● GHAZI MHADHBI

Année Universitaire 2018/2019

● Objectif :
L’objectif recherché dans cette manipulation est :
- Implémentation des méthodes d’identification paramétrique récursives et
non récursives.
- Exploitation du Toolbox « System Identification » du MATLAB.
● Introduction :
L’identification consiste à déterminer les paramètres d’un modèle mathématique, dont la
structure est établie selon un critère donné, les paramètres des modèles sont
obtenus par la minimisation de l’erreur de prédiction entre le signal de sortie mesuré
 et le signal estimé suivant un critère d’optimalité par exemple : (moindres carrés,
erreur quadratique moyenne), nous nous intéressons plus particulièrement à la
méthode qui est basée sur le blanchissement de l’erreur de prédiction. Formellement
l’opération d’identification des paramètres du modèle peut se résumer par la figure
ci-dessous :

● Travail Demandé :

▪ Partie 1 :

On considère le système suivant :

A(q−1)y(k)=q−1B(q−1)u(k)

Avec :

A(q−1)=1+a 1 q−1+a 2 q−2

B(q−1)=b 1 q−1+b 2 q−2

1. Appliquer la méthode des moindres carrés récursifs avec gain

d’adaptation décroissant :

Donc on donne u(k) de la forme suivante :

Et y(k) de la forme suivante :

Pour calculer « θ »on applique l’algorithme suivant en MATLAB :

 D’où on trouve « θ » de la forme :

Qui est le même résultat avec celle réels.

« θ » à une forme graphique comme le montre la figure suivante:

➢ Cette méthode, n'utilise aucune information a priori sur le bruit de mesure, et dans le cas où le
bruit n'est pas à valeur moyenne nulle, l'estimation des paramètres est biaisée.
➢ La méthode de moindres carrés ordinaires donne une identification exacte lorsque le système
opère dans un environnement déterministe.
2. Appliquer la méthode des moindres carrés ordinaire pour l’identification de ce
système :

Et « θ » est :

➢ Pour conclure on déduit que les deux méthodes : la méthode des moindres carrés
récursifs et la méthode des moindres carrés ordinaire
 ▪ Partie 2 :

System Identification Toolbox dispose de fonctions MATLAB, de blocs Simulinket

d’une application destinés au développement de modèles mathématiques de systèmes
dynamiques à partir de données d’entrée-sortie mesurées. Il vous permet de créer et
d’utiliser des systèmes dynamiques difficiles à modéliser, à partir de premiers principes
(équations) ou à partir de spécifications. Vous pouvez utiliser des données d’entrée-
sortie des domaines temporel et fréquentiel afin d’identifier des fonctions de transfert à
temps continu et à temps discret, des modèles de processus et des modèles de
représentations d’état. La boîte à outils propose aussi des algorithmes pour réaliser des
estimations de paramètres en ligne.