t ) )

(2.41)

Dans (Bergsten 2001), les auteurs dcident de rcrire cette dynamique sous la forme :
r

e ( t ) = hi ( z ( t ) ) ( Ai + K i C )e ( t ) + ( x, x, u )

(2.42)

i =1

avec ( x, x, u ) = hi ( z ( t ) ) hi ( z ( t ) ) ( Ai x + Biu ) .
i =1

On suppose que ( z , z , u ) vrifie sur le domaine considr la condition Lipschitz suivante :


( x, x , u ) x x .

En utilisant une fonction de Lyapunov quadratique, il est alors possible de trouver des gains
assurant la convergence de lobservateur sous rserve de lexistence de solutions vrifiant les
contraintes LMIs suivantes : il existe des matrices P = PT > 0 , Q = QT > 0 et N i telles que
les ingalits suivantes soient vraies.

AiT P + PAi C T NiT N i C < Q, i {1, , r}


Q + 2

(2.43)

P
<0
I

Les gains sobtenant alors par la relation Ni = P 1 Ki .


D'autres rsultats se basent sur le mme principe en exploitant des dcompositions diffrentes
du systme ou des majorations plus fines ((Ichalal, Marx et al. 2008; Ichalal, Marx et al.
2010)).

42

Chapitre 2 : Un bref tat de l'art sur l'observation des systmes dynamiques


Une autre technique consiste voir le terme ( z , z , u ) comme une perturbation et les gains
de lobservateur sont calculs partir de lapproche L2 permettant de rduire linfluence de ce
terme sur lerreur destimation. On assure alors, non plus la convergence vers 0 de lerreur
destimation, mais lexistence dune borne sur sa norme.
Les approches dveloppes ci-dessus ont t donnes dans le cas de modles nominaux, mais
il est possible sans modification majeure de prendre en compte des incertitudes paramtriques
structures ou non, on peut, titre dexemple, consulter les rfrences ((Akhenak, Chadli et
al. 2004; Chadli and Hajjaji 2006; Ichalal, Marx et al. 2008)).

2.4.5 Les observateurs entres inconnues


De nombreuses tudes ont t ralises ces dernires annes sur les observateurs entres
inconnues (Akhenak, Chadli et al. 2004; Marx, Koenig et al. 2007; Ichalal, Marx et al. 2008;
Lendek, Lauber et al. 2010). Ces observateurs connaissent un succs certain du fait de leur
application la dtection des dfauts (cf., dans le cadre linaire, (Maquin and Ragot 2000)).
Deux types dapproches sont utiliss dans le cadre dune modlisation du systme sous forme
de Takagi-Sugeno. La premire suppose que lentre inconnue possde une structure
particulire, savoir, satisfait une quation dynamique autonome comme par exemple une
entre polynomiale ((Guelton, Delprat et al. 2008), (Lendek, Lauber et al. 2010)). Lide
consiste alors dfinir un systme augment (systme non linaire + dynamique de lentre
inconnue) et dutiliser les rsultats prsents ci-dessus pour la synthse de lobservateur. La
deuxime approche tend aux cas des modles de Takagi-Sugeno la mthode de (Darouach,
Zasadzinski et al. 1994) valable pour les systmes linaires stationnaires. Considrons un
systme dcrit sous la forme suivante :
r

x
t
=
( ) hi ( z ( t ) ) ( Ai x ( t ) + Bi u ( t ) + Ei d ( t ) )
i =1

y ( t ) = Cx ( t ) + Gd ( t )

(2.44)

o d ( t ) reprsente le vecteur des entres inconnues.


La structure de lobservateur est choisie sous la forme suivante (on suppose les prmisses
mesurables) :
r

z
t
=
hi ( z (t ) )( Ni z + Giu + Li y )
(
)

i =1

x ( t ) = z ( t ) Hy ( t )

43

Chapitre 2 : Un bref tat de l'art sur l'observation des systmes dynamiques


Si les relations suivantes sont vrifies :

P = I + HC
HG = 0
N i = PAi K i C
PBi = Gi

(2.45)

PEi = K i G
Li = K i N i H
alors, la dynamique de lerreur dobservation dtat est donne par :
r

e(t ) = hi ( z (t )) Ni e(t )

(2.46)

i =1

Il reste alors sassurer de la stabilit de la solution nulle du systme prcdent. Les dtails de
la dmonstration peuvent tre trouvs dans (Akhenak, Chadli et al. 2004). Cette approche a
t tendue aux cas des systmes de Takagi-Sugeno sous forme descripteur dans (Marx,
Koenig et al. 2007) et au cas des prmisses non mesurables dans (Ichalal, Marx et al. 2008).

2.5 Conclusion
Ce chapitre nous a permis de faire un bref rappel sur l'observabilit et la synthse
dobservateurs en gnral. De nombreuses mthodes de synthses dobservateurs ncessitent
une structure particulire ou le calcul souvent complexe dune transformation permettant de
sy ramener. Ces calculs se rvlant de plus en plus lourd suivant la complexit du modle.
Les observateurs flous de type Takagi-Sugeno semblent tre une piste intressante du fait de
leur simplicit de mise en uvre. Nous nous focaliserons par la suite sur ce type
d'observateurs pour notre systme d'changeur thermique.
Ce chapitre naborde quune partie des observateurs, il en existe encore bien dautres :
les observateurs ensemblistes (Valdes-Gonzalez 2002; Ramdani 2005) qui permettent de
caractriser toutes les solutions ou au contraire son inexistence en manipulant des sousensembles de n ; des observateurs mode glissant tape par tape (Zheng, Boutat et al.
2005; Floquet and Barbot 2007)

44

Chapitre 3 : Batterie dobservateurs

Chapitre 3.

Batterie dobservateurs

3.1. INTRODUCTION ............................................................................................................... 46


3.2. PRINCIPE......................................................................................................................... 46
3.3. APPLICATION A L'ECHANGEUR THERMIQUE .................................................................... 47

3.3.1. Reprsentation sous forme Takagi-Sugeno de lchangeur de chaleur ................. 47


3.3.2. Synthse de lobservateur....................................................................................... 48
3.3.3. Batterie d'observateurs .......................................................................................... 49
3.4 SIMULATIONS .................................................................................................................. 50

3.4.1. Batterie de 6 observateurs sur le modle deux sections...................................... 51


3.4.2. Batterie de 6 observateurs avec le systme de dimension infinie .......................... 55
3.4.3. Variation du nombre d'observateurs ...................................................................... 59
3.4.4. Facteur d'encrassement.......................................................................................... 61
3.5 CONCLUSION ................................................................................................................... 63

45

Chapitre 3 : Batterie dobservateurs

3.1. Introduction
Dans ce chapitre, nous prsentons une premire mthode de dtection du phnomne
dencrassement de lchangeur de chaleur tubulaire base sur les observateurs de type TakagiSugeno. La technique repose sur la construction dune batterie dobservateurs, lestimation
des paramtres caractrisant lencrassement se faisant par interpolation. Dans une premire
section de ce chapitre, nous prcisons plus en dtail le principe de cette mthode. Puis, nous
verrons son application au problme de la dtection dencrassement de lchangeur thermique
tudi dans le cadre de ce mmoire. Pour cela, nous prsentons successivement lcriture du
modle non linaire sous une forme Takagi-Sugeno, la mthode de synthse des diffrents
observateurs base sur une approche LMI, le principe de fusion la base de lestimation des
paramtres dencrassement. La dernire section prsente les tests de validation effectus par
simulation en considrant deux modles diffrents : le modle simplifi dvelopp au premier
chapitre et le modle physique de base formul sous forme dquations aux drives partielles
et valid exprimentalement. Une tude comparative de linfluence du nombre dobservateurs
de la batterie sur la prcision des rsultats est galement prsente.

3.2. Principe
La technique retenue consiste partitionner lensemble des valeurs pouvant tre atteintes
physiquement par le couple des paramtres dencrassement ( , ) en un nombre fini de
sous-ensembles numrots de 1 No et dfinir une batterie dobservateurs de type TakagiSugeno, chacun tant associ un couple de valeurs choisi dans lun de ces sous-ensemble.
Nous noterons ( j , j ) les valeurs retenues pour le j-ime sous-ensemble, y j lestimation du
vecteur de sortie obtenue partir du j-ime observateur et e j = y j y lerreur destimation de
sortie. Lestimation des paramtres dencrassement et se fait alors par une interpolation
des j et j pondrs suivant les diffrentes erreurs dobservation e j . La figure suivante
donne le schma gnral de lapproche.

46

Chapitre 3 : Batterie dobservateurs


Systme rel

m h , m c , Th,in , Tc ,in

y1

Observ. # 1

1 , 1

e1

+
Observ. # 2

2 , 2

.
.
.
N , N
o

Observ. # No

y 2

e2

y No

Interpolation
des j , j

pondrs par
les erreurs ek
-

eNo

Figure 3-1 : Batterie d'observateurs

3.3. Application l'changeur thermique


3.3.1. Reprsentation sous forme Takagi-Sugeno de lchangeur de
chaleur
Reprenons le modle de l'changeur thermique du chapitre 1, nous allons le mettre sous la
forme d'un modle de type Takagi-Sugeno. Afin de simplifier la synthse des observateurs,
nous considrons une reprsentation sous forme Takagi-Sugeno du modle de lchangeur de
chaleur en supposant connues les valeurs des paramtres et . Chacun des observateurs de
la batterie sera alors obtenu en fixant ( j , j ) leurs valeurs. Le modle (3.1) comprend
ainsi 4 variables de prmisses avec 16 rgles. Nous aurons pour vecteur d'tat
T

x = Th ,1 Th,2 Tc ,1 Tc ,2 , pour la commande u = Th ,in Tc ,in , pour la sortie y = Th ,2 Tc,2

et

pour le vecteur des prmisses z = * * m h m c . Nous supposerons que les paramtres * et

* voluent entre 0 et 2, les diffrentes tempratures entre 40 et 100 C, et, enfin, les dbits
massiques sont compris entre 0,4 et 1 kg/s. Afin de simplifier le modle, nous supposerons
que le paramtre U est constant de valeur 3,65. Une analyse de la convergence de

47

Chapitre 3 : Batterie dobservateurs


lobservateur prenant en compte la variation de ce paramtre a t ralise a fortiori. Le
modle Takagi-Sugeno scrit sous la forme :
x = hi ( z ) ( Ai x + Bi u )

y = Cx

(3.1)

avec
 


 
0
c
c
0
uh c
uh c
 


u c

uh c
c
0
c
0
0 1 0 0
h

, Bi =
Ai = 

 
  ,C =

c
0
uc c
uc c
c
0
0 0 0 1
 
 



uc c uc c
0
0
c
c





 
m h
m c


*


*
o uh = * * , c = * U , uc = * * , c = * U . Les coefficients m h , m c , * et
h m h
2 h
c m c
2 c

* reprsentent les maxima ou minima des 4 prmisses m h , m c , , . Ainsi, comme nous
l'avons vu prcdemment, les lments des matrices Ai , Bi sont obtenus par combinaisons
des maximums et minimums des non-linarits du modle (cf. chapitre 2 sur les observateurs
de type Takagi-Sugeno). Il est remarquer que dans ce cas la matrice C est constante.

3.3.2. Synthse de lobservateur


Nous utilisons les observateurs de type Takagi-Sugeno vus dans le chapitre 2 et construisons
un observateur pour le modle (3.1) :

x = hi ( z ) ( Ai x + Bi u + Ki ( y y ) )

y = Cx

(3.2)

Les gains de cet observateur sont calculs partir des conditions LMIs (2.37) vues au chapitre
2. Afin d'amliorer les performances en rapidit, nous avons cherch optimiser le taux de
dcroissance exponentielle. Pour cela, il suffit de rechercher la plus grande valeur telle que
la drive de la fonction de Lyapunov V ( e ) = eT Pe vrifie lingalit V (e) < V (e) . On
retrouve alors les mmes rsultats que dans la section 2.4.3 en remplaant les matrices ij par

ij + P . De manire similaire (Boyd, Ghaoui et al. 1994), la recherche de la plus grande


valeur vrifiant les ingalits (2.36) peut alors tre reformule comme un problme de
minimisation de valeurs propres gnralises.

48

Chapitre 3 : Batterie dobservateurs


La rsolution numrique des LMIs conduit un taux de dcroissance exponentielle de 0,67. Il
apparait galement que les gains Ki sont trs proches les uns des autres et qu'un gain constant
suffit pour l'observateur, de valeur
2.95 0.95
2.91 0.76
.
K =
15.9 20.27

3.67 14.45
Le je observateur de la batterie sera donc de la forme suivante :

x j = hi ( z j ) Ai x j + Bi u + K ( y y j )

y = Cx
j
j

(3.3)

Avec z j = *j *j m h m c

3.3.3. Batterie d'observateurs


La synthse des observateurs tant effectue, il nous reste maintenant estimer les paramtres

et . Lestimation se fera l'aide d'une interpolation de tous les paramtres j , j des


diffrents observateurs pondrs par une fonction dpendant des erreurs de sortie
e j ( t ) = y ( t ) y j ( t ) de tous les observateurs.

Ainsi, plus les valeurs de et sont diffrentes de leur vraie valeur, plus la valeur de y
(sortie de l'observateur) est diffrente de la vraie valeur de y (sortie du systme rel). Aussi
plus l'erreur e j ( t ) est relativement grande, plus le poids k j sur les valeurs de et est
petit.
Pour effectuer cette interpolation nous nous sommes bas sur les travaux (Delmotte 1997;
Dubois, Delmotte et al. 1998).
Linterpolation est donc la suivante :
No

= k j j
j =1

No

k
j

j =1

49

(3.4)

Chapitre 3 : Batterie dobservateurs


No

avec

= 1.

j =1

Reste trouver la meilleure manire de calculer les poids k j . Dans (Delmotte 1997), il est
dmontr empiriquement que la formule suivante est la plus intressante :

kj =

1
1
ej
i =1 ei
No

(3.5)

En outre, si l'erreur est nulle pour un observateur, le poids affect cet observateur est pris
gal 1 et les autres sont pris gaux 0. Avec cette mthode la convergence de et nest
pas prouve. Cependant les observateurs partiels ont une sortie borne en fonction de lerreur
dobservation, aussi nous pouvons affirmer que lestimation globale, base sur une somme
convexe des observations partielles, restera elle aussi borne. Tout au plus lobservation
fournie par (3.4) pourra osciller autours des vraies valeurs.
Le paragraphe suivant donne les rsultats de cette approche avec lchangeur thermique.

3.4 Simulations
Des simulations ont t ralises partir du logiciel Matlab/Simulink.
Deux types de simulations ont t faites. Le premier tant celui sur le modle non linaire
dimension finie (3.1). Celui-ci permettra de vrifier l'efficacit de l'observateur en comparant
l'tat complet du systme et ses paramtres avec leurs estimations.
Le deuxime type de simulations tant bas sur un modle aux drives partielles (sorties du
systme obtenu laide du logiciel Fluent) afin de pouvoir vrifier que les paramtres relatifs
l'encrassement peuvent tre dtects suffisamment tt. Deux jeux de donnes seront utiliss.
Les entres utilises pour la simulation du modle deux sections seront les mmes que pour
le premier essai du modle aux drives partielles.
Ainsi, sur les Figure 3-2 et Figure 3-3 sont reprsentes les entres m h , Th,in , m c , Tc ,in du
modle de lchangeur thermique pour le premier essai. La priode dchantillonnage utilise
est de 1 seconde.

50

Chapitre 3 : Batterie dobservateurs

1
mc.

0.9

0.9
Dbit massique du fluide froid (kg/s)

Dbit massique du fluide chaud (kg/s)

mh.

0.8

0.7

0.6

0.5

0.4

0.8

0.7

0.6

0.5

3
Temps (s)

0.4

x 10

Figure 3-2 : gauche

3
Temps (s)

m h et droite m c pour le premier essai.

0.95

0.75
Tcin

0.9

Temprature d entre du fluide froid (C/100)

Temprature d entre du fluide chaud (C/100)

Thin

0.85
0.8
0.75
0.7
0.65
0.6
0.55

6
4

x 10

3
Temps (s)

0.7
0.65
0.6
0.55
0.5
0.45
0.4
0.35

x 10

Figure 3-3 : gauche

3
Temps (s)

6
4

x 10

Th,in et droite Tc ,in pour le premier essai.

3.4.1. Batterie de 6 observateurs sur le modle deux sections


La premire simulation est ralise avec une batterie de 6 observateurs. Les paramtres

et du modle non linaire deux sections ont t fixs respectivement 1.4 et 0.8. Les
paramtres k et k pour la batterie d'observateur ont t pris gaux :
Observateurs j

*j

0.1

0.1

*j

0.1

0.1

0.1

51

Chapitre 3 : Batterie dobservateurs


Sur les figures suivantes, nous pouvons comparer l'tat estim (obtenu par linterpolation vue
au paragraphe 3.3.3) avec l'tat du systme non linaire.
0.9
Th2 syst nl
Th2 estime

0.8

Temprature de sortie du fluide froid (C/100)

Temprature de sortie du fluide chaud (C/100)

0.85

0.75
0.7
0.65
0.6
0.55
0.5
0.45
0.4
0.35

Tc2 syst nl
Tc2 estime

0.85
0.8
0.75
0.7
0.65
0.6
0.55
0.5
0.45

3
Temps (s)

0.4

x 10

Figure 3-4 : comparaison du systme non linaire et de l'observateur pour

3
Temps (s)

6
4

x 10

Th,2 ( gauche) et Tc ,2 ( droite)

0.9

0.85
Temprature de premire section du fluide froid (C/100)

Temprature de premire section du fluide chaud (C/100)

pour le premier essai.

Th1 syst nl
Th1 estime

0.85
0.8
0.75
0.7
0.65
0.6
0.55
0.5
0.45
0.4

3
Temps (s)

Tc1 syst nl
Tc1 estime

0.8
0.75
0.7
0.65
0.6
0.55
0.5
0.45
0.4
0.35

x 10

Figure 3-5 : comparaison du systme non linaire et de l'observateur pour

3
Temps (s)

6
4

x 10

Th,1 ( gauche) et Tc ,1 ( droite)

pour le premier essai.

Nous pouvons ainsi voir sur les Figure 3-4 et Figure 3-5 que lestimation est correcte, ceci est
confirm par les figures suivantes reprsentant lerreur dobservation : cette dernire est
infrieure 1 C pour les tempratures de sortie et elle est infrieure 5 C pour les
tempratures de la premire section ce qui nous donne une erreur infrieure 10%.

52

Chapitre 3 : Batterie dobservateurs

1
Th2-Th2 estime

Tc2-Tc2 estime
0.8
Temprature de sortie du fluide froid (C)

Temprature de sortie du fluide chaud (C)

0.8
0.6
0.4
0.2
0
-0.2
-0.4
-0.6
-0.8
-1

0.6
0.4
0.2
0
-0.2
-0.4
-0.6
-0.8

3
Temps (s)

-1

3
Temps (s)

x 10

Figure 3-6 : Erreur absolue du systme non linaire et de l'observateur pour

5
4

x 10

Th,2 ( gauche) et Tc ,2 (

droite) pour le premier essai.

25

Th1-Th1 estime

Temprature de premire section du fluide froid (C)

Temprature de premire section du fluide chaud (C)

3
2
1
0
-1
-2
-3
-4
-5
-6

3
Temps (s)

Tc1-Tc1 estime
20

15

10

-5

x 10

3
Temps (s)

Figure 3-7 : Erreur absolue du systme non linaire et de l'observateur pour

Les figures suivantes donnent les estimations des paramtres d'encrassement.

x 10

Th,1 ( gauche) et Tc ,1 (

droite) pour le premier essai.

53

Chapitre 3 : Batterie dobservateurs

1.8

1.6

systme non linaire


1.7

estim

1.4
Paramtre (sans dimension)

Paramtre (sans dimension)

1.6
1.5
1.4
1.3
1.2
1.1

1.2

0.8

0.6

0.8

0.4

systme non linaire


estim

0.9

3
Temps (s)

0.2

x 10

Figure 3-8 : comparaison des paramtres ( gauche) et

3
Temps (s)

6
4

x 10

( droite) du systme non linaire et de

l'observateur pour le premier essai.

