Vous êtes sur la page 1sur 7

See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/311650394

Etude d'un regulateur PID à action integrale floue de systemes dynamiques

Article · January 2015

CITATIONS READS

0 455

2 authors:

Mohamed Amine Ben Brahim Afef Abdelkrim


École Nationale d'Ingénieurs de Tunis École Nationale d'Ingénieurs de Tunis
7 PUBLICATIONS   9 CITATIONS    89 PUBLICATIONS   224 CITATIONS   

SEE PROFILE SEE PROFILE

Some of the authors of this publication are also working on these related projects:

deep learning for image classification View project

Fault Detection and Isolation View project

All content following this page was uploaded by Mohamed Amine Ben Brahim on 15 December 2016.

The user has requested enhancement of the downloaded file.


Etude d’un régulateur PID à action intégrale floue
de systèmes dynamiques
Mohamed Amine BEN BRAHIM#1, Afef ABDELKRIM#2
#
LA.R.A Automatique, Université Tunis El Manar
Ecole Nationale d’Ingénieurs de Tunis
BP 37, Le Belvédère, 1002 Tunis, Tunisie
1
mohamedamine.benbrahim@enit.rnu.tn
2
afef.a.abdelkrim@ieee.org

Résumé— Cet article traite la détermination d’un régulateur L'idée principale de cet article est de combiner des
Proportionnel, Intégral et Dérivé (PID) partiellement fuzzifié techniques conventionnelles et non conventionnelles pour la
pour conférer aux processus ainsi commandé Lorsque seul le conception de contrôleur PID. Cette combinaison consiste en
paramètre intégral est fuzzifié, les résultats montrent que la un contrôleur PD classique pour stabiliser le système
méthode est efficace et peut être suffisante pour imposer la
commandé et un contrôleur intégral flou I pour améliorer les
robustesse du système en boucle fermée. Ce dernier est appliqué
à un système de suspension de bus afin de tester sa robustesse. performances de contrôle essentiellement la précision. Cette
méthode est comparée avec une méthode de régulation PID
Keywords— Système linéaire ; Régulateur PID ; Régulateur
classique. L’intérêt d’utilisation de ce contrôleur c’est la
flou; Partiel PD-I; Robustesse
combinaison des avantages de deux méthodes :
I. INTRODUCTION conventionnelle et non conventionnelle. Le terme (P) a un rôle
important dans l'amélioration de dépassement et d'accélérer le
Il existe plusieurs types de commande qui diffèrent par
temps de réponse. Le terme intégral (I) flou non conventionnel
leurs principes et leurs mises en œuvre. En contre partie,
réduit l'erreur à l'état stable, et le D conventionnel est
plusieurs paramètres doivent être pris en compte tels que: la
responsable de la stabilité [15]. Comme il ne dispose que d'un
précision, la stabilité, le temps de réponse, la fiabilité et la
paramètre supplémentaire à ajuster selon le régulateur PID
robustesse [3]. La commande d’un système doit être robuste
original, il est facile à concevoir et le contrôleur flou PD+ I
en grande partie, assurant un bon fonctionnement du
conserve la structure simple du régulateur PID. Il n’est pas
processus même en présence d’erreurs de modélisation ou de
nécessaire de modifier les pièces matérielles du système de
perturbations. Le critère de robustesse est fixé par le
commande d'origine pour la mise en œuvre [1] [2] [6].
concepteur.
Dans la première section, la commande des systèmes par
Les commandes classiques, les plus utilisées, peuvent être
différentes approches est présentée. Dans la deuxième section,
groupées en deux classes: commande optimale et commande
la commande d’un système du troisième ordre par régulateur
non optimale. La commande optimale permet de vérifier des
classique PID est détaillée. Un contrôleur PID à action
conditions initiales et finales données, de satisfaire diverses
intégral floue est réalisé et appliquée un système pratique de
contraintes et d’optimiser certain critère choisi tels que: temps,
suspension d’un bus dans la troisième section. La robustesse
énergie, consommation... Pour la commande non optimale,
du régulateur proposé est testée. Enfin le rapport signal sur
plusieurs techniques peuvent se présenter en boucle ouverte
(BO) ou en boucle fermée (BF). Dans la plupart des cas, la bruit est calculé.
régulation en boucle fermée est la plus utilisée c’est à dire
II. COMMANDE DE SYSTEMES COMPLEXES -POSITION DU
lorsque la sortie du processus est prise en compte pour
PROBLEME
calculer l’entrée.
