Chapitre : IV Régulation de la température dans une serre agricole par logique floue

IV.1 Introduction

Les méthodes conventionnelles de réglage sont basées sur une

modélisation adéquate du système à régler et un traitement analytique à
l’aide de la fonction de transfert ou d’équations d’état. Malheureusement,
celles-ci ne sont pas toujours disponibles.

Ces techniques de commande ont prouvé leur efficacité dans de

nombreux problèmes de régulation industrielle. Les méthodes de commande
avancées (Régulateur adaptatif, Commande prédictive, Commande robuste...)
permettent de répondre aux exigences d’un certain nombre de systèmes
fortement non linéaires. C’est dans ce même créneau que les méthodes de
modélisation et de commande floues se positionnent.

La majorité des systèmes industriels complexes sont difficiles à

contrôler automatiquement. Cette difficulté provient de :

 leur non-linéarité,
 la variation de leurs paramètres,
 la qualité des variables mesurables.

Ces difficultés ont conduit à l’avènement et au développement de

nouvelles techniques telles que la commande floue particulièrement intéressante
lorsqu’on ne dispose pas de modèle mathématique précis du processus à
commander ou lorsque ce dernier présente de fortes non linéarités ou
imprécisions.

Dans plusieurs applications, les résultats obtenus avec un contrôleur flou

sont meilleurs que ceux obtenus avec un algorithme de contrôle
conventionnel. En particulier, la méthodologie du contrôle floue apparaît
utile quand les processus sont très complexes à analyser par les techniques
conventionnelles.

70
Chapitre : IV Régulation de la température dans une serre agricole par logique floue

Plusieurs travaux dans le domaine de commande ont montré qu’un

régulateur par logique floue est plus robuste qu’un régulateur
conventionnel.

Nous présentons dans ce chapitre les concepts de la logique floue et nous

décrivons les aspects méthodologiques nécessaires à la compréhension de
cette technique en donnant des rappels sur les bases générales de la logique
floue et les différents types de la commande en utilisant la logique floue.

IV.2 Bref historique

Les quelques points de repère historique suivant, permettent de situer dans

le temps le développement de la logique floue et ses applications au réglage :

 1965 : Le Prof. L. A. Zadeh de l’Université de Berkeley

(Californie) pose les bases théoriques de la logique floue.
 1973 : L. A. Zadeh propose d’appliquer la logique floue aux
problèmes de réglage.
 1974 : Première application du réglage par la logique floue
appliquée à un turbin e à vapeur. Suivie en 1980 par une application
sur un four à ciment, et en 1983 sur un épurateur d’eau.
 1985 : Premiers produits industriels (Japon) utilisant le principe de
la logique floue appliqué à des problèmes de réglage et de
commande. Développement de processeurs dédiés à des
applications de réglage parla logique floue

IV.3 La logique floue

La logique floue suscite actuellement un fervent intérêt de la part

des chercheurs, des ingénieurs et des industriels, mais plus généralement de la
part de tous ceux qui éprouvent le besoin de formaliser des méthodes
empiriques, de généraliser les modes de raisonnement naturels,

71
Chapitre : IV Régulation de la température dans une serre agricole par logique floue

d’automatiser la prise de décision dans leur domaine et de construire des

systèmes artificiels capables d’effectuer les tâche habituellement prises en
charge par les humains.

Les démarches fondamentales de l’activité industrielle et

économique, telles que la conception des produits, la gestion des systèmes ou
la prise de décision, posent des problèmes de complexité croissante. Face à
cette difficulté, les approches numériques, pourtant bien développées se sont
avérées d’une efficacité limitée. Zadeh a fait le lien entre les ensembles flous et
la modélisation non probabiliste de l’incertitude grâce à la théorie des
possibilités, dans laquelle les fonctions d’appartenances des ensembles flous
servent à représenter les idées de valeur incomplètement spécifiée et mal
connue. Les ensembles flous et la théorie des possibilités sont à la base
d’une méthodologie de représentation et d’utilisation de connaissances
imprécises, vagues et incertaines que Zadeh appelle «théorie du raisonnement
approché » et qui est plus connue sous le vocable de « logique floue».

