Académique Documents
Professionnel Documents
Culture Documents
Thème:
Promotion: 2017/2018
Dédicace
Je dédie ce modeste travail à ceux que
sont :
Sommaire
Introduction générale…...........................................................................................................1
Chapitre I : Description et modélisation de moteur à courant continu
I.1. Introduction………………………………………………………………………………...3
I.2. Présentation de la machine à courant continu……………………………………………...3
I.2.1. Constitution générale de moteur à courant continu……………………...………....4
A. Stator (inducteur)………………………………………………………………..4
B. Rotor (induit)…………………………………………………………………….4
C. Collecteur et balais………………………………………………………………5
I.2.2. Principe de fonctionnement…………………………………………………………5
I.2.3. Choix d’un moteur à courant continu……………………………………………….6
A. Moteur à excitation shunt (parallèle)…………………………………………….6
B. Moteur à excitation série…………………………………………………………7
C. Moteur à excitation séparé (indépendante)………………………………………7
D. Moteur à excitation composé…………………………………………………….8
I.2.4. Les avantages et les inconvénients des machines à courant continu………………..9
I.3. Modélisation de moteur à excitation séparée (Indépendante)…………………………......9
I.3.1. Mise en équation…………………………………………………………………….9
I.3.2. Fonction de transfert du moteur……………………………………………………10
I.4. Simulation en boucle ouverte…………………………………………………………….11
I.4.1. Résultats de simulation……………………………………………………………12
I.4.2.Interprétation des résultats………………………………………………………….12
I.5 Conclusion………………………………………………………………………………...12
Chapitre II : La commande adaptative
II.1. Introduction……………………………………………………………………………...13
II.2. Généralités sur la commande……………………………………………………………13
II.2.1. Système de commande…………………………………………………………...13
II.2.2. Organe de commande…………………………………………………………….14
II.2.3. Propriétés d’un système commandé……………………………………………...14
II.2.4. Régulateurs PID………………………………………………………………….14
II.2.4.1. Les actions PID…………………………………………………………15
A. Action Proportionnelle………………………………………………...15
B. Action Intégrale……………………………………………………......15
i
Sommaire
C. Action Dérivé………………………………………………………….16
II.3. La commande adaptative………………………………………………………………...16
II.4. Techniques de la Commande Adaptative………………………………………………..17
II.4.1. Commande adaptative à gain programmé………………………………………..18
II.4.2. Commande adaptative Auto ajustable……………………………………………18
II.4.3. Commande adaptative à modèle de référence……………………………………19
A. Structure parallèle…………………………………………………………….20
B. Structure série…………………………………………………………………20
C. Structure série parallèle…………………………………………………….....20
II.4.3.1. Règle de MIT…………………………………………………………………...21
II.4.3.2. Hypothèses de la commande adaptative à model de référence………………...22
II.5.Conclusion………………………………………………………………………………..22
Chapitre III : La commande IFT ''itérative feedback tuning''
III.1. Introduction……………………………………………………………………………..23
III.2. Développement de l’Itérative Feedback Tuning………………………………………..23
III.2.1. Critère de synthèse……………………………………………………………..23
III.2.2. Minimisation du critère…………………………………………………….......25
III.2.3. Signaux de sortie……………………………………………………………….25
III.2.4. Signaux d’entrée……………………………………………………………….27
III.2.5. Estimation du gradient…………………………………………………………28
III.2.6. Paramètres de la conception……………………………………………………28
III.2.6.1. Modification de la direction de recherche…………………………...28
III.2.6.2.Choix du pas i……………………………………………………….29
iii
Liste des
figures
Liste des figures
iv
Liste des figures
v
Liste des
tableaux
Liste des tableaux
vi
Symboles et
abréviations
Symboles et Abréviations
vii
Introduction
Générale
Introduction générale
Introduction générale
L’évolution technologique incessante que connait le début du 21eme siècle nous lance
dans un univers ou la performance est un objectif de tout moment. Généralement, en
Automatique, il ne s’agit plus de déterminer et d’ajuster des stratégies de commandes
adéquates pour maintenir les entrées d’un système a des points de consigne désirée, mais
plutôt de faire fonctionner ces systèmes de façon a optimiser un critère de performance donne
tout en respectant des contraintes de fonctionnement.
Dans la plupart des processus industriels, en particulier les moteurs électriques, il est
indispensable de maitriser certains paramètres physiques (vitesse, position, angle,...), il est
donc très souvent nécessaire d'avoir recours à une commande.
L’objectif de la théorie de commande est l’analyse et la résolution des problèmes de
commande qui émanent de l’environnement industriel. Des raisons économiques et de
sécurité, conduisent à la recherche d’une loi de commande de plus en plus performante afin de
garantir l’efficacité et le rendement de production.
Les systèmes de commande comprennent un élément nécessaire qui est le régulateur qui
effectue le calcul de la commande à appliquer au processus à partir de la consigne et de l’état
du Processus.
Les régulateurs les plus utilisés dans les applications industrielles, sont les régulateurs de
type PID, car il possède une structure simple et des bonnes performances dans certaines
conditions. Dans la littérature les régulateurs PID peuvent être divisés en deux types :
Le premier type : les paramètres du régulateur sont fixés durant l’opération du contrôle, ces
paramètres sont choisis d’une façon optimale par des méthodes connues telles que
l’imposition des pôles, l’approche de Ziegler et Nichols …, ils sont simples, mais leur
inconvénients est : qui ‘ils sont linéaire et ne peuvent pas contrôler les systèmes ayant des
changements des paramètres et une grande non linéarités.
Le deuxième type : Ils ont une structure identique aux régulateurs PID, avec une adaptation de
leurs paramètres en temps réel, ces régulateurs sont dits PID adaptatifs.
