Vous êtes sur la page 1sur 76

Conception de la commande numrique pour les

applications en temps rel


Prof. Dumitru Popescu,
Universit Politehnica de Bucarest
Splaiul Independentei, 313, Bucuresti, Sector 6
email:dpopescu@ indinf.pub.ro
Un systme de commande qui pilote un processus industriel et qui assure
des performances imposes pendant lexploitation du processus, reprsente
un systeme en temps rel.

La conception dune commande pour ce type de systme suppose:

-a travailler sur un systme nominal (SN), pour trouver les performances


nominales, par lidentification dun modle dynamique du processus et par
la conception de la commande base sur le modle;

-a amliorer la qualit de la commande pour retrouver les performances


nominales sur le systme rel (SR), sous la forme des performances
ralises.
Considrons deux systmes:

(SN)- systme nominal

r u y
C M
+ - (SN)

(SR)-systme rel

r u y
+ - C P
(SR)
( SN ) (C , M )

Les variables du systme (SN) sont simules ou bien calcules;


Le systme inclut le modle nominal valu, utilisant un critre
didentification JI;
Lalgorithme de commande est calcul, bas sur le modle identifi,
utilisant un critre de qualit JC;
Le modle nominal est toujours le rsultat du problme p1;
p1: arg min JI(C, M)
M
JI-sexprime en fonction de lerreur de prdiction;
La commande nominale est le rsultat du problme p2;
p2: arg min JC(C, M)
C
JC-s exprime en fonction de lerreur de rgulation.
Les performances nominales, sont vrifies en simulation.
( SR) ( C , P ) :

Les variables du systme sont des valeurs mesures;


Le systme inclut le processus rel;
La commande numrique est implante sur le microcontrleur
C et applique au processus comme une commande nominale
amliore (par une stratgie adaptative c1, robuste c2,).

s1: (Ck, Mk) (Ck+1, Mk+1)

CP CM
s2: 1 + CP 1 + C M =petit

Les performances ralises, sont vrifies en pratique.


2. Conception de la Commande Nominale.

2.1 Identification du modle de commande.

Considrations :
nA nB
y (k + 1) = ai y (k + 1 i ) + bi u (k + 1 i + d ) (1)
i =1 i =1

[
T (k + 1) = a1 , a 2 , . . . , a nA ; b1 , b2 , . . . , bnB ] (2)

T (k ) = [ y (k ), y (k 1), . . . , y (k + 1 nA ) ; u (k d ), . . . , u (k + 1 d nB ) ]
(3)
y (k + 1) = (k ) (k ) , k N
T

ou bien,
y (k ) = q d ( )
B q 1
u (k ) (4)
( )
A q 1
A = 1 + a1q 1 + . . . + a nA q nA ; B = b1 q 1 + b2 q 2 + . . . + bnB q nB

Techniques rcurrentes (MCR) :

( ) [ ]
k
J (k ) = y (i ) (k ) (i 1)
2
min T
(5)
(k )

i =1

(k + 1) = (k ) + F (k + 1) ( k ) (k + 1) (6)

F (k ) (k ) T (k )F (k )
F (k + 1) = F (k ) (7)
1 + T (k )F (k ) (k )

(k + 1) = y (k + 1) T (k ) (k ) (8)
F (0) = I ( > 0 ) ; (0) = 0
F (k + 1) < F (k ) (9)

lim (k + 1) = 0
k

2.2 Validation du modele nominal identifi

La validation dun modle identifi par (MCR) est fonde sur le test de
blanchissement (non corlation) lgard de la squence des erreurs de
prdiction.
A vrifier donc, la rlation theorique de non corlation asymptotique :
lim E [ (k ) (k i )] = 0 , i Z , (10)
k

qui assume que (k) tend vers un bruit blanc.


On calcule ,

1 N
R (0 )
R (0 ) = 2 (k ) ; RN (0 ) = =1
N k =1 R (0 )
(11)
1 N
R (i )
R (i ) = (k ) (k i ) ; RN (i ) = , i = 1,2,imax
N k =1 R (0 )
o
imax = max (nA, nB+d)

Thoriquement : RN(0) = 1 ; RN(i) = 0


( N )
1,8 ... 2,17
En pratique : RN(0) = 1 ; RN (i ) . (12)
N
2.3 Conception de la commande (R,S,T)

Nous disposons :
a) dun modle discret valide, (A , B )
b) dune structure de la commande :
nS nR nT
u (k ) = s i u (k i ) ri y (k i ) + t i (k i ) (13)
i =1 i =0 i =0

o
u (k ) =
( )
T q 1
r (k )
R q 1 ( )
y (k ) , kN (14)
( )
S q 1 S q 1 ( )
( )
R q 1 = r0 + r1 q 1 + . . . + rnR q nR
S (q ) = 1 + s q
1
1
1
+ . . . + s nS q nS
T (q ) = t + t q
1
0 1
1
+ . . . + t nT q nT
c) des performances nominales, le polynme caractristique P(q-1);

Lobjectif est de trouver la commande RST, qui assure les


performances nominales.