Les travaux de Lotfi Zadeh dans les années soixante sur la théorie des
ensembles flous et la logique floue, à l’université de Berkeley ont jeté les bases
de la commande floue actuelle. Ces travaux ont mis un certain temps avant
d’être acceptés par la communauté de l’automatique et l’industrie. En effet la
logique floue, de par ses aptitudes pluridisciplinaires (utilisée dans des
domaines aussi variés que la gestion de base de données, les systèmes
experts, le traitement du signal, la classification de données, la commande
de systèmes automatiques), s’est attirée les critiques des scientifiques qui
se sentaient attaqués sur leurs positions .il fallait attendre les années quatre-
vingts dix pour que ces nouvelles théories soit acceptées et utilisées d’une
manière générale.

En revanche, dans le domaine de la commande, la première

application de la logique floue a été réalisée par Mamdani en 1974. Depuis

72
Chapitre : IV Régulation de la température dans une serre agricole par logique floue

1987, date la première application utilisant la logique floue, le métro de Sendai,

l’utilisation des techniques de commande floue n’a cessé de s’accroître.

IV.4 Les différentes parties de la commande floue

Un contrôleur flou est un système à base de connaissances

particulier, utilisant un raisonnement en profondeur limité, dans une
procédure de chainage avant règles (activation des règles par les prémisses).

On peut distinguer plusieurs étapes dans le traitement des règles. Un

schéma représentatif peut être le suivant :

Les variables caractéristiques du système à commander et les

consignes définissent les variables d’entrée du contrôleur flou. Les variables
caractéristiques sont en général, les grandeurs de sortie du processus et, le cas
échéant, d’autres mesures déterminantes pour saisir l’évolution dynamique du
processus. Les variables de sortie du contrôleur floue sont les commandes
à appliquer au processus.

La base de connaissances est composée d’une base de données et d’une

base de règles. La base de données regroupe :

 Les ensembles flous associés aux variables d’entrée et de sortie du

contrôleur flou,
 Les facteurs d’échelle (gains) en entrée (normalisation) et en sortie
(dé normalisation).

73
Chapitre : IV Régulation de la température dans une serre agricole par logique floue

Figure IV.1 : Structure de base d’un contrôleur floue

IV.5 Principes de la logique floue

IV.5.1 Introduction

La logique floue est une branche des mathématiques et, à ce titre, toute
une série de notions fondamentales sont développées. Ces notions permettent de
justifier et de démontrer certains principes de base [9]. Dans ce qui suit, on ne
retiendra que les éléments indispensables à la compréhension du principe du
réglage par la logique floue. Ces éléments sont :

 les variables floues

 les règles d’inférences

74
 Chapitre : IV Régulation de la température dans une serre agricole par logique floue

IV.5.2 Variables floues

Contrairement aux variables binaires qui sont définies par les deux états
«vrai» ou « Faux », les variables floues présentent toute une gradation entre la
valeur « vrai » et la valeur « faux ».

L’exemple qui suit permettre de mieux saisir la distinction qui existe

entre les variables binaires et les variables floues :

Si l’on désire classer un groupe d’individu par leur taille en définissant la

catégorie des petits par une taille en dessous de 160 cm, la catégorie des moyens
par une taille comprise entre 160 cm et 180 cm et la catégorie des grand par une
taille supérieure à 180 cm, la logique binaire donne la représentation de la
figure IV.2 pour les trois variables « petit », « moyen » et « grand ».

Figure IV.2 : Représentation de la logique binaire pour les trois variables.

75
 Chapitre : IV Régulation de la température dans une serre agricole par logique floue

Deux remarques s’imposent au sujet de cette représentation :

D’une part, on préfère représenter l’état de la variable à l’aide de son

degré de vérité, en associant la valeur 1 (degré de vérité de 100%) à la valeur
«vrai » et le degré de vérité nul à la valeur « faux ».

D’autre part, on constate que cette façon de faire, est très éloignée de ce
que fait l’être humain lorsqu’il résout ce genre de problème.

En effet, l’homme ne fait pas naturellement une distinction franche entre

« petit » et « moyen » par exemple. Il utilise des expressions du genre « plutôt
petit » pour qualifier une taille légèrement inférieure à 160 cm et « plutôt moyen
» pour une taille légèrement supérieure à cette valeur.

En conclusion, la logique binaire présente l’avantage de la simplicité mais

elle est assez éloignée de la logique utilisée naturellement par l’être humain.

Si l’on représente le même problème à l’aide de la logique floue, les

variables ne sont plus binaires mais présentent une infinité de valeurs possible
entre le « vrai » et le « Faux » (figure IV.3).

76
Chapitre : IV Régulation de la température dans une serre agricole par logique floue

Figure IV.3 : Représentation en logique Floue.