Un filtre a t appliqu pour remdier aux oscillations autour dune valeur moyenne.
Le filtrage est ralis en prenant les valeurs moyennes des signaux sur une fentre glissante
dune priode T de 2000s. Afin d'effectuer ce filtrage nous utilisons cette formule :
t

1
filter ( t ) = ( t ) dt
T t T

(3.6)

filter ( t ) =

1
( t ) dt
T t T

1.8

Paramtre et (sans dimension)

1.6
1.4
1.2
1
0.8
0.6
0.4

systme non linaire


estim filtr

0.2

systme non linaire


estim filtr

3
Temps (s)

Figure 3-9 : (en haut) et

54

6
4

x 10

(en bas) filtrs.

Chapitre 3 : Batterie dobservateurs


Sur cette figure, nous pouvons voir que les paramtres estims aprs filtrage sont trs proches
des paramtres du systme non linaire avec une erreur bien infrieure lunit correspondant
grosso modo au pas de la subdivision retenue pour les paramtres.

3.4.2. Batterie de 6 observateurs avec le systme de dimension infinie


Nous effectuons cette fois des simulations partir des donnes entres/sorties obtenues
partir dun modle plus raliste de lchangeur. Ces donnes nous ont t fournies par Sylvain
Lalot, professeur de lUVHC et membre du laboratoire TEMPO. Les simulations sur le
modle aux drives partielles ont t obtenues laide dun logiciel CFD (Computational
Fluid Dynamics), appel Fluent de ANSYS. Ce logiciel conu pour la modlisation de
l'coulement a de grandes capacits concernant la modlisation physique des flux du modle,
des turbulences de l'air, des transferts de chaleur
tant donn que l'encrassement fait diminuer le coefficient de transfert thermique global,
afin de faire varier l'encrassement, il a t choisi de diminuer artificiellement la conductivit
thermique du tube intrieur pour simuler l'augmentation de l'encrassement. Le facteur
dencrassement de lchangeur thermique est calcul en simulation en utilisant lquation
(3.7) suivante et est reprsent sur la Figure 3-10.
R f = Ah ( Rth ( t ) Rth ( t = 0 ) )

(3.7)

Lors de la conception de l'changeur de chaleur un facteur d'encrassement est choisi afin de


pouvoir rsister aux effets de l'encrassement. Pour un changeur transportant de l'eau, le
facteur d'encrassement est compris dans un intervalle entre 0.0001 et 0.0007. Cet intervalle est
indiqu sur la figure, aussi nous pouvons voir que pour avoir une bonne dtection
dencrassement, il faut arriver le dtecter dans lintervalle de temps adimensionnel [0.663,
0.949]. Ce paramtre dencrassement nintervient pas directement dans le modle dcrit par
(3.1). En effet, la relation entre le facteur dencrassement et les paramtres et est
complexe. Nous allons ainsi dire que le facteur d'encrassement sera grossirement et
proportionnellement reprsent sous la forme suivante : f = (1/ ) + (1/ ) afin de le dtecter
et pour quil soit sous la mme reprsentation que sur la Figure 3-10.

55

Chapitre 3 : Batterie dobservateurs

-3

Facteur d encrassement (m.K/W)

x 10

0.949

1.5

1
Rf = 0.0007
0.663

0.5
Rf = 0.0001
0

0.1

0.2

0.3

0.4
0.5
0.6
Temps sans dimension

0.7

0.8

0.9

Figure 3-10: Facteur d'encrassement pour les deux essais.

Deux essais ont t raliss : le premier essai dure 54644 s et le second 28880 s. Dans
les sries, l'encrassement commence aux 2/3 de la dure, soit 39000s pour le premier essai et
soit 19000s pour le deuxime essai.
Sur les figures suivantes, nous pouvons comparer l'tat estim avec la sortie du systme.
0.9
Th2 syst inf
Th2 estime

0.8

Temprature de sortie du fluide froid (C/100)

Temprature de sortie du fluide chaud (C/100)

0.85

0.75
0.7
0.65
0.6
0.55
0.5
0.45
0.4
0.35

Tc2 syst inf


Tc2 estime

0.85
0.8
0.75
0.7
0.65
0.6
0.55
0.5
0.45

3
Temps (s)

0.4

x 10

Figure 3-11 : comparaison des sorties du modle et de l'observateur


le premier essai.

56

3
Temps (s)

6
4

x 10

Th,2 ( gauche) et Tc ,2 ( droite) pour

Chapitre 3 : Batterie dobservateurs

1.5

Tc2-Tc2 estime

0.8
Temprature de sortie du fluide froid (C)

Temprature de sortie du fluide chaud (C)

Th2-Th2 estime
1

0.5

-0.5

-1

0.6
0.4
0.2
0
-0.2
-0.4
-0.6
-0.8
-1

-1.5

3
Temps (s)

x 10

Figure 3-12 : Erreur absolue des tempratures

3
Temps (s)

5
4

x 10

Th,2 ( gauche) et Tc ,2 ( droite) et de leur estim.

Nous pouvons ainsi voir sur les Figure 3-11 et Figure 3-12 que lestimation des tempratures
de sortie est correcte tant donn que l'erreur absolue est faible.
1.8

1.8

estim

estim

1.6

Paramtres d encrassement (sans dimension)

Paramtres d encrassement (sans dimension)

estim

1.4
1.2
1
0.8
0.6
0.4
0.2
0

3
Temps (s)

Figure 3-13 : ( en trait plein) et

estim

1.6
1.4
1.2
1
0.8
0.6
0.4
0.2
0

0.5

x 10

1.5
Temps (s)

2.5

3
4

x 10

(en pointill) estims sur le systme tats infinis pour le premier

essai ( gauche) et pour le second essai ( droite)

Sur la Figure 3-13 prsentant les estimations des paramtres dencrassement pour les deux
essais, nous pouvons voir apparatre au alentour des 2/3 du temps final une diminution du
paramtre , pour le paramtre la diminution est trs lgre. Afin de pouvoir vrifier une
variation quelconque, le test statistique CUSUM a t utilis (NIST/SEMATECH 2006).
Notons que ce test a t appliqu sur les estimations non filtres, puisquil tient compte
directement de la variance des signaux tudis.

57

Chapitre 3 : Batterie dobservateurs


Ce test est simple et rapide excuter, et surtout il est celui qui est le plus robuste quant la
nature des volutions des signaux.
tant donne une variable alatoire x dont on cherche dtecter les variations de moyenne, il
suffit de calculer les deux indicateurs suivants :
S h ( i ) = max ( 0, S h ( i 1) + xi x k )

(3.8)

Sl ( i ) = max ( 0, Sl ( i 1) + x k xi )

O x reprsente la valeur moyenne de la variable x en rgime nominal. k est un paramtre


ajuster conjointement avec les seuils de dtection S h ( i ) > s ou Sl ( i ) > s qui dclenchent un
test positif. C'est un multiple de l'cart type. Dans notre application, seule une diminution de

ou peut se produire, due l'encrassement. Donc, seul S l ( i ) a t utilis. Les


coefficients k et s ont t ajusts manuellement afin de ne pas avoir trop de fausses
dtections c'est--dire de faux positifs ou ngatifs suivant le test utilis ( Sl ou S h ).
Remarquons quil est possible de les calculer suivant la nature des hypothses sur x ainsi que
sur la quantit de faux positifs et ou de faux ngatifs (NIST/SEMATECH 2006). La valeur
moyenne pour est denviron 1.6 et l'cart type est de 0.01. La valeur moyenne de est
denviron 0.9 et son cart type est de 0.02. Afin d'viter les fausses alarmes nous avons choisi

k gal 1.5 fois l'cart type.

2000

2000
essai 1
essai 2
seuil>200

1600

1600

1400

1400

1200

1200

1000

1000

800

800

600

600

400

400

200

200

0.1

0.2

0.3

0.4
0.5
0.6
0.7
Temps sans dimensions

essai 1
essai 2
seuil>200

1800

Sl sur

Sl sur

1800

0.8

0.9

0.1

0.2

0.3

0.4
0.5
0.6
0.7
Temps sans dimensions

0.8

0.9

Figure 3-14: test cusum sur l'essai 1 ( gauche) et sur l'essai 2 ( droite)

Comme nous pouvons le voir, la dtection dclenchera un peu plus tt pour l'essai 1 que pour
l'essai 2 si nous prenons le mme seuil. Pour les 2 essais, nous voyons que pour

58

Chapitre 3 : Batterie dobservateurs


l'estimation reste assez bruite malgr le filtrage effectu. Or en considrant uniquement la
dtection partir de , en prenant un seuil s = 200 , nous obtenons pour l'essai 1 un temps de
dtection t = 0.76 et pour l'essai 2 t = 0.84 . Pour on remarquera que la dtection de
lencrassement pour l'essai 1 arrive plus tt que celle pour l'essai 2. Comme nous l'avons dit
prcdemment, les valeurs typiques du facteur d'encrassement retenues industriellement pour
leau sont comprises entre 0.0001 et 0.0007. Le test ralis partir de lestimation de
permet une dtection suffisamment prcoce et ce pour deux dynamiques dencrassement
diffrentes. Si le test ralis partir de lestimation de donne la dtection la plus rapide de
lencrassement pour le premier essai, il prsente galement une sensibilit importante vis-vis de la dynamique dencrassement ce qui remet en question son utilisation en pratique.

3.4.3. Variation du nombre d'observateurs


Afin de voir l'influence du nombre d'observateurs sur la qualit des rsultats, nous allons
comparer les rsultats obtenus avec 6, 12, 16 et 20 observateurs sur les deux essais obtenus
partir du logiciel Fluent comme dans le paragraphe prcdent.
Pour une batterie de 12 observateurs, les paramtres d'encrassement pour chaque observateur
ont t fixs de la manire suivante :
Observateur j

10

11

12

*j

0.1

0.1

0.1

0.7

0.7

0.7

1.4

1.4

1.4

*j

0.1

0.1

0.1

0.1

Pour une batterie de 16 observateurs les paramtres sont :


Observateur j

*j

0.1

0.1

0.1

0.1

0.7

0.7

0.7

0.7

*j

0.1

0.7

1.4

0.1

0.7

1.4

Observateur j

10

11

12

13

14

15

16

*j

1.4

1.4

1.4

1.4

*j

0.1

0.7

1.4

0.1

0.7

1.4

Et enfin pour 20 observateurs :

59

Chapitre 3 : Batterie dobservateurs


Observateur

10

*j

0.1 0.1 0.1 0.1 0.5 0.5 0.5 0.5

*j

0.1 0.7 1.4

0.1 0.7 1.4

0.1 0.7

11

12

13

14

15

16

17

18

19

20

*j

1.5 1.5 1.5 1.5

*j

1.4

0.1 0.7 1.4

Observateur
j

0.1 0.7 1.4

Les figures suivantes donnent les rsultats pour les diffrentes batteries dobservateurs sur les
deux essais.
1.8

1.4
6 observateurs
12 observateurs
16 observateurs
20 observateurs

1.6
1.2
Paramtre (sans dimension)

Paramtre (sans dimension)

1.4
1.2
1
0.8
0.6
6 observateurs
12 observateurs
16 observateurs
20 observateurs

0.4
0.2
0

3
Temps(s)

0.8

0.6

0.4

0.2

x 10

Figure 3-15 : volution des paramtres ( gauche) et

3
Temps(s)

( droite) estims pour 6, 12, 16 et 20

observateurs pour l'essai 1

60

6
4

x 10

Chapitre 3 : Batterie dobservateurs

1.4

1.8
1.6

Paramtre (sans dimension)

Paramtre (sans dimension)

1.4
1.2
1
0.8
0.6
6 observateurs
12 observateurs
16 observateurs
20 observateurs

0.4
0.2
0

6 observateurs
12 observateurs
16 observateurs
20 observateurs

1.2

0.5

1.5
Temps(s)

0.8

0.6

0.4

0.2

2.5

0.5

x 10

Figure 3-16 : volution des paramtres ( gauche) et

1.5
Temps(s)

2.5

3
4

x 10

( droite) estims pour 6, 12, 16 et 20

observateurs pour l'essai 2

On peut tout d'abord remarquer que les variations des paramtres et voluent de la
mme manire d'un essai un autre. Nous pouvons voir sur la Figure 3-15 que pour le
paramtre , une meilleure prcision est obtenue avec un nombre d'observateurs suprieur ou
gale 12.
Ainsi avec une batterie de 12 observateurs, nous pouvons dire que nous avons un nombre
suffisant d'observateurs qui nous permet d'valuer les paramtres relatif l'encrassement.

3.4.4. Facteur d'encrassement


Nous pouvons voir sur les figures suivantes les volutions du facteur f = (1/ ) + (1/ )
caractrisant le facteur d'encrassement.

61

Chapitre 3 : Batterie dobservateurs

2.6

Facteur d encrassement sur essai 1(sans dimension)

2.8
Facteur d encrassement (sans dimension)

7000

6 observateurs
12 observateurs
16 observateurs
20 observateurs

2.4
2.2
2
1.8
1.6
1.4

3
Temps(s)

6000

5000

4000

3000

2000

1000

6 observateurs
12 observateurs
16 observateurs
20 observateurs
seuil>100

0.1

0.2

0.3

x 10

0.4
0.5
0.6
0.7
Temps sans dimension

0.8

0.9

Figure 3-17 : Facteur d'encrassement ( gauche) pour 6, 12, 16 et 20 observateurs et le test CUSUM (
droite) pour l'essai 1
3

2000

Facteur d encrassement (sans dimension)

2.8
2.6

Facteur d encrassement sur essai 2(sans dimension)

6 observateurs
12 observateurs
16 observateurs
20 observateurs

2.4
2.2
2
1.8
1.6
1.4

0.5

1.5
Temps(s)

2.5

6 observateurs
12 observateurs
16 observateurs
20 observateurs
seuil>100

1800
1600
1400
1200
1000
800
600
400
200
0

0.1

x 10

0.2

0.3

0.4
0.5
0.6
0.7
Temps sans dimension

0.8

0.9

Figure 3-18 : Facteur d'encrassement ( gauche) pour 6, 12, 16 et 20 observateurs et le test CUSUM (
droite) pour l'essai 2

Nous pouvons remarquer sur la Figure 3-17 qu' partir des 2/3 de l'estimation il y a une
hausse du facteur d'encrassement ce qui est tout fait normal par rapport son
dclenchement. Pour les 4 batteries dobservateurs (6, 12, 16 et 20), nous pouvons voir une
courbe similaire avec de lgres diffrences pour la batterie de 6 observateurs. On peut ainsi
remarquer qu'il faut un nombre d'observateurs suffisamment grand pour avoir une estimation
correcte. Dans notre cas une batterie de 12 observateurs est suffisante.
Sur la Figure 3-17, droite, nous pouvons voir que les rsultats des tests CUSUM sont
similaires pour les 4 batteries dobservateurs et que le test est dtect aux alentours de 0.5 ce
qui correspond un facteur d'encrassement infrieur 0.0001 m.K/W ce qui nous permet de
62

Chapitre 3 : Batterie dobservateurs


dire que la dtection pour cet essai peut tre effectue avant la limite infrieure de l'intervalle
de rsistance d'encrassement [0.0001 ; 0.0007] . Et sur la Figure 3-18, droite, nous pouvons
voir que le test CUSUM pour le second essai est aussi similaire pour les 4 batteries
dobservateurs mais le test est dtect plus tard c'est--dire aux alentours de 0.76 ce qui
correspond un facteur d'encrassement de 0.00017 m.K/W c'est--dire moins de 12% de la
borne infrieure de la rsistance d'encrassement de l'eau.
Ces rsultats ont fait l'objet d'une communication : [Delmotte et al., 2008].

3.5 Conclusion
Dans ce chapitre, nous avons pu voir la mise en place d'une batterie d'observateurs
flous de type TS applique la dtection d'encrassement dans les changeurs thermiques.
Nous avons pu tester l'influence du nombre d'observateurs pour la batterie d'observateurs.
Finalement nous avons vu que les rsultats taient plutt ralistes, et cela nous a donn
une premire approche sur l'estimation des paramtres d'encrassement. Nous avons ainsi pu
voir que les deux paramtres relatifs l'encrassement diminuent lorsque l'encrassement
s'accroit. Par rapport aux publications dj existantes sur ce sujet, nous observons directement
une fonction dpendante des paramtres relatifs l'encrassement (paramtres estims
sparment par les observateurs) qui est grosso modo proportionnelle au facteur
d'encrassement ce qui nous permet de pouvoir dtecter directement lorsque l'encrassement est
trop lev. Mais, nous ne pouvons affirmer que ces rsultats convergent car nous ne prouvons
que la stabilit de tous les observateurs partiels et non pas de la batterie d'observateur. Dans
les chapitres suivants nous avons cherch affiner ces rsultats.

63

Chapitre 4 : Les observateurs flous polynomiaux

Chapitre 4.

Les observateurs flous


polynomiaux

4.1. INTRODUCTION ............................................................................................................... 65


4.2. OBSERVATEUR FLOU POLYNOMIAL ................................................................................. 65
4.2.1. Modle flou polynomial .......................................................................................... 65
4.2.2. Polynmes sommes de carrs ................................................................................. 66
4.2.3. Observateur flou polynomial .................................................................................. 68
4.2.3.1. Cas dun systme nominal............................................................................... 68
4.2.3.2. Cas dun systme incertain .............................................................................. 70
4.3. APPLICATION A LECHANGEUR THERMIQUE .................................................................... 71
4.3.1. Modle polynomial flou incertain .......................................................................... 71
4.3.2. Observateur ............................................................................................................ 73
4.3.3. Rsultats ................................................................................................................. 73
4.3.3.1 Synthse de lobservateur................................................................................. 73
4.3.4.3 Simulations ....................................................................................................... 74
4.4. CONCLUSION .................................................................................................................. 80

64

Chapitre 4 : Les observateurs flous polynomiaux

4.1. Introduction
Depuis quelques annes une nouvelle approche a t propose. Les observateurs flous de type
TS peuvent tre remplacs par des observateurs flous polynomiaux (Tanaka, Ohtake et al.
2008; Tanaka, Ohtake et al. 2009). En effet, de nombreux problmes numriques sont
rencontrs par les solvers de LMIs, pour des problmes de taille. La nouvelle approche
sapplique si le modle non linaire contient des termes polynmiaux. En effet de rcents
rsultats concernant les polynmes positifs ont permis de les rcrire sous forme de somme de
carrs (Sum Of Squares : SOS), et la recherche de ces carrs est en fait un problme semidfini (SDP), qui est facilement rsolvable (comme les LMIs classiques). Ce chapitre propose
dappliquer ces rsultats lchangeur thermique. Nous verrons cependant que si certains
problmes disparaissent, dautres apparaissent.

4.2. Observateur flou polynomial


4.2.1. Modle flou polynomial
La principale diffrence avec les observateurs flous classiques est que le modle flou fait
intervenir des matrices Ai , Bi qui peuvent contenir des termes polynomiaux.
On part dun modle non linaire de la forme suivante :

x (t ) = f ( x (t ), u (t ) )

y (t ) = k ( x (t ) )

(4.1)

o x ( t ) R n est le vecteur d'tat, y ( t ) R p est le vecteur des sorties mesures, et u ( t ) R m


et le vecteur d'entres. Les fonctions f et k sont supposes lisses.
Son modle flou polynomial est donn par :
r

x ( t ) = hi ( z ( t ) ) Ai ( z ' ( t ) ) x ( t ) + Bi ( z ' ( t ) ) u ( t )

i =1

r
y (t ) = h ( z (t )) C x (t )

i
i

i =1

Avec : z ( t ) le vecteur des prmisses connues qui dpend de u ( t ) et/ou y ( t ) ,


z ' ( t ) une variable qui dpend de u ( t ) et/ou y ( t ) ,

r le nombre de rgles,
65

(4.2)

Chapitre 4 : Les observateurs flous polynomiaux


r

hi les fonctions d'appartenances telles que hi ( z ) 0 i {1,..., r} et

h ( z) = 1,
i

i =1

Ci sont des matrices constantes,


Ai ( z ' ( t ) ) , Bi ( z ' ( t ) ) sont des matrices polynomiales.

Par simplicit d'criture on remplacera

h ( z (t )) M
i

par M z .

i =1

Le modle polynomial flou (4.2) peut tre rcrit :

x ( t ) = Az ( z ' ( t ) ) x ( t ) + Bz ( z ' ( t ) ) u ( t )

y ( t ) = C z x ( t )

(4.3)

Lobtention de tels modles, par comparaison avec un modle flou classique, est facile
comprendre : toutes les non linearits non polynomiales sont gres comme dans un modle
flou classique, et les non linearits polynomiales sont conserves et directement injectes dans
les matrices du modle flou (Sala 2008; Tanaka, Ohtake et al. 2011).

