Vous êtes sur la page 1sur 4

Donne ce TP en appliquons quelques techniques de base en

indentification à savoir méthodes graphique et les méthodes numériques que


base sur des calcule simples, pour réponse indicielle d’un système linéaire
d’ordre 1.

1).rappalle :
Un système de première ordre est décrit par une équation différentielle
linéaire à coefficient constant :
𝑑𝑠(𝑡)
𝜏. + s(t) =k.e(t)
𝑑𝑡
Avec :
-𝜏: 𝑐𝑜𝑓𝑓𝑖𝑡𝑖𝑜𝑛 𝑑𝑒 𝑡𝑒𝑚𝑝𝑠
-la fonction de Transfer est :
𝑆(𝑃) 𝐾
H(P)= =
𝐸(𝑃) 1+𝜏.𝑃
𝐾
 SI il a un retarde on a : H(P)= 𝑒 −𝑇𝑑.𝑃
1+𝜏.𝑃
Avec Td : est temps de retarde
K : gain statique
𝜏 ∶ Constant de temps

Pour calcule le paramétrer statique et dynamique en utilise quelque


méthode :
 Paramétré statique :
𝑦(∞)
-le gain statique est K= (avec U0 est amplitude
𝑈0
d’entre et Y(∞) est la valeur de sorte en régime permanente).
-le temps de retarde aparté de graphe.
 Paramétré dynamique :

le constant de temps 𝜏 ∶ on a deux type de méthode


--méthode graphique :
1)-la réponse a 63% de la réponse indicielle.
2)-la tangent ou point (0,0).
--méthode numérique :
1)-la tracé dans le plan semi-logarithmique :
On a : y=k.u0(1-e-t/T)
Y=k.u0 – k.u0.e-t/T
Log(k.u0 – y)=log(k.u0)-t/T
Log(z(t))= log(k.u0)-t/T (avec z(t)= k.u0 – y)

2)-la réponse échantillonnée :


Le but est d'échantillonner la réponse impulsionnelle ou indicielle du
système avec une
cadence ∆. Puis, on fait les transformations suivantes pour déduire T.
Dans le cas de réponse
indicielle :
y=k.u0(1-e-t/T)
Y=k.u0 – k.u0.e-t/T
𝑧(𝑡) = 𝑘. 𝑢0 − 𝑦 = 𝑘. 𝑢0 . 𝑒 −𝑡/𝑇
Z(t+∆)=k.u0.e-t/T.𝑒 −∆/𝑇
Z(t+∆)=z(t). 𝑒 −∆/𝑇

2).excution par MATLAB :


Les instructions Matlab à traiter pendant ce TP :
-déclaration d’un système : tf
-simulation de la réponse temporelle y(t) d’un système suite à une
entrée quelconque : lsim
-graphisme : plot,subplot,title,xlabel,ylabel,legend,hold on.
-divers: ones,size.

Travail demandé:
%tp2_techn_de_base_d'iden(ordre1)
%fateh_bait
%09/11/2017
clc
clear all
close all
%------------------q1--------
t=0:0.5:9.50;
u0=2;
u=u0*ones(size(t));
y=[0 0.66 1.18 1.58 1.9 2.14 2.33 2.48 2.59 2.68 2.75
2.81 2.85 2.88 2.91 2.93 2.95 2.96 2.97 2.97];
%--------------------q2---------
save datatp2.mat
plot(t,u,'r')
hold on
plot(t,y)
grid
xlabel('le temps')
ylabel('la sorte y et entre u')
legend('u','y')
title(' sorte de 1 ordre')
%-----------q3-------------
k=y(end)/u0

%---------------q4---------------
%methode de la tangente
tau1=2.1
g1=tf(k,[tau1 1])
%methode de 0.63 de la reponce
ym=max(y)
y_tau=0.63*ym
max_idx=min(find(y>=y_tau))
tau2=t(max_idx)
g2=tf(k,[tau2 1])

%methode de semi-logarithmidue
z=k*u0-y;
figure;
plot(t,log(z))
alpha1=0.6
tau3=1/alpha1
g3=tf(k,[tau3 1])

%methode de échantillonnée
figure;
plot(z(2:end),z(1:end-1))
alpha2=1.3
tau4=0.5/(log(alpha2))
g4=tf(k,[tau4 1])
%------------------q5-------------
y1=lsim(g1,u,t);
y2=lsim(g2,u,t);
y3=lsim(g3,u,t);
y4=lsim(g4,u,t);
%-------------------q6-------------------------
figure;
subplot(221)
plot(t,y,'b',t,y1,'r')
subplot(222)
plot(t,y,'b',t,y2,'r')
subplot(223)
plot(t,y,'b',t,y3,'r')
subplot(224)
plot(t,y,'b',t,y4,'r')
%-----------------------q7-----------------
er1=sum((y'-y1).^2);
er2=sum((y'-y2).^2);
er3=sum((y'-y3).^2);
er4=sum((y'-y4).^2);
a=min(er1,er2);
b=min(er3,er4);
if (a<b)&&(a==er1)
disp('le meilleure methode est : la tangente')
elseif (a<b)&&(a==er2)
disp('le meilleure methode est : la réponse 63%')
elseif (b>a)&&(b==er3)
disp('le meilleure methode est : le plan semi-
logarithmique')
else
disp('le meilleure methode est : la réponse
échantillonnée')
end