Il est bien connu que, jusqu'à présent, un contrôleur de type D’après plusieurs recherches dans la littérature, il n’existe
classique proportionnelle intégrale et dérivée (PID) est le plus pas réellement de systèmes linéaires et tous les systèmes
utilisé dans l'industrie en raison de sa structure de contrôle dynamiques sont non linéaires de nature [4]. Les théories et
simple, sa conception facile, et son coût très faible. Toutefois, les méthodes utilisées pour l’analyse et la conception de
le contrôleur de type PID ne peut pas donner une bonne systèmes de contrôle non linéaires, constituent un objectif très
performance de commande si le système commandé est non complexe. Pour remédier à cette complexité, il faut bien
linéaire ou incertain. Il est intéressant d'utiliser, pour ce genre choisir la méthode la plus adaptée. Prenons l’exemple de la
de systèmes, des techniques de contrôle non commande classique PID : En cas de présence de fluctuation
conventionnelles en particulier la logique floue pour obtenir des paramètres la commande classique devient non robuste.
des performances élevées en termes de robustesse [12]. La Cependant, il est nécessaire d’utiliser des commandes de type
technique de contrôle par la logique floue a été appliquée avec robuste conventionnel. Différentes commandes convent-
succès dans de nombreux secteurs de l'ingénierie [13]. ionnelle robustes sont à considérer. La commande H 
permet de garantir la stabilité et un niveau de performance 7
acceptable pour les systèmes commandés malgré des H ( s) 
(1  T1s)(1  T2 s)(1  T3 s)
incertitudes sur les paramètres et/ou des dynamiques négligées
du processus [9]. Dans la commande par modèle interne, le avec T1  100 ms, T2  10 ms et T3  2 ms.
système de commande comprend un modèle interne qui est un
modèle explicite du processus à commander, un régulateur qui
peut être choisi l’inverse de ce modèle et, si nécessaire, un Ki 
filtre de robustesse [15] [16]. Le but de la commande par
e(t) u(t) y(t)
mode glissant est premièrement d'attirer les états du système +- Kp ++- Système
dans une région convenablement sélectionnée, puis de
concevoir une loi de commande qui maintiendra toujours le Kd d
dt
système dans cette région. Il existe également des commandes
robustes non conventionnelles comme la commande par
logique floue qui présente une solution pertinente pour
conférer au système complexe étudié un comportement Figure 1 : Régulation avec un PID
dynamique désiré tel que le temps de réponse et le
dépassement. Elle fait appel au savoir-faire de l’opérateur Les paramètres du régulateur PID obtenus sont :
humain qui manipule habituellement le processus pour la K p  3,35 Ki  25 Kd  0,02
construction de systèmes de commande simples et
La réponse du système à un échelon unitaire est donnée par la
performants [3] [4] [5]. La commande par réseaux de
figure 2.
neurones tente d’émuler les facultés d’apprentissage et de
restitution des connaissances que possède le cerveau humain
[10] [2]. Cette capacité est exploitée pour la commande de
processus complexes afin de construire des systèmes de
commande capables de s’adapter aux conditions de 1
fonctionnement du système à commander [4]. Le principal
avantage des régulateurs neuronaux réside dans le fait qu’il 0.8
n’est pas nécessaire d’effectuer une analyse mathématique du
processus.
Y

0.6
L’orientation des travaux c’est l’étude de l’influence du
choix d’un régulateur partiellement flou: PID pouvant avoir 0.4
l’action proportionnelle floue ou / et l’action dérivée floue
ou/et l’action intégrale floue. Dans cet article, seul l’action 0.2
intégrale floue est envisagée.

III. SUR LA COMMANDE DES PROCESSUS PAR REGULATEUR PID 0


0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
La commande des processus par régulateur PID est l’une des t(s)
commandes classiques conventionnelles. Ce type de Figure 2 : Evolution de la sortie de système
régulateur est caractérisé par une commande u déduite à
partir du signal de l’erreur e . La loi de commande, dans ce cas, Le signal de commande PID est représenté par la figure 3.
est de la forme :
3.5
u  K p e(t )  Ki  e(t )dt  K d y(t )
3

K p étant le gain proportionnel, K i le temps d’intégration et 2.5

K d le temps de dérivation 2
Le premier montage de la figure 1 représente la régulation
1.5
U

en boucle fermée par un régulateur PID.