77
 Chapitre : IV Régulation de la température dans une serre agricole par logique floue

On constate que cette représentation est beaucoup plus proche de la

façon dont l’être humain raisonne puisqu’elle permet de faire intervenir des
notions telles que « plutôt petit », « assez grand »... Cet avantage se fait,
évidemment, au détriment de la simplicité de la représentation.

IV.5.3 Règles d’inférence

On appelle règles d’inférence, l’ensemble des différentes règles reliant les

variables floues d’entrée d’un système aux variables floues de sortie de ce
système. Ces règles se présentent sous la forme :

Si condition 1 et/ou condition 2 (et/ou...) alors action sur les sorties.

L’exemple suivant, tiré de la vie quotidienne, permet d’illustrer ceci :

- Lorsque l’on prend une douche, un des problèmes qui se présente est de
régler la température de l’eau. La variable d’entrée du système homme-douche
est la température de l’eau mesurée à l’aide de nos capteurs de température.

Les variables de sorties sont les deux robinets eau chaude et eau froide.

Dans la pratique, le réglage de la température se fait en utilisant notre

expérience, expérience qui recouvre à la fois nos préférences et notre
connaissance de l’installation sanitaire utilisée. Ce réglage se fait en utilisant des
règles du genre:

 Si la température est très froide alors ouvrir à fond l’eau chaude

 Si la température est un peu trop froide alors fermer un peu l’eau
froide
 Si la température est bonne alors laisser les deux robinets dans leur
état.
 Si la température est trop chaude alors fermer un peu l’eau chaude
et ouvrir un peu l’eau froide.

78
 Chapitre : IV Régulation de la température dans une serre agricole par logique floue

En termes d’intelligence artificielle, ces règles résument en fait

l’expérience de l’expert et elles ne sont en général pas définissables de façon
unique puisque chaque individu crée ses propres règles.

IV.5.4 Fonctions d’appartenance

Il s’agit d’établir une relation entre le degré de vérité de la variable

floue et la grandeur d’entrée correspondante (figure IV.4), On parle de
fuzzification :

Figure IV.4 : Exemple d’une fonction d’appartenance.

On peut évidemment choisir n’importe quelle forme pour les fonctions

d’appartenance. Cependant, en pratique, on utilise les formes trapézoïdales (cas
de la figure IV.3).

IV.6 combinaison des règles et défuzzification

IV.6.1 Introduction

Les différentes règles d’inférences produisent chacune, une valeur. Ces

différentes valeurs doivent être combinées afin d’obtenir la (éventuellement les)
variable(s) de sortie.

79
 Chapitre : IV Régulation de la température dans une serre agricole par logique floue

En suite la (ou les) variable(s) floue(s) de sortie doivent être converties en

une grandeur de commande (débit, température...) afin d’être appliquée au
système à régler. On appelle cette dernière étape la défuzzification.

IV.6.2 Combinaison des règles

L’ensemble des règles se présente sous la forme d’une énumération du

type :

Si condition 1 et/ou condition 2 (et/ou...) alors action sur les sorties.

Si condition 3 et/ou condition 4 (et/ou...) alors action sur les sorties.

Si condition 5 et/ou condition 6 (et/ou...) alors action sur les sorties.

La combinaison de ces différentes règles se fait à l’aide de l’opérateur ou.

La justification du choix de l’opérateur se fond sur la pratique du langage
courant : en effet, une telle énumération est comprise dans le sens :

Si... alors...ou

Si... alors...ou

Bien que l’opérateur ou ne soit pas explicitement mentionné.

IV.6.3 Défuzzification

Les valeurs obtenues lors de la combinaison des règles appliquées aux

intervalles flous de la variable de sortie, définies une fonction d’appartenance.

Il s’agit de convertir cette information en une grandeur physique.

Plusieurs façons de faire, peuvent être envisagées mais, en pratique, on utilise
surtout les deux méthodes suivantes :

 Défuzzification par calcul du centre de gravité.

 Défuzzification par calcul du maximum.

80
 Chapitre : IV Régulation de la température dans une serre agricole par logique floue

En général, c’est la défuzzification par calcul du centre de gravité qui est

la plus utilisée.

IV.6.3.1 Défuzzification par calcul du centre de gravité

Il s’agit de calculer le centre de gravité de la fonction d’appartenance de la

variable de sortie.

Figure IV.5 : Degré de vérité de la variable floue.

Le calcul du centre de gravité permet bien d’obtenir une seule valeur pour
la grandeur de sortie. Son calcul est cependant relativement complexe puisqu’il
nécessite le calcul d’une intégrale, ou dans le cas simple de fonctions
d’appartenance en raies, d’une somme pondérée.

