Introduction

Modélisation et Identification des systèmes

Par Dr. BENMOUSSA

Dr. BENMOUSSA, S Modélisation et Identification des systèmes 1

Information pratiques
Organisation du cours magistral:
- Volume horaire : 1h30/semaine
- Nombre de crédits : 2, Coefficient : 1
- Mode d’évaluation : Note d’examen à 100 %

Organisation des travaux pratiques :

- Volume horaire : 1h30/semaine
- Nombre de crédits : 2, Coefficient : 1
- Mode d’évaluation : Contrôle continu à 100 %

Enseignant responsable : Dr. Benmoussa, S.

• Email : benmous2a.samir@gmail.com

Dr. BENMOUSSA, S Modélisation et Identification des systèmes 2

Objectifs du cours

L’objectif de cet enseignement est la présentation de

notions fondamentales et de méthodes de base qui
permettent à un automaticien de développer des
modèles de représentation décrivant le comportement
entrée-sortie d’un processus à commander dans le but
de mettre au point un régulateur performant.

Dr. BENMOUSSA, S Modélisation et Identification des systèmes 3

Contenu du cours
Chapitre 1. Modélisation : (3 semaines)
Modèle de représentation, Modèle de connaissance (modélisation des systèmes mécaniques,
électriques, fluidiques, thermiques, ….).

Chapitre 2. Rappel des méthodes de base en Automatique : (4 semaines)

Réponse temporelle d'un système, Identification directe à partir de la réponse temporelle, Approche
fréquentielle

Chapitre 3. Principe d'ajustement du modèle : (4 semaines)

Modèle linéaire par rapport aux paramètres, Minimisation du critère d'ajustement et calcul de la
solution optimale, Ecriture matricielle de la méthode des moindres-carrés.

Chapitre 4. Analyse de la méthode des moindres-carrés : (3 semaines)

Biais d'estimation, Variance de l'estimation, Estimateur du maximum de vraisemblance, Rejet des
mesures aberrantes.

Chapitre 5. Moindres-carrés récursifs : (1 semaine)

Principe du calcul récursif, Mise en œuvre de la méthode récursive, Facteur de pondération, facteur
d'oubli.

Dr. BENMOUSSA, S Modélisation et Identification des systèmes 4

Objectifs des TPs

Le but de ces TP est de mettre en pratique les méthodes

de modélisation et d’identification présentées au cours.

Connaissances préalables recommandées :

L’étudiant doit maitriser l’outil informatique, en particulier la
simulation par la toolbox Simulink de MATLAB, Cours modélisation
et identification des systèmes

Dr. BENMOUSSA, S Modélisation et Identification des systèmes 5

Contenu :
• TP1 : Initiation à MATLAB/Simulink,

• TP2 : Simulation d’un système décrit par l’équation d’état et fonction de

transfert (Simulink)

• TP3 : Identification non-paramétrique par La méthode de déconvolution

• TP4 : Identification non-paramétrique par la Méthode de corrélation

• TP5 : Identification paramétrique par la Méthode de Broïda

• TP6 : Méthode des moindres carrées

Dr. BENMOUSSA, S Modélisation et Identification des systèmes 6

 Modélisation Principe Moindres-carrés
d'ajustement récursifs
du modèle

Rappel des méthodes Analyse de la

de base en Automatique méthode des
moindres-carrés

Dr. BENMOUSSA, S Modélisation et Identification des systèmes 7

Définition d’un système
• Ensemble organisé dans un but fixé ou
• Ensemble de processus physique-chimiques en évolution et de
procédés de réalisations de ces processus.

On distingue :
• Petits systèmes : ils se limitent à un processus type unique
(réacteur, vanne, … etc.)

• Grands systèmes : ensemble de petits systèmes (usine chimique,

colonne de distillation, … etc.)