La détermination des paramètres du régulateur par 1
différentes approches par linéarisation avec un choix des
0.5
paramètres du PID en fonction des performances souhaitées et
adaptés pour les dynamiques optimales ou non optimales, ou 0
bien par placement de pôles, ou bien la méthode de Ziegler et
-0.5
Nichols. 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
t(s)
Dans ce cas on utilise méthode de Ziegler et Nichols, on
choisit un système oscillant donné par la fonction de transfert Figure 3 : Evolution du signal de commande
suivante :
Les résultats de simulation montrent que la réponse du
N Z P
système présente un temps de réponse de 0.03s et un 1

dépassement de l’ordre de 5.6%. Pour tester la robustesse du 0.8


régulateur on effectue des fluctuations de 1% du paramètre T2
0.6
du système. La réponse du système fluctué est comparée avec
la première réponse donnée par la figure 4. 0.4

0.2

0
1
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
Yf
e(k),de(k)
Y
0.8
Amplitude

Figure 5 : Fonctions d’appartenance de l’erreur e et la variation de


0.6 l’erreur de

0.4
N Z P
1

0.2
0.8

0 0.6
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
t(s) 0.4

Figure 4 : Evolution de la sortie du système initial et du système fluctué


0.2

En comparant les deux sorties on observe un changement 0


de sorties dès une légère fluctuation des paramètres, donc la
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
méthode classique du PID se révèle ainsi non robuste. Pour U(k)
corriger ce problème, la logique floue est utilisée et elle sera
combinée avec la commande conventionnelle. Figure 6 : Fonctions d’appartenance de la sortie u

IV. COMMANDE PAR PID A ACTION INTERGRALE FLOUE Dans cette étude, chaque variable est divisée en trios
PROPOSEE sous ensembles, aboutissant aux neuf règles d’inférences
présentes dans le table I:
D’après la figure 4 la méthode conventionnelle montre que
le régulateur PID est considéré comme non robuste. Le temps
TABLE I. REGLES D’INFERENCES
de réponse du système fluctué est 0.03s par contre le temps de
réponse avec PID est 0.3s : le système devient lent. e
Pour adapter le régulateur aux exigences de N Z P
de
fonctionnement souhaitées, rapidité et précision une
combinaison d’une technique classique de régulation et une N N N Z
technique non conventionnelle est envisagée [7] [8] [16]. Z N Z P
Cette combinaison consiste à utiliser un contrôleur PD P Z P P
classique et un contrôleur intégral flou I pour améliorer les
performances du système étudié. Ce contrôleur utilise un
contrôleur de logique floue à la place du terme intégral, tandis Pour la défuzzification, la méthode d’inférence utilisée est
que les deux termes proportionnel et dérivé sont gardés Max-Min. Le schéma de la figure 7 présente la régulation en
inchangés. Pour tester la robustesse du régulateur proposé, ce boucle fermée par un régulateur PID à action intégrale floue.
dernier est appliqué à un système de suspension du bus. Kp
Les nombreuses possibilités de formulation des fonctions
d’appartenance et des règles d’inférences conduisent e(t) y(t)
évidemment à une grande diversité de ces caractéristiques [3]. +- d RLF Ki  + u(t)
+- Système
Dans cette partie, la formulation du contrôleur est élargie dt
avec deux variables d’entrée e et de, la figure 5 et une sortie u,
Kd d
figure 6. Dans ce cas, on suppose que les variables sont dt
normalisées dans un univers de discours [-1,1]. Le type de
régulateur est comparé avec le régulateur PID. Les fonctions
d’appartenance du contrôleur proposé sont de types
trapézoïdal ou triangulaire comme le montre les figures 5, 6. Figure 7 : Régulation avec un PID à action intégrale floue
V. APPLICATION DU REGULATEUR PROPOSE A UN SYSTEME DE
SUSPENSION D’UN BUS
0.1
La réponse du système de suspension d’un bus est achevée,
0.09 Y-P I* D
afin de démontrer l'efficacité et la robustesse du contrôleur
Y-PID
flou PD+I proposée, par des simulations numériques. En 0.08

négligeant la raideur et le coefficient d’amortissement dus aux 0.07

pneus.