81
 Chapitre : IV Régulation de la température dans une serre agricole par logique floue

IV.6.4 Exemple d’application de Logique Floue

IV.6.4.1 Description du problème

On souhaite commander l’installation de chauffage d’un immeuble à

l’aide d’un contrôleur floue. On dispose de deux sondes de température : l’une à
l’extérieur de l’immeuble ; l’autre à l’intérieur (grandeur interne). Sur la base de
ces deux mesures et en faisant appel aux règles d’inférences, le contrôleur floue
doit régler la puissance de l’installation de chauffage.

IV.6.4.2 Fuzzification de la température externe :

On choisit deux intervalles flous et des fonctions d’appartenances de type

trapézoïdales en définissant le « froid » comme correspondant à une température
inférieure à 5 °C , et le « chaud » comme étant une température supérieure à 20
°C (figure IV.6)

Figure IV.6 :Fuzzification de la température externe

82
 Chapitre : IV Régulation de la température dans une serre agricole par logique floue

IV.6.4.3 Fuzzification de la température interne

On choisit trois intervalles flous et des fonctions d’appartenances de type

trapézoïdales en définissant le « froid » comme correspondant à une température
inférieure à 15 °C, le « bon » comme étant une température comprise entre 19
°C et 21 °C et le « chaud » comme étant une température supérieure à 25 °C
(figure IV.7).

Figure IV.7 :Fuzzification de la température interne

IV.6.4.4 Fuzzification de la puissance

On choisit quatre intervalles flous pour définir la puissance de

l’installation avec des fonctions d’appartenances en forme de raies. On définit
les valeurs suivantes :

 Valeur de Puissance en %
 Nulle 0
 Faible 33
 Moyenne 67
 Maximale 100

83
 Chapitre : IV Régulation de la température dans une serre agricole par logique floue

Ce qui définit les fonctions d’appartenances illustrées à la figure IV.8.

Figure 1.8 :Fuzzification de la puissance

IV.6.4.5 Règles d’inférences :

L’expérience acquise sur l’installation de chauffage a permis de définir les

six règles suivantes :

 Si la température extérieure est « froide » et la température intérieure

est « froide» alors mettre la puissance au « maximum »
 Si la température extérieure est « froide » et la température intérieure
est « bonne» alors mettre une puissance « moyenne »
 Si la température extérieure est « froide » et la température intérieure
est «chaude »alors mettre une puissance « faible »
 Si la température extérieure est « chaude » et la température intérieure
est «froide »alors mettre une puissance « moyenne »
 Si la température extérieure est « chaude » et la température intérieure
est «bonne »alors mettre une puissance « faible »
 Si la température extérieure est « chaude » et la température intérieure
est «chaude »alors mettre une puissance « nulle »

84
 Chapitre : IV Régulation de la température dans une serre agricole par logique floue

IV.7 Commande de procède

IV.7.1 Construction du régulateur floue

On va exploiter 3 variables, l’erreur (notée e), entrée du régulateur, mais

aussi la variation de l’erreur (notée Δe) et la sortie (notée s). Les valeurs de e de
Δe sont mises à jour à chaque période d’échantillonnage.
L’entrée e a été partitionnée en 3 valeurs linguistiques (chaud, Ok et froid)
ainsi que Δe. Elles peuvent être positives ou négatives, situe sur un intervalle de
[-10,14] et [-15,15] respectivement pour e et Δe.
La sortie s a été partitionnée en 5 valeurs linguistiques ; elle pourra être
positive ou négative.

e « erreur »

85
Chapitre : IV Régulation de la température dans une serre agricole par logique floue

∆𝒆 𝒍𝒂 𝒅é𝒓𝒊𝒗é

S « la sortie »

Figure IV.9: Fuzzification des variables d’entrée et de sortie.

86
 Chapitre : IV Régulation de la température dans une serre agricole par logique floue

IV.7.2 Les règles Floues

La liste des règles utilisées est la suivante :

 R1 : SI (e) est chaud ET (Δe) est se-refroid ALORS (s) est R

 R2 : SI (e) est chaud ET (Δe) est constant ALORS (s) est R
 R3 : SI (e) est chaud ET (Δe) est se-réchauffer ALORS (s) est RB
 R4 : SI (e) est OK ET (Δe) est se-refroid ALORS (s) est C
 R5 : SI (e) est OK ET (Δe) est constant ALORS (s) est rien
 R6 : SI (e) est OK ET (Δe) est se-réchauffer ALORS (s) est R
 R7 : SI (e) est froid ET (Δe) est se-refroid ALORS (s) est CB
 R8 : SI (e) est froid ET (Δe) est constant ALORS (s) est C
 R9 : SI (e) est froid ET (Δe) est se-réchauffer ALORS (s) est C

Avec :

 Refroidir beaucoup : RB
 Refroidir : R
 Réchauffer : C
 Réchauffer beaucoup : CB

87
Chapitre : IV Régulation de la température dans une serre agricole par logique floue

IV.8 Résultat et simulation

IV.8.1 La réponse indiciel de a température par logique floue « retard 1s »

la réponse indiciel de a température par logique flou

"retard 1s"
24

22

20
température (°c)

18

16

14

12

10

8
0 50 100 150 200 250 300
temps (s)

Figure (IV.10) : La réponse indiciel de a température par logique floue « retard 1s »

D’après la figure (IV.10) on remarque que l’évolution de la température

par la commande floue avec un retard de 1s et présente des meilleures
performances au niveau de dépassements, temps de réponse et l’erreur statique
ainsi du résultat acceptable que la commande par PID pour un retard de 1s.

88
Chapitre : IV Régulation de la température dans une serre agricole par logique floue

IV.8.2 Commande de la température par logique floue « retard 1s »

commande de la température par logique flou

"retard 1s"
20

15
température (°c)

10

-5
0 50 100 150 200 250 300
temps (s)

Figure (IV.11) : Commande de la température par logique floue « retard 1s »

D’après la figure (VI.11) on observe que la commande par logique floue

avec un retard de 1s est tend vers zéro qui exprime que la régulation est faite
dans un temps rapide.

89
Chapitre : IV Régulation de la température dans une serre agricole par logique floue

IV.8.3 La réponse indiciel de a température par logique floue « retard 1.5s »

la réponse indiciel de a température par logique flou

"retard 1.5s"
28

26

24

22
température (°c)

20

18

16

14

12

10
0 50 100 150 200 250 300
temps (s)

Figure (IV.12) : La réponse indiciel de a température par logique floue « retard 1.5s »

D’après la figure (IV.12) on remarque que l’évolution de la température

pour la commande floue avec un retard de 1.5s et donne des bonnes
performances avec un petite dépassement dans les 1𝑒𝑟𝑒 temps qui exprime que
l’existence de dépassement à cause de l’augmentation du temps de retard.

90
Chapitre : IV Régulation de la température dans une serre agricole par logique floue

IV.8.4 Commande de la température par logique floue « retard 1.5s »

commande de la température par logique flou

"retard 1.5s"
20

15

10
température (°c)

-5

-10
0 50 100 150 200 250 300
temps (s)

Figure (IV.13) : Commande de la température par logique floue « retard 1.5s »

D’après la figure (IV.13) on observe que la commande par logique floue

avec un retard de 1.5s est acceptable dons les meilleurs délais par rapport à la
commande par PID.

91
Chapitre : IV Régulation de la température dans une serre agricole par logique floue

IV.8.5 La réponse indicielle de la température par logique floue « retard 2s »

la réponse indicielle de la température par logique flou

"retard 2s"
35

30
température (°c)

25

20

15

10
0 50 100 150 200 250 300
temps (s)

Figure (IV.14) : La réponse indicielle de la température par logique floue « retard2s »

D’après la figure (IV.14) on remarque que l’évolution de la température

par la commande floue avec un retard de 2s et présente des performance no
acceptable à cause de dépassement avec un grand temps de réponse pour
stabiliser la température mais différent que la commande par PID.

92
 Chapitre : IV Régulation de la température dans une serre agricole par logique floue

IV.8.6 Commande de la température par logique floue « retard 2s »

commande de la température par logique flou

"retard 2s"
20

15

10
température (°c)

-5

-10

-15
0 50 100 150 200 250 300
temps (s)

Figure (VI.15) : Commande de la température par logique floue « retard 2s »

D’après la figure (VI.15) on observe que la commande par logique

floue avec un retard de 2s est tend vers zéro dans un temps lent (régime
transitoire).

93
Chapitre : IV Régulation de la température dans une serre agricole par logique floue

IV.9 Conclusion :

Dans ce chapitre nous avons présents les différents partie de la logique

floue, principe de la logique floue est les résulta de la simulation de la
température dans une serre agricole par logique floue.

94