La structure du systme nominal en BF :


p(k)

r(k) GT y*(k) T(q-1) + 1/S(q-1) u(k) ( )


B q 1 + y(k)
- ( )
A q 1 +

R(q-1)

Le gnrateur de trajectoire sexprime par un modle dynamique

( )
B m q 1
(GT ) = 1 = y (k )
(15)
( )
Am q r (k )
2.4 Mthode de placement des ples (commande de poursuite et
rgulation objectifs indpendants)

Problme de rgulation (rejet perturbations)

On place les ples du systme BF par le polynme P(q-1) et, aprs une
manipulation algbrique (factorisation du P et S) on dtermine (R, S).
Considrons donc:

( ) ( ) ( )
P q 1 B q 1 P ' q 1 (16)
( ) ( ) ( )
S q 1 B q 1 S ' q 1

Alors, lquation polynomiale :

( ) ( ) ( ) ( ) ( )
A q 1 S q 1 + B q 1 R q 1 P q 1 (17)

se simplifie la forme rduite :

( ) ( ) ( ) ( )
A q 1 S ' q 1 + R q 1 P ' q 1 (18)
On trouve pour (18) une solution unique par quelques restrictions de degrs
pour P, S, R, et on travaille ensuite sous la forme matricielle :

M x = p (19)
[
x T = 1, s1 , s1 , s 2 , . . . s nS ; r0 , r1 , . . . rnR ]
p T = [1, p1 , p 2 , . . . p nP , 0 , . . . 0]

x = M 1 p (20)
M = matrice de Sylvester

Le rsultat :

S (q ) = B(q ) S (q )
1 1 ' 1

(21)
R(q )1
Problme de poursuite (valuation du T(q-1) )

Le transfert r(k) y*(k) est assur par le gnrateur de trajectoire (GT):

y (k ) =
* ( )
B m q 1
r (k ) (22)
( )
A m q 1

Le polynme T(q-1) est calcul en imposant la condition que, le systme


global BF se comporte comme un systme de poursuite (a assumer un
transfert idal entre y*(k) et y(k)).
Donc, nous considrons :

( ) (1 ) 1
T q 1 ' 1 (23)
P q

ce qui conduit uniquement a la relation :

( )
T q 1 P ' q 1( ) (24)
La commande de poursuite et rgulation a objectifs indpendants

sexprime ensuite :

( )
P ' q 1 R q 1 ( )
u (k ) = ' 1 y (k ) ' 1 y (k )

S q( ) S q ( )
(25)

B m (q 1 )
y (k ) =
*
r (k )
A (q 1 )
m

(26)

Observation :
Pour la conception dune commande en temps reel, il faut
amliorer la commande (nominale) RST, par des moyens
suplimentaires.
Considrons lexemple suivant:
Le processus,

1
P=
s +1

et deux modles identifis,

1
M1 = (mauvais candidat)
s

1
M2 = (bon candidat)
( s + 1)(0.1s + 1)
Comportement trs diffrent pour P et M1 en boucle ouverte (fig. 1.1) et les
mmes performances en boucle ferme, pour lalgorithme de commande
proportionnel, avec K=100 (fig. 1.2).
Comportement identique en boucle ouverte pour P et M2 (fig. 1.3), mais des
performances diffrentes en boucle ferme, pour lalgorithme de commande
proportionnel avec K=100 (fig.1.4).
Normalement, il y a un algorithme (aussi proportionnel) K=1, qui
assure les mmes performances pour P et M2 (fig.1.5)
Conclusions:

1. Le meilleur modle en boucle ouverte ce nest pas le meilleur en


boucle ferme;

2. Il y a une commande qui assure les mmes performances pour


des modles incertains (perturbations paramtriques et/ou
structurelles), specifiques aux processus rel.

3. Il faut trouver les ressources necessaires pour la conception


dune commande en temps reel, qui assure des performances
ralises, similaires aux performances nominales, bas sur:

une stratgie adaptative;

une stratgie robuste.


3. Calcul de la commande adaptative

Si on choisit une stratgie adaptative, alors lidentification se


ralise en boucle ferme sur le travail de lerreur provoque par
des variations des paramtres, lerreur dadaptation.

( ) ( )
ea (k ) = Ak q 1 y (k ) Bk q 1 u (k ) , kN

Cette fois-ci, les polynmes (R,S,T) ont aussi des coefficients


variables dans le temps :

( )
Rk q 1 = r0 (k ) + r1 (k )q 1 + . . . + rnR (k )q nR

( )
S k q 1 = 1 + s1 (k )q 1 + . . . + s nS (k )q nS (27)

( )
Tk q 1 = t 0 (k ) + t1 (k )q 1 + . . . + t nT (k )q nT

Dans ces conditions, la commande adaptative peut tre calcule


employant deux dmarches diffrentes :
a) Adaptation en poursuite
(on garde constants R, S et on varie TTk et donc PPk)

b) Adaptation en rgulation
(on garde constants P, T et on varie RRk , SSk )

Deux algorithmes adaptatifs rsultent :

1. Lire les valeurs actuelles de la commande u(k), de la sortie y(k) et


r(k+1).