Amplitude
0.06

0.05

m 0.04

0.03

0.02
k b X 0.01

0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
t(s)

Figure 10 : Evolution de la sortie du système avec le régulateur PI*D


et PID
w

Commande P I* D
Figure 8 : Suspension d’un bus 1
Commande PID

k et b sont respectivement la raideur et le coefficient 0.8


d’amortissement de la suspension et m la masse du quart du
bus. L’entrée w(t ) représente la déformation de la chaussée.
Amplitude

0.6

L’étude des mouvements du châssis du bus x(t ) en fonction 0.4

du signal w(t ) . Le système, figure 8, est régi par l’équation


0.2
différentielle suivante :
0
mx(t )  b( x(t )  w(t ))  k ( x(t )  w(t ))
avec les données numériques suivantes : m  2500 Kg , -0.2
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
1 1
k  80000N .m et b  350 N.s.m t(s)

La réponse du système est oscillante, figure 9. De


plus, elle est néfaste pour l’actionneur et peut le Figure 11 : Evolution du signal de commande des deux régulateurs
détériorer. Pour effectuer la régulation de ce système L’emploi du régulateur PID à action intégrale floue
avec le régulateur proposé, on procède à chercher les présente une très bonne performance de régulation par rapport
différents gains du régulateur PID au régulateur PID classique. Le temps de réponse à 95% pour
K p  4, 42, Ki  4, Kd  0.98 . le cas du PI*D est 0.17s et il est de 0.66 pour le PID.
La réponse du système avec le régulateur proposé et le Pour tester la robustesse du régulateur hybride un
régulateur PID ainsi que les deux signaux de commande changement du point de consigne et des perturbations à
sont données dans les figures 10 et 11. l'entrée est effectué.
0.2 L’asservissement lorsqu’on cherche à rejeter les
0.18 perturbations qui peuvent affecté la mesure. Sa performance
0.16 est définie par le taux de rejet de la perturbation dans ce
0.14 moment oùla mesure ne sort pas de la plage acceptable autour
0.12
du point de consigne. Comme le rejet de perturbation est un
Amplitude

0.1
objectif important pour toute méthode de contrôle, nous
0.08
appliquons des perturbations instantanées sur le système en 2s
0.06
de durée 0.5s. La figure 12 représente les évolutions des
0.04
sorties du système associé à un régulateur PI*D, PID et la
0.02
consigne représnt »es respectivement par un trait plein (-), par
0
0 0.5 1 1.5 2 2.5
t(s)
3 3.5 4 4.5 5 un trait pointillé (..) et un trait gras. La simulation montre que
le régulateur a réussi à maintenir la sortie dans la trajectoire
Figure 9 : Réponse du système en régime libre désirée, figure 12, la consigne appliquée au système étant
représentée comme suit:
 yc (t )  0.1 pour 0  t  2 db pour le cas d’un bruit de 30% du signal d'entrée, figures 14
 et 15.
 yc (t )  0 pour 2  t  2,5
 y (t )  0, 2 pour 2,5  t  5
 c
0.1

Y PI* D
Après régulation le système arrive à suivre la référence et
les points de consigne. La figure 12 montre que le régulateur 0.05
hybride est plus robuste lorsque le point de consigne est
appliqué,

Amplitude
0

0.2

P I* D
-0.05
PID
0.15 Consigne

-0.1
Amplitude

0.1

0.05
0 1 2 3 4 5
t(s)
0

0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5


Figure 14 : Evolution de la sortie du système avec un bruit de
t(s) 10%
Figure 12 : Evolution de la sortie de système
Y- PI*D
2.5 0.1
Commande P I* D
Commande PID
2

0.08
1.5
Amplitude

1 0.06
Amplitude

0.5
0.04
0

-0.5 0.02

-1
0
-1.5 0 1 2 3 4 5
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
t(s) t(s)