Dans ce travail, nous nous intéressons à l’étude et l’application des deux méthodes de
commande, pour le but de la régulation en vitesse d’un moteur à courant continu.
La première méthode est la commande adaptative, définie comme une commande
permettant au régulateur de s’adapter, son utilisation requiert la mesure d’un certain indice de
performance qui est comparé a l’indice désiré, à partir de l’écart obtenu, le mécanisme
1
Introduction générale
En fin, nous terminons notre travail par une conclusion générale qui donnera une synthèse des
études effectuées, et résumera les principaux résultats obtenus, ainsi que les perspectives
envisagées pour d’éventuelles améliorations.
2
Chapitre I
Description et
modélisation de
moteur à courant
continu
Chapitre I Description et modélisation de moteur à courant continu
I.1. Introduction
Les machines à courant continu ont été majoritairement utilisées dans les entrainements à
vitesse variable. Ceci tient au fait que son fonctionnement est d’une grande simplicité, de
même que sa modélisation, surtout à ses performances statiques est dynamique
exceptionnelles.
Ce chapitre fait une brève description du moteur à courant continu, et leurs différents types
existant dans la littérature. Une modélisation du moteur et ensuite illustrée en se basant sur
des équations électrique, électromagnétique et mécanique, puis une fonction de transfert qui
sera utilisée dans la synthèse de la commande.
I.2. Présentation de la machine à courant continu
Une machine à courant continu est un convertisseur réversible rotatif d'énergie. Lorsque
l'énergie électrique est transformée en énergie mécanique, la machine fonctionne en moteur.
Lorsque l'énergie mécanique est transformée en énergie électrique, la machine fonctionne en
générateur.
3
Chapitre I Description et modélisation de moteur à courant continu
4
Chapitre I Description et modélisation de moteur à courant continu
5
Chapitre I Description et modélisation de moteur à courant continu
Particularités Emplois
-Vitesse constante quel que soit la charge. Machines outils, appareil de levage (ascenseur).
- Le moteur shunt est un autorégulateur de
vitesse.
6
Chapitre I Description et modélisation de moteur à courant continu
Particularités Emplois
7
Chapitre I Description et modélisation de moteur à courant continu
Caractéristiques
Particularités Emplois
Caractéristiques
Particularités Emplois
- Le moteur à excitation composée réuni les - Petit moteur à démarrage direct, ventilateur,
avantages du série et du shunte toute en pompes, machines de laminoirs, volants
éliminant le phénomène d’emballement du d'inertie.
série.
- Entraînements de grande inertie.
- Couple très variable avec la vitesse.
8
Chapitre I Description et modélisation de moteur à courant continu
L’avantage principal des machines à courant continu réside dans leur adaptation simple
aux moyens permettant de régler ou de faire varier leur vitesse, leur couple et leur sens de
rotation Voire même leur raccordement direct à la source d’énergie, batteries d’accumulateur,
piles.
Le principe problème de ces machines, ils ont une partie fragile vient de la liaison entre les
balais, ou « charbons» et collecteur rotatif. Il faut signaler que :
Plus la vitesse de rotation est élevée, plus la pression des balais doit augmenter pour assurent
le meilleur contact avec le collecteur. Aux vitesses élevées les balais doivent donc être
remplacés très régulièrement.
9
Chapitre I Description et modélisation de moteur à courant continu
Equation de couple
On l’obtient à partir de la puissance électromagnétique :
P C e I a E I a k (I.5)
Donc :
C e k I a MI f I a (I.6)
Equation mécanique
L’équation mécanique rendant compte des couples agissant sur le rotor s’écrit comme suit :
d
J C e C r f (I.7)
dt
Où C r est le couple résistant imposé par la charge, J le moment d'inertie total (machine +
charge entraînée) et f est le coefficient de frottement proportionnel à la vitesse de rotation.
I.3.2. Fonction de transfert du moteur
On appliquant la transformées de Laplace sur (I.2), (I.3), (I.6) et (I.7) on obtient:
U ( p ) R .I ( p ) L . p .I ( p ) E(p) (I.8)
(p) k ..( p ) (I.9)
Ce ( p ) k ..I ( p ) (I.10)
10
Chapitre I Description et modélisation de moteur à courant continu
On pose : K k.
A l’aide des relations (I.9), (I.10), (I.12) et (I.13) on peut construire le diagramme fonctionnel
du moteur donné par la figure :
Cr(p)
U(p) + ε(p) I(p) Ce(p) + - Ω(p)
1 K 1
E(p) _ LP R JP f
11
Chapitre I Description et modélisation de moteur à courant continu
300
100
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
40
Courant (A)
30
20
10
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
30
Couple (N.m)
20
10
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Temps (sec)
Figure I.14 : Réponse de moteur en boucle ouverte.
I.5. Conclusion
La simulation en boucle ouverte donne des résultats satisfaisants, mais il est remarquable
qu’après l’application d’un couple résistant, une diminution (perte) de la vitesse, donc il est
nécessaire d'ajouter une structure de commande pour une régulation précise de la vitesse de
rotation et améliorer les performances du moteur ce qui l’objectif des chapitres suivants.
12
Chapitre II
La commande
adaptative
Chapitre II Commande adaptative
II.1. Introduction
Les variations paramétriques d’un processus réel dans le temps suivant les changements de
l’environnement influent sur la régulation du système bouclé avec des contrôleurs a
paramètres fixe, alors il est nécessaire de recourir à la commande adaptative.
La commande adaptative est un ensemble de techniques destinées à ajuster
automatiquement les paramètres du correcteur des systèmes de commande lorsque les
caractéristiques du processus et les perturbations sont inconnues ou varient dans le temps.