2. Calculer la trajectoire dsire y*(k+1).

y (k + 1) =
( )
B m q 1
r (k + 1) ,k N
( )
A m q 1

3. Evaluer lerreur dadaptation filtre selon une relation dpendant de la


dmarche utilise :

a) R, S = constants ; T, P = variables

e f (k ) =
( )( ( )
S q 1
)
Ak q 1 y (k ) Bk (k ) u (k )
( )
Pk q 1
b) T, P = constants ; R, S = variables

e f (k ) =
( )( ( )
S k q 1
Ak q 1 y (k ) Bk (k ) u (k ) )
Pq ( )
1

1. Estimer rcursivement les paramtres (k + 1) en utilisant MCR.

2. Dterminer les polynmes correspondants.

a) Pk +1 (q 1 ) A k +1 (q 1 ) S (q 1 ) + B k +1 (q 1 ) R(q 1 ) ; Tk +1 Pk +1

b) ( ) ( ) ( ) ( ) ( ) ;
P q 1 A k +1 q 1 S k +1 q 1 + B k +1 q 1 Rk +1 q 1 ( ) ( )
T q 1 P q 1

3. Evaluer la commande adaptative pour linstant suivant (k+1) :

a) u (k + 1) =
1
Sq( )
1
[ ( ) ( )
Tk +1 q 1 y (k + 1) R q 1 y (k + 1) ]

b) u (k + 1) =
1
S k +1 q
[
( ) ( )
1
( )
T q 1 y (k + 1) Rk +1 q 1 y (k + 1) ]
4. Calcul de la commande robuste

Indicateurs de robustesse :

Marge du module de robustesse


Fonction de sensibilit.

Im H(j)
|M(j)| = min| 1+HBO(j) |
- rayon du cercle tangent
a lhodographe du systme
BO

-1+j0 Re H(j)


|M(j)| HBO(j)
Im Sp(j)
1
|Sp(j) | dB S p ( j ) =
1 + H BO ( j )

max S p ( j )

Re Sp(j)

|M(j)| = ( |Sp(j)|max )-1

Conditions de robustesse

|M(j)|
max S p ( j )

4.1 Robustesse en stabilit
r1 e1

e2 r2
M

Small gain theorem :


Pour M(j) = stable, la connexion en boucle ferme (M, ) est stable, pour
(j) stables, avec || || , a condition que || M || -1, ou bien
|| M || || || 1 , 0 (26)

|| M || = sup | M ( j ) | (27)

Considrons le systme reel en BF avec des perturbations structurelles


(multiplicatives).

P = (1 + ) M
= PM
M
r C u M y
+ - (SN) Systme Nominal

r u y
C P
+ - (SR) Systme Rel

CM
H BF ( SN ) = (28)
1+ C M
CP
H BF ( SR ) = (29)
1+ C P
Si C stabilise le systme nominal (C, M), et la perturbation structurelle est
limite, donc

PM
= l m ( j ) (30)
M

Alors, C va stabiliser le systme rel (C, P), dans la condition suivante:

P M C M
<1 (31)
M 1+ C M

facteur de la perturbation facteur de la conception


modle systme nominal
4.2 Robustesse en non linarit

La robustesse dun systeme, impose par une marge du module, peut assurer
une tolrance du systme en boucle ferme vis vis des caractristiques non
linaires (statiques), situes lintrieur dun secteur conique dfini par un
gain linaire minimum ( > 0) et un gain linaire maximum ( > > 0), tel
que cela est illustr dans la figure suivante:
Le critre de stabilit Popov-Zames du cercle, sapplique dans ce cas. Pour
assurer la stabilit du systme avec une non linarit statique dtermine par
le secteur conique ( , ), il faut que l hodographe de HB0 (q-) laisse sur la
gauche, le cercle sur laxe rel en passant par les points (-1/ , 0) et (-1/ ,
0).
Il y a, le cercle Popov et le cercle de rayon |M(j)| tangent lhodographe
de la fonction de transfert en boucle ouverte. Par la superposition de ces
deux cercles, il resulte que le systme BF tolrera une non linarit statique
situe lintrieur dun secteur conique dfini par un gain minimum,
1 1
et un gain maximum, .
1 + M ( j ) 1 M ( j )
1 1
= 1 + M ( j ) = (32)
1+ | M ( j ) |
1 1
= 1 M ( j ) = (33)
1 | M ( j ) |
4.3 Robustesse en performance
Considrons les deux systmes: (C, M) et (C, P).