4.2.2. Polynmes sommes de carrs


Un polynme rel f n indtermines X 1 , , X n est dit somme de carrs (ou SOS de
lexpression anglaise Sum Of Squares) sil existe des polynmes rels f1 ,..., f k tels que
k

f = fi 2 .

(4.4)

i =1

Tout polynme SOS est bien sr positif. La rciproque est fausse sauf dans des cas trs
particuliers (polynmes une ou deux variables ou de degr infrieur ou gal 2, ). Un des
atouts des polynmes SOS est quil est simple de dterminer si un polynme donn est SOS
ou non (alors que tester sil est positif peut se rvler plus problmatique) (Parrilo 2000). En
effet, un polynme f de degr 2m est SOS si, et seulement si, il peut tre rcrit sous la
forme

f ( x) = x T Qx ,

(4.5)

o x est un vecteur contenant tous les monmes de degr infrieur ou gal m , et Q est une
matrice semi-dfinie positive. La dcomposition (4.5) nest pas unique, mais par
identification, il est facile de montrer que lensemble des matrices Q vrifiant (4.5) est un

66

Chapitre 4 : Les observateurs flous polynomiaux


sous-espace vectoriel dterminer si lune delles est semi-dfinie positive est un problme
LMI. On peut facilement tendre ce rsultat au cas dune famille de polynmes f ( x, ) , o
f ( x, ) est affine en , ces paramtres pouvant vrifier des contraintes de type semi dfinies.
Ceci conduit la notion de problmes SOS (cf. (Prajna, Papachristodoulou et al. 2005)).
Notons quil existe des botes outils Matlab tels que SOSTOOLS . (Prajna,
Papachristodoulou et al. 2005) ou YALMIP (Lfberg 2004) qui, coupls des solveurs LMI
tels que SEDUMI (Sturm 2001), peuvent rsoudre numriquement les problmes SOS sans
avoir dtailler le problme LMI associ.
Nous utiliserons galement dans la suite de ce chapitre les notions de matrice SOS ou SOS
stricte dfinies initialement dans (Parrilo 2005; Peyrl and Parrilo 2008).
Dfinitions : Soit

S ( x)

une matrice polynomiale carre, symtrique, dordre m et

z = [ z1 ,..., zm ]T un nouveau vecteur dindtermines. La matrice polynomiale S ( x) est dite


-

SOS si le polynme zT S ( x) z en les (n+m) indtermines x , z est SOS.

SOS stricte sil existe un rel > 0 tel que la matrice polynomiale S ( x) I m soit SOS.

Si lon ne veut assurer le caractre positif dun polynme f que localement, il est possible
dutiliser une extension simple de la S-procdure aux cas des polynmes. Soient f1 , , f k
des polynmes n indtermines et considrons un ensemble vrifiant

x R n : f i ( x ) 0, i {1, , k } .

Alors, une condition suffisante pour que le polynme f soit positif sur est quil existe des
polynmes SOS q1 , , q et des polynmes g1 , , g appartenant au monode multiplicatif
engendr par les fi tels que le polynme

f ( x) qi ( x) gi ( x)
i =1

soit SOS.
Notons que ce rsultat est un corollaire trs simple dun thorme plus gnral appel
positivstellensatz (Parrilo 2000).

67

Chapitre 4 : Les observateurs flous polynomiaux

4.2.3. Observateur flou polynomial


4.2.3.1. Cas dun systme nominal
On considre le modle polynomial flou (4.3) et un observateur flou polynomial de la forme
suivante :

x ( t ) = Az ( z ' ) x ( t ) + Bz ( z ' ) u ( t ) + K z ( z ' )( y y )

y ( t ) = Cz x ( t )

(4.6)

La dynamique de l'erreur dobservation e = x x est donne par :


e = Az ( z ') K z ( z ' ) C z e

(4.7)

Le rsultat suivant donne des conditions SOS assurant lexistence dun observateur
asymptotique de type (4.6) pour le systme (4.3).
Thorme 1 : Lerreur dobservation e entre le modle polynomial flou (4.2) et lobservateur
(4.6) converge vers zro sil existe des matrices P > 0 R nn , Si R 2 nn et N i R m n [ z '] ,
i {1,..., r} telles que les matrices polynomiales

ii ( z )

et

ij ( z ) + ji ( z )

pour

i , j {1,., r } , i < j , soient des SOS, avec :

N ( z )Ci CiT N Tj ( z ) P
T
ij ( z ) = Si A j ( z ) I n A j ( z ) I n SiT j

P
0n

(4.8)

Le cas chant, les gains de lobservateur sont donns par


K i ( z ' ) = P 1 N i ( z ' ) , i {1,..., r} .

(4.9)

Preuve : Considrons la fonction de Lyapunov de type quadratique :


V ( e ) = eT Pe,

avec P > 0

(4.10)

La drive de V le long des trajectoires de (4.3) s'crit :


V ( e ) = eT ( AzT ( z ' ) P + PAz ( z ' ) PK z ( z ' ) C z C zT K zT ( z ' ) P ) e
= eT ( AzT ( z ' ) P + PAz ( z ' ) N z ( z ' ) C z C zT N zT ( z ' ) P ) e

Soit zz ( z ') la matrice dfinie par

r
2

zz ( z ) = hii ( z ) ii ( z ') + 2 hi ( z )h j ( z ) ij ( z ')

i =1
j =1

j >i

N z ( z )C z C zT N zT ( z ) P
T
T
= S z [ Az ( z ) I n ] Az ( z ) I n S z

P
0n

68

(4.11)

Chapitre 4 : Les observateurs flous polynomiaux


Si les conditions du thorme sont vrifies alors, daprs le thorme de relaxation de Tuan
et al. (2001), la matrice zz ( z ) est toujours dfinie positive. Par transformation de
congruence avec la matrice de rang plein I n

AzT ( z ') , il vient de manire quivalente

I
AzT ( z ') zz ( z ') n > 0,
Az ( z ')

I n

(4.12)

soit, en dveloppant :
AzT ( z ' ) P + PAz ( z ' ) N z ( z ' ) C z C z N zT ( z ' ) < 0 .

(4.13)

Ceci prouve en tenant compte de la relation (4.9) que la fonction V est dfinie ngative (si

P > 0 ), et donc que lerreur dobservation e converge vers 0.


Notons que ce rsultat tablit une convergence globale de lobservateur lorsque le modle
(4.3) est valable globalement. Dans le cas contraire, le rsultat prcdent risque dtre trop
restrictif, puisque les ingalits requises doivent tre vrifies globalement en z . Afin de
rduire le pessimisme, il est possible pour la synthse dun observateur dinclure les
informations disponibles sur les bornes des signaux physiques On supposera que ces
diffrentes contraintes peuvent tre dcrites par des ingalits polynomiales de la forme
(4.14)

ck ( z ' ) 0, k {1, , s}

Remarquons que ces contraintes (4.14) apparaissent naturellement dans lobtention dun
modle flou classique, au travers des bornes de variation des prmisses.
En utilisant lapproche base sur le positivstellensatz dcrite la sous-section 4.2.2, il est
possible dobtenir le rsultat suivant.

Thorme 2 : Considrons le modle flou (4.3) et lobservateur flou (4.6) avec les contraintes
(4.14). Lerreur dobservation e converge vers 0 sil existe des matrices P > 0 nn ,

Si 2 nn , Ni mn , pour i {1,..., r} et des polynmes SOS k ( z ' ) pour k {1,..., s} tels


que les matrices
s

ii ( z ') k ( z ') ck ( z ')

(pour i = 1, , r )

k =1

et
s

ij ( z ') + ji ( z ') 2 k ( z ') ck ( z ') (pour (i, j ) {1,..., r} , avec i < j )


2

k =1

69

Chapitre 4 : Les observateurs flous polynomiaux


soient strictement SOS. Les expressions des matrices ij ( z ) et des gains de l'observateur
restent les mmes que celles donnes au Thorme 1.

4.2.3.2. Cas dun systme incertain


Considrons ici un modle incertain de la forme suivante :

x ( t ) = Az ( z ' ( t ) ) + Az x ( t ) + Bz ( z ' ( t ) ) + Bz u ( t )

y ( t ) = Cz x ( t )

(4.15)

L'observateur est celui donn par (4.6). La dynamique de lerreur dobservation devient cette
fois :
e = Az ( z ' ) K z ( z ' ) C z e + v (t )

(4.16)

o le signal de perturbation v(t ) est dfini par : v (t ) = Az x ( t ) + Bz u ( t ) . Le rsultat suivant


permet de quantifier linfluence des incertitudes sur la prcision de ltat estim.

Thorme 3 : on suppose remplies les conditions du thorme 1. Alors, lquation (4.16) sur
l'erreur d'estimation de l'tat est stable entre-tat vis--vis de lentre de perturbation
v (t ) = Az x ( t ) + Bz u ( t ) .

Preuve : Soit une fonction quadratique V ( e ) = eT Pe o P est une matrice vrifiant les
hypothses du Thorme 1. La drive de V le long des trajectoires de (4.16) a pour
expression :
V (t ) = eT ( AzT ( z ') P + PAz ( z ' ) PK z ( z ' ) C z C zT K zT ( z ') P ) e + 2eT Pv

(4.17)

Daprs le Thorme 1 (et la dfinition dune matrice strictement SOS), il existe un nombre
rel > 0 tel que :
2
V (t ) 2 e + 2 P v e

En dcomposant le premier terme et par compltion du carr, il vient :


2

P
2
V (t ) 0.75 2 e 0.5 e 2
v +4 2

0.75 e + 4

70

Chapitre 4 : Les observateurs flous polynomiaux


Ceci assure la stabilit entre-tat de lquation (4.16) (cf. (Sontag 1995; Sontag and Wang
1995).

4.3. Application lchangeur thermique


4.3.1. Modle polynomial flou incertain
Reprenons le modle (2.4) de lchangeur thermique considr dans ce mmoire afin de le
mettre sous forme flou polynomiale :
Th ,1 = uh (Th ,in Th ,1 ) + ch (Tc ,2 + Tc ,1 Th ,1 Th ,in )

Th ,2 = uh (Th ,1 Th ,2 ) + ch ( Th ,2 + Tc ,1 Th ,1 + Tc ,in )

Tc ,1 = uc (Tc ,in Tc ,1 ) + cc (Th ,2 Tc ,1 + Th ,1 Tc ,in )
T = u T T + c T T + T + T
( c,2 c,1 h,1 h,in )
c ( c ,1
c ,2 )
c
c ,2

Avec uh =

(4.18)

m h

, ch = U* , uc = * c * , cc = U*
* *
h m h
2 h
c m c
2 c

A ce modle, on ajoute les quations

= 0

= 0

(4.19)

Rappelons tout d'abord que nous supposons que les diffrentes donnes vrifient certaines
contraintes rappeles ci-dessous :

[ 0, 5] , [ 0, 2.5] ; Th ,2 , Tc ,2 , m h , m c , Th ,in , Tc ,in [ 0.4,1] ; U [ 2, 5]

(4.20)

Ceci nous permettra de rechercher une solution locale la dcomposition des termes
polynomiaux intervenant dans les matrices du modle flou polynomial.
Le modle augment ne peut pas se mettre sous la forme (4.3) sauf avoir des composantes
de z ou z dpendant de variables dtat non mesures du fait de la prsence des deux termes

(Tc ,1 Th ,1 ) , (Tc ,1 Th ,1 ) . Pour remdier ce problme, nous allons reprsenter le modle


sous la forme du systme incertain (4.21) :

71

Chapitre 4 : Les observateurs flous polynomiaux

Th ,1 = uh (Th ,in Th,1 ) + ch (Tc ,2 Th ,in ) ch d

Th,2 = uh (Th ,1 Th,2 ) + ch ( Th,2 + Tc ,in ) ch d

Tc ,1 = uc (Tc ,in Tc ,1 ) + cc (Th,2 Tc ,in ) + cc d

Tc ,2 = uc (Tc ,1 Tc ,2 ) + cc ( Tc ,2 + Tc ,in ) + cc d

= 0
= 0

(4.21)

o d = Th1 Tc1 est vu comme une incertitude du modle.


Compte tenu des contraintes (4.20), Ce systme peut tre reprsent de manire quivalente
sous forme du modle flou polynomial 8 rgles dcrit par :

x = Az ( z ') + Az x + g ( y, u )

y = Cx

(4.22)

o les variables sont :


x = Th ,1 Th ,2

z = [ m h

z ' = Th ,2 Tc ,2

u = Th,in Tc ,in m h m c (entres du systme),

y = Th ,2 Tc ,2 (mesures du systme),

Tc ,1 Tc ,2

(vecteur d'tat),

U ] (vecteur des prmisses),

m c

Tc ,in (variables des matrices polynomiales),

Th ,in
T

et les matrices et champs de vecteurs du modle sont dfinis par

g ( y , u ) = uhTh ,in

0 1 0
C=
0 0 0

uh 0

uh 0

0 0
Ai =
0 0

0 0

0 0

(les termes uh

uhTh ,2

ucTc ,in

ucTc ,2

0 0 ,

0 0 0
,
1 0 0


0 0 ch (Tc ,2 Th,in )
0


0 0 ch ( Th ,2 + Tc ,in )
0




uc 0
0
cc (Th ,2 Tc,in )


uc 0
0
cc ( Tc,2 + Th,in )

0 0
0
0

0 0
0
0

 

, uc , ch et cc correspondant aux optimums (minimum ou maximum)

des fonctions uh , uc , cc et ch dans les domaines dfinies en (4.20)),

72

Chapitre 4 : Les observateurs flous polynomiaux

0
0

0
Az = d
0
0

0 0 0 ch
0
0
0
0
0

0
0
0
0
0

0 ch
0 0
0 0
0 0
0 0

0
0
cc
.
cc
0

4.3.2. Observateur
L'observateur adapt notre modle sera de la forme suivante :

x = Az ( z ') x + g ( y, u ) + K ( z ')( y Cx )

y = Cx

(4.23)

Comme dans le Thorme 2, nous avons pris en compte les contraintes pour les variables
connues z ' = Th ,2 Tc ,2 Th ,in Tc ,in . Ainsi, le fait que la variable Tc ,2 volue dans
lintervalle [0,4 1] a t traduit par la contrainte polynomiale :
c (Tc ,2 ) = (Tc ,2 0.4 )(1 Tc ,2 ) 0 .

Nous avons procd ainsi pour les 3 autres composantes de z ' .


Dans le cas du modle (4.22), les mesures sont des fonctions linaires des composantes de
ltat. Ceci simplifie la synthse de lobservateur. En effet, puisque les matrices Ci sont
constantes ( Ci = C ), lutilisation dun gain constant K i ( z ' ) = K ( z ' )

permet de rduire

considrablement le nombre de contraintes SOS (car dans ce cas ij = ji = ii = i ). Il


sensuit que la charge de calcul du solveur est fortement diminue.

4.3.3. Rsultats
4.3.3.1 Synthse de lobservateur
La synthse de lobservateur a t ralise grce la boite outil SOSTOOLS de Matlab,
(Prajna, Papachristodoulou et al. 2004; Prajna, Papachristodoulou et al. 2005). Cette dernire
permet de dfinir les variables intervenant dans les polynmes, ainsi que les contraintes SOS.
Le solveur de SDP est le logiciel Sedumi (Sturm 2001) qui permet de rsoudre les problmes

73

Chapitre 4 : Les observateurs flous polynomiaux


doptimisations sur des contraintes matricielles linaires. Notons que SOSTOOLS nest plus
mis jour, mais que YALMIP le remplace parfaitement1.
Plusieurs ensembles de contrainte SOS ont t essay afin damliorer les rsultats de
lobservation. Nous prsentons ici le problme SOS le plus simple, qui a donn des rsultats
similaires aux autres problmes tests. Le thorme 2 a t appliqu avec les matrices i ( z ' )
suivantes :
XA ( z ' ) + AiT ( z ' ) X C T LT LC

( *)
i ( z ' ) = i
T
T
T
1
L G C
G +G R

(4.24)

1 0
R = 106
, L et G des matrices non structures de taille ( 2, 6 ) et ( 2, 2 ) .
0 1
Comme il y a 8 rgles, le problme SOS comporte donc 8 contraintes du type :
i ( z ' ) + Ti ( z ' ) SOS

(4.25)

Si le thorme 2 a une solution, le gain de lobservateur est donn par :


K = X 1CR T

(4.26)

Ce problme SOS est issu dun rsultat publi dans (Delmotte, Guerra et al. 2007) propos du
rgulateur en commande. Nous avons simplement utilis la classique dualit commande/
observation du cas linaire, ainsi que des matrices polynomiales Ai ( z ' ) . Nous avons pens
cette approche car le rgulateur donne des rsultats intressant en commande. Ici en
loccurrence, il permet davoir un gain dobservation assez faible. Notons quavec ce
problme, le gain dobservation nest plus polynomial, mais constant.

4.3.4.3 Simulations
Simulation sur le modle deux sections

Comme dans les autres chapitres nous avons ralis les tests sur le modle non linaire (4.18)
afin de valider la construction de notre observateur. Par lintermdiaire du solveur Sedumi,
nous avons obtenu le gain K suivant :
11.4 31.6 0.08 0.2 8.09 0.07
K =

0.09 0.2 2.3 18.1 0.03 5.46


1

Bien videmment la syntaxe YALMIP est diffrente de celle de SOSTOOLS, et une petite adaptation du code
est requise.

74

Chapitre 4 : Les observateurs flous polynomiaux

La simulation avec le systme non linaire a t ralis et nous pouvons voir sur les figures
suivantes Figure 4-1 et Figure 4-2, les tempratures de la premire section et de sortie du
systme non linaire (en bleu) et de l'observateur (en rouge). Les donnes dentres pour le
systme non linaire sont celles de lessai 1. Les simulations sont ralises sur 20000s afin de
voir une volution des paramtres dencrassement.
1

0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2

0.2

0.4

Figure 4-1 :
Temprature de la premire section du fluide chaud (C/100)

Temprature de sortie du fluide froid (C/100)

Th2
Th2 estim

0.6

0.8

1
1.2
Temps (s)

1.4

1.6

1.8

0.9
0.8
0.7
0.6
0.5
0.4
0.3

0.2

0.6
0.5
0.4
0.3

0.2

0.4

0.6

0.8

1
1.2
Temps (s)

1.4

1.6

1.8

2
4

x 10

Th,2 et Th ,2 ( gauche) et Tc ,2 et Tc ,2 ( droite) pour 1000s pour le systme non linaire.


Th1
Th1 estim

0.7

x 10

0.2

0.8

0.2

Tc2
Tc2 estim

0.9

Temprature de la premire section du fluide froid (C/100)

Temprature de sortie du fluide chaud (C/100)

0.4

Figure 4-2 :

0.6

0.8

1
1.2
Temps (s)

1.4

1.6

1.8

2
4

x 10

1
Tc1
Tc1 estim

0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2

0.2

0.4

0.6

0.8

1
1.2
Temps (s)

1.4

1.6

1.8

2
4

x 10

Th,1 et Th ,1 ( gauche) Tc ,1 et Tc ,1 ( droite) pour 1000s pour le systme non linaire.

Sur la Figure 4-3 sont reprsentes les variables d'encrassement. Comme dans le chapitre
prcdent la comparaison avec et se fait sur une variation commenant ici 5000 (afin
de pouvoir obtenir une volution sur lestim) et initialis respectivement 1.2 et 0.8.

75

Chapitre 4 : Les observateurs flous polynomiaux

4.5

systme non linaire

systme non linaire


1.8

estim

estim

3.5

Parametre (sans dimension)

Parametre (sans dimension)

1.6

3
2.5
2
1.5

1.4
1.2
1
0.8
0.6
0.4

1
0.5

0.2

0.2

0.4

0.6

Figure 4-3 :

0.8

et

1
1.2
Temps (s)

1.4

( gauche)

1.6

1.8

0.2

x 10

et

0.4

0.6

0.8

1
1.2
Temps (s)

1.4

1.6

1.8

2
4

x 10

( droite) sur l'essai 1 pour le systme non linaire.