II.2. Généralités sur la commande
II.2.1. Système de commande
Les processus que nous considérons sont des systèmes physiques qui évoluent au cours du
temps, sous l’effet d’influences internes et externes, et sur lesquels on peut faire des
observations, c’est-à-dire des mesures. Les signaux qui nous intéressent sont appelées
variables de sortie. Les grandeurs agissant sur le processus, et donc sur ses sorties, sont
appelées variables d’entrée. Le processus est affecté par deux types de variables d’entrée : les
commandes, sur lesquelles on peut agir, et les perturbations, sur lesquelles on n’a pas
d’action. Parmi ces dernières, on distingue les perturbations mesurées et les perturbations non
Mesurées [7].
Commandes
Entrées sorties
Processus
Perturbations Mesurées
Non Mesurées
13
Chapitre II Commande adaptative
14
Chapitre II Commande adaptative
15
Chapitre II Commande adaptative
Comparaison Mécanisme
décision d’adaptation Mesure des performances
réelles
Boucle d’adaptation
16
Chapitre II Commande adaptative
17
Chapitre II Commande adaptative
Programme
de gain
18
Chapitre II Commande adaptative
spécification
Mécanisme Estimateur
d’adaptation
consigne U Y
+ Régulateur auto Processus
ajustable
_
Ym
Modèle de
référence _
e
Y +
Consigne + Régulateur u Processus
_ ajustable
Mécanisme
d’adaptation
19
Chapitre II Commande adaptative
On peut considérer trois structures des systèmes adaptatifs à modèle de référence [8] :
A. Structure parallèle : C'est la structure la plus connue et utilisé, le modèle de
référence est en parallèle avec le système ajustable.
Ym
Modèle de référence
Consigne _
e
Y +
Système ajustable
Mécanisme
d’adaptation
Modèle de Système Y +
référence ajustable
Mécanisme
d’adaptation
20
Chapitre II Commande adaptative
Ym
Modèle de
référence _
Consigne
e
Y +
Modèle de Système
référence ajustable
Mécanisme
d’adaptation
A partir de cette erreur une fonction de cout (J(θ)) peut être formulée. J est donnée en fonction
de θ, ou θ est le paramètre qui sera adapte a l’intérieur de contrôleur. Le choix de cette
fonction de cout permettra ensuite de déterminer comment actualiser les paramètres.
La fonction de cout est :
e 2 ( )
J ( ) (II.8)
2
Pour savoir comment mettre à jour le paramètre θ, une équation doit être formée pour le
changement de θ. Si l’objectif est de minimiser ce cout lie à l’erreur, on doit déplacer le
gradient J dans le sens négatif. Ce changement de J est supposé être proportionnel à la
variation de θ. Ainsi, la dérivée de θ est égale à la variation négative de J.
Le résultat de la fonction de cout est représenté par :
d J e
e (II.9)
dt
En général, le réglage du gain d’adaptation est crucial est essentiel pour le taux
d’adaptation et de la stabilité du contrôleur [12].
Tous les paramètres du système ajustable sont accessibles pour l'adaptation (dans le
cas de l'adaptation paramétrique).
II.5. Conclusion
Dans ce chapitre nous avons présenté une étude théorique de la commande adaptative. Nous
avons décrire certaines techniques utilisées dans le domaine de la commande adaptative, La
commande adaptative est une solution potentielle pour améliorer les performances du système
pour les grandes variations des paramètres.
Parmi ces techniques de la commande adaptative nous nous intéressons à la commande
adaptative à modèle de référence et son implémentation, ceci est notre objectif au chapitre IV.
22
Chapitre III
La commande IFT
''itérative feedback
tuning''
Chapitre III Commande IFT '' Itérative feedback tuning ''
III.1. Introduction
Jusqu’à présent, les algorithmes d’optimisation reposaient sur la connaissance du modèle
d’un système, nous nous sommes d’abord intéressés à la modélisation du système avant de
procéder à sa synthèse. Un grand nombre de méthodes de réglage découplent les phases
d’identification et de synthèse du régulateur.
L'I.F.T est une méthode d'optimisation des contrôleurs. Elle ne nécessite pas le modèle du
procédé. Est une méthode d’optimisation itérative basée sur la minimisation d'un critère de
type quadratique, dans lequel apparaît explicitement l'erreur entre la sortie de la boucle fermée
obtenue expérimentalement et la réponse désirée.
Cy (q,ρ)
y (t ) G 0 (q )u (t ) v (t ) (III.1)
23
Chapitre III Commande IFT '' Itérative feedback tuning ''
C r ( , q ) G 0 (q )
T0 (III.3)
1 C y ( , q )G 0 (q )
1
S0 (III.4)
1 C y ( , q )G 0 (q )
la sortie du système régulé soit la plus proche possible au sens de l’erreur quadratique de la
réponse d’un modèle de référenceT d (q ) .
Cette réponse donné par :
y d (t ) T d (q ) r(t) (III.5)
R(t) Yd(t)
Td(q)
Nous allons donc calculer * arg min J ( ) , ou le critère minimiser peut s’écrire [16]:
1 N N
J ( ) E (L y (q ) y ( , t )) 2 (Lu (q )u ( , t )) 2 (III.7)
2N t 1 t 1
En supposant l'indépendance statistique de la consigne r et du bruit de sortie v. Le critère peut
être réécrit sous la forme suivante :
1 N 1 N N
J ( ) E [L y (Td T0 ( )) r(t)]2 + E [L y S 0 ( ) v(t)]2 + E [Lu u( , t )]2 (III.8)
2N t 1 N t 1 2N t 1
Le premier terme exprimer la différence entre la sortie désiré et la sortie réaliser, pondérée
fréquentielle ment par un filtre de synthèse , le second terme exprimer l’effort de
commande pondérée fréquentielle ment par un filtre de synthèse .
24
Chapitre III Commande IFT '' Itérative feedback tuning ''
Une méthode itérative de minimisation s’impose. Nous allons donc effectuer une série
d’étapes i, de pas i pour atteindre un minimum local de la fonction de coût [14]:
J
i 1 i i R i1 ( ) (III.11)
i
Ri doit être une matrice définie positive, il peut s’agir de la matrice unité, mais la convergence
sera plus rapide si Ri, est une estimation de la hessienne de J(ρ).
1 1
= C r ( )T 0 ( )r C y ( )[T 02 ( )r T 0 ( )S0 ( )v ]
C r ( ) C r ( )
Dans cette expression les quantités C r ( ),Cr ( ) et C y ( ) sont des fonctions connues de
et dépendent donc des paramètres des régulateurs, alors que T 0 ( ) et S0 ( ) sont des
fonctions inconnues de par leur dépendance de système inconnues G 0 , il s’ensuit que y '( i )
peut être obtenu uniquement par l’expérimentation sur le système en boucle fermé. La
seconde écriture de (III.12) nous montre que y '( i ) est la somme de trois termes.
25
Chapitre III Commande IFT '' Itérative feedback tuning ''
La premier résulte d’un simple filtrage de signal de référence r à travers la boucle fermé
T 0 ( ) , alors que la somme de second et de troisième apparait clairement comme résultant de
deux filtrages successifs de la référence et de bruit à travers le système ; nous pouvons en
effet réécrire cette somme comme résultant du filtrage de la sortie du système bouclé à
travers ce même système [14]:
T0 ( ) y ( ) T 02 ( )r T0 ( )S0 ( )v (III.13)
Donc Les deux derniers termes de (III.12) sont obtenus réutilisant le signal de sortie d’une
expérience en boucle fermée comme signal de référence pour une nouvelle expérience à
chaque itération i, il faut effectuer deux expériences j (j=1,2) de durée N chacune avec un
contrôleur fixé C {C r ,C y } .cependant, nous verrons qu’une troisième expérience nécessaire.
Notons les signaux de sortie de ces trois expériences par yij , j 1, 2,3
Les signaux de référence correspondants sont :
ri1 r
ri1 r y i1 (III.14)
ri r
3
Après passage de ces derniers à travers la boucle fermée, nous obtenons les expressions
suivantes pour les y ij :
y i1 T 0 ( i ) r S0 ( i )v i1
y i2 T 0 ( i )(r y i1 ( i )) S0 ( i )v i2 (III.15)
y T 0 ( i ) r S0 ( i )v
3
i
3
i
y ( i ) et yˆ ( i )
y i y i1 y d (III.16)
1
yˆ i [C r ( i ) y i3 C y ( i ) y i2 ] (III.17)
C r ( i )
26
Chapitre III Commande IFT '' Itérative feedback tuning ''
Qui est une version perturbé (par les perturbations vi2 et v3i ) de y ( i ) puisque :
1
yˆ i y ( i ) S0 ( i )[C r ( i ) vi3 C y ( i ) vi2 ] (III.18)
C r ( i )
En effet, nous pouvons écrire que :
1 1
yˆ i [ C r ( i ) T0 ( i )r C y ( i )[T02 ( i )r T 0 ( i )S 0 ( i )v i1 ]]
C r ( i ) C r ( i )
1
+[ S0 ( i )[Cr ( i ) vi3 C y ( i ) vi2 ]]
C r ( i )
1 1
Et : y ( i ) C r ( i ) T0 ( i )r C y ( i )[T02 ( i )r T 0 ( i )S 0 ( i )v i1 ]
C r ( i ) C r ( i )
Notons que les perturbations v1i sur la sortie lors de la première expérience ne sont pas
gênantes: le signal de sortie de la première expérience est utilisé dans (III.17) pour créer une
version exacte de y ( i ) , qui est utilisé dans le critère de J( i ) ,conformément à la définition
= C r ( )S 0 ( )r C y ( )S 0 ( )v (III.19)
Et de :
1
S 0 ( ) T 0 ( )S0 ( )C y ( ) (III.20)
C r ( )
Nous calculons :
1 C y ( )
u ( ) C r ( ) Cr ( )S 0 ( ) r C r ( )S 0 ( )[T 0 ( )r S 0 ( )v ] (III.21)
C r ( ) C r ( )
Reprenant les signaux de référence que nous avons choisis en (III.15), nous calculons les
valeurs de la commande appliquée au système lors de chaque expérience [15]:
u i1 C r ( i )S 0 ( i )r C y ( i )S 0 ( i ) v1i
u i2 C r ( i )S 0 ( i )[T0 ( i )r S 0 ( i ) v1i ] C y ( i )S 0 ( i ) vi2 (III.22)
u i3 C r ( i )S 0 ( i )r C y ( i )S 0 ( i ) vi3
27
Chapitre III Commande IFT '' Itérative feedback tuning ''
1
uˆi [C r ( i )u i3 C y ( i )u i2 ] (III.24)
C r ( i )
C y ( i )S 0 ( i )
uˆi u ( i ) [C y ( i )v i2 C y ( i )v i3 ] (III.25)
C r ( i )
III.2.5. Estimation du gradient
Avec les signaux définis dans la section précédente, une estimation du gradient de J( i ) peut
être obtenue en prenant :
Jˆ 1 N
yˆ uˆ
( i )
N
y ( ,t ) ( , t ) u ( , t ) ( , t )
i i i i
(III.26)
t 1
Nous avons bien un estimateur non biaisé du gradient du critère.
Jˆ
J
E ( i ) ( i ) (III.27)
Ce qui est une condition indispensable au bon fonctionnement de la méthode d'approximation
Stochastique de l'algorithme. Rappelons que c'est là toute la motivation pour la troisième
expérience, qui permet d'éviter que l'erreur entre yˆ i et y i soit corrélée avec y i et que l’erreur
III.2.6.Paramètres de la conception
III.2.6.1. Modification de la direction de recherche
II y a plusieurs possibilités pour le choix de la modification de la direction de recherche Ri du
Minimum du critère, lors de l'itération (II.11), La matrice identité conduit simplement à suivre
le gradient dans la direction négative.
Un meilleur choix (cela sera vérifié expérimentalement) est :
1 N yˆ yˆ
T
uˆ uˆ
T
Ri
t 1
( i ) .
( i ) ( i ) . ( i ) (III.28)
N
Qui fait appel aux signaux obtenus lors des différentes expériences décrites ci-dessus.
28
Chapitre III Commande IFT '' Itérative feedback tuning ''
Ce Choix est en tait une approximation biaisée (en raison des perturbations de la seconde et
de la troisième expérience, qui se retrouvent au carré dans la somme) de la direction de Gauss
Newton [14].
III.2.6.2.Choix du pas i
1. On génère les signaux y i1 , y i2 et y i3 des équations (III.16) et les signaux relatifs aux
signaux d’entrée des équations(III.23).
2. On calculera alors y i , y i , u i et uˆi en utilisant les relations précédentes (III.17), (III.18) ,
(III.24) et (III.25).
Jˆ
3. Les nouveaux paramètres du contrôleur sont calculés par : i 1 i i R i ( ) Où
1
i
Jˆi
donné par la relation(III.27) et { i } est une séquence de réels positifs qui
déterminent la taille du pas, { R i } est une séquence des matrice définie positive donnée
par la relation (III.29).
4. On passe à l’étape suivante en remplaçant i par i+1.
29
Chapitre III Commande IFT '' Itérative feedback tuning ''
III.3. Conclusion
L’IFT est une technique itérative de synthèse de contrôleurs assez particulière vu qu’elle ne
nécessite pas une identification du système en cours de synthèse, Celle-ci consiste à
minimiser un critère quadratique itérativement par la méthode du gradient de la descente ou
de Newton, dont l’estimation du gradient est obtenue par une suite d’expériences réalisées en
boucle fermée.
Nous avons donc présenté l’algorithme de l’IFT sous sa forme théorique. Il importera alors à
ce stade de s’occuper de son implémentation. Ceci est notre objectif au chapitre prochain.
30
Chapitre IV
Simulation et
résultats
Chapitre IV Simulation et résultats
IV.1. Introduction
Le but de ce chapitre est d’analyser en simulation les propriétés de la commande adaptative à
modèle de référence et la commande IFT pour la commande de la vitesse de moteur à courant
continu.
Toutes les opérations de simulation sont réalisées par le logiciel MATLAB R2013a.
IV.2. Application de la commande MRAC
Dans cette section, nous allons présentées la commande adaptative à modèle de référence
appliquées sur le moteur à courant continu. Cette étude est menée en exploitant la règle MIT,
pour le calcul de la loi de commande, nous introduisons un régulateur PID à gains adaptatifs
variables. Nous verrons qu’en utilisant ces gains, on peut obtenir une bonne concordance
entre la vitesse du système et celle du modèle.
IV.2.1. Résultats de simulation
Les paramètres du régulateur PID, sont régulés par une méthode d’ajustement manuelle afin
de spécifier les performances désirée:
K p 92; K i 41; K d 0.45
31
Chapitre IV Simulation et résultats
La méthode étudiée est mise en évidence par la simulation, en premier lieu on va tester le
moteur à vide avec une consigne de vitesse nominale 200 rad/sec, puis on applique un couple
de charge nominal 4.77 N.m à l'instant t = 2.5 sec. Après une nouvelle consigne de vitesse
sera imposée (inversion le sens de rotation) 200 à -200 rad/sec, puis un test de variation des
paramètres du moteur, dans tous les cas la vitesse mesuré sera comparée à la vitesse de
référence (désirée).
IV.2.1.1. démarrage à vide puis en charge (Cr=4.77N.m à t=2.5sec)
200
vitesse de réference
180 vitesse de MCC
160
140
vitesse(rad/sec)
120
100
80
60
40
20
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Temps(sec)
vitesse de réference
201 vitesse de MCC
200
vitesse(rad/sec)
199
198
197
196
32
Chapitre IV Simulation et résultats
40
Courant(A)
20
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
20
Couple(N.m)
10
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
300
commande(v)
Signal de
200
100
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
0
Erreur
-1
-2
-3
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Temps(sec)
150
100
Kp
50
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
60
40
Ki
20
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
0.8
0.6
Kd
0.4
0.2
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Temps(sec)
33
Chapitre IV Simulation et résultats
200
vitesse de reference
150
vitesse de MCC
100
vitesse(rad/sec)
50
-50
-100
-150
-200
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Temps(sec)
50
Courant(A)
-50
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
50
Couple(N.m)
-50
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
200
commande(v)
Signal de
-200
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
10
Erreur
-10
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Temps(sec)
34
Chapitre IV Simulation et résultats
800
600
Kp
400
200
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
300
200
Ki
100
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
2
Kd
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Temps(sec)
200
vitesse de réference
180 vitesse de MCC
160
140
vitesse(rad/sec)
120
100
80
60
40
20
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Temps(sec)
35
Chapitre IV Simulation et résultats
20
Courant(A)
10
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
20
Couple(N.m)
10
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
commande (v)
400
Signal de
200
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
0.5
Erreur
-0.5
-1
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Temps(sec)
200
150
Kp
100
50
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
80
60
Ki
40
20
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
0.8
0.6
Kd
0.4
0.2
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Temps(sec)
36
Chapitre IV Simulation et résultats
200
vitesse de réference
180 vitesse de MCC
160
140
vitesse(rad/sec)
120
100
80
60
40
20
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Temps(sec)
40
Courant(A)
20
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
40
Couple(N.m)
20
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
400
commande(v)
Signal de
200
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
0.5
0
Erreur
-0.5
-1
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
37
Chapitre IV Simulation et résultats
200
150
Kp
100
50
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
80
60
Ki
40
20
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
0.8
0.6
Kd
0.4
0.2
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Temps(sec)
38
Chapitre IV Simulation et résultats
Ω* + u + + Ω
Cr MCC
-
Cy
Ω* : la consigne. U : la commande.
Ω : la sortie. v : perturbation.
La fonction de transfert du moteur à courant continu après une discrétisation avec une période
d’échantillonnage T=0.01s devient comme suit :
Y (z ) b z 1 b z 2 0.1573z 1 0.03679z 2
G (z ) 1 1 2 2 (IV.1)
U (z ) 1 a1z a2 z 1 0.8397z 1 0.00702z 2
Cette fonction correspond à une entrée en tension, exprimée en volt et à une sortie en vitesse
exprimée en radians par seconde.
La technique IFT Basé sur l’inconnaissance du modèle mathématique du moteur, et le
calcule en ligne des paramètres du régulateur.
39
Chapitre IV Simulation et résultats
IV.3.1.Implémentation
Ω*
IFT
Boite noir
Pour ce système, trois expériences seront réalisées dans chaque itération, où on a proposé un
Contrôleur de deux degrés de liberté de la structure suivante:
C r (1) (2) Z1 (3) Z 2
C y (4) (5) Z1 (6) Z 2
Avec : (1), (2), (3), (4), (5), (6) sont les paramètres du contrôleur.
IV.3.2. Résultats de simulation
Pour montrer les performances de la méthode de la commande IFT, cette partie présente une
simulation numérique effectuée sur le modèle mathématique de moteur.
L’objectif de la commande utilisé consiste à forcer la sortie du système y( ) à suivre une
consigne désirée R(t).
Le choix du contrôleur initial est comme suit:
C r 0.6400 0.1865z 1 0.0046z 2
C y 0.003 0.0015z 1 0.001z 2
Les paramètres de synthèses et les conditions initiales sont donnés comme suit :
0.1; 0.5; y (0) 0; y (1) 0;u (0) 0;u (1) 0.
40
Chapitre IV Simulation et résultats
200
La vitesse de MCC
180 La consigne
160
140
vitesse(rad/sec)
120
100
80
60
40
20
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Temps(sec)
41
Chapitre IV Simulation et résultats
180
160
140
120
Tension(V)
100
80
60
40
20
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Temps(sec)
900
800
700
600
critére J
500
400
300
200
100
0
1 1.5 2 2.5 3 3.5 4
itérations
42
Chapitre IV Simulation et résultats
250
La vitesse de MCC
La consigne
200
vitesse(rad/sec)
150
100
50
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Temps(sec)
43
Chapitre IV Simulation et résultats
180
160
140
120
Tension (v)
100
80
60
40
20
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Temps (sec)
900
800
700
600
critére J
500
400
300
200
100
0
1 1.5 2 2.5 3 3.5 4
itérations
44
Chapitre IV Simulation et résultats
250
200
150
La vitesse de MCC
La consigne
100
vitesse(rad/sec)
50
-50
-100
-150
-200
0 5 10 15
Temps(sec)
200
150
100
50
Tension (v)
-50
-100
-150
-200
0 5 10 15
Temps(sec)
45
Chapitre IV Simulation et résultats
B. Avec perturbation
Les paramètres du contrôleur obtenu :
itérations Cr Cy
250
200
150
La vitesse de MCC
La consigne
100
vitesse(rad/sec)
50
-50
-100
-150
-200
-250
0 5 10 15
Temps(sec)
200
150
100
50
Tension (v)
-50
-100
-150
-200
0 5 10 15
Temps(sec)
46
Chapitre IV Simulation et résultats
IV.3.3.Remarques et interprétation
A partir des résultats de simulations obtenues, nous pouvons noter une convergence rapide de
système ver leur consigne dans toutes les cas.
Les contrôleurs trouvés, après quelque itération donnent des très bons temps de réponse,
stabilité et de poursuite.
La commande IFT fournit l’effort nécessaire pour maintenir le fonctionnement idéal du
moteur.
Du point de vu de régulation l’IFT prend en charge toutes les perturbations introduites.
Le problème principal rencontré dans ce travail est le choix du pas de l’algorithme de gradient
de la descente qui est trouvé à chaque fois et dépend surtout du contrôleur initial, et par
conséquent de la distance du critère de contrôle par rapport au minimum local.
A partir d’un contrôleur instable n’en arrive jamais à un contrôleur stable.
Le choix du contrôleur initial dépend de la forme de l’ensemble des contrôleurs où il existe.
47
Chapitre IV Simulation et résultats
IV.5.Conclusion
Dans ce chapitre nous avons présentés l’application et la simulation de la commande MRAC
et la commande IFT afin de contrôler la vitesse de moteur à courant continu.
La contribution proposée est l’introduction des gains adaptatifs variables pour le calcul de
la loi de commande, ce qui permettra d’augmenter les performances du système, dans le sens
où elle devra assurer une faible sensibilité de système aux incertitudes et perturbations, c’est
que nous avons démontré à travers les résultats obtenus.
On peut conclue alors à travers les résultats de simulation, que les techniques de contrôle
utilisées sont plus robustes, où la vitesse reste toujours constante quelque soit les incertitudes
et les perturbations.
48
Conclusion
Générale
Conclusion générale
Conclusion générale
Le travail réalisé dans le cadre de ce mémoire, présente une étude assez détaillée des deux
structures de commande très importantes qui sont : la commande MRAC qui devient l’objet
de diverses investigations et la commande IFT, dont le but est de faire suivre la vitesse de
moteur à une vitesse désirée.
A partir de ce travail et des résultats de simulation obtenus, on peut tirer les conclusions
suivantes qu’on a jugées d’un intérêt de premier plan :
49
Conclusion générale
50
Références
bibliographiques
Références bibliographiques
Références bibliographiques
[1] F. Milsant, « Cour d’électrotechnique : machines électriques, machines à courant continu,
asservissement linéaire », Berti édition ; 1993.
[2] F. BERNOT, « Machines à courant continu, Construction », Techniques de l’Ingénieur,
D3 556.
[3] A. BENOUDJIT, « Introduction aux machines électriques, machines à courant continu,
Tome-1 », université de Batna, Octobre 1995.
[4] B. Bayle, « Technologie des asservissements, Variateurs de vitesse », Cours
d’automatique, Ecole Nationale Supérieure de Physique de Strasbourg, France, 2008.
[5] P. Prouvost, « Instrumentation et régulation», 2eme édition, Dunod, Paris 2010/2015.
[6] Lozano R. Landau I. D. and M’Saad. M. Adaptive control. Springer, 1998.
[7] Abderrezek, H. «contribution à la commande robuste des systèmes non linéaires », thèse
de Magister, université Ferhat Abbas, setif, 2014
[8] Amrous, H. «commandes adaptatives d’une machine synchrone à aimant permanent »,
thèse de magister, école nationale supérieure polytechnique, El-Harrach Alger ,2009.
[9] Nait Seghir, A. « Contribution à la commande adaptative et neuronale d’une machine
synchrone à aimants permanents », Thèse de Doctorat, école nationale supérieure
polytechnique, El-Harrach Alger, 2007.
[10] Kadouma, M. Mellata, A, « contribution à la commande adaptative robuste des machines
asynchrone, mémoire de master, université Djilali Bounaama, Khemis Miliana, 2017.
[11] Necaiba, A. « contribution à la commande PI D adaptative et aux régulateurs auto-
ajustable d’ordre fractionnaire », Thèse de Doctorat, université 20 Aout 1945, Skikda, 2016.
[12] Bensafia, y. « utilisation des filtres fractionnaires pour la conception des régulateurs
adaptatifs robustes », thèse de doctorat, université 20 Aout 1945, Skikda, 2016.
[13] Emanuel, D. "Méthodes d'optimisation pour le réglage de contrôleurs PID",
mémoire d’ingénieur, Université de Liège 2001.
[14] H. Hjalmarsson, M. Gevers, S. Gunnarson and O. Lequin « Itérative Feedback Tuning:
Theory and Applications », IEEE Control Systems, August 1998.
[15] A. Isidori, ''Non linear control systems'', Springer verlage, 1989.
51
Annexes
Annexes
Annexe A
Paramètres de La machine utilisée
Puissance nominale 1 KW
Constant K 0.859
I
Annexes
Annexe B
Conception du régulateur PID adaptatif selon la règle MIT
A partir de la règle MIT on à :
d J e
e (1)
dt
Avec :
1 2
J ( ) e (2)
2
e yp ym (3)
[K p , K i , K d ] (4)
En remplaçant les paramètres du régulateur PID dans (1) on obtient les formules suivantes :
dK p J J e y p
p p
(5)
dt K p e
y p
K p
dK i J J e y p
i i (6)
K i e K
dt y p i
dK d J J e y p
d d (7)
K d e K
dt y p d
J
Où: e (8)
e
e y p y m
Et : (9)
y p y p y p
y p y m
On à : e y p y m et : =1 ; =0
y p y p
e
Donc 1 (10)
y p
En remplace (8) et (10) dans (5) (6) (7) on obtient les formules suivantes :
dK p J y p
p p e (11)
dt K p K
p
dK i J y p
i i e (12)
dt K i K i
dK d J y p
d d e (13)
dt K d K d
II
Annexes
Considérons le modèle de moteur à courant continu est une fonction du transfert du 2éme ordre
de la forme suivante :
b
G (p) (14)
P a1P a2
2
K JR Lf Rf K 2
Avec : b ; a1 a
; 2
JL LJ LJ
La fonction de transfert de régulateur PID décrit comme suit:
Kd p2 K p p Ki
G PID ( p ) (15)
p
La fonction de transfert de système (moteur-régulateur) en boucle fermé, ou R(P) représente
le signal d’entrée, devient:
G moteur ( p ).G PID ( p )
Y P (P ) .R (P ) (16)
1 G moteur ( p ).G PID ( p )
b Kd p2 K p p Ki
.
p 2 a1 p a2 p
Y P (P) .R (P ) (17)
b Kd p K p p Ki
2
1 2 .
p a1 p a2 p
b (K d p 2 K p p K i ) b (K d p 2 K p p K i )
p ( p 2 a1 p a2 ) p ( p 2 a1 p a2 )
.R ( P ) .R (P )
b (K d p 2 K p p K i ) p ( p 2 a1 p a2 ) b (K d p 2 K p p K i )
1
p ( p 2 a1 p a2 ) p ( p 2 a1 p a2 )
b (K d p 2 K p p K i )
Y P (P) .R(P) (18)
p ( p 2 a1 p a2 ) b (K d p 2 K p p K i )
YP ( p ) bK d p 2 bK p p bK i
3
R (P) p (a1 bK d ) p 2 (a2 bK p ) p bK i (19)
Le modèle de référence est donné à partir des paramètres initiaux de système en boucle
fermée (moteur-régulateur) afin de spécifier la réponse désirée :
bm 1 p 2 bm 2 p bm 3
Gm ( p ) (20)
p 3 am 1 p 2 am 2 p am 3
III
Annexes
Maintenant on calcule le dérivé de l’expression (21) par rapport aux paramètres de régulateur
[K p , K i , K d ] :
(b (K d D 2 K p D K i )R (t)).bD
bD .R (t)
(D3 (a1 bK d ) D2 (a2 bK p ) D bK i )
bD
.[R (t) Y p (t)] (22)
(D (a1 bK d ) D (a2 bK p ) D bK i )
3 2
(b (K d D 2 K p D K i )R (t)).b
b .R (t)
(D3 (a1 bK d ) D2 (a2 bK p ) D bK i )
b
.[R (t) Y p (t)] (23)
(D (a1 bK d ) D (a2 bK p ) D bK i )
3 2
(b (K d D 2 K p D K i )R (t)).bD2
bD 2 .R (t)
(D3 (a1 bK d ) D2 (a2 bK p ) D bK i )
bD2
3 .[R (t) Y p (t)] (24)
(D (a1 bK d ) D2 (a2 bK p ) D bK i )
IV
Annexes
dK i J b
i i .e . 3 .[R (t ) Y p (t )] (26)
dt K i (D (a1 bK d ) D (a2 bK p ) D bK i )
2
dK d J bD2
d d .e . 3 .[R (t ) Y p (t )] (27)
dt K i (D (a1 bK d ) D2 (a2 bK p ) D bK i )
À partir des équations (25), (26) et (27) on peut construire le diagramme fonctionnel
Suivant :
Modèle de référence Ym
_
e
R(t) + U +
Régulateur PID MCC Yp
dK p bD
1 p .e . .[R (t) Y p (t)]
dt (D3 (a1 bK d ) D2 (a2 bK p ) D bK i )
s dK i b
i .e . 3 .[R (t ) Y p (t )]
dt (D (a1 bK d ) D (a2 bK p ) D bK i )
2
dK d bD2
d .e . 3 .[R (t ) Y p (t )]
dt (D (a1 bK d ) D2 (a2 bK p ) D bK i )
V
Résumé
ملخص
.باستخدام تقنيتي تحكم، العمل المقدم في هذه المذكرة يتعلق بالنمذجة والتحكم في سرعة محرك كهربائي ذو تيار مستمر
وهي تسمح بضبط مقدار طاقة, وهي استراتجية متابعة وتعديل تالؤمي،التقنية األولى قائمة على الطريقة التالئمية المباشرة
.التحكم مهما كانت العوامل الداخلية والخارجية
وتحديد المعلمات المثلى لوحدة تحكم، وهي تعتمد على تقليل معيار تربيعي، التقنية الثانية تعرف بطريقة ضبط ردود الفعل
.المستخدمة في الحلقة المغلقة دون اللجوء الى تحديد النموذج الرياضي للمحرك
.النتائج المتحصل عليها تثبت من حيث األداء وكذا المتانة نجاعة هذه التقنيات
ضبط ردود،المتحكم التناسبي التفاضلي التكاملي،تحكم تأقلمي مباشر، محرك ذو تيار كهربائي مستمر:كلمات مفتاحية
.الفعل
Résumé
Le travail présenté dans ce mémoire concerne la modélisation et la commande en vitesse d’un
moteur à courant continu en utilisant deux techniques de commande.
La premier est la commande adaptative à modèle de référence celle ci consiste à designer la
performance désiré à partir d’un modèle de référence, son utilisation requiert la mesure d’un
certain indice de performance qui est compare a l’indice désire, à partir de l’écart obtenu, le
mécanisme d’adaptation (algorithme d’adaptation) modifie les paramètres du correcteur
ajustable afin de maintenir l’indice de performance à la valeur désirée.
Le deuxième est la commande IFT (itérartive feedback tuning), est une méthode
d'optimisation des contrôleurs basée sur la minimisation d'un critère de type quadratique. Elle
consiste à identifier les paramètres optimaux du contrôleur utilisé dans la boucle fermée sans
avoir recours à l'identification du modèle mathématique.
Les résultats obtenus démontrent l’efficacité de ces techniques.
Mots clés : commande adaptative à modèle de référence CAMR, système adaptative à
modèle de référence SAMR, régulateur PID adaptatif, IFT.
Abstract
The work presented in this thesis concerns the modeling and the speed control of a DC motor
by using two control techniques.
The first one is the adaptive control with reference model, which consists in designing the
desired performance in the form of a reference model,its use requires the measerment of a
certain index of performance that is compared to the desired index, from the difference
obtained, the adaptation mechanism modified the paramaters of the controller to maintain the
index performance at the desired value.
The second technique is itérative feedback tuning,this is a controller optimisation method
based on quadratic criterion minimization, it consists in identifying the optimal controller
parameters used in the closed loop without resorting to the model identification mathematical.
The results obtained demonstrate the effectiveness of these techniques.
Keyword: DC motor, modele reference adaptive control MRAC, modele reference
adaptive system MRAS, PID tuning, MIT rule, IFT.