La condition de performance sexprime par:

CP CM
petite (34)
1 + CP 1+ C M

Mais, nous avons:

CP CM PM CM 1
= petite (35)
1 + CP 1+ C M M 1 + CM 1 + C P

facteur de stabilit < 1 facteur de sensibilit


Pour la robustesse en performance il est ncessaire dassurer

1
= S p ( j )
1+ C P

Equivalent:
Une commande C qui stabilise un systme nominal (C, M), est
robuste en performance si sa fonction de sensibilit respecte
lexigence ( S p ( j ) petite).
4.4 Calcul de la commande robuste

La fonction de sensibilit est en correspondance avec la robustesse du


systme, et peut tre calibre pour assurer des performances du systme
avec des incertitudes structurelles.

Pour une commande (R, S, T),

A(q 1 ) S (q 1 ) A(q 1 ) S (q 1 )
1
S p (q ) = = (36)
A(q 1 ) S (q 1 ) + B(q 1 ) R(q 1 ) P(q 1 )

Ltude de la fonction de sensibilit.

1. Sp( j ) < 1 (0 dB) attnuation

Sp( j ) = 1 (0 dB) boucle ouverte (37)

Sp( j ) > 1 (0 dB) amplification


2. Pour un systme BF asymptotiquement stable,

0.5 fe

log Sp( j ) df = 0
0
(38)

Si le systme est stable en BO, la somme des aires entre la courbe du module, et
laxe des frquences est zero, donc lattnuation de la perturbation dans une
certaine zone entranera, lamplification dans dautre zone de frquence.

3. (
M ( j ) = S p ( j )
max
)
1
(39)

4. Annulation de leffet des perturbations sur la sortie du systme est obtenue aux
frquences o:

A( j ) S ( j ) = 0 (40)
Par exemple, HS (q-1)=1-q-1 introduit un zro la frquence nulle, donc un rejet
parfait de perturbation.
5. Sp( j ) = 1 aux frquences au

B ( j ) R ( j ) = 0 (41)

Par exemple, HR(q-1)=1+q-1 introduit un zro 0.5fe, ce qui


impliquera Sp( j ) = 1 .

6. Lintroduction des ples auxiliaires P(q-1), asymptotiquement


stables entranera une diminution du module S P ( j ) dans les
zones dattnuation de 1/PF (q-1).
Gabarit et pr-specification de la fonction de sensibilit

Les contraintes de stabilit robuste et de performances robustes, conduisent


lintroduction dun gabarit souhaitable pour Sp(j).

Notons

R(q 1 ) = HR(q 1 ) R' (q 1 ) (42)

S (q 1 ) = HS (q 1 ) S ' (q 1 )

Les performances relles, dsires, prtendent donc une forme du gabarit


bien prcis, comme dans la suite.
Gabarit souhait pour S p ( j )
HR(q-) et HS( q-) sont des polynmes pr-specifis qui assurent le calibrage du
S ( j ) .

On peut crire lquation:

A( q 1 ) S ( q 1 ) + B ( q 1 ) R ( q 1 ) = PD ( q 1 ) PF ( q 1) P ( q 1 ) (43)

R( q 1 ) = HR( q 1 ) R' ( q 1 )

S( q 1 ) = HS( q 1 ) S' ( q 1 ) (44)


P(q 1 ) = PD (q 1 ) PF (q 1 )
R ' (q 1 ), S ' (q 1 ) assurent les performances en rgulation du systme

PD (q-) spcifie les ples dominants

PF (q-) spcifie les ples auxiliaires


Le calcul du rgulateur sera le mme que dans le cas nominal, mais remplaant:
A(q 1 ) A' (q 1 ) = A(q 1 ) HS (q 1 ) et

B( q 1 ) B' ( q 1 ) = B( q 1 ) HR( q 1 ) .

Pour satisfaire le gabarit spcifi du S p ( j ) , on dispose donc de lalgorithme:

1) Choix des ples dominants et auxiliaires de la boucle ferme(PD ,PF ).


2) Choix des filtres HR(q), HS(q) pr spcifis.
Etant donne une bande dattnuation choisie, les ples de la BF et les lments
HR(q-1),HS(q-1) pour satisfaire le gabarit impos de |S(j)|, on peut continuer par:
1 1
3) Calcul du couple R ' ( q ), S ' ( q ) .
4) Examen de la fonction de sensibilit, si la marge du module nest pas
assure, on distingue deux situations:
a) |Sp(j)|max se trouve dans une zone de frquences adjacente la zone
dattnuation.
b) |Sp(j)|max se trouve dans les hautes frquences.
5) Pour le cas a) on introduit une paire de zros dans HS(q-) pour diminuer
|Sp(j)| dans la zone adjacente, et puis les ples auxiliaires haute frquence
PF(q-1).
5) Pour le cas b) on introduit des ples auxiliaires haute frquence.
4.5 Calcul de la commande adaptatif-robuste

Un mcanisme plus rcent, (adaptatif-robust) propose une nouvelle connexion entre les
deux tapes pour la conception des systemes: identification et commande, dans le cadre
dun processus rcursif, qui va vrifier un test de la dgradation des performances
nominales par rapport aux performances ralises.
Dans ce cas, on peut considrer un seul critre J et une norme adquate, pour exprimer les
mesures suivantes:

J(C,P) = mesure des performances realises

J(C,M) = mesure de performances nominales

J(C,P) - J(C,M) = mesure de la dgradation des performances

Quelques restrictions sont mises en vidence :

J(C,M) = petit

J(C,P) - J(C,M) < J(C,M)


Le critre J peut tre utilise pour dclencher le processus itratif, appelant a
la msure de la dgradation des performances pour lvaluation du modle
(substituant le critre JI), et des performances nominales (substituant le
critre JC).
La manire rcursive de ce processus, est dcrite ci-dessous:

M i +1 = argmin J(Ci , P) - J(Ci , M)


M
Ci +1 = argmin J(C, M i +1 )
C

J(Ci +1 , M i +1 ) <

A noter que dans le schma rcursif, le correcteur courant commande


directement le processus rel, pas le model identifi.
5. Commande supervise

Dans les applications temps-rel de conduite, la commande numrique utilise


en rgulation peut tre supervise par un systme de dcision, implant au
niveau hirarchique suprieur.

Le processus P fonctionne dans un rgime qui est assur par les boucles de
rgulation du niveau infrieur.

Lvolution du processus peut tre amliore si on impose un critre de


qualit, grce la supervision du processus.

Il faut avancer par la conception dun niveau suprviseur, ayant pour but,
llaboration de dcisions optimales pour lexploitation du processus.
Les dcisions prennent la forme du vecteur des consignes r, qui reprsente, en
fait, la prescription optimale du processus.

Une logique de supervision permet de prciser la dcision optimale. Cette


dcision est transmise au niveau infrieur, qui doit laborer une nouvelle
commande selon la nouvelle consigne calcule, pour gagner le rgime optimal
valu.

Le niveau de supervision est reprsent par un modle de conduite qui essaye


dabord destimer le processus a partir des entres y et des sorties de qualit z
et ensuite, dvaluer la dcision optimale pour assurer un rgime efficient
dexploitation du processus.
Dans une premire tape, nous avons la responsabilit destimer ce modle
de conduite, associ au processus, par une technique d identification (MC).

z z (, y ).

A ltape suivante, lobjectif est de formuler et de rsoudre un problme


doptimisation (de dcision optimale).

Lvaluation du modle de conduite est utilise pour construire le critre de


qualit Q(y) a laide dune transformation algbrique T:
def
Q( y ) = T [ z (, y )]

La construction dun problme doptimisation qui assure la logique de la


supervision:
max Q( y ),
yD

o D est le domaine admissible du processus.


La solution de ce problme va constituer la dcision optimale:
def
r y = arg max Q( y ).
* *

yD
5.1 Conception du superviseur non linaire

Considrons le processus P, dcrit par le modle de conduite M(y,).

Le modle de conduite est linaire par rapport au vecteur des paramtres et


non linaire par rapport aux entres y:
n
z ( , y ) ( y ) i ( y ) i
T

i =1

Dans cette quation, est un vecteur de fonctions non linaires en y, alors que
n mesure la dimension de vecteurs des paramtres .

Les valeurs de pourraient tre estimes en utilisant la MMC, base sur une
suite de N donnes d'acquisition lentre et la sortie du procssus.
1
N N
= ( y[n]) ( y[n]) ( y[n]) y[n].
T

n =1 n =1
Il faut signaler que les paramtres doivent tre actualiss priodiquement,
avant la prise de dcision.

Pour actualiser les paramtres du modle mathmatique, on utilise une des


MMC en variante rcurrente. Par exemple, la rgle dadaptation pourrait
tre crite comme suit:

[k ] = [k 1] + G[k ] [k ], k *
Le gain G sera valu en fonction des valeurs passes et actuelles de (y).
Une fois les paramtres dtermins, on peut estimer le modle de conduite:
n
z (, y ) T ( y ) ( y)
i =1
i i

et on peut construire ensuite le critre de qualit Q:

[
Q ( y ) = T T ( y ) . ]
Le superviseur ensuite, doit rsoudre le problme doptimisation non linaire au sujet
de Q. Il utilise une mthode doptimisation de type gradient. Comme nous lavons
dj connu, la solution du problme doptimisation est trouve dans une manire
rcursive, comme suit:

y * [0] D
*
y [k ] = y [k 1] k y* [k ], k
* *

La correction y dpend des drives du critre.


*

Dans cette situation, la perturbation v nintervient pas directement, mais par


lintermdiaire des sorties y. Ceci suggre que, dans ce cas la, le superviseur est non
linaire, mais dterministe.