D'aprs ces courbes, nous pouvons conclure que ltat de lobservateur converge mais on
remarquera quil comporte aussi un biais important sur lencrassement, ainsi quun pic autour
de 15000s. Ceci reste inexpliqu ce jour. Cependant il apparat une nette corrlation entre
les facteurs dencrassement rels et estims. Comme ltape finale de la dtection utilise un
test Cusum, qui diagnostique uniquement des variations, cette mthode est valide. Notons
enfin que les carts sont minimes sur les autres variables.
Une comparaison avec la mthode de (Ichalal, Marx et al. 2008) a t ralise. En effet cette
approche permet d'estimer aussi bien le vecteur de prmisses que l'tat. Ceci permet alors
dinjecter dans les prmisses les variables et , et de les estimer simultanment, ce que
nous ne pouvons faire. Pour cela le systme initial est rcrit de la manire suivante :

x ( t ) = A x ( t ) + B u ( t ) = A x ( t ) + B u ( t ) + w ( t )
z
z
z
z

y ( t ) = Cx ( t )

r
w ( t ) = ( hi ( z ) hi ( z ) ) ( Ai x ( t ) + Bi u ( t ) )

i =1

(4.27)

Une tape d'optimisation est alors effectue dans (Ichalal, Marx et al. 2008), ainsi que dans
dautres articles des mmes auteurs, afin de minimiser l'influence de w ( t ) . La mthode
utilise est similaire celle dun critre H . Si la mthode semble lgante dans leurs
articles, les rsultats obtenus ne sont pas pertinents dans notre cas. En effet, comme cela lest

76

Chapitre 4 : Les observateurs flous polynomiaux


montr sur la figure suivante les facteurs dencrassement rels et estims semblent totalement
dcorrls. Notons que les autres variables sont cependant bien estimes.
1.5

1.5

systme non linaire

systme non linaire


estim

Paramtre (sans dimension)

Paramtre (sans dimension)

estim

0.5

-0.5

0.2

Figure 4-4 :

0.4

0.6

et

0.8

1
1.2
Temps(s)

( gauche)

1.4

1.6

1.8

0.5

-0.5

0.2

0.4

0.6

x 10

et

0.8

1
1.2
Temps(s)

1.4

1.6

1.8

2
4

x 10

( droite) sur l'essai 1 pour le systme non linaire de (Ichalal,


Marx et al. 2008).

Simulation sur le systme dimension infinie

Comme dans le chapitre 3, nous avons effectu une simulation sur 2 essais de dures
diffrentes. Les courbes utilisent une chelle des temps normalise afin de superposer les
deux rsultats.
Nous pouvons ainsi voir sur la Figure 4-5 la reprsentation de l'estimation des paramtres
et sur les 2 essais.
5

2.5

Essai 1
Essai 2

4.5

Essai 1
Essai 2
2
Paramtre (sans dimension)

Paramtre (sans dimension)

4
3.5
3
2.5
2
1.5
1

1.5

0.5

0.5
0

0.1

0.2

0.3

0.4
0.5
0.6
0.7
temps sans dimension

Figure 4-5 :

0.8

0.9

( gauche) et

77

0.1

0.2

0.3

0.4
0.5
0.6
0.7
temps sans dimension

( droite) sur les 2 essais.

0.8

0.9

Chapitre 4 : Les observateurs flous polynomiaux


Nous allons filtrer les deux dernires figures laide dune moyenne glissante (moyenne de
1000 valeurs de chaque cot du point filtrer).
5

2.5
Essai 2
Essai 1

4.5

Essai 2
Essai 1
2
Paramtre (sans dimension)

Paramtre (sans dimension)

4
3.5
3
2.5
2
1.5

1.5

0.5

1
0.5

0.1

0.2

0.3

0.4
0.5
0.6
0.7
temps sans dimension

Figure 4-6 :

0.8

0.9

filtr ( gauche) et

0.1

0.2

0.3

0.4
0.5
0.6
0.7
temps sans dimension

0.8

0.9

filtr ( droite) sur les 2 essais.

Nous pouvons voir une volution de la valeur moyenne au cours du temps. Ltape finale de
la dtection est le test Cusum. Notons que ce dernier est appliqu directement sur les donnes
non filtres, puisque le test du Cusum utilise explicitement les variances des variables
surveiller. Il est inutile de les filtrer au pralable.
Test Cusum pour

Test Cusum pour

4000

5000
essai 1
essai 2
seuil>1500

3500

essai 1
essai 2
seuil>1500

4500
4000

3000
3500
3000

2000

Sl

Sl

2500

2500
2000

1500

1500
1000
1000
500
0

500

0.1

0.2

0.3

0.4
0.5
0.6
0.7
Temps sans dimension

0.8

Figure 4-7 : test Cusum sur

0.9

0.1

( gauche) et

0.2

0.3

0.4
0.5
0.6
0.7
Temps sans dimension

0.8

0.9

( droite) sur les 2 essais.

Les paramtres du test Cusum ont t fixs empiriquement. Les croix rouges sur la figure 0-6
indiquent les seuils de dtection. Afin de dtecter maintenant lencrassement, nous allons
approximativement le reprsenter pour les 2 essais sur la Figure 4-8 (non filtr et filtr). Pour

78

Chapitre 4 : Les observateurs flous polynomiaux

cela nous utilisons la formule vue dans le chapitre prcdent : R f =

1
1
+
. Le test
+ 0.1 + 0.1

Cusum est fourni sur la Figure 4-9.

3
Essai 1
Essai 2
Facteur d encrassement (sans dimension)

Facteur d encrassement (sans dimension)

Essai 1
Essai 2
2.5

1.5

0.5

0.1

0.2

0.3

0.4
0.5
0.6
0.7
Temps sans dimension

0.8

0.9

2.5

1.5

0.5

0.1

Figure 4-8 : reprsentation de l'encrassement par la fonction

0.2

0.3

Rf =

0.4
0.5
0.6
0.7
Temps sans dimension

0.8

0.9

1
1
+
non filtr (
+ 0.1 + 0.1

gauche) filtr ( droite).


3000
Essai 1
Essai 2
Seuil>1200

2500

Sh

2000

1500

1000

500

0.1

0.2

0.3

0.4
0.5
0.6
0.7
Temps sans dimension

Figure 4-9 : test Cusum sur la function

Rf =

0.8

0.9

1
1
+
.
+ 0.1 + 0.1

Sur la Figure 4-8, nous voyons clairement une variation de lencrassement au cours du temps.
Nous voyons bien que lencrassement commence augmenter au alentour de 0.7. En
effectuant le test Cusum avec un seuil de 1200 (Figure 4-9) on remarque que la dtection
dencrassement seffectue au mme moment pour les 2 essais (autour de 0.7, 0.75).
79

Chapitre 4 : Les observateurs flous polynomiaux


Le test Cusum permet donc une dtection de lencrassement en se basant sur un modle
polynomial flou.

4.4. Conclusion
Dans ce chapitre, une reprsentation floue polynomiale de lchangeur thermique a t
tudie. Un observateur dans le cas incertain en a t dduit, et il a permis une dtection de
lencrassement comparable aux autres mthodes prcdentes.

80

Chapitre 5 : Observateur flou TS entres inconnues

Chapitre 5.

Observateurs flous TS

entres inconnues

5.1 INTRODUCTION ................................................................................................................ 82


5.2 OBSERVATEUR FLOU DE TYPE TS AVEC PERTURBATIONS ................................................ 82
5.2.1 Construction de lobservateur TS avec perturbations ............................................ 82
5.2.2 Prise en compte de performance par placement de ples ....................................... 85
5.2.3 Application lchangeur thermique ...................................................................... 87

5.3 RESULTATS OBTENUS ...................................................................................................... 90


5.3.1 Simulation sur le modle deux sections................................................................ 91
5.3.2 Simulation sur le modle de dimension infinie........................................................ 95

5.4 CONCLUSION ................................................................................................................... 99

81

Chapitre 5 : Observateur flou TS entres inconnues

5.1 Introduction
Dans ce chapitre, nous abordons une nouvelle technique pour estimer ltat
dencrassement dun changeur de chaleur. La technique dveloppe ci-dessous utilise
comme dans les chapitres prcdents une reprsentation du systme sous forme TakagiSugeno. Lide ici repose sur une rcriture du systme en considrant les termes du modle
affects par les paramtres dencrassement comme des entres inconnues. En utilisant une
approche de synthse dobservateur entre inconnue base sur lemploi dun modle
dynamique de ces dernires, il est possible de reconstruire ltat du systme, ainsi que les
perturbations. Dans une premire section, la synthse de lobservateur flou de type TS avec
perturbations sera prsente. Nous montrons ensuite comment des performances dynamiques
peuvent tre prises en compte laide dune technique de placement de ples assurant la Dstabilit des sous-modles de lobservateur. Enfin, des rsultats de simulation sont prsents
dmontrant lefficacit de ce type dobservateur.

5.2 Observateur flou de type TS avec perturbations


5.2.1 Construction de lobservateur TS avec perturbations
On considre dans cette section un systme non linaire soumis des perturbations supposs
non mesures et reprsent sous la forme de Takagi-Sugeno par :
x ( t ) = Az x ( t ) + Bz u ( t ) + Dz d ( t )

y ( t ) = C z x ( t )

(5.1)

o x(t ) nx , u (t ) nu , y (t ) y , z(t ) nz reprsentent, respectivement, le vecteur


n

dtat, le vecteur dentre de commande (ou de perturbation mesure), le vecteur des mesures
et le vecteur des prmisses (supposes mesurables). La variable d ( t ) nd reprsente le
vecteur des perturbations ou entres inconnues. La notation Az reprsente comme aux
r

chapitres prcdents la matrice hi ( z ( t ) ) Ai x ( t ) .


i =1

Il existe principalement deux classes de mthodes pour la synthse dobservateurs pour des
systmes possdant des entres inconnues.

82

Chapitre 5 : Observateur flou TS entres inconnues


La premire consiste dfinir des transformations de faon ce que la dynamique de lerreur
dobservation soit indpendante des entres inconnues. Cela nest videmment possible que
sous certaines hypothses sur la structure du systme. Parmi les travaux utilisant cette
approche dite des observateurs entres inconnues, nous pouvons mentionner (Bhattacharyya
1978; Hou and Mller 1992; Darouach, Zasadzinski et al. 1994) dans le cadre des systmes
linaires. Des extensions aux cas des systmes non linaires sous forme de Takagi-Sugeno
sont dcrites dans (Akhenak, Chadli et al. 2003; Marx, Koenig et al. 2007) ou encore (Chadli
2010).
La deuxime classe de mthodes ncessite la connaissance dun modle dynamique des
perturbations. Cette approche a t employe initialement dans (Meditch and Hostetter 1974),
ainsi que (Johnson 1975) dans le cadre des systmes linaires et redveloppe dans le cadre
des modles TS par (Lendek, Lauber et al. 2010). Cette mthode a pour avantages sa
simplicit et la possibilit de reconstruire aisment les entres inconnues. Cest celle que nous
dvelopperons dans ce chapitre.
Nous supposerons que les signaux de perturbation sont des fonctions polynomiales du temps.
Il existe donc un entier p tel que la drive pime de d soit nulle ( d ( p ) ( t ) = 0 ). Ceci permet de
considrer des perturbations sous forme dchelon, de rampe, et ainsi de suite. Dans le cadre
de lchangeur, cette hypothse semble compatible avec lapplication du fait que les
paramtres caractrisant lchangeur varient lentement.
Le but tant de prouver la convergence de la perturbation estime vers la perturbation du
systme, nous allons rcrire le systme sous la forme dun systme tendu :
Pour cela, notons d d (t ) le vecteur compos par d (t ) , ainsi que ses drives jusqu lordre
p 1 :
d (t )

pnd
dd (t ) =

.
( p 1)
(t )
d

et considrons le vecteur dtat tendu obtenu en combinant le vecteur dtat du systme (5.1)
et le vecteur d d (t ) :

x (t )
n + pm
x (t ) =

d
t
d ( )
Alors, le modle (5.1) peut tre rcrit sous la forme suivante :

83

(5.2)

Chapitre 5 : Observateur flou TS entres inconnues

x ( t ) = Az x ( t ) + Bz u ( t )

y ( t ) = C z x ( t )

Az
0

o Az =

Dz
0

0
Bz
0
0

0 0 , Bz = et C z = [C z

I

0

(5.3)

0
I

0 0]

Lobservateur du systme (5.3) est choisi de la forme :


x ( t ) = A x ( t ) + B u ( t ) + K ( y ( t ) y ( t ) )

z
z
z

y ( t ) = C z x ( t )

(5.4)

e (t )

Soit ed ( t ) = x ( t ) x ( t ) =
lerreur dobservation. Il est clair que si nous

d d ( t ) d d ( t )
prouvons que ed ( t ) tende vers 0, alors nous aurons prouv que e ( t ) = x ( t ) x ( t ) 0 et que
d ( t ) d ( t ) 0 .

La dynamique de lerreur est donne par :


ed ( t ) = ( Az K z C z ) ed ( t )

(5.5)

Considrons la fonction quadratique V ( ed ) = edT ( t ) Ped ( t ) o P est une matrice symtrique,


dfinie positive. Pour que lerreur tende vers 0, il suffit que la fonction V ( ed ) soit dfinie
ngative, soit:

T
V ( ed ) = edT ( t ) P ( Az K z C z ) + ( Az K z C z ) P ed ( t )

(5.6)

qui est vrifi si :


T

P ( Az K z Cz ) + ( Az K z Cz ) P < 0, z

(5.7)

ou encore, en posant M z = PK z

( PA M C ) + ( A
z

P C Tz M z T ) < 0 .

(5.8)

Des conditions LMI de convergence peuvent tre obtenue en utilisant alors des thormes de
relaxation comme celui donn dans (Tuan, Apkarian et al. 2001). Dans le cas o la sortie est
une fonction linaire de ltat ( C z = C ), les conditions sexprime sous la forme du systme de
LMI suivant :

( PA M C ) + ( A
i

P C T M iT ) < 0, i = 1, , r
84

(5.9)

Chapitre 5 : Observateur flou TS entres inconnues


Ainsi, sil existe une matrice P = P T > 0 , P (

nx + pnd )( nx + pnd )

et des matrices M 1 , , M r ,

telles que (5.9) soit vrifie alors l'erreur d'estimation converge et les gains dobservation sont
calculs de la manire suivante :
K i = P 1 M i

(5.10)

5.2.2 Prise en compte de performance par placement de ples


Afin damliorer les performances dynamiques de lobservateur, il est possible de considrer
des contraintes additionnelles sur les gains de lobservateur. Pour cela, nous allons
contraindre les ples des sous modles du systme TS (5.5) appartenir une rgion choisie
du plan complexe. Cette proprit est appele D-stabilit (Chilali and Gahinet 1994; Chilali
and Gahinet 1996; Toulotte 2006).
Une rgion du plan complexe D est une rgion LMI lorsqu'elle peut s'crire sous la forme
suivante :
D = { z : X + z.Y + z .Y T < 0} ,

(5.11)

o X = X T et Y sont des matrices relles et z reprsente le conjugu de z . La fonction


f D ( z ) = X + zY + zY T est dite fonction caractristique de la rgion LMI D . Pour la suite, il

faut savoir que l'intersection de rgions LMI reste une rgion LMI. En effet, nous allons
choisir plusieurs contraintes sur les ples, comme cela est indiqu sur la figure suivante.

Im

Re

Re

Figure 5-1 : D-stabilit

85

Chapitre 5 : Observateur flou TS entres inconnues


Les rgions LMI qui sont utilises (demi-plan, cercle et cne) sont dfinies comme suit :
-

Le demi-plan (trac en pointill) Re ( z ) <

f D ( z ) = + z + z < 0 (permet de fixer un taux de convergence exponentielle

minimal).
-

Le disque de rayon centr au point d'origine

z
fD ( z ) =
< 0 (permet de fixer une pulsation naturelle, ce qui revient
z
limiter lamplitude des gains).
-

Le cne partant de l'origine et d'angle 2 :

( z + z ) sin ( )
fD ( z ) =
( z z ) cos ( )

( z z ) cos ( )
<0
( z + z ) sin ( )

(permet dassurer un amortissement

minimal).
Finalement les contraintes sur les ples peuvent tre exprimes sous forme de nouvelles
contraintes LMI qui sajoutent celles donnes en (5.9) en utilisant le rsultat suivant :

Thorme (Gahinet, Nemirovskii et al. 1994) : Une matrice A est D-stable si, et seulement
si, il existe une matrice P = P T > 0 telle que :
T

X P + Y AP + Y T ( AP ) < 0

(5.12)

o symbolise le produit de Kronecker.


Les PLMI correspondant aux contraintes dfinies prcdemment sont alors :
AzT P + PAz C T M zT M z C + P < 0

PAz M z C

AzT P C T M zT
<0
P

cos ( AzT P + PAz C T M zT M z C ) sin ( AzT P + PAz + C T M zT M z C )

< 0 (5.13)
sin ( AzT P PAz C T M zT + M z C ) cos ( AzT P + PAz C T M zT M z C )

86

Chapitre 5 : Observateur flou TS entres inconnues

5.2.3 Application lchangeur thermique


Les paramtres d'encrassement du modle de l'changeur thermique vus au chapitre 1 varient
lentement vis--vis de la dynamique du processus. Aussi, seules les variations autour de leurs
valeurs moyennes vont tre estimes.
Notons 0 et 0 les valeurs des paramtres d'encrassement initiaux correspondant, par
exemple, un changeur de chaleur neuf ou nettoy. On suppose ces valeurs connues suite
une tape didentification pralable. Les variations dencrassement et sont alors
dtermins par :

= 0 +
= 0 +

(5.14)

Avec ces expressions, le modle flou de lchangeur thermique est rcrit sous la forme :

0
0 h
0 h Th1
Th1 uh 0 h

T
0
0 h
Th2 = uh 0 h uh 0 h
h2
Tc1 0 c
Tc1
uc 0 c
0
0 c

T
0
uc 0 c uc 0 c Tc2
0 c
c2
h / ch 0uh
h ( Th,1 +Tc,1 +Tc,2 Th,in )
0
m

0
0uh

Thin h ( Th,1 Th,2 +Tc,1 +Tc,in )


+
+

c / cc 0uc Tcin c (Th,1 +Th,2 Tc,1 Tc,in )


0
m

T T T +T

0 uc

c ( h,1 c,1 c,2 h,in )

Avec uh =

(5.15)

m h
m

, uc = * c * , h = U* , c = U*
* *
h m h
c m c
2 c
2 h

ou encore, de manire plus compacte :

x = A ( u, 0 , 0 ) x + B ( u, 0 , 0 ) Tin + v(t )

y = Cx
o la perturbation v(t ) a pour expression :
h ( Th ,1 + Tc ,1 + Tc ,2 Th ,in )

h ( Th ,1 Th ,2 + Tc ,1 + Tc ,in )
v (t ) =
,

T
+
T

(
)
c h ,1 h ,2 c ,1 c ,in

T T T +T

c ( h ,1 c ,1 c ,2 h ,in )

87

(5.16)

Chapitre 5 : Observateur flou TS entres inconnues


Comme il ny a que deux sorties, il est impossible destimer indpendamment chacune des
composantes de v(t ) . Remarquons que, si la longueur de lchangeur est suffisamment
grande, on a Tc ,2 Th ,in et Th ,2 Tc ,in ., c'est--dire, les deux premires composantes de v sont
approximativement gales et de mme pour les deux dernires composantes. Aussi nous
supposerons que v1 (t ) = v2 (t ) et v3 (t ) = v4 (t ) .
Le modle sera donc de la forme :

d1
x = A ( u, 0 , 0 ) x + B ( u, 0 , 0 ) Tin + D

d2
y = Cx

1
avec D =
0

0
, ou encore, de manire quivalente, sous la forme TS :
1

x ( t ) = r hi ( z (t )) ( Ai x ( t ) + Bi u ( t ) + Dd ( t ) )
i =1

y ( t ) = Cx ( t )

(5.17)

m h

avec comme vecteur de prmisses z = m c , ce qui donne un modle flou 8 rgles.

