Vous êtes sur la page 1sur 4

Estimation

Estimation des paramétres du modèle


Estimation
Déterminer les valeurs des paramètres du modèle sur la base des observation E/S
tel que la sortie du modèle soit la plus proche du système réel selon un critère fixé
[2]
- Le modèle : est une représentation mathématique d'un système étudié. Il peut
également être défini comme un programme informatique qui décrit les
mécanismes du système
La détermination d’un modèle
La détermination d’un modèle mathématique d’un système physique consiste en
a- La détermination de sa structure (étape qualitative)
 Modèles paramétriques comme les équations différentielles ou les
fonctions de
transfert.
 Modèles non-paramétriques comme les réponses impulsionnelles ou
fréquentielles

b- La détermination des valeurs numériques de ses paramètres (étape


quantitative)

Établir un modèle paramétrique par des données expérimentales se fait en six


étapes de base [3]:
I. Choix de l'entrée à appliquer au procédé afin d'obtenir des couples
Entrées/Sorties pertinents
II. Choix de la structure du modèle
III. Définition d'un critère de qualité
IV. Optimisation de la fonction de coût associée pour obtenir une valeur
numérique optimale des paramètres, et pour choisir probablement la
structure de modèle la plus adaptée,
V. Évaluation de l'incertitude dans les paramètres prévus,
VI. Validation des résultats.

Méthodes d’estimation :
1/Principe des moindres carrés
2/ Principe du Maximum de Vraisemblance
L’identification

Définitions de l’identification
L’identification d’un système c’est la détermination de son modèle mathématique
sur la base des observations expérimentales entrées sorties.
Le traitement mathématique des réponses graphiques du système est appelé
identification.
Le modèle obtenu est dit de conduite ou de représentation [2]
Etapes d’identification
Etapes de l’identification [4] [5]
Choix des entrées
 entrée centrée, perturbant peu la sortie,
 spectre riche (pour avoir beaucoup d'informations
Choix de la structure du modèle à identifier
-les modèles pour la commande qui ont une structure simple et n’ont besoin de
représenter fidèlement le système que dans une bande de fréquences assez étroite.
- les modèles de simulation et d’analyse qui pourront prendre en compte des
phénomènes
négligés dans le modèle de synthèse, aboutissant à une structure plus complexe
Critère (fonction de coût)
 Critère quadratique
 Critère en valeur absolue
 Critères du maximum de vraisemblance
 les méthodes récursives et non-récursives
Méthode de moindre carée
CLASSIFICATION DES METHODES D’IDENTIFICATION. [2]
1/ Méthode de base
Basées sur les réponses graphiques (indicielles, impulsionnelles)
2/Méthodes du modèle :
Ajuster manuellement ou automatiquement la structure ou les paramètres
du modèle jusqu’à ce que ε →min.
3/ Méthode statistiques
* Basées sur les MMC
4/ Théorie de l’estimation et filtrage
*Estimation de l’état du procédé à partir des E/S.
5/ methode directe : [1]
 Méthode Broîda
La méthode de Broîda est une méthode d'identification en boucle
ouverte d'une réponse indicielle expérimentale qui consiste a assimiler la
fonction de transfert d'un système d'ordre n à celle du premier ordre affectée d'un
retard pur
 Méthode de STREJC
La méthode d'identification de STREJC est basée sur les propriétés géométriques
de la réponse indicielle d'un système d'ordre n de fonction de transfert
 Méthode de CSYPKIN (échantillonnée)
 Méthode RECURSSIVES :

o Méthodes récursives pour l'identification du système


o Méthodes De Moindres Carrés Récursifs (RLS)

 Identification basée sur l'erreur de prédiction


 Identification basée sur l’erreur de sortie
 ajustement de courbe [6]
 algorithme génétique

Filtre de Kalman [7]


Les principales équations du filtre de kalman à réaliser
1- Le gain de kalman
2- L'estimation actuelle
3- L'erreur actuelle
Bibliographie

[1] Amine HADJ ABDELKADER Document de cours pour les étudiants de M1 en


‘Contrôle des Processus’
[2] Professeur Belkacem OULD BOUAMAMA Identification des Systèmes
[3] Eric WaIter, Luc Pronzato : “Identification of parametric Models from
experimental data”, Edition Masson 1997.
[4] D. Landau, Gianluca Zito : “Digital Control Systems”, Springer, London 2006.
[5] Belkacem Kada : “Contribution a l'identification et l'identification en ligne en
vue de la base de la commande automatique en temps réel des systèmes
complexes”, Thèse doctorat, Université Laval, Québec 2006
[6] Kirti gupta master of engineering in power system and electrical
drives july 2014
[7] support de cours Ecole Supérieure science appliqué Alger