Lapproche suivante va mettre mieux en vidence linfluence de perturbations


alatoires sur les paramtres du modle paramtrique et sur le domaine admissible D.
5.2 Conception d'un superviseur stochastique

On considre le mme modle comme auparavant et que v est une variable alatoire
discrte ayant m ralisations {vi }i1,m sur un espace de probabilit .
L'action de la perturbation v conduit a des modifications alatoires des paramtres et
du domaine admissible de la sortie D. Cette fois-ci, le critre de qualit doit prendre en
compte la dpendance directe de v:
[
Q( y ) = T T ( y )(v) ]
Le problme d'optimisation prend aussi en compte l'action de la perturbation alatoire:
max Q( y )
yD ( v )

La solution de ce problme se trouve dans un des m domaines d'admissibilit qui


correspond a une des m ralisations possibles de la variable alatoire v:
D (v )
*
y (v) D (v) {D (vi )}i1,m
On considre que le domaine admissible est dlimit par les restrictions
algbriques suivantes:
def
D(v) = {y R | A(v) y b(v), y 0}, v {vi }i1,m

Les bornes A(v) et b(v) sont aussi des variables alatoires et on peut noter leurs
ralisations d'une manire naturelle:
def def
Ai = A(vi ), bi = b(vi ), i 1, m

Cette particularit impose une tache de recherche qui va rconstruire des


problmes d'optimisation equivalentes, appels problmes de risque. Il existe
plusieurs possibilits de spcifier le risque et nous allons en prsenter deux.
Optimum risque minimal

Soit le problme doptimisation:


min { ( y )}
yD ( v )

o ( y ) reprsente la probabilit associe l'vnement suivant:

Q( y ) < Q0 T ( y )(v) <Q 0

En fait, mesure le risque d'apparition des valeurs infrieures une valeure


impose. Ce problme a pour but la minimisation du risque que le critre de qualit
soit infrieur un seuil donne. Rappelons que le critre Q doit tre maximis.

La valeure Q0 peut tre valu suite une technique, disons, de moyen . Soit
= E (v) le vecteur moyen des paramtres et P = E ( (v) )( (v) ) > 0 la
def def
T

matrice d'autocovariance des paramtres. On considre alors le problme


d'optimisation suivant, l'gard des valeurs moyennes:
max T ( y ) .
yD ( v )
La solution de ce problme est note par y * et utilise au calcule de Q0 :
def
( )
Q0 = T y * .

L'vnement qui produit la valeur du risque s'exprime d' une manire quivalente, en
employant le seuil Q0 :

T ( y )(v) T ( y ) Q0 T ( y )
( y ) (v) < Q0
T
< .
T T
y Py y Py

La probabilit d'apparition de cet vnement est value l'aide de la fonction de


rpartition F associe l'espace de probabilit correspondant:
Q T ( y )
( y) = F 0 .
y T Py

Si on revient au problme du risque minimum, alors on observe facilement que
minimiser ( y ) c'est minimiser l'argument de la fonction de rpartition F
(il est bien connu que cette fonction est croissante), ou bien c'est maximiser la valeur
oppose de cet argument.

On obtient ainsi le vritable problme du risque minimal:

T ( y ) Q
max 0
,
yD ( v )
y Py
T

qui propose de travailler avec (de type dterministe) o lieu de (v ) (de type non
dterministe).
La solution evalue, reprsente la dcision optimale offrant le risque minimal que le
critre de qualit Q soit infrieur un seuil moyen Q0 .
La valeur 1 ( y * ) mesure en fait le niveau de confiance pour que l'ingalit suivante
soit vrifie:
Q ( y * ) Q0 .

Le risque tant minimal, la confiance sera maximale.


Optimum risque impos

Dans ce cas, le problme intermdiaire est formul comme suit:

max Qs ( y ) ,
yD ( v )

o Qs ( y ) reprsente un seuil suprieur calcul de telle manire que la probabilit


de l'vnement:

Q( y ) = T ( y )(v) < Qs ( y )

soit fix, priori impos, 0 .


Si l'on emploie les notations du paragraphe antrieur, alors on peut crire
l'quivalence suivante:
T ( y )(v) T ( y ) Qs ( y ) T ( y )
( y )(v) < Qs ( y )
T
<
T
y Py y T Py

La valeur du risque tant impose ( 0 ) et la fonction de rpartition F tant


bijective, il rsulte que:
Qs ( y ) T ( y ) def
= 0 = F 1 ( 0 )
y T Py
.
Par consquent, le critre de qualit sexprime tout simplement comme suit:
Qs ( y ) = T ( y ) + 0 y T Py .

Le problme intermdiaire de dpart est quivalent au problme du risque


impose ci-dessous:
[
max T ( y ) + 0 y T Py .
yD ( v )
]
La solution du problme, y * reprsente la dcision optimale offrant, pour un risque
impos 0 , le seuil maximal Qs ( y * ) qui pourrait tre suprieur au critre de qualit Q.

On a, donc, le niveau de confiance 1 0 pour que l'ingalit suivante soit vrifie:

Q ( y * ) Qs ( y * ) .

A ce niveau de confiance correspond le seuil infrieur maximal possible.

La dcision optimale calcule au niveau du superviseur y*, sera transfre dans la


configuration des systmes numriques de rgulation comme des consignes calcules,
r*.