u
Les entres des matrices Ai et Bi sont donnes dans la table suivante.
1

Ai 0.59

0
0.29 0.59

0.1 0.1

0
0.1

Bi

1.2

0.1

0.1

0.15

0.15
0
0.34 0

0.14 0.34
0.15

0.8 0
0.07 0.8

0.25 0.25

0.25 0

0.37 0.37
0
0.48 0

0.01 0.48
0.37

0.59 0
0.29 0.59

0.1 0.1

0
0.1

4
0.15

0.15
0
0.85 0

0.65 0.85
0.15

0.8 0
0.07 0.8

0.25 0.25

0.25 0

0.37 0.37
0
1 0

0.5 1

0.37

0
0.29
0
0.15

0
0.14

0
0.1

0
0.07
0
0.37

0
0.01

0
0.25

0
0.29
0
0.15

0
0.65

0
0.1

0
0.07
0
0.37

0
0.5

0
0.25

Ai 1.49

0.15

0.15
0
0.34 0

0.14 0.34

1.49 0.15
0.1
0

1.7 0
0.98 1.71

0.25 0.25

0.25 0

0.37

0.37
0
0.48 0

0.01 0.48
0.37

88

1.49 0
1.2 1.49

0.1 0.1

0
0.1

0.15

0.15
0
0.85 0

0.65 0.85
0.15

1.71 0
0.98 1.71

0.25 0.25

0.25 0

0.37 0.37
0
1 0

0.5 1

0.37

Chapitre 5 : Observateur flou TS entres inconnues

Bi

0
1.2
0 0.15

0 0.14

0.1 0

0
0.98
0
0.37

0
0.01

0
0.25

0
1.2
0 0.15

0 0.65

0.1 0

0
0.98
0
0.37

0
0.5

0
0.25

Tableau 5-1 : Matrices du modle TS de l'changeur thermique

Pour estimer les variables d1 et d 2 , nous supposons quelles peuvent tre approches de
manire suffisamment prcise par des polynmes de degr 2 (correspondant un ordre de
drivation p fix 3), ce qui conduit au systme tendu suivant
D 0 0 x Bz

0 I 0 d 0
+
u
0 0 I d 0

0 0 0 d 0
x

d
y = [C 0 0 0]
d

d

x Az

d = 0
d 0

d 0

(5.18)

ainsi qu lobservateur
x
Az
d 0
=
d 0
0
d

x
D 0 0 Bz
K z ,1

K

d
0 I 0
0
+ u + z ,2 [C
K z ,3
0 0 I d 0


K z ,4
0 0 0 0

e

d
0 0 0]
d

d

(5.19)

Les paramtres et sont solution du systme dquations suivant :

f1 ( x, u ) = d1

f 2 ( x , u ) = d1

g1 ( x , u ) = d2


g 2 ( x, u ) = d 2

avec

f1 ( x , u ) hTh1 + hTc1 + hTc 2 hThin

,
f
x
u
(
)
2

hTh1 hTh 2 + hTc1 + hTcin


g1 ( x , u ) cTh1 + cTh 2 cTc1 cTcin

,
g
x
u
(
)
2

cTh1 cTc1 cTc 2 + cThin

On rsout alors par la mthode des moindres carrs, et sont alors donns par

89

(5.20)

(5.21)

Chapitre 5 : Observateur flou TS entres inconnues

f ( x , u )
= 1

f 2 ( x, u )
^

+
d1 ^
g1 ( x, u ) d2
, =

d

g
x
u
,
(
)
2

d2
1

(5.22)

(o lexposant + reprsente la pseudo-inverse), soit encore :

f1 ( x, u ) + f 2 ( x, u )
= g1 ( x, u ) + g2 ( x, u ) d .

d
,

1
2
f12 ( x, u ) + f 22 ( x, u )
g12 ( x, u ) + g22 ( x, u )

(5.23)

5.3 Rsultats obtenus


Comme dans les chapitres prcdents, deux jeux de simulations seront effectus. Le premier
est bas sur le modle non linaire de lchangeur, le second, sur un modle de dimension
infinie et lutilisation du logiciel Fluent.
Les valeurs initiales 0 et 0 ont t prises respectivement gales 1.8 et 0.8.
Concernant les contraintes en performance, les caractristiques de la rgion D dcrite en 5.2.2
ont t choisies de la faon suivante : = 1.1; = / 4; = 10 .
Sachant que nous avons 3 prmisses donc 8 sous-modles et 8 gains pour chaque sousmodles, voici les reprsentations des gains de 2 sous modles sur 8 :

K1 =

9.7561
9.8909
-1.8928
0.1166
29.4809
0.2452
30.4083
-0.0720
12.6614
0.9315

0.3922
9.5130

9.3290
0.0991

-1.1181
8.5329

9.6109
0.2047
30.3578
-0.2440
K8 =
27.4381
0.2130
31.4458
-0.1963

26.8663
-0.0778
12.8948
0.8526

0.8767
10.0515

0.7180
0.2013
9.7824

9.3820
-1.6818

27.2466
-2.1956

26.8604
-0.7871

9.7057

(5.24)

La reprsentation des ples pour les 8 matrices Ai K i C est donne dans la figure suivante.

90

Chapitre 5 : Observateur flou TS entres inconnues

=1.1
= /4

1.5
1

Im

0.5
0
-0.5
-1
-1.5
-2
-7

-6

-5

-4

-3

-2

-1

Re

Figure 5-2 : Ples dans le plan complexe

5.3.1 Simulation sur le modle deux sections


Afin de tester la qualit des rsultats, nous avons dabord ralis des simulations en utilisant
le modle non linaire prsent prcdemment. Ceci autorise de pouvoir juger de la qualit
des estimations des tats (en particulier pour les tats non accessibles la mesure), ainsi que
de lestimation des paramtres dencrassement. Nous avons considr les volutions
et reprsentes sur la figure 5.3 ( et varient identiquement). Les simulations

Variation des paramtres d encrassement (sans dimension)

ont t ralises laide du logiciel Matlab/Simulink.


0

-0.1

-0.2

-0.3

-0.4

-0.5

-0.6

-0.7

0.2

0.4

0.6

0.8

1
1.2
Temps (s)

1.4

1.6

Figure 5-3 : volution fixe de et .

91

1.8

2
4

x 10

Chapitre 5 : Observateur flou TS entres inconnues


Les figures suivantes (5-4 et 5-5) reprsentent lvolution des diffrentes tempratures de

0.85
Th1 syst nl
Th1 estim

0.9

Temprature de sortie du fluide chaud (C/100)

Temprature de la premire section du fluide chaud (C/100)

l'changeur thermique ainsi que celle de leurs estimations.

0.8

0.7

0.6

0.5

0.4

0.2

0.4

0.6

0.8

1
1.2
Temps (s)

1.4

1.6

1.8

0.8
0.75
0.7
0.65
0.6
0.55
0.5
0.45

0.35

Th2 syst nl
Th2 estim

0.4

0.2

0.4

0.6

0.8

x 10

1
1.2
Temps (s)

1.4

1.6

1.8

2
4

x 10

Figure 5-4 : volution des tempratures du fluide chaud (en trait plein) et de leurs estimations (en

0.8

0.9

0.75

0.85

Temprature de sortie du fluide froid (C/100)

Temprature de la premire section du fluide froid (C/100)

pointill), gauche pour la premire section et droite pour la seconde (fluide chaud en sortie)

0.7
0.65
0.6
0.55
0.5
0.45
Tc1 syst nl
Tc1 estim

0.4
0.35

0.2

0.4

0.6

0.8

1
1.2
Temps (s)

1.4

1.6

1.8

Tc2 syst nl
Tc2 estim

0.8
0.75
0.7
0.65
0.6
0.55
0.5
0.45

x 10

0.2

0.4

0.6

0.8

1
1.2
Temps (s)

1.4

1.6

1.8

2
4

x 10

Figure 5-5 : volution des tempratures du fluide froid (en trait plein) et de leurs estimations (en
pointill), gauche pour la premire section et droite pour la seconde (fluide froid en sortie)

Nous pouvons voir que les estimations des tempratures mesures ( Th ,2 et Tc ,2 ) sont assez
fidles. Il en va de mme pour Th ,1 et Tc ,1 bien que lon puisse remarquer quelques carts plus
importants lorsque les variations et passent en dessous de -0,1. Les Figure 5-6 et
Figure 5-7 reprsentant les diffrentes erreurs relatives nous le confirment et indiquent aussi
quelles sont infrieures 3%, ce qui est raisonnable.

92

Chapitre 5 : Observateur flou TS entres inconnues

0.12

erreur relative de Th2

2.5

0.1

0.08

Erreur relative (%)

Erreur relative (%)

erreur relative de Th1

1.5

0.04

0.02

0.5

0.06

0.2

0.4

0.6

0.8

1
1.2
Temps (s)

1.4

1.6

1.8

0.2

0.4

0.6

0.8

x 10

1
1.2
Temps (s)

1.4

1.6

1.8

2
4

x 10

Figure 5-6 : erreur relative entre l'tat du modle TS et de son estim pour le fluide chaud de la premire
section ( gauche) et le fluide chaud de sortie ( droite).
3

0.1
erreur relative de Tc1

erreur relative de Tc2


0.09
0.08
0.07

Erreur relative (%)

Erreur relative (%)

2.5

1.5

0.06
0.05
0.04
0.03
0.02

0.5

0.01
0

0.2

0.4

0.6

0.8

1
1.2
Temps (s)

1.4

1.6

1.8

2
4

x 10

0.2

0.4

0.6

0.8

1
1.2
Temps (s)

1.4

1.6

1.8

2
4

x 10

Figure 5-7 : erreur relative entre l'tat du modle TS et de son estim pour le fluide froid de la premire
section ( gauche) et le fluide froid de sortie ( droite).

Sur la figure suivante, les signaux v1 v4 sont reprsents, ainsi que les perturbations d1 et
d2 . Pour des raisons de clart, seules leurs volutions entre les instants 5000 s et 10000 s ont

t traces. Nous pouvons ainsi remarquer que la perturbation d1 est encadre par v1 et v2 , de
mme que la perturbation d2 par v3 et v4 . Ceci justifie lapproximation de lquation (5.23).

93

Chapitre 5 : Observateur flou TS entres inconnues


-3

-3

x 10

1
Perturbations v3,v4 et d2 estimat (sans dimension)

Perturbations v1,v2 et d1 estimat (sans dimension)

v1
v2
d1 estimat

6
5
4
3
2
1
0
-1
5000

5500

6000

6500

7000 7500 8000


Temps (s)

8500

9000

Figure 5-8 : Comparaison entre

x 10

0
-1
-2
-3
-4
-5
v3
v4
d2 estimat

-6
-7
5000

9500 10000

5500

6000

6500

7000 7500 8000


Temps (s)

8500

9000

9500 10000

v1 , v2 et d1 ( gauche) et entre v3 , v4 et d2 ( droite)

En utilisant l'quation (5.22), les paramtres et peuvent tre estims et compars au

0.1

0.1

Variation du paramtre (sans dimension)

Variation du paramtre (sans dimension)

modle TS (cf. figure 5-10)

-0.1

-0.2

-0.3

-0.4

-0.5

-0.1

-0.2

-0.3

-0.4

-0.5

syst nl

syst nl

estim

estim
-0.6

0.2

0.4

0.6

0.8

1
1.2
Temps (s)

1.4

1.6

1.8

-0.6

0.2

0.4

0.6

x 10

0.8

1
1.2
Temps (s)

1.4

1.6

1.8

2
4

x 10

Figure 5-9 : volutions des paramtres dencrassement (en trait plein) et leur estims (en pointill) :
gauche

et , droite et .

L'observateur arrive estimer la perturbation, mais sy ajoute du bruit. Afin de lattnuer, un


filtre a t rajout. Nous avons considr un filtre moyenne glissante sur 800. Sur la figure

suivante est reprsent filtr.

94

Chapitre 5 : Observateur flou TS entres inconnues

0.1
Variation filtr du paramtre (sans dimension)

syst nl
estim filtr

-0.1

-0.2

-0.3

-0.4

-0.5

-0.6

0.2

0.4

0.6

0.8

1
1.2
Temps (s)

1.4

1.6

1.8

2
4

x 10

Figure 5-10 : filtr.

Nous pouvons voir que le filtre a rduit les pics prcdents et confirme le fait que
l'observateur permet une estimation correcte des paramtres dencrassement du systme.

5.3.2 Simulation sur le modle de dimension infinie


Nous allons maintenant raliser des simulations en utilisant les donnes de simulation
obtenues laide du logiciel Fluent (cf . chapitre 3).
Comme il a t dit dans les chapitres prcdents, les simulations consistent en 2 jeux
dessais qui ont servi dans les travaux (Jonsson, Lalot et al. 2007) et (Lalot, Palsson et al.
2007). Le premier essai a une dure de 54644 s et le second de 28880 s. Pour les deux essais,
l'encrassement commence aux alentours des 2/3 de la dure de l'essai.
Nous prsentons sur la figure suivante les volutions des signaux de sortie de l'changeur,
ainsi que leurs estimations obtenues en utilisant lobservateur dcrit prcdemment pour le
deuxime essai - les rsultats sont similaires lorsquon utilise le premier essai.

95

Chapitre 5 : Observateur flou TS entres inconnues

0.9
Th2 syst rel
Th2 estim

0.8

Temprature de sortie du fluide froid (C/100)

Temprature de sortie du fluide chaud (C/100)

0.85

0.75
0.7
0.65
0.6
0.55
0.5
0.45
0.4
0.35

0.5

1.5
Temps (s)

2.5

0.8
0.75
0.7
0.65
0.6
0.55
0.5
0.45

Tc2 syst rel


Tc2 estim

0.85

0.5

x 10

1.5
Temps (s)

2.5

3
4

x 10

Figure 5-11 : volution des sorties (en trait plein) et de leurs estims (en pointill). Gauche : fluide chaud.
Droite : fluide froid. 2e jeu de donnes.

Nous pouvons remarquer que la prcision de lestimation est trs bonne, lcart maximal entre
temprature relle et estime est de lordre de grandeur dun degr celsius.
Les figures suivantes prsentent les volutions des paramtres dencrassement estims et ce
pour les deux essais. Lchelle de temps a t normalise afin de pouvoir comparer plus
facilement les rsultats.

essai 1
essai 2

Variation du paramtre (sans dimension)

Variation du paramtre (sans dimension)

2.5

1.5
1
0.5
0
-0.5
-1
-1.5

0.1

0.2

0.3

0.4
0.5
0.6
0.7
Temps sans dimension

0.8

0.9

essai 1
essai 2

1.5
1
0.5
0
-0.5
-1
-1.5
-2

0.1

0.2

0.3

0.4
0.5
0.6
0.7
Temps sans dimension

Figure 5-12 : volutions de ( gauche) et ( droite) pour les deux essais


(1er essai en trait plein, 2e essai en pointill).

Aprs filtrage, on obtient :

96

0.8

0.9

Chapitre 5 : Observateur flou TS entres inconnues

1.5

0.5

-0.5

essai 1
essai 2

0.8
Variation du paramtre (sans dimension)

Variation du paramtre (sans dimension)

essai 1
essai 2

0.6
0.4
0.2
0
-0.2
-0.4
-0.6
-0.8

-1

0.1

0.2

0.3

0.4
0.5
0.6
0.7
Temps sans dimension

0.8

0.9

-1

0.1

0.2

0.3

0.4
0.5
0.6
0.7
Temps sans dimension

0.8

0.9

Figure 5-13 : filtr ( gauche) et

filtr ( droite)

Les volutions de et sont plus claires. Il est possible daborder maintenant les
estimations des paramtres d'encrassement. Pour cela, nous devons rajouter les valeurs
nominales:

= 0 +

(5.25)

= 0 +
Ces valeurs permettent destimer son tour le facteur d'encrassement donn par :
R f = (1 / ) + (1 / )

(5.26)

et trac ci-dessous.
5
essai 1
essai 2

Facteur d encrassement (sans dimension)

4.5
4
3.5
3
2.5
2
1.5
1

0.1

0.2

0.3

0.4
0.5
0.6
0.7
Temps sans dimension

0.8

Figure 5-14 : facteur d'encrassement.

97

0.9

Chapitre 5 : Observateur flou TS entres inconnues

Finalement, malgr la prsence de bruit, nous voyons clairement la hausse de l'encrassement


qui se matrialise vraiment aux alentours des 2/3 de la simulation pour les deux essais et
pouvons ainsi dire quen fixant un seuil, nous pouvons arriver dtecter lencrassement.
Ainsi, nous allons effectuer un test CUSUM (cf. chapitre 3) directement sur les valeurs des
paramtres et estims non filtrs.
Rappelons tout de mme les quations du test :
S h ( i ) = max ( 0, S h ( i 1) + xi x k )

(5.27)

Sl ( i ) = max ( 0, Sl ( i 1) + x k xi )

k tant un multiple de lcart type nous permettant de dtecter une variation, nous avons pris
k = 0.5 pour et k = 1.1 , pour . S h ( i ) est utilis pour dtecter une croissance du

signal x (cas des signaux et ) et Sl ( i ) une dcroissance du signal (cas de R f ). La


dtection se fait lorsque S h ( i ) ou Sl ( i ) dpasse un certain seuil.
Nous pouvons voir sur la Figure 5-15 la dtection pour un seuil de 800 pour et un seuil de
200 pour . Les croix rouges dessines tant la limite pour la dtection dencrassement (seuil
de dtection fix arbitrairement).
4000

12000
essai 1
essai 2
seuil de dtection>800

10000

essai 1
essai 2
seuil de dtection>200

3500
3000
2500
Sl sur

Sl sur

8000

6000

2000
1500

4000

1000
2000

500

0.1

0.2

0.3

0.4
0.5
0.6
0.7
Temps sans dimension

0.8

0.9

0.1

0.2

0.3

0.4
0.5
0.6
0.7
Temps sans dimension

Figure 5-15 : Test CUSUM pour les 2 essais sur ( gauche) et sur ( droite)

Nous pouvons faire le mme test directement sur le facteur dencrassement.

98

0.8

0.9

Chapitre 5 : Observateur flou TS entres inconnues


4

x 10

essai 1
essai 2
seuil de dtection>800

2.5

Sh

1.5

0.5

0
0

0.1

0.2

0.3

0.4
0.5
0.6
0.7
Temps sans dimension

0.8

0.9

Figure 5-16 : Test Cusum sur le facteur dencrassement

Nous pouvons ainsi observer Figure 5-15 quen utilisant ou comme indicateur de
lencrassement, nous obtenons une dtection aux alentours de 0.65 (correspondant un
facteur dencrassement denviron 0,0001 - cf. Fig. 3-10.) et, sur la Figure 5-16, nous pouvons
aller jusqu une dtection de lencrassement 0.5 en utilisant R f comme indicateur. Suivant
le seuil, le test se dclenchera plus ou moins tt mais on peut remarquer que pour les deux
essais, le seuil tant le mme, lencrassement sera dtect une priode pratiquement
identique, ce qui montre linsensibilit de la dtection la dynamique dencrassement. Nous
pouvons ainsi conclure que la dtection dencrassement seffectue correctement avec cet
observateur entre inconnue et elle seffectue relativement tt.

5.4 Conclusion
Dans ce chapitre, nous avons pu voir un observateur flou de type TS permettant destimer les
tats du systme ainsi que les entres inconnues. Cet observateur est bas sur un modle
polynomial des entres inconnues. La technique de D-stabilit permettant de spcifier
certaines performances dynamiques par placement de ples a t aborde. Cet observateur a
t utilis dans le cadre de la dtection d'encrassement dans les changeurs thermiques. Nous
avons pu remarquer la prsence de bruits affectant les estimations des paramtres
dencrassement. Un simple filtrage permet dobtenir une dtection de l'encrassement
correspondant des facteurs dencrassement raisonnables et qui ne ncessite pas de modle
du phnomne dencrassement (complexe obtenir) ou de capteurs additionnels. On aurait pu
99

Chapitre 5 : Observateur flou TS entres inconnues


aussi en lieu et place du filtre et de la technique de placement de ples (voire en combinaison
avec ces approches) utiliser une approche base sur les critres H 2 ou H pour attnuer
leffet des perturbations ou des bruits de mesure. Cette dernire sintgre parfaitement dans le
cadre de notre mthodologie base sur les LMI (cf. (Yoneyama 2009; Lendek, Guerra et al.
2010), (Nguang and Assawinchaichote 2003)) Notons aussi que la technique prsente dans
ce chapitre est dune simplicit remarquable et pourrait tre utilise pour le problme plus
dlicat de la dtection dencrassement dun rseau dchangeur.