Figure 13 : Evolution de signal de commande Figure 15 : Evolution de la sortie du système avec un bruit de
30%
VI. ESTIMATION DU MINIMUM DU RAPPORT SIGNAL SUR BRUIT
Dans le cas de bruits blancs, le comportement du régulateur VII. CONCLUSION
change de radicalement, le rapport signal sur bruit (SNR) est Cet article traite de la synthèse d'un régulateur PID flou
donc utilisé pour évaluer l'influence du bruit sur le système de partiel (PD+I). Dans le dispositif de commande proposé, le
sortie. Dans ce cas, nous allons discuter l'estimation du terme I du PID classique est remplacé par un contrôleur flou
minimum du rapport signal sur bruit donné par : incrémental. Puis, les deux contrôleurs, classiques et (PD+I),
sont comparés et testées sur un système de suspension de bus.
 2  Un des buts du contrôleur PD + I flou proposé est d'améliorer
SNR= 10log10  2 
  les performances de contrôle des systèmes qui sont déjà
contrôlées par des régulateurs de type PID. Ces résultats
où  est la moyenne du signal et  la déviation standard du montrent l'efficacité et la robustesse du régulateur proposé.
bruit. Afin de tester la robustesse de la régulation proposée, Cette robustesse est testée par un changement de consigne et
plusieurs tests sont effectués par l'addition d'un bruit blanc un ajout de perturbation à l’entrée. Il est intéressant de
gaussien au signal de sortie. Pour le bruit ajouté de 10% du généraliser l'approche proposée pour les applications
signal d'entrée nous obtenons le SNR minimum est de 21.76 industrielles.
REFERENCES [9] J. Ackermann, ‘’Robust control : systems with uncertain physical
parameters’’,Springer,Verlag,Paris.
[1] W. Li, ‘’Design of a Hybrid Fuzzy Logic Proportional Plus [10] A. Abdelkrim, ‘’Contribution à la modélisation du processus d’écriture
Conventional Integral-Derivative Controller’’, IEEE, Transactions on à la main par approches relevant du calcul évolutif’’, Thèse de
Fuzzy Systems, vol. 6, n°4, November 1998. Doctorat, ENIT,Tunis,2005
[2] M. Benrejeb, A. El Abed-Abdelkrim et M. Sano,’’Sur l’étude du [11] Bao-Gang Hu, George K. I. Mann, Raymond G. Gosine, ‘’ A
processus d’écriture à la main. Approches classiques et non Systematic Study of Fuzzy PID Controllers—Function-Based
conventionnelles’’, Revue Electronique e-STA, Vol 3 no.1, Premier Evaluation Approach’’, ieee, transactions on fuzzy systems, vol. 9, n°5,
trimestre 2006. October 2001
[3] P. Borne, ‘’Introduction à la commande floue’’, Editions Technip, [12] S. Bouallègue, M. Ayadi, J. Haggège and M. Benrejeb, “A PID type
Paris, 1998 . fuzzy controller design with flatness-based planning trajectory for a
[4] J. Haggège, ‘’Sur la synthèse de processus complexes par des DC drive,” IEEE International Symposium on Industrial Electronics
méthodes neuro-floues’’, Thèse de Doctorat, Mai 2003, ENIT, Tunis. ISIE, pp. 1197-1202, Combridge, 2008.
[13] S. Bouallègue, M. Ayadi, J. Haggège and M. Benrejeb, “Design of
[5] M.A. Ben Brahim, C. Ghorbel, A. Abdelrim et M. Benrejeb, ‘’LMI- fuzzy flatness-based controller for a DC drive,” Control and intelligent
based tracking control for Takagi-Sugeno fuzzy model’’, CSSim systems, vol 30, n°3, pp. 164-172, 2010.
International Conference on Computer Modelling and Simulation, 3-5 [14] M. Naceur, D. Soudani, M. Benrejeb and P. Borne “On internal
September, Brno, 2012. multimodel control for non linear system,” Multiconference on
[6] A. Sakly, B. Zahra et M. Benrejeb, ‘’Etude de la stabilité d’une classe Computational Engineering in Systems Applications”, Vol 1,
de systèmes de commande floue de type Mamdani’’, Revue Novembre 2006.
Electronique e-STA, vol 6, n°3, pp. 31-39, 2009. [15] M.A. Ben Brahim, A. Abdelkrim and M. Benrejeb, “On the design of
[7] K. Hachemo, B. Mazari, H. Oirkozk, A. Al Jazi et M. Laouer, ‘’Etude process fuzzy PID controller,” 2nd International Conference on Control,
comparative des Régulateurs : Autopilotage d’un Moteur Synchrone a Decision and Information Technologies (CoDIT'14), November 3-5,
Aimant Permanent’’ Damascus Univ. Journal, Vol. 21, No. 2, 2005. Metz, 2014.
[8] J.V. Dieulot, L. Dubois, P. Borne,‘’Composite Fuzzy-conventional [16] S. Bel Hadj Ali, A, El Abed Abdelkrim and M. Benrejeb, “An inernal
control’’, IEEE, Systems Engineering in the Service of Humans, vol 4, model control strategy using artificial neural networks for a class of
pp. 687-695,leTouquet,1993. nonlinear systems, ” IEEE International Conference On Systems Man
and Cybernetics, October 6-9, Yasmine Hammamet, 2002.

View publication stats