La commande qui va assurer la dynamique des systmes impose par les consignes r*
et aussi un point optimal dexploitation du processus industriel, est en fait une
commande supervise.
6. Etude de cas:
Commande et optimisation des installations de chauffage de lair dans
une acirie
Rsultat de la rcherche ralise concernant un systeme dautomatisation
pour la commande et loptimisation des installations de chauffage de
lair pour lalimentation des fourneaux de lacirie ISPAT-SIDEX en
Roumanie ;

Linstallation de chauffage a des caracteristiques specifiques :


-la composition du combustible, mlange alatoire: le gaz mthane, le gaz
limin par le coke chauff, le gaz de haut fourneau ;
- le comportement nonlineaire de lensemble technologique ;
- les grandes dimensions de l installation donnent des modeles
mathmatiques avec de retard pur et aux paramtres distribus ;
- la qualit de la combustion, la composition du gaz rsiduel est analyse et
mesure par les concentrations dO2 et de CO.

Structure deux niveaux interconnects dans une configuration hirarchique


de conduite :
1. commande numerique implant sur un rseau des microcontrleurs ;
2. supervision pour loptimisation du procd de la combustion
dvelopp sur une console oprateur ;
Lintrt majeur : amliorer lexploitation du processus de combustion, en
utilisant une solution dautomatisation adquate ( a conomiser le gas
mthane).
Deux axes principaux du travail ralis :

1. Conception assiste par ordinateur dune solution dautomatisation


valide en simulation et robuste (qui reste performante) dans lexploitation
en temps rel.

2. Loptimisation du processus de combustion, consommateur important de


lnergie.
6.1 Identification des modles
Identification des modles dynamiques des systmes par la mthode
de moindres carres rcursive (MCR) :

(k + 1) = (k ) + F (k + 1) (k ) 0 (k + 1), k N
F (k ) (k ) T (k ) F (k )
F (k + 1) = F (k ) , k N
1 + T (k ) F (k ) (k )
0 (k + 1) = y(k + 1) T (k ) (t ), k N

avec les conditions suivantes :


1
F (0) = I = (GI ) I ,0 < < 1

(k ) :lestimation des paramtres du modle,
F(k) :le gain dadaptation,
( k ) :le vecteur des observations,
0 ( k ) :lerreur de prdiction.
Logiciel ddi, PIM
6.2 Conception de la commande

La conception de la commande des systmes numriques par des techniques de


placement des ples pour assurer des performances avec des objectifs indpendants

La reprsentation polynomiale de cette commande, de type RST :

T ( z 1) R( z 1)
u (k ) = r (k ) y (k )
S (z )1
S(z ) 1

logiciel ddi, PCREG

6.3 Niveau supervision

Un modle global de conduite labor dans une manire prdictive

z = f ( p , x ) z la sortie de qualit, concentration doxygene.


Un problme doptimisation est construit : a minimiser la concentration
doxygne dans le gaz rsiduel de combustion, qui dpend de deux entres :

x1, le dbit de gaz de combustion

x2, le dbit de lair pour la combustion :


z(%O2 ) = f ( x1, x2 )
sous les restrictions technologiques imposes :
x1L x1 x1H
x2 L x2 x2 H
z1L z1 ( x1, x2 ) z1H
z2 L z2 ( x1, x2 ) z2 H
z3L z3 ( x1, x2 ) z3H

o z1 (%CO),
z2 (temprature de linstallation de chauffage),
z3 (temprature du gaz rsiduel),
La solution ( x1* , x2* )

est calcule en utilisant une mthode numrique du logiciel


SISCON, pour loptimisation paramtrique des systmes ;
reprsente la dcision optimale du rgime de combustion ;

est impose comme les consignes au niveau de contrle qui va


mener le processus dans le point optimal dexploitation.
A. Contrle du procd de combustion

2 systmes en boucle ferme:

dbit du gaz de combustion (FRC-1)


dbit de lair (FRC-2)

Modles du 1-er ordre et rgulateurs de type (R, S, T) :

FRC-1
R1 = 0.0956 0.856 z 1
B1 = 0.19033 z 1
S1 = 0.4758 0.4758 z 1
A = 1 0.90484 z 1
1
T1 = 1 1.809 z 1 + 0.819 z 2

FRC-2

R2 = 0.5907 0.4731 z 1
B2 = 0.1903 z 1
S2 = 0.1903 0.1903 z 1
T2 = 1 1.314094 z 1 + 0.43171 z 2
Module de contrle

FRC-1 combustible : Rponse en poursuite et rgulation


La commande en temps rel est ralise par un algorithme adaptatif.

Pour les variations paramtriques du modle,

( A1k , B1k ) ( A1k +1, B1k +1 )

une autre commande sera calcule chaque priode dchantillonnage :


( R1k , S1k ) ( R1k +1, S1k +1 )

Les valeurs optimales du dbit de combustible et du dbit de l`air de


combustion :
sont calcules au niveau suprieur, de supervision ;
sont transfres automatiquement dans la configuration des
systmes en boucle ferme.
B. Contrle du procd de chauffage

2 systmes en boucle ferme


dbit du gaz de lair froid (FRC-3)
temprature de lair chaud (TRC-4)

Les composants non-linaires de la structure du systme, imposent une


ralisation robuste de cet algorithme.