Dr. BENMOUSSA, S Modélisation et Identification des systèmes 8

Définitions Entrées/ Sorties d’un système

Entrées Sorties
Système

Signal d’entrée : indépendant du système. il agit sur le système. Il se

décompose en commandable et non-commandable (perturbations)
Moyen de réalisation : Actionneur

Signal de sortie : dépendant du système et de signal d’entrée. On

distingue sortie observable et non observable
Moyen d’observation : capteur

Dr. BENMOUSSA, S Modélisation et Identification des systèmes 9

Système de commande
Perturbation

Ordre(s) Système de Action de Système à Sortie(s)

commande commande commander

• Ordres : Consigne , but fixé : exemple fixer une température à

37 °c ou fixer une trajectoire d’un avion.
• Action de commande : Action susceptible de changer l’état du
système à commander. Elle est élaborée en fonction des ordres.
• Perturbations : variable aléatoire dont on ne connaît pas
l’origine (ex bruit).
• Sortie : variable à contrôler

Dr. BENMOUSSA, S Modélisation et Identification des systèmes 10

Système en BO Vs BF
Commande ( )

Correcteur Système
Consigne ( ) Sortie ( )

Système en boucle ouverte (un système aveugle)

Erreur ∆ ( ) Commande ( )

Correcteur Système
Sortie ( )
Consigne ( )

Capteur

Système en boucle fermée

Dr. BENMOUSSA, S Modélisation et Identification des systèmes 11
Propriétés d’un système contrôlé
Le rôle d’un automaticien est de concevoir un Système de commande qui soit :

• Stable : La grandeur de sortie doit converger vers une valeur finie si le signal
d’entrée est aussi limitée
• Précis : La grandeur à mesurer doit être la plus proche de celle désirée à
l’état statique
• Rapide : Il doit répondre rapidement à une excitation.

Dr. BENMOUSSA, S Modélisation et Identification des systèmes 12

Méthodologie de l'analyse des Systèmes
• Un système de commande sera présenté sous forme dite à contre réaction
(CR) unitaire

( ) ( ) ( )
Correcteur Système

But de l’automaticien : concevoir un SC précis, stable et rapide. comment ?

• Analyser le processus (modélisation, identification)
Problème d’analyse
• Agir sur le correcteur (choix des paramètres optimum ...)
Problème de synthèse

Dr. BENMOUSSA, S Modélisation et Identification des systèmes 13

Modélisation des systèmes dynamiques
Définitions
• Modélisation ? : Ensemble des procédures permettant d’obtenir
un modèle
• Modéliser un système :être capable de prédire le
comportement du système.
• Subjectivisme de la modélisation : le modèle = intersection du
système et du modélisateur
• Modèle jamais "exact"?

Importance
• Outil d'aide à la décision. Support de la simulation,
• Représente 50 % d’un projet de commande
• Perspectives grâce à l'informatisation

Dr. BENMOUSSA, S Modélisation et Identification des systèmes 14

Modélisation : deux approches
Modèle de connaissance (Boite blanche) : (Analytique, mathématique)
• Obtenu sur la base des lois physiques, économiques etc..
• Hypothèses simplificatrices;
• Difficultés de décrire fidèlement les phénomènes complexes;
• Dilemme : précision-simplicité;
• Un modèle simple est faux, un modèle compliqué est inutilisable.;
• Les paramètres ont un sens physique donc modèle commode pour l'analyse.

Modèle de représentation (Boite noire) (Expérimentale) : par Identification

• Expérience active (système dérangé) ou passive (aléatoire);
• Etape qualitative (connaissances a priori) et quantitative;
• Paramètres du modèle n'ont aucun sens physique;
• Modèle de conduite (modèle E/S) utile pour la commande;

Dr. BENMOUSSA, S Modélisation et Identification des systèmes 15

Type de modèles dynamiques

Les modèles dynamiques sont de deux sortes :

Modèles paramétriques
(fonction de transfert, équations différentielles)
Y (s) ke−τ s
H (s) = =
U ( s ) (1 + Ts ) n
Modèles non paramétriques
(réponse fréquentielle, réponse à un échelon)

Dr. BENMOUSSA, S Modélisation et Identification des systèmes 16

Merci pour votre attention !