100

Conclusion gnrale

CONCLUSION GENERALE
Nous avons pu rencontrer dans le premier chapitre les diffrents problmes que
pouvaient occasionner l'encrassement pour des changeurs thermiques. Le fait de pouvoir le
dtecter permettrait de mettre en place un systme de nettoyage effectu au meilleur moment,
ce qui pourrait minimiser les pertes d'nergie et les cots que l'on avait jusqu' maintenant d
un nettoyage trop rcurrent ou au contraire trop tardif.
Afin de palier au problme de dtection dencrassement dans les changeurs
thermiques, des mthodes permettant de dtecter lencrassement le plus tt possible bases
sur des observateurs non linaires ont t mises en place. Un tat de l'art sur le problme de
lobservation de ltat dun systme non linaire a tout d'abord t expos.
Le travail de dtection d'encrassement a ensuite t ralis sur un modle d'changeur
thermique tubulaire contre courant dtaill au dbut de cette thse. Diffrentes mthodes
dobservation valuant lencrassement plus ou moins tt ont ensuite t exposes et
appliques ce modle. Nous avons pu voir plusieurs observateurs bases sur la modlisation
du systme sous forme de Takagi-Sugeno tels que la batterie dobservateurs (fixant
arbitrairement les valeurs des paramtres recherches) (Delmotte, Delrot et al. 2008) (cf
chapitre 3), un observateur polynomial dans le cas incertain (Delmotte, Dambrine et al. 2010
soumis) (cf chapitre 4) et lobservateur entres inconnues (Delrot, T.M.Guerra et al. 2011
soumis) (cf chapitre 5). Pour ces trois observateurs, les paramtres relatifs lencrassement
et ont t estims. Un nouveau critre R f dpendant des paramtres et est mis en
place afin d'obtenir un paramtre voluant de la mme manire que le facteur d'encrassement.
Des tests CUSUM ont t raliss afin de dterminer le moment o la dtection
dencrassement seffectue pour chacune des trois mthodes vues dans cette thse ainsi que
pour deux autres mthodes effectues en 2007 sur le mme modle : le rseau de neurones
(Lalot, Palsson et al. 2007) et le filtre de Kalman tendu (Jonsson, Lalot et al. 2007)). Un
tableau avec des temps de dtection est prsent ci-dessous. Ces temps de dtections sont
reprsents sur une chelle normalise afin de pouvoir les comparer sur deux essais de dures
diffrentes et ce pour une dynamique d'encrassement diffrente.

101

Conclusion gnrale

Rseau de Neurones

Essai 1

Essai 2

(encrassement lent)

(encrassement rapide)

Rf

Rf

0.91

0.78

0.46

0.90

0.88

0.60

0.90

0.88

0.76

0.61

0.48

0.84

0.82

0.78

0.89

0.77

0.55

0.90

0.76

0.66

0.65

0.70

0.50

0.64

0.67

0.47

(Lalot, Palsson et al. 2007)


Filtre de Kalman tendu
(Jonsson, Lalot et al. 2007)
Batterie d'observateurs TS (Delmotte,
Delrot et al. 2008)
Observateur TS Polynomial (Delmotte,
Dambrine et al. 2010 soumis)
Observateur entres inconnues de type TS
(Delrot, T.M.Guerra et al. 2011 soumis)
Tableau 5-2 : Temps de dtection de l'encrassement sur plusieurs mthodes

Comparons d'abord les paramtres relatifs l'encrassement.


Nous pouvons remarquer que dans les mthodes bases sur lutilisation de rseau de
neurones, dun filtre de Kalman tendu ou dun 'observateur TS polynomial, la
dtection pour le paramtre dencrassement se fait aux alentours de 0.9 except
pour le rseau de neurone pour le deuxime essai qui se fait bien plus tt. Cela
correspond un facteur d'encrassement de 0.00043 m.K/W en considrant l'intervalle
[0.0001, 0.0007] correspondant aux valeurs typiques du facteur d'encrassement.
Au travers du paramtre , la dtection de lencrassement dans les cas du rseau de
neurones et du filtre de Kalman tendu est plus tardive que pour les mthodes vues
prcdemment sauf pour l'essai 1 du filtre de Kalman tendu. Ainsi cette dernire
mthode prsente une sensibilit vis--vis de la dynamique d'encrassement. Nous
pouvons voir que cette sensibilit apparat galement pour la batterie d'observateur, en
effet pour le premier essai la valeur de dtection pour est de 0.61 ce qui correspond
un facteur d'encrassement de 0.000077 (qui est en dessous de la borne infrieure du
facteur d'encrassement de l'eau) tandis que pour le deuxime essai il correspond
0.00024 m.K/W qui correspond 23% de la borne minimale.

102

Conclusion gnrale
Concernant l'observateur TS entres inconnues, nous pouvons remarquer que pour
les deux essais le paramtre est dtect environ 0.65 ce qui correspond un
facteur d'encrassement de 0.000094 m.K/W et est dtect environ 0.7 ce qui
correspond 0.00012 m.K/W. La variation des paramtres relative l'encrassement
est donc dtecte plus tt pour cette mthode que pour les prcdentes et ce pour deux
dynamiques d'encrassement diffrentes.
Continuons la comparaison maintenant avec le facteur d'encrassement afin de conclure sur la
mthode la plus performante de cette thse.
Le temps de dtection du facteur d'encrassement du premier essai est relev pour la
batterie d'observateur aux alentours de 0.63 ce qui correspond a un facteur
d'encrassement de 0.000085 m.K/W ce qui nous permet de dire que la dtection pour
cet essai peut tre effectue avant la limite infrieure de l'intervalle du facteur
d'encrassement [0.0001 ; 0.0007]. Tandis que pour l'essai 2 le facteur d'encrassement
est ralis 0.78 ce qui correspond un facteur d'encrassement de 0.00019 m.K/W ce
qui correspond 15% de la borne infrieure. Comme pour les paramtres
d'encrassement on remarquera que cet observateur n'est pas robuste pour des
dynamiques diffrentes d'encrassement.
La mthode d'observateur TS polynomial a un temps de dtection pour le facteur
d'encrassement du premier essai de 0.55 ce qui est quivalent 0.00006 m.K/W et
pour le deuxime essai le temps de dtection est de 0.66 correspondant 0.0001
m.K/W. La diffrence entre les deux essais est moins grande que pour la batterie
d'observateur, de plus pour les deux essais on arrive dtecter le facteur
d'encrassement proche de la borne infrieure 0.0001 m.K/W. On peut conclure que
cet observateur est plus performant que la batterie d'observateurs.
Quand l'observateur entre inconnue, c'est la mthode o l'on constate que l'on peut
arriver dtecter le facteur d'encrassement le plus tt c'est--dire 0.47 pour le
premier essai et 0.5 pour le second ce qui correspond respectivement un facteur
d'encrassement de 0.000044 m.K/W et 0.000038 m.K/W. Cet observateur est robuste
pour des dynamiques d'encrassement diffrentes et peut dtecter l'encrassement avant
la borne infrieure de rfrence du facteur d'encrassement de l'eau.

103

Conclusion gnrale
On peut ainsi conclure que concernant la dtection dencrassement, la mthode dobservateur
entres inconnues est la plus performante quand la rapidit de dtection, ce qui permet
d'avoir une marge de scurit concernant la dtection d'encrassement et de pouvoir agir en
consquence.
En ce qui concerne les perspectives de nos travaux, quelques pistes peuvent tre explores :

Tester exprimentalement nos rsultats : un banc d'essai d'un changeur tubulaire contre
courant devrait tre prochainement disposition au laboratoire. On pourra ainsi effectuer
une comparaison entre ces diffrents observateurs sur leur robustesse, leur rapidit et leur
facilit de mise en place.

Amliorer les performances de l'observateur TS polynomial. Pour cela, plusieurs


approches sont envisageables : amliorer la convergence en considrant un observateur
TS polynomial prmisses non mesurables en utilisant une approche la ThauLuenberger ou tendant les travaux de (Marx, Koenig et al. 2007). On peut aussi
envisager un choix plus gnral de la fonction de Lyapunov qui serait polynomiale de
degr suprieur deux.

Tester nos approches sur dautres classes dchangeurs thermiques comme les changeurs
courants croiss. Un modle physique a t rcemment dvelopp (Gudmundsson,
Palsson et al. 2009) et permet denvisager la synthse dun observateur par nos
techniques. On peut aussi envisager de dtecter lencrassement dun ensemble
dchangeurs mis en rseau.

Enfin, dans le cadre dchangeur en rseau, il serait intressant de dvelopper nos travaux afin
de non plus seulement dtecter lencrassement de lensemble, mais isoler le ou les changeurs
les plus encrasss. Lintrt bien sr est de pouvoir raliser une maintenance plus rapide en
limitant le nettoyage quelques composants. Cela ncessite bien sur quelques tudes
prliminaires comme lidentifiabilit assurant quune telle approche est ralisable.

104

Bibliographie

BIBLIOGRAPHIE

Akhenak, A., Chadli, M., Ragot, J., & Maquin, D. (2003). State Estimation via Multiple
Observer with Unknown Input. Application to the Three-Tank System. Communication
prsente in Proc. of the 5th IFAC SAFEPROCESS, Washington USA.
Akhenak, A., Chadli, M., Ragot, J., & Maquin, D. (2004a, 18 et 19 novembre). Conception
dun observateur flou entres inconnues. Communication prsent 12me rencontres
francophones sur la Logique Floue et ses Applications, LFA, Nantes, France.
Akhenak, A., Chadli, M., Ragot, J., & Maquin, D. (2004b, 25-29 July). Design of robust
observer for uncertain Takagi-Sugeno models. Communication prsente IEEE
International Conference on Fuzzy Systems, Budapest, Hungary.
Barbot, J. P., Boukhobza, T., & Djema, M. (1996). Sliding mode observer for triangular
input form. Communication prsent IEEE Conf. Decision Control, Kobe.
Bell, K. J., & Mueller, A. C. (2001). Wolverine Engineering Heat transfer Data Book II.
Wolverine Tube Inc.
Bergsten, P. (2001). Observers and Controllers for Takagi-Sugeno Fuzzy Systems. (Thesis,
Orebro university, Sweden).
Bergsten, P., Palm, R., & Driankov, D. (2001). Fuzzy Observers. Communication prsent
Proc. 10th IEEE Internat. Conf. on Fuzzy Systems, Melbourne, Australia.
Besancon, G. (2000). Remarks on nonlinear adaptive observer design. Systems & control
letters, 41(4), 271-280.
Besanon, G. (2007a). An overview on observer tools for nonlinear systems. Dans G.
Besanon (dir.), Nonlinear Observers and Applications (Vol. Lecture Notes in Control
and Information Sciences 363, p. 1-33): Springer.
Besanon, G. (Dir.). (2007b). Nonlinear Observers and Applications (Vol. 363).
Bhattacharyya, S. P. (1978). Observer design for linear systems with unknown inputs. IEEE
Trans. Automat. Control, 23, 483-484.
Bonnans, F., & Rouchon, P. (Dir.). (2003). Analyse et commande de systmes dynamiques.
Bornard, G., Celle-Couenne, F., & Gilles, G. (1993). Observabilit et observateurs. Dans A. J.
Fossard & D. Normand-Cyrot (dir.), Systmes non linaires : modlisation estimation (p. 117-221): Masson.
Boukhobza, T., Djemai, M., & Barbot, J. P. (2003). Implicit triangular observer from
dedicated to a sliding mode observer for systems with unknown inputs. Asian Journal
of Control, 5(D).
Boyd, S., Ghaoui, L. E., Feron, E., & Balakrishnan, V. (Dir.). (1994). Linear Matrix
Inequalities in System and Control Theory (Vol. 15). Philadelphia PA.
Busawon, K., Farza, M., & Hammouri, H. (1996). A Simple Observer for a Class of
Nonlinear Systems. Applied Mathematics Letters, 11(3), 27-31.
Cengel, Y. A. ( 2002). Heat transfer.. a practical approach. (2e d.). McGraw-Hill.
Cengel, Y. A. ( 2006). Heat and mass transfer: a practical approach. (3e d.). McGraw-Hill.
Chadli, M. (2010). An LMI approach to design observer for unknown inputs Takagi-Sugeno
fuzzy models. Asian Journal of Control, 12(4), 524-530.
Chadli, M., & Hajjaji, A. E. (2006). Comment on Observer-based robust fuzzy control of
nonlinear systems with parametric uncertainties". Fuzzy Sets and Systems, 157, 12761281.

105

Bibliographie
Chilali, M., & Gahinet, P. (1994). H design with pole placement constraints: an LMI
approach. Proceedings of the 33rd IEEE Conference on Decision and Control, 1, 551558.
Chilali, M., & Gahinet, P. (1996). H design with pole placement constraints: an LMI
approach. IEEE Trans. on Automatic Control, 41(3), 358-367.
Darouach, M., Zasadzinski, M., & Xu, S. J. (1994). Full-order observers for linear systems
with unknown inputs. IEEE Transactions on Automatic Control, 33, 606-609.
Delmotte, F. (1997, April 1997). Multi-Models and Self Reconfiguration. Communication
prsente IFAC CACSD 97, Gent, Belgique.
Delmotte, F., Dambrine, M., Delrot, S., & Lalot, S. (2010 soumis). Polynomial Fuzzy
Observers with Application to the Fouling Detection of a Heat Exchanger.
Delmotte, F., Delrot, S., Lalot, S., & Dambrine, M. (2008, 15-18 august). Fouling Detection
in Heat Exchangers with Fuzzy Models. Communication prsente 19th International
Symposium on Transport Phenomena, Reykjavic, Iceland.
Delmotte, F., Guerra, T. M., & Ksontini, M. (2007). Continuous Takagi-Sugenos Models:
Reduction of the Number of LMI conditions in various fuzzy control design
techniques. IEEE Transactions on Fuzzy Systems, 15(3), 426-438.
Delrot, S., T.M.Guerra, Dambrine, M., & Delmotte, F. (2011 soumis). Fouling Detection in a
Heat Exchanger by Unknown Input Observer of Takagi-Sugeno type. Engineering
Applications of Artificial Intelligence.
Dubois, L., Delmotte, F., Borne, P., & Fukuda, T. (1998). Stability analysis of a multi-model
controller for constrained uncertain nonlinear systems. Int. Journal of Control, 69(4),
519-538.
Farza, M., Busawon, K., & Hammouri, H. (1998). Simple Nonlinear Observers for On-line
Estimation of Kinetic Rates in Bioreactors. Automatica, 34(3), 301-318.
Floquet, T., & Barbot, J. P. (2007). Super twisting algorithm based step-by-step sliding mode
observers for nonlinear systems with unknown inputs. International Journal of
Systems Science, 2.
Fluent Flow Modeling Software. at http://www.fluent.com/software/fluent/index.htm.
Fraas, A. P. (1989). Heat exchanger design. Wiley.
Gahinet, P., Nemirovskii, A., Laub, A. J., & Chilali, M. (1994). The LMI control toolbox.
Proceedings of the 33rd IEEE Conference on Decision and Control, 3, 2038-2041.
Gauthier, J. P., Hammouri, H., & Othman, S. (1992). A simple observer for nonlinear-systems
applications to bioreactors. IEEE Transactions on Automatic Control, 37(6), 875-880.
Gudmundsson, O., Palsson, O. P., Palsson, H., & Lalot, S. (2009). Fouling detection in a
cross-flow heat exchanger based on physical modeling. Communication prsent 447454. In Proceedings of International Conference on Heat Exchanger Fouling and
Cleaning.
Guelton, K. (2003). Estimation des caractristiques du mouvement humain en station debout.
Mise en oeuvre dobservateurs flous sous forme descripteur. (LAMIH).
Guelton, K., Delprat, S., & Guerra, T. M. (2008). An alternative to inverse dynamics joint
torques estimation in human stance based on a TakagiSugeno unknown-inputs
observer in the descriptor form. Control Engineering Practice, 16, 1414-1426.
Guerra, T. M., Kruszewski, A., Vermeiren, L., & Tirmant, H. (2006). Conditions of output
stabilization for nonlinear models in the Takagi-Sugenos form. Fuzzy Sets & Systems,
157(9), 1248-1259.
Guo, J., Xu, M., & Cheng, L. (2009). The application of field synergy number in shell-andtube heat exchanger optimization design. Applied Energy, 29 , , 27082717.
Hermann, R., & Krener, A. J. (1977). Nonlinear Controllability and Observability. IEEE
Transactions on Automatic Control, AC-22, 728-740.

106

Bibliographie
Hou, M., & Mller, P. C. (1992). Design of observers for linear systems with unknown
inputs. IEEE Trans. Automat.Control, 37, 871-875.
Ichalal, D., Marx, B., Ragot, J., & Maquin, D. (2008, 3-5 septembre 2008). Multiobservateurs entres inconnues pour un systme de Takagi-Sugeno variables de
dcision non mesurables. Communication prsent 5me Confrence Internationale
Francophone d'Automatique,CIFA, Bucarest : Roumanie.
Ichalal, D., Marx, B., Ragot, J., & Maquin, D. (2010). State estimation of Takagi-Sugeno
systems with unmeasurable premise variables. IET Control Theory and Applications,
4(5), 897-908.
Isermann, R. (2006). Fault-diagnosis systems: an introduction from fault detection to fault
tolerance. Springer.
Johnson, C. D. (1975). On observers for systems with unknown and inaccessible inputs.
International Journal of Control, 21(5), 825-831.
Jonsson, G. (1990). Parameter estimation in models of heat exchangers and geothermal
reservoirs. (Lund Institute of Technology).
Jonsson, G., & Palsson, O. P. (1994). An application of extended Kalman Filtering to heat
exchanger models. Journal of dynamic systems, measurement, and control, 116.
Jonsson, G. R., Lalot, S., Palsson, O. P., & Desmet, B. (2007). Use of extended Kalman
filtering in detecting fouling in heat exchangers. International Journal of Heat and
Mass Transfer 50, 26432655.
Kou, S. R., Elliott, D. L., & Tarn, T. J. (1975). Exponential Observers for Nonlinear Dynamic
Systems. Information and Control, 29, 204-216.
Kuppan, T. (2000). Heat exchanger design handbook. Marcel Dekker.
Lalot, S., Palsson, O. P., Jonsson, G. R., & Desmet, B. (2007). Comparison of neural
networks and Kalman filters performances for fouling detection in a heat exchanger.
International Journal of Heat Exchangers 1524-5608, VIII 151-168.
Landau, I. D., & Besanon-Voda, A. (Dir.). (2001). Identification des systmes: Hermes
Science Publications.
Lendek, Z. (2009). Distributed fuzzy and stochastic observers for nonlinear systems. (Delft
University of Technology, Pays bas).
Lendek, Z., Guerra, T. M., Babuska, R., & Schutter, B. D. (Dir.). (2010). Stability analysis
and nonlinear observer design using Takagi-Sugeno fuzzy models (Vol. 262):
Springer-Verlag.
Lendek, Z., Lauber, J., M.Guerra, T., Babuka, R., & DeSchutter, B. (2010). Adaptive
observers for TS fuzzy systems with unknown polynomial inputs. Fuzzy Sets and
Systems. doi: 10.1016/j.fss.2010.03.010
Levine, W. S. (2009). The Control Systems Handbook, Second Edition: Control System
Advanced Methods, Second Edition. Taylor and Francis.
Lfberg, J. (2004). YALMIP : A Toolbox for Modeling and Optimization in MATLAB.
Communication prsente CACSD Conference, Taipei, Taiwan.
Luenberger, D. (1964). Observing the state of a linear system. IEEE Trans. Military
Electronics, 8, 74-80.
Lund, J. W. (1998). Geothermal Direct-use Equipment Overview. Geo Heat Center.
Mabit, J., Loisel, C., Fayolle, F., & Legrand, J. (2004). Relation between mechanical
treatment of starch and flow conditions in a scraped surface heat exchanger. Food
Research International, 37(5), 505-515.
Mansouri, B. (2005). Contribution la synthse de lois de commandes en poursuite de
trajectoire pour les systmes flous de type Takagi-Sugeno incertains. (Centre de
Recherche en STIC).