Ainsi, lalgorithme devient :

R4 = R4 H R 4 , S4 = S4 H S 4
Modles du 2-e ordre et rgulateurs de type (R, S, T) :

FRC-3
R3 = 8.35702 11.111503 z1 + 3.754475 z2
B3 = 0.06777 z 1 + 0.05188 z 2
S3 =1 0.5663 z1 0.4336z2
A = 1 1.3299 z 1 + 4.49258 z 2
3
T3 = 8.35702 11.111503 z1 + 3.754475 z2

TRC-4
R4 = 1.76889 2.03422 z 1 + 0.51875 z 2
B4 = 0.00123+0.000139 z -1

S4 = 0.00123 + 0.000605 z 1 0.001643 z 2


A 4 = 1 - 1.37198 z +0.37623z
-1 -2
T 4 = 1 0.99317 z 1 + 0.24660 z 2
C. Contrle de la composition du gaz combustible

3 systmes en boucle ferme :

debit de gaz mthane (FRC-5)


debit de gaz de fourneau (FRC-6)
debit gaz coke (FRC-7)
Modles du 1-er ordre et rgulateurs de type (R, S, T) :
FRC-5
R5 = 0.27 0.23387 z 1
B5 = 0.03807 z 1
S5 = 0.038065 0.038065 z 1
A = 1 0.9084 z 1
5
T5 = 1 1.63476 z 1 + 0.67099 z 2

FRC-6
R6 = 0.27 0.233846 z 1
B6 = 0.0314 z 1
S6 = 0.0314 0.0314 z 1
A = 1 0.90484 z 1
6
T6 = 1 1.63476 z 1 + 0.670991 z 2

FRC-7
R7 = 0.095682 0.85697 z 1
B7 = 0.47581 z 1
S7 = 0.475813 0.475813z 1
A = 1 0.90484 z 1
7
T7 = 1 1.809155 z 1 + 0.819142 z 2
D. Le niveau doptimisation

Le modle de conduite z (%O2 ) = f ( x1 , x 2 ) a t valu et ensuite les modles


qui expriment les contraintes technologiques pour la concentration z1 de
CO, la temprature z 2 de linstallation et la temprature z3 du gaz rsiduel,
en fonction des variables x1 et x2 ont t calculs :

z1 (%CO) = f 2 ( x1, x2 )
z2 (Tinstallation ) = f 3 ( x1, x2 )
z3 (Tgaz _ rsiduel ) = f 4 ( x1, x2 )

Ces modles, nonlineaires, ont t valus en utilisant la mthode


exprimentale didentification LS.
Pour une collection des msures prleves par un protocol
exprimental: acquisition de donnes en temps rel, 256 observations,
a deux secondes priode dchantillonnage, on a estim les modles
suivants :
z = 9.665 + 0.229 x1 0.0009 x12 + 0.010 x2
z1 = 4282.875 21.566 x1 0.077 x12 21.500 x2
z2 = 1277.613 + 0.001 x12 0.387 x2
z3 = 499.161926 0.002147 x12 3.49945 x2

On a construit un problme doptimisation paramtrique nonlineaire

min z = 9.665 + 0.229 x1 0.0009 x12 + 0.010 x2

0 z1 450 ppm
0 z2 1300o C
avec les restrictions suivantes :
0 z3 340o C
96.309 x1 102.452
46.602 x2 57.992
La solution est le point optimal dexploitation du procd de combustion :

x1* = 97469.85 m3/h - le dbit optimal de gaz combustible,

x2* = 47804.16 m3/h - le dbit optimal de lair de combustion,

pour laquelle rsulte une valeur minimale dO2 dans le gaz rsiduel :
zmin (%O2 ) = 4.65%

Utilisant notre approche, la consommation du gaz combustible a t rduite de


7,2% par rapport au niveau moyen de consommation. Les valeurs optimales au
point ( x1* , x2* )

z1* (%CO) = 415.73 ppm


z2* (Tcupola ) = 1273.25 oC
z3* (T flow gas ) = 311.47 oC.

La dcision calcule ( x1* , x2* ) , est automatiquement transfre comme rfrence


(r1* = x1* , r2* = x2* ) pour le niveau infrieur de contrle, qui a le rle dapporter le
procd de combustion dans ce point optimal dexploitation.
7.Bibliographie

1. I.D.Landau, Identification et Commande des Systemes, Editions Hermes,


Paris, 1995;

2. D.Popescu, S.Gentil, Commande Numerique et Intelligence Artificielle en


Automatique, Editions Tehnica, Bucarest,1998;

3. G.Dauphin Tanguy, L. Foulloy, D. Popescu, Modelisation, Identification


et Commande des Systemes, Editions de lAcademie Roumaine, Bucarest,
2004.
4. D.Popescu, D. Stefanoiu, C.Lupu, C.Petrescu, B. Ciubotaru, C.Dimon,
Automatica Industriala, Ed. AGIR, Bucarest, 2007.