Académique Documents
Professionnel Documents
Culture Documents
Régulation et commande
des systèmes asservis
III
Cet ouvrage fait par tie de
Automatique et ingénierie système
(Réf. Internet ti660)
composé de :
Sur www.techniques-ingenieur.fr
• Saisissez la référence Internet pour accéder directement aux contenus en ligne
• Retrouvez la liste complète des ressources documentaires
IV
Cet ouvrage fait par tie de
Automatique et ingénierie système
(Réf. Internet ti660)
Pierre VIDAL
Professeur honoraire des universités
Chékib GHARBI
Directeur du Centre d'Innovation des Technologies sans Contact (CITC
EuraRFID), Lille
Christian TAHON
Professeur à l'Université de Valenciennes et du Hainaut Cambrésis (UVHC)
Étienne DOMBRE
Directeur de Recherche Émérite du CNRS au LIRMM, UMR 5506 Université
Montpellier-CNRS
Éric BONJOUR
Professeur à l'université de Lorraine / ENSGSI, Vice-président Enseignement
-Recherche de l'AFIS
Dominique LUZEAUX
Ingénieur général de l'armement, HDR
Sur www.techniques-ingenieur.fr
• Saisissez la référence Internet pour accéder directement aux contenus en ligne
• Retrouvez la liste complète des ressources documentaires
V
Les auteurs ayant contribué à cet ouvrage sont :
Sur www.techniques-ingenieur.fr
• Saisissez la référence Internet pour accéder directement aux contenus en ligne
• Retrouvez la liste complète des ressources documentaires
VI
Régulation et commande des systèmes asservis
(Réf. Internet 42394)
SOMMAIRE
Modèles simpliiés des systèmes apériodiques pour leur commande PID. Réglage à S7421 33
partir d'un essai indiciel
Méthodes de synthèse de correcteurs numériques R7420 39
Tour d'horizon sur les techniques anti-windup pour les systèmes saturés. Commande S7436 91
anti-windup
Aide au pilotage : application agroalimentaire S7437 95
Sur www.techniques-ingenieur.fr
• Saisissez la référence Internet pour accéder directement aux contenus en ligne
• Retrouvez la liste complète des ressources documentaires
VII
Commande des systèmes par platitude S7450 107
Multimodèles : analyse et synthèse. Commande et observation des modèles Takagi- S7462 115
Sugeno
Cahier des charges des automatismes. Analyse fonctionnelle S8095 119
Sur www.techniques-ingenieur.fr
• Saisissez la référence Internet pour accéder directement aux contenus en ligne
• Retrouvez la liste complète des ressources documentaires
Régulation et commande des systèmes asservis
(Réf. Internet 42394)
Q
1– Régulation Réf. Internet page
Modèles simpliiés des systèmes apériodiques pour leur commande PID. Réglage à S7421 33
partir d'un essai indiciel
Méthodes de synthèse de correcteurs numériques R7420 39
2– Commande
Sur www.techniques-ingenieur.fr
• Saisissez la référence Internet pour accéder directement aux contenus en ligne
• Retrouvez la liste complète des ressources documentaires
Y