107

Bibliographie
Maquin, D., & Ragot, J. (2000). Diagnostic des systmes linaires. Collection pdagogique
d'automatique. Herms Science Publications.
Marvillet, C., Bontemps, A., Garrigue, A., Huetz, J., Goubier, C., Vidil, R. (1995).
changeurs de chaleur. Problmes de fonctionnement. Techniques de l'Ingnieur.
Marx, B., Koenig, D., & Ragot, J. (2007). Design of observers for Takagi-Sugeno descriptor
systems with unknown inputs and application to fault diagnosis. IET Control Theory
and Applications, 1(5), 1487-1495.
Meditch, J. S., & Hostetter, G. H. (1974). Observers for systems with unknown and
inaccessible inputs. International Journal of Control, 19(3), 473-480.
Morre, Y. (2001). Mise en oeuvre de lois de commande pour les modles flous de type
Takagi-Sugeno. (Valenciennes).
Mller-Steinhagen, H., Malayeri, M. R., & Watkinson, A. P. (Dir.). (2009). Proceedings of
International Conference on Heat Exchanger Fouling and Cleaning VIII. Schladming,
Austria.
Nguang, K., & Assawinchaichote, W. (2003). HFiltering for Fuzzy Dynamical Systems with
D Stability Constraints. IEEE Trans. Circuits Systems I: Fundamental Theory and
Applications, 50, 15031508.
NIST/SEMATECH. (2006). (Last updated: 7/18/2006, available in 2008), e Handbook of
Statistical Methods, http://www.itl.nist.gov/div898/handbook/.
Parrilo, P. A. (2000). Structured Semidefinite Programs and Semialgebraic Geometry
Methods in Robustness and Optimization. (CA, Pasadena).
Parrilo, P. A. (2005). Exploiting algebraic structure in sum of squares programs. Dans
Springer (dir.), Positive polynomials in Control (Vol. 312, p. 181-194).
Peyrl, H., & Parrilo, P. A. (2008). Computing sum of squares decompositions with rational
coefficients. Theoretical Computer Science, 409(2), 269-281.
Prajna, S., Papachristodoulou, A., Seiler, P., & Parrilo, P. A. (2004). SOSTOOLS: Sum of
squares optimization toolbox for Matlab http://www.cds.caltech.edu/sostools or
http://www.mit.edu/~parrilo/sostools.
Prajna, S., Papachristodoulou, A., Seiler, P., & Parrilo, P. A. (2005) SOSTOOLS and its
Control applications. [Lecture Notes in Control and Information Sciences]. Springer.
Ramdani, N. (2005). Mthodes Ensemblistes pour l'Estimation. (Universit Paris XII Val de
Marne).
Robertsson, A. (1999). On observer-based control of nonlinear systems. (Lund Institute of
Technology). Repr http://books.google.fr/books?id=MLftMQAACAAJ
Sala, A. (2008). Introducing shape-dependent relaxed conditions in fuzzy control of nonlinear
systems in Takagi-Sugeno form. Communication prsente Ieee International
Conference On Fuzzy Systems.
Schou, G., Deans, J., Knzel, J., & Mller-Steinhagen, H. (1997). Thermal and hydraulic
performance of a graphite block heat exchanger. Chemical Engineering and
Processing: Process Intensification, 36(5), 371-384.
Shao, L.-L., Yang, L., Zhang, C.-L., & Gu, B. (2009). Numerical modeling of serpentine
microchannel condensers. international Journal of Refrigeration, 32, 1162-1172.
Sontag, E. D. (1995). On the Input-to-State Stability Property. Systems & Control Letters, 24,
351-359.
Sontag, E. D., & Wang, Y. (1995). On characterizations of the Input to State Stability
property. Systems and Control Letters, 24, 351-359.
Sturm, J. F. (2001). Using Sedumi, a Matlab Toolbox for optimization over symmetric cones.
Sedumi 1.05 software.

108

Bibliographie
T.Casanueva-Robles, & Bott, T. R. (2005, June 5 - 10). The environmental effect of heat
exchanger fouling: a case study. Communication prsent Engineering Conferences
International, Kloster Irsee, Germany.
Takagi, T., & Sugeno, M. (1985). Fuzzy identification of systems and its applications to
modeling and control. IEEE Trans Syst Man Cybern B Cybern, 15(1), 116132.
Tanaka, K., Ikeda, T., & Wang, H. (1998). Fuzzy regulators and fuzzy observers: relaxed
stability conditions and LMI-based designs. IEEE Transactions on Fuzzy Systems,
6(2), 250-265.
Tanaka, K., Ohtake, H., Seo, T., & Wang, H. O. (2011, June 29-July 01). An SOS-based
observer design for polynomial fuzzy systems. Communication prsente American
Control Conference, O'Farrell Street, San Francisco, CA, USA.
Tanaka, K., Ohtake, H., Wada, M., Wang, H. O., & Chen, Y. J. (2009, 15-18 Dec. 2009 ).
Polynomial Fuzzy Observer Design:A Sum of Squares Approach. Communication
prsent 48th IEEE Conference on Decision and Control, 28th Chinese Control
Conference, Shanghai, P.R. China.
Tanaka, K., Ohtake, H., & Wang, H. O. (2008, July 6-11). A Sum of Squares Approach to
Guaranteed Cost Control of Polynomial Discrete Fuzzy Systems. Communication
prsente the 17th World Congress The International Federation of Automatic
Control, Seoul, Korea.
Tanaka, K., & Wang, H. (1997). Fuzzy regulators and fuzzy observers: a linear matrix
inequality approach. Communication prsente Proc. 36th IEEE Conf. on Decision
and Control, San Diego, California.
Tanaka, K., & Wang, H. O. (2001). Fuzzy Control Systems Design and Analysis: A Linear
Matrix Inequality Approach. John Wiley & Sons, Inc.
TEMA (Dir.). (1988). Standards of the Tubular Exchanger Manufacturers Association (7mee
d.). New York: Tubular Exchanger Manufacturers Association .
Toulotte, P.-F. (2006). Attelage virtuel pour vhicules automatiss. (Universit de
Valenciennes et du Hainaut-Cambrsis, Valenciennes).
Tseng, C. S., Chen, B. S., & Y.Fli. (2009). Robust fuzzy observer-based fuzzy control design
for nonlinear systems with persistent bounded disturbances : A novel decoupled
approach. Fuzzy Sets and Systems, 160(19), 2824-2843.
Tuan, H. D., Apkarian, P., Narikiyo, T., & Yamamoto, Y. (2001). Parameterized Linear
Matrix Inequality Techniques in Fuzzy Control System Design. IEEE Transactions on
fuzzy systems, 9(2).
Valdes-Gonzalez, H. M. (2002). Contribution l'Estimation d'Etat Horizon Glissant par
Mthodes Ensemblistes : Applications la Surveillance et Dtection des
Dysfonctionnements sur des Bioprocds. (L'Universit Joseph Fourier - Grenoble I,
Grenoble).
Yoneyama, J. (2009). H filtering for fuzzy systems with immeasurable premise variables:
An uncertain system approach. Fuzzy Sets and Systems, 160, 1738-1748.
Zheng, G., Boutat, D., & Barbot, J. P. (2005). Discussion sur les Formes Normales
d'Observabilit et les Observateurs Modes Glissants Etape par Etape. JDMACS

109

Liste des figures et tableaux

LISTE DES FIGURES ET TABLEAUX


Liste des figures :
Figure 1-1 : Echangeur tube courant parallle (Cengel 2002) ............................................ 12
Figure 1-2 : Echangeur tube contre courant (Cengel 2002) ............................................... 12
Figure 1-3 : Echangeur compact courant crois (Cengel 2006) ............................................ 12
Figure 1-4 : Echangeur faisceau tubulaire (Guo, Xu et al. 2009).......................................... 13
Figure 1-5 : Echangeur plaques (Lund 1998) ........................................................................ 13
Figure 1-6 : Reprsentation du systme rel : changeur thermique ....................................... 16
Figure 1-7 : Reprsentation dun demi-changeur avec N cellules .......................................... 17
Figure 1-8 : changeur thermique avec 2 sections .................................................................. 23
Figure 2-1 Reprsentation d'un observateur ............................................................................. 32
Figure 2-2 : Schma dun observateur ..................................................................................... 39
Figure 3-1 : Batterie d'observateurs ......................................................................................... 47
Figure 3-2 : gauche m h et droite m c pour le premier essai. ................................................ 51
Figure 3-3 : gauche Th,in et droite Tc ,in pour le premier essai.............................................. 51
Figure 3-4 : comparaison du systme non linaire et de l'observateur pour Th ,2 ( gauche) et

Tc ,2 ( droite) pour le premier essai........................................................................................... 52


Figure 3-5 : comparaison du systme non linaire et de l'observateur pour Th ,1 ( gauche) et

Tc ,1 ( droite) pour le premier essai. .......................................................................................... 52


Figure 3-6 : Erreur absolue du systme non linaire et de l'observateur pour Th ,2 ( gauche) et

Tc ,2 ( droite) pour le premier essai........................................................................................... 53


Figure 3-7 : Erreur absolue du systme non linaire et de l'observateur pour Th ,1 ( gauche) et

Tc ,1 ( droite) pour le premier essai. .......................................................................................... 53


Figure 3-8 : comparaison des paramtres ( gauche) et ( droite) du systme non linaire
et de l'observateur pour le premier essai. ................................................................................. 54
Figure 3-9 : (en haut) et (en bas) filtrs. .......................................................................... 54
Figure 3-10: Facteur d'encrassement pour les deux essais. ...................................................... 56
Figure 3-11 : comparaison des sorties du modle et de l'observateur Th ,2 ( gauche) et Tc ,2 (
droite) pour le premier essai. .................................................................................................... 56
Figure 3-12 : Erreur absolue des tempratures Th ,2 ( gauche) et Tc ,2 ( droite) et de leur
estim. ...................................................................................................................................... 57
Figure 3-13 : ( en trait plein) et (en pointill) estims sur le systme tats infinis pour le
premier essai ( gauche) et pour le second essai ( droite) ...................................................... 57
Figure 3-14: test cusum sur l'essai 1 ( gauche) et sur l'essai 2 ( droite)................................ 58
Figure 3-15 : volution des paramtres ( gauche) et ( droite) estims pour 6, 12, 16 et
20 observateurs pour l'essai 1 ................................................................................................... 60
Figure 3-16 : volution des paramtres ( gauche) et ( droite) estims pour 6, 12, 16 et
20 observateurs pour l'essai 2 ................................................................................................... 61
Figure 3-17 : Facteur d'encrassement ( gauche) pour 6, 12, 16 et 20 observateurs et le test
CUSUM ( droite) pour l'essai 1 .............................................................................................. 62
110

Liste des figures et tableaux


Figure 3-18 : Facteur d'encrassement ( gauche) pour 6, 12, 16 et 20 observateurs et le test
CUSUM ( droite) pour l'essai 2 .............................................................................................. 62
Figure 4-1 : Th ,2 et Th ,2 ( gauche) et Tc ,2 et Tc ,2 ( droite) pour 1000s pour le systme non
linaire. ..................................................................................................................................... 75
Figure 4-2 : Th ,1 et Th ,1 ( gauche) Tc ,1 et Tc ,1 ( droite) pour 1000s pour le systme non
linaire. ..................................................................................................................................... 75
Figure 4-3 : et ( gauche) et ( droite) sur l'essai 1 pour le systme non linaire. 76
Figure 4-4 : et ( gauche) et ( droite) sur l'essai 1 pour le systme non linaire de
(Ichalal, Marx et al. 2008). ....................................................................................................... 77
Figure 4-5 : ( gauche) et ( droite) sur les 2 essais. ....................................................... 77
Figure 4-6 : filtr ( gauche) et filtr ( droite) sur les 2 essais...................................... 78
Figure 4-7 : test Cusum sur ( gauche) et ( droite) sur les 2 essais. ............................ 78
1
1
+
Figure 4-8 : reprsentation de l'encrassement par la fonction R f =
non filtr
+ 0.1 + 0.1
( gauche) filtr ( droite)......................................................................................................... 79
1
1
+
Figure 4-9 : test Cusum sur la function R f =
. ............................................ 79

+ 0.1 + 0.1
Figure 5-1 : D-stabilit ............................................................................................................. 85
Figure 5-2 : Ples dans le plan complexe ................................................................................. 91
Figure 5-3 : volution fixe de et . .............................................................................. 91
Figure 5-4 : volution des tempratures du fluide chaud (en trait plein) et de leurs estimations
(en pointill), gauche pour la premire section et droite pour la seconde (fluide chaud en
sortie) ........................................................................................................................................ 92
Figure 5-5 : volution des tempratures du fluide froid (en trait plein) et de leurs estimations
(en pointill), gauche pour la premire section et droite pour la seconde (fluide froid en
sortie) ........................................................................................................................................ 92
Figure 5-6 : erreur relative entre l'tat du modle TS et de son estim pour le fluide chaud de
la premire section ( gauche) et le fluide chaud de sortie ( droite)....................................... 93
Figure 5-7 : erreur relative entre l'tat du modle TS et de son estim pour le fluide froid de la
premire section ( gauche) et le fluide froid de sortie ( droite). ........................................... 93
Figure 5-8 : Comparaison entre v1 , v2 et d1 ( gauche) et entre v3 , v4 et d2 ( droite) ........... 94
Figure 5-9 : volutions des paramtres dencrassement (en trait plein) et leur estims (en
pointill) : gauche et , droite et . ............................................................ 94

Figure 5-10 : filtr. ............................................................................................................. 95


Figure 5-11 : volution des sorties (en trait plein) et de leurs estims (en pointill). Gauche :
fluide chaud. Droite : fluide froid. 2e jeu de donnes. ............................................................. 96
Figure 5-12 : volutions de ( gauche) et ( droite) pour les deux essais (1er essai en
trait plein, 2e essai en pointill). ............................................................................................... 96

Figure 5-13 : filtr ( gauche) et filtr ( droite) ......................................................... 97


Figure 5-14 : facteur d'encrassement. ....................................................................................... 97
Figure 5-15 : Test CUSUM pour les 2 essais sur ( gauche) et sur ( droite) ................. 98
Figure 5-16 : Test Cusum sur le facteur dencrassement ......................................................... 99

111

Liste des figures et tableaux

Liste des tableaux :


Tableau 5-1 : Matrices du modle TS de l'changeur thermique ............................................. 89
Tableau 5-2 : Temps de dtection de l'encrassement sur plusieurs mthodes ....................... 102

112

Rfrences personnelles

RFRENCES PERSONNELLES

Revues internationales (en cours de soumission / rvision) :


DELMOTTE, F., DAMBRINE, M., DELROT, S., LALOT, S., (2012) soumis. Polynomial
Fuzzy Observers with Application to the Fouling Detection of a Heat
Exchanger. Control Engineering Practice.
DELROT, S., T.M.GUERRA, DAMBRINE, M., DELMOTTE, F., (2012) soumis. Fouling
Detection in a Heat Exchanger by Unknown Input Observer of Takagi-Sugeno
type. Engineering Applications of Artificial Intelligence.

Communication en confrences internationales


DELMOTTE F., DELROT S., LALOT S., DAMBRINE M. (2008). Fouling detection in heat
exchangers with fuzzy models. ISTP-19, Reykjavik, Iceland, aot.
DELROT S., BUSAWON K., DJEMAI M., DELMOTTE F. (2010). Dtection
d'encrassement dans les changeurs thermiques. IEEE CIFA, Nancy, France,
juin.
DELROT S., BUSAWON K., DJEMAI M., DELMOTTE F., DAMBRINE M. (2010).
Monitoring of thermal efficiency in heat exchangers. EFEEA10 International
Symposium on Environment Friendly Energies in Electrical Applications,
Ghardaa, Algeria, novembre.
DELROT S., BUSAWON K., DJEMAI M., DELMOTTE F., DAMBRINE M. (2011).
Fouling Detection in Heat Exchangers. 18th IFAC World Congress, Milano,
Italy, septembre

113

Annexe

ANNEXE

Publication permettant de dtecter l'encrassement dans les changeurs thermiques au travers d'un
observateur adaptatif :
DELROT S., BUSAWON K., DJEMAI M., DELMOTTE F., DAMBRINE M. (2011). Fouling Detection
in Heat Exchangers. 18th IFAC World Congress, Milano, Italy, septembre

114

Annexe

Fouling detection in heat exchangers


S. Delrot1, K. Busawon3, M. Djemai1, F. Delmotte1,2 and M. Dambrine1
1

Univ Lille Nord de France, F-59000 Lille, France


UVHC, LAMIH, F-59313 Valenciennes, France
CNRS, UMR 8530, F-59313 Valenciennes, France
2
LG2IA, Facult des Sciences Appliques, TechnoParc Futura, 62400 Bthune, France
sabrina.delrot@univ-valenciennes.fr, mohamed.djemai@univ-valenciennes.fr, francois.delmotte@univ-artois.fr
3
Northumbria University, School of Computing, Engineering and Information Sciences
Newcastle Upon Tyne, NE1 8ST, UK
krishna.busawon@northumbria.ac.uk

Abstract: This paper deals with the design of a nonlinear observer for the purpose of detecting the fouling
phenomenon that commonly occurs in heat exchangers. First, the general model of the heat exchanger is
presented in terms of partial differential equations. Next, a simplified lump model is derived that is
suitable for the observer design. The observer gains are generated by using appropriate Lyapunov
functions, equations and inequalities.
Keywords: Heat exchanger, fouling, nonlinear observer, detection.
1. INTRODUCTION
The purpose of a heat exchanger is to transfer heat from one
fluid to another. The heat transfer takes place between a hot
and a cold fluid without contact between the two fluids,
which flow along by a divided inner surface. We consider a
tubular heat exchanger with two fluids with counter flow as
illustrated in Figure 1.

Fig. 1. Schematic of a tubular heat exchanger.


The following are employed throughout the paper :
Notations:

Th ,in : Inlet temperature on the hot side


Tc ,in : Inlet temperature on the cold side
m h ( m c ) : Mass flow of hot (cold) fluid
Th ( Tc ) : Temperature in hot (cold) section
Additionally, h and c are used to represent hot and cold
fluids respectively. These cold and hot fluids are opposite
direction to have regular heat exchange. The heat transfer in
heat exchangers is conducive to variations of fouling in
fluids, which can cause corrosion, increase energy loss in the
latter [Wolverine Tube Inc. (2001)].
In practice, it is important to measure the fouling by some
means or other for diagnostic, monitoring and maintenance
purpose (see e.g.[Hammouri et al. (2001)][ Hammouri et al.
(2002)][Kabore et al. (2001)][Kinnaert et al. (1999)]).
However, fouling is measured by sensors that are generally
expensive. Consequently, a more suitable solution would be

to employ an observer in order to estimate the degree of


fouling. However, the design of an observer for the heat
exchanger is not an easy matter due to the highly nonlinear
nature of the exchanger model. Furthermore, a precise model
of the heat exchanger is described in terms of partial
differential equations (PDE), and the design for nonlinear
observers for systems described by PDEs is still an open
problem. Consequently, one solution would be to derive an
approximate model of the heat exchanger in terms of ordinary
differential equations. As a matter of fact, some ODE-based
observers such as the extended Kalman filter [Jonsson et al.
(2007)], the neural Networks [Lalot et al.(2007)] and the use
of fuzzy model [Delmotte et al. (2008)] have been used for
that purpose.
In this paper, we propose a new observer for estimating the
fouling in a heat exchanger based on a simplified model of
the latter [Delrot et al. (2010)]. Unlike existing observers that
are used for that purpose, the propose observer employs an
appropriate Lyapunov equation, inequalities and function in
order to update its gain. As a result, it imparts an adaptive
characteristic to the propose observer. Simulation results are
provided in order to show the performance of the observer
using real measured data from a laboratory heat exchanger.
Some comparative work is also carried out, in simulation,
with respect to the estimation method used in [Delmotte et al.
(2008)] to show the performance of the proposed observer for
fouling detection. Finally some conclusions are presented.
2. THE MODEL OF THE HEAT EXCHANGER
The model of the heat exchanger presented hereafter the
paper is borrowed from [6]. It is represented by the following
partial differential equations:

115

Annexe

dTh ( t , x )

Ah c h

dt

+ Ah c h v h

Th ( t , x )

(t ) =

Ah U ( t ) [ Tc ( t , x ) T h ( t , x ) ]

Ac c c

dTc ( t , x )
dt

+ Ac c c v c

Tc ( t , x )
x

With

where:
Ah : Area of the convection surface,

Ah and Ac : Areas of sections swept by the flow,


U : Overall heat transfer coefficient,
v : Speed of the flow, : Density, and c : Specific heat
capacity.

(29)

Mh
m h ( t )

; (t ) =

AcU
m c ( t ) c c

; and , , h , c are the model parameters.

d
T = A ( m ) T + B ( m ) Tin
dt

; Th ( t , 0 ) = Th ,in

M c dTc,1 ( t ) = m ( t ) c [T ( t ) T ( t )] + AU ( t ) T ( t )
c
c
c,in
c ,1
c
c c dt

Mc
m c ( t )

; h (t ) =

Generally, (30) can be written as :

(28)

A finite state model can be obtained by deriving a lump


model of the process [Jonsson (1990)]. If we consider only
one section the equation (28) yields:
dTh,1 ( t )

( t ) T ( t )
h
Mhch dt = m h ( t ) ch [Th,in ( t ) Th,1 ( t )] AU

m h ( t ) c h

c (t ) =

AcU ( t ) [Th ( t , x ) Tc ( t , x )]

and Tc ( t , 0 ) = Tc ,in

AhU

and

(31)

m are state vectors.

To have many sections instead of one, the outputs of the


previous section will become the inputs of the next section.
The number of sections in the model may of course be
increased but in [Jonsson (1990)], it is shown that it is
sufficient to cut the process in two sections (even if we can
extend the number of section) in order to obtain a reliable
lump model. We obviously assume homogeneity inside each
four areas defined as can be seen in Figure 2.

Fig. 2 : Heat exchanger with two sections.

with: T ( t ) = [Th , in + Th ,1 ] / 2 [Tc , in + Tc ,1 ] / 2 ;

With these assumptions, the model obtained will be in the


form of differential equations.

M h = Ah ; M c = Ac ;

The input variables are the temperatures and flows of cold

m h ( t ) = Ah vh ( t ) et m c ( t ) = Ac vc ( t ) and
Th , i
x

Th , i Th , i x
x

and hot fluids (here is water) : u = [Th , in Tc , in m h m c ]

The complete state vector of system is given by:


= Th , i Th , i 1 ;

x = ( Th ,1

and M represent the mass for the hot and cold fluid.
Then, we replace equation (29) by this state space form:

1 + /

2 h
Th ,1 2
h ,1
=
T

Tc ,1
c ,1
1 + / c

2 c
2

Th ,2

Tc ,1

Tc ,2 ) . And the parameters vector to


T

estimate is given by : z = (

) , where
T

and are

the parameters that depend on estimating fouling state. We


assume that these two parameters vary slowly in the time and
so their derivates are almost zero.
As a result, the physical model of system with two sections
represented by the following form:

dx

2 / h
T
2 h
h , in
+

Tc , in
1 / c

2 c
2

(30)

dt

= A ( z, u ) x + B ( z, u )

(32)

with

116

Annexe

0
ch c
c c
ch c
h

A ( z, u ) =
c
c

0
c
0
ch c
0
c

B ( z, u ) =
cc c
0

0
c
And c h =

m h
*

h m h

, c =

2 h

u2
u
2
A (u ) =
0

c
cc c
cc c

U , cc =

cc c

m c
*

c m c

, c =

2 c

u2

u4

u4



F ( , ) =

*
1
*
1
*
m h = 0.1083kg .s , m c = 0.1803kg .s , h = 7.7392 s,
*

0
0

u4
0

u1
u
3

b (u , , ) =
u 3

u1

u 2 u1
0

B (u ) =
u4u3

c = 8.3502 s are parameters depending on the particular heat

C =

exchanger.

To simplify the writing of (32) we set:

We introduce the parameter U which satisfies :

= u and u = [Th , in Tc , in m h m c ]

( m
=
( m m ) ( m
( m m )
h

*y

)
)

*y
+ em h
y

+ em h

u1 = Th , in , u 2 = ch , u3 = Tc , in , u 4 = cc ,

Ah K h

1.11 are parameters representing


Ac K c
the relative regime of flow and depend on heat geometry.
y = 0.8 and e =

, [ 0, 2 ] ; Th , i , Tc ,i [ 0.4,1] ; m h , m c [ 0.4,1]
Finally, we can notice that the model is nonlinear or more
precisely bilinear.
The problem is to estimate the parameters et by using
input/output data of the developed model. We will see
various solutions brought this problem.

We start by rewriting the system in the following form:

x = A ( u ) x + F ( , ) x + b ( u , , ) + B ( u )

= 0

= 0

y = Cx
T

x = ( Th ,1

Th , 2

Tc ,1

Tc ,2(33)
)

, =

*
c

The proposed observer takes the following form :


x = ( A ( u ) + F ( , ) ) x + b ( u , , ) + B ( u )

Thanks to data supplied by chemists, we know the various


domains of variation of following variables :

3. OBSERVER BASED ON ALGEBRAIC LYAPUNOV


EQUATIONS AND INEQUALITIES

+ K ( u , , ) ( y Cx )

= g1 ( u , y , x )

= g 2 ( u , y , x )
y = Cx

(34)
where:
- the gain K ( u , , ) , depends on the inputs and fouling
parameters
is
chosen
such
that
( A ( u ) + F ( , ) ) K ( u , , ) C is stable.
- the functions g1 ( u , y , x ) and g 2 ( u , y , x ) are to

be

determined.
In what follows the methodologies employed for deriving
the above gains and functions are presented.
3.1 Computation of K ( u , , )

We choose K ( u , , ) such that the following Lyapunov


inequality is satisfied:

( A ( u ) + F ( , ) K ( u , , ) C ) +

With:

( A ( u ) + F ( , ) K ( u , , ) C )
(35)
For this, we choose:

117

<0

Annexe

K ( u , , ) =

k1

k
5

With

k2

k3

k4

k6

k7

k8

T
T
T
T
V ( , ) = + + +

T
T
T
T
= Q + 2 F ( 1 , 2 ) x + 2 b + 2

;
; k3 = k5 =
+
k1 = u2

; k ,k > 0
k6 = k 4 = 0 ; k7 = u 4
2
8
Some gains (whenever possible) will be fixed to 0 in order to
simplify the matrix and to make it easier to search other gains
while satisfying (35) at the same time. Note here that we
basically tried to have all the terms on the diagonal negative
in our case, in our domain of variation of variables. Indeed,
the choice of K matrix satisfied (35) because in our case
and are positives.

By developing the term, 2 T F ( 1 , 2 ) x + 2 T b + 2 T


we get:
T
T
T
2 Fx + 2 b + 2

= 21 ( 1 + 2 u3 2 x2 ) + 2 2 ( 2 + 4 u1 4 x4 )
+ 2 ( x1 1 + x3 1 + x4 1 x1 2 + x3 2 ) 1

(42)

+ 2 ( x1 3 + x2 3 x3 3 + x1 4 x3 4 ) 2
2 ( 1u1 4 + 3u3 2 )

3.2 Determination of functions g1 ( u , y , x ) and g 2 ( u , y , x )

Next, we set 1 + 2 u3 2 x2 = 0 et 2 + 4 u1 4 x4 = 0 .

In order to derive the functions g1 ( u , y , x ) and g 2 ( u , y , x ) ,


we compute the dynamical errors of the observer:

=
2

(41)

so that
1 = 2 ( u3 + x2 )

(43)

2 = 4 ( u1 + x4 )

It can be shown that:

Recalling that 1 = et 2 = , we obtain


expression of g1 and g2:
= ( u x ) = ( y x )( u x ) = g ( u , y , x )

= { A ( u ) + F ( , ) K ( u , , ) C }

= 4 ( u1 x4 ) = ( y 2 x 4 )( u1 x4 ) = g 2 ( u , y , x )

(36)

= x x and =

+ { F ( , ) F ( , )} x + {b ( u , , ) b ( u , , )}

(37)

Also,

Consequently, we obtain the following dynamical errors:

= { A ( u ) + F ( , ) K ( u , , ) C}

(45)

with > 0

(38)

Hence,
V ( , ) min ( Q )

+ c

Now, let V(.) be the following Lyapunov function:

V ( , ) = +
T

(44)

term of the form c1|| || || || where c1>0.

{b ( u, , ) b ( u , , )} = b ( u , , )

+ F ( 1 , 2 ) x + b ( u , 1 , 2 )

1 = g1 ( u , y , x )
= g ( u , y , x )
2
2

2 ( x1 3 + x2 3 x3 3 + x1 4 x3 4 ) 2 can be bounded by a

The remaining terms 2 ( 1u1 4 + 3u3 2 ) < 0 ,


,
2 ( x1 1 + x3 1 + x4 1 x1 2 + x3 2 ) 1
and

Due to the special form F, one can observe that:


{F ( , ) F ( , )} = F ( , )
1

the

V ( , ) ( min ( Q ) c )

(39)

(46)
(47)

We shall determine the functions g1 and g 2 such that


V ( , ) < 0
(40)

To have the error converge to 0 and V ( , ) < 0 , we choose

From the above inequalities, there exist Q and S symmetric


positive definite such that:
( A ( u ) + F ( , ) K ( u, , ) C )

to obtain min ( Q ) > c . We can choose the constant

T
+ ( A ( u ) + F ( , ) K ( u , , ) C ) = Q

Consequently,

the gains k 2 , k8 large to minimise the influence of in order


large enough to minimise the effect of .
Finally accounting for different constraints on the gains
previously discussed, we obtain an asymptotic observer with
k 2 , k8 > 0 given by:

118

Annexe

x1 = u2 ( u1 x1 ) + u ( x3 + x4 x1 u1 ) + ( u2 u )( y1 x2 )

2.4

+ u + ( y2 x4 )

Parameter alpha (dimensionless)

x2 = u2 ( x1 x2 ) + u ( x1 x2 + x3 + u3 ) + ( k2 )( y1 x2 )
x = u ( u x ) + ( x + x x u ) + + ( y x
3

Drift 1
Drift 2

2.2

2)

+ u4 u ( y2 x4 )
x4 = u4 ( x3 x4 ) + u ( x1 x3 x4 + u1 ) + ( k8 )( y2 x4 )

1.8
1.6
1.4
1.2
1
0.8
0.6

= ( u3 y1 )( y1 x2 )

= ( u1 y2 )( y2 x4 )

(48)

0.4

0.1

0.2

0.3

0.4
0.5
0.6
Dimensionless time

0.7

0.8

0.9

Fig. 4. Estimation of on two drifts.


1

3.3 Simulations result

Drift 1
Drift 2

The simulation is realized on 2 drifts used in [Jonsson et al.


(2007)] and [Lalot et al.(2007)]. The first drift lasts 54644s
and the second lasts 28880s. For the two drifts, the fouling
begins about two third of the drift stay. The inputs of the heat
exchanger are chosen random. The fouling is the same for the
two drifts and is represented on the Figure 3. This parameter
does not appear in the model described by (30) ; but it is used
during the simulation by the Fluent software [Fluent]. The
relation between the fouling factor and both and is
complex but the fouling factor is roughly proportional to
1 1.
+

x 10

-3

0.949

1
R = 0.0007

0.2

0.3

0.4
0.5
0.6
Dimensionless time

0.5
0.4

0.1

0.2

0.3

0.4
0.5
0.6
Dimensionless time

0.7

0.8

0.9

0.9

0.9
Tc2 observed
Tc2 real

0.8

0.7

0.8

One can see that the both drifts are similar. We can say that
this method performs well on various data. To check if the
results follow the reality, we compare the known real
temperature data obtained from a laboratory heat exchanger
(the output temperatures of the heat exchanger) with the
estimated temperatures on the Figure 6 and 7. This
comparison takes place on the second drift.

0.1

0.6

Fig. 5. Estimation of on two drifts

Output temperature of cold fluid (C/100)

R = 0.0001
0
0

0.7

0.2

0.5

0.8

0.3

0.663

Fouling factor

1.5

Parameter beta (dimensionless)

0.9

Fig. 3. Fouling factor for the two drifts


The fouling is modified thanks to the variation of the
parameters ch and cc . For the observation of parameters
relation to the fouling, the both drifts will be presented with a
normalized unitary time scale in order to compare results.
Figure 4 shows the profile of the estimation of parameter
and Figure 5 that of the parameter .

0.7
0.6
0.5
0.4
0.3
0.2
0.1

0.5

1.5
Time (s)

2.5

3
4

x 10

Fig. 6. Comparison of the output temperature of cold fluid of


real system and the observer on the second drift.

119

Annexe

0.9

Th2 observed
Th2 real

Drift 1
Drift 2

0.7

Fouling factor (dimensionless)

Output temperature of hot fluid(C/100)

0.8

0.6
0.5
0.4
0.3

0.2
0.1

0.5

1.5
Time (s)

2.5

Fig. 7. Comparison of the output temperature of hot fluid of


real system and the observer on the second drift.
We can note that the both temperatures have similar profile,
showing that the observer works well. From Figures 8 and 9,
we can see that the relatives errors of these temperatures are
negligible, they are less than 2.5 %.

0.7

0.8

0.9

Observer of the paper [1]


Observer based on Lyapunov function

2
1.8

0.6
Values of parameters (dimensionless)

Error of temperature of cold fluid (%)

0.4
0.5
0.6
Dimensionless time

We note that the fouling begin as we wished namely 2/3 of


the simulation. The results of the both drifts are equivalent
and are similar to Figure 3, representing the fouling.
Consequently, we can conclude that the fouling is detectable
using this observer method.

0.7

0.5
0.4
0.3
0.2
0.1

0.5

1.5
Time (s)

2.5

1.6
1.4
1.2
1
0.8
0.6
0.4

x 10

0.2

Fig. 8. Relative error between the temperature of the output


cold fluid of the real system and the estimated temperature of
the observer.
We can see, in the Figure 10, the term :
1
, follows a similar pattern to the fouling pattern shown

in Figure 3.
2.5

Error of temperature of hot fluid (%)

0.3

Fig. 10. Fouling factor for the two drifts.

0.2

0.8

-0.1

0.1

In Figure 11 a comparative results is shown using the


proposed observer and that proposed [Delmotte et al. (2008)].

Error tc2

0.9

x 10

Error th2

0.5

1.5
2
Dimensionless time

2.5

3
4

x 10

Fig. 11. Parallel between this method and the method see into
[Delmotte et al. (2008)].
We can see that the curves of and decreases
considerable as a of fouling whereas in the results of paper
[Delmotte et al. (2008)], only decreases at the end of
simulation. Moreover, [Delmotte et al. (2008)] use a filter
after the simulation of the set of observer whereas our
method uses only one observer and without any filter.
4. CONCLUSIONS

1.5

This paper presented a new technique for the detection of the


fouling in a heat exchanger. The observer is designed by
exploiting the bilinear structure of a simplified model of the
heat exchanger. Suitable Lyapunov equations and functions
are used to obtain the gain of the observer. The good
performance of the observer in detecting the fouling is shown
via simulation using real data obtained from a laboratory heat
exchanger.

0.5

0
0

0.5

1.5
Time (s)

2.5

3
4

x 10

Fig. 9. Relative error between the temperature of the output


hot fluid of the real system and the estimated temperature of
the observer.

KNOWLEDGMENT
This work has been supported by International Campus on
Safety and Intermodality in Transportation, the European

120

Annexe

Community, the Delegation Regionale a la Recherche et a la


Technologie, the Ministere de lEnseignement superieur et de
la Recherche, the Region Nord Pas de Calais and the Centre
National de la Recherche Scientifique.
REFERENCES
Delmotte F., Delrot S., Lalot S. et Dambrina M. Fouling Detection
in Heat Exchangers with Fuzzy Models. 19th International
Symposium on Transport Phenomena, Iceland, 15-18 august
2008.
Delrot S., Busawon K., Djema M., Delmotte F. Fouling detection in
the heat exchangers. 6me Confrence Internationale
Francophone d'Automatique, CIFA 2010, Nancy, France, 2-4
juin 2010.
Hammouri, H.; Kabore, P.; Kinnaert, M.; A geometric
approach to fault detection and isolation for bilinear
systems, IEEE Transactions on Automatic Control, Volume
46, Issue 9, Sept. 2001 Page(s):1451 1455.
Hammouri, H.; Kabore, P.; Othman, S.; Biston, J. Failure
diagnosis and nonlinear observer. Application to a hydraulic
process, in Journal of The Franklin Institute
Volume: 339, Issue: 4-5, July - August, 2002, pp. 455-478.
Jonsson G. R. Parameter estimation in models of heat exchangers
and geothermal reservoirs. Ph.D. thesis, Department of
Mathematical Statistics, Lund Institute of Technology, 1990.
Jonsson G. R., Lalot S., Palsson O. P. et Desmet B. Use of extended
Kalman filtering in detecting fouling in heat exchangers.
International Journal of Heat and Mass Transfer, Vol. 50, pp.
2643-2655, 2007.
Kabore, R.; Wang, H.; Design of fault diagnosis filters and faulttolerant control for a class of nonlinear systems, IEEE
Transactions on Automatic Control, Volume 46, Issue 11,
Nov. 2001 Page(s):1805 1810.

Kinnaert, M.Michel, Robust fault detection based on observers for


bilinear systems, in Automatica Volume: 35, Issue: 11,
November, 1999, pp. 1829-1842.
Lalot S., Palsson O. P., Jonsson G. R. et Desmet B. Comparison of
neural networks and Kalman filters performances for fouling
detection in a heat exchanger. International Journal of Heat
Exchangers, Vol VIII, 1524-5608, pp. 151-168, 2007.
Wolverine Tube,Inc. Wolverine engineering databook II. Electronic
distribution, Research and development team, 2001.
Fluent
Flow
Modeling
Software,
at
http://www.fluent.com/software/fluent/index.htm.

121

APPENDIX

Th ,in
Tc ,in
m h
m c

Heat
exchanger

Th2
Tc2
fouling

Observer

alarm

1 1
f (, ) = +

threshold

Fig. A.1 Block diagram of the Heat exchanger

Rsum : Le phnomne d'encrassement dans les changeurs thermiques est actuellement un sujet
important. En effet l'encrassement est un phnomne couteux qui provoque (directement ou indirectement
via un surdimensionnement des installations) une augmentation des pertes nergtiques, une hausse de la
consommation d'eau. Par effet li, lencrassement a un impact environnemental non ngligeable d
principalement une augmentation de lmission de dioxyde de carbone. La dtection de l'encrassement
peut se faire de manire trs ponctuelle en utilisant des capteurs spcifiques et coteux ou, globalement,
soit en mesurant la variation de masse de lchangeur, soit en valuant lefficacit de lchangeur
travers le coefficient de transfert ces deux dernires mthodes exigeant des conditions de
fonctionnement trs particulires : larrt pour la premire et un fonctionnement en rgime permanent
pour la seconde. Les travaux prsents dans cette thse consistent au dveloppement dobservateurs non
linaires qui permettent de dtecter l'encrassement suffisamment tt pour mettre en place un systme
d'entretien efficace. Pour cela, un modle de dimension finie dun changeur tubulaire contre courant a
t dfini en dbut de thse.
Trois solutions bases sur le dveloppement d'observateurs non linaires de type Takagi-Sugeno
appliqus au problme de dtection d'encrassement dans les changeurs thermiques sont proposes. La
premire consiste en une batterie d'observateurs qui estime les paramtres d'encrassement par une
mthode d'interpolation. La deuxime propose un observateur polynomial de type Takagi-Sugeno en
utilisant la thorie des sommes de carrs. Enfin, un observateur de type Takagi-Sugeno entres
inconnues est dvelopp. Une comparaison entre ces diffrentes mthodes est effectue en conclusion
cette thse.
Mots cls : observateurs non linaires, dtection, encrassement, changeur thermique, batterie
d'observateur, observateur Takagi-Sugeno, entres inconnues, observateurs polynomiaux.
Abstract: The phenomenon of fouling in heat exchangers is currently an important topic. Indeed,
the fouling is a costly issue that increases the energy loss (directly or indirectly through an over-sizing of
the equipment), and therefore increases the water consumption.
As a side effect, fouling increases CO consumption that leads to environmental consequences.
Fouling can be detected either on local scale, using expensive and specific sensors or on global scale.
Global estimation of fouling can be done by measuring the variation of the mass of the exchanger, or by
estimating the efficiency of the exchanger through the transfer coefficient. These two methods require
very restricting conditions: a powered exchanger to measure mass variation and a steady state exchanger
to estimate the efficiency. The work introduced in this thesis deals with the development of non-linear
observers that detect fouling early enough to start an efficient cleaning process. As a beginning, a finite
element model of a counter current tubular exchanger was proposed. Then three approaches, based on
non-linear Takagi-Sugeno observers, were suggested to detect early fouling in heat exchangers. First
approach consisted in a set of observers that estimated the parameters of fouling effect through an
interpolation method. The second approach proposed a polynomial Takagi-Sugeno observer, using the
theory of sums of squares. Finally, a observer of Takagi-Sugeno type with unknown inputs was
developed. As a conclusion, a comparison between those different methods was done.
Keywords: Nonlinear observers, detection, fouling, heat exchanger, set of observers, TakagiSugeno's observers, unknown inputs, polynomial observer.

Vous aimerez peut-être aussi