Vous êtes sur la page 1sur 10

BOUSEBA BADREDDINE – 4EME AUTOMATIQUE – 2018/2019

REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE


MINISTERE DE L’ENSEITGNEMNT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE
ECOLE NATIONALE POLYTECHNIQUE DE CONSTANTINE
DEPARTEMENT EEA

COMPTE RENDU
~ MODELISATION ET IDENTIFICATION ~

‘TP 02’
METHODE DE
CORRELATION

Encadré par : Réalisé par :


Docteur Samir TENIOU Badreddine BOUSEBA
teniousamir@gmail.com badreddine.bouseba@gmail.com

2ème Année Cycle Ingénieur


Option Automatique
Semestre II

Année Universitaire : 2018/2019

Page | 1
BOUSEBA BADREDDINE – 4EME AUTOMATIQUE – 2018/2019

I/ Introduction :

L'identification représente l'opération qui détermine le modèle dynamique d'un système à partir des
mesures entrées/sorties. La connaissance du modèle dynamique est nécessaire pour la conception et la
mise en œuvre d'un système performant de régulation. Autrement dit, c'est caractériser un autre
système (appelé modèle), à partir de la connaissance expérimentale des entrées et sorties de manière à
obtenir identité de comportement.

Pratiquement, l'identification a généralement pour but la détermination de modèle de conduite,


utilisables pour simuler, commander ou régler un processus. Ce modèle peut être physique (au sens de
simulateur analogique ou numérique et de modèle réduit), ou bien un modèle abstrait (modèle
mathématique, i.e. système d'équations algébriques ou différentielle). Pour être aisément utilisables,
les modèles choisis sont dans la mesure de possible assez simples. Les imperfections de modélisations
et d'identification seront généralement absorbées par la boucle de régulation.

II/ But du TP :

Le but de ce TP est de déterminer la réponse impulsionnelle d’un système dynamique en utilisant la


méthode de corrélation. Cette méthode est appliquée très couramment en laboratoire ou sur site
industriel. Son principal avantage est la robustesse (peu sensible aux bruits et perturbations).
Le signal binaire pseudo aléatoire (SPBA) utilisé dans ce TP possède des propriétés qui permettent
simplifier considérablement l’étude. L’analyse du sorite obtenu dans ces conditions particulières
permettra de déterminer avec précision la réponse impulsionnelle. Cette méthode est appliquée au
même processus que celui du TP 1.

III/ Le SBPA :

III-2/ Génération d’une séquence sous MATLAB :

Script :

clear all;
pboucle=[0 0 0 0 0 1 1];
n=size(pboucle,2);
register=ones(1,n);
Z=[];
for i=1:2^n-1
q=rem(sum(register.*pboucle),2);

for j=n:-1:2
register(j)=register(j-1);
end
register(1)=q;
Z=[Z;q];
end
stairs(1:2^n-1,Z)
l=size(Z,1)
for i=1:l
if Z(i)==1
Z(i)=2;
elseif Z(i)==0

Page | 2
BOUSEBA BADREDDINE – 4EME AUTOMATIQUE – 2018/2019

Z(i)=-2;
end
end
moy=mean(Z)
for i=1:2^n-1
Z(i)=Z(i)-moy;
end
moy=mean(Z)

Résultats d’exécution :

-Longueur du séquence : 127. Oui elle conforme à l’exposé théorique car : 2^7 – 1 = 128-1=127.
-Tracé de la séquence : Les deux niveaux sont 1 et 0

Le nouveau tracé : Les niveaux sont 2 et -2

Page | 3
BOUSEBA BADREDDINE – 4EME AUTOMATIQUE – 2018/2019

-La valeur moyenne vaut : 0.0157 – N’est pas nul ! – . Pour cela on élimine la composante continue et
on aboutit au valeur moyenne suivante : 2.7974e-17 qui entièrement nulle.

III-3/ Propriétés fondamentales d’une SBPA :

Script : On ajout ces lignes au programme précédent

for i=1:127
Rxx(i)=mean(Z.*Z([i:127,1:i-1]))
End
Figure(3); stairs(1:2^n-1,Rxx,’k’)
FFT=fft(Rxx);
FFT=fft(Rxx);
Module=abs(FFT)
Phase=angle(FFT)
figure,stairs(Module)
figure,stairs(Phase)

Résultats d’exécution :

-Tracé de la fonction d’autocorrélation :

Cette allure est une impulsion au 0 d’amplitude égale à 4, comme montré théoriquement
précédemment. C’est pour ça qu’on a dit que la fonction d’autocorrélation d’un SPBA peut-être
approximée par une impulsion de Dirac pour une observation de durée T ( ( ) avec a
amplitude du SPBA ) a=2 dans notre cas.

Page | 4
BOUSEBA BADREDDINE – 4EME AUTOMATIQUE – 2018/2019

-Tracé du module et phase de la densité spectrale du SBPA :

Module :

Page | 5
BOUSEBA BADREDDINE – 4EME AUTOMATIQUE – 2018/2019

Phase :

-Oui, le signal présente les caractéristiques d’un bruit blanc : Présence de toutes les fréquences

-La FFT est nulle pour la fréquence nulle car on a éliminé la valeur moyenne du SBPA.

-La fréquence minimal = 1

-La fréquence maximal = 2n-1=127

Détermination de la réponse impulsionnelle d’un système par un SBPA – Mise en œuvre :

figure(10), stairs(E_sbpa,'k')
figure(11), stairs(Y_sbpa,'r')
for i=1:381
Rxy(i)=mean(E_sbpa.*Y_sbpa([i:381,1:i-1]));
end
h=Rxy/(4*0.3);
figure(13), stairs(h(1:51))
hold on
plot(g)
A=1
Y_bruit=Y_sbpa+A*(rand(1,max(size(Y_sbpa)))-0.5);
Stairs(Y_bruit)

-Tracé du SBPA de l’excitation :

Page | 6
BOUSEBA BADREDDINE – 4EME AUTOMATIQUE – 2018/2019

-Tracé du SBPA de sortie : Semble aléatoire.

Page | 7
BOUSEBA BADREDDINE – 4EME AUTOMATIQUE – 2018/2019

-Tracé des réponses impulsionnelles :

Bleu : Discrète
Orange : Continue expérimentale

Les deux graphes ont la même allure mais juste décalés.

-Réponse impulsionnelle pour différentes valeur de A :

A=[1 10 20 30]

Page | 8
BOUSEBA BADREDDINE – 4EME AUTOMATIQUE – 2018/2019

Page | 9
BOUSEBA BADREDDINE – 4EME AUTOMATIQUE – 2018/2019

Donc l’augmentation de l’amplitude cause la perte de la visualisation et l’exploitation des


informations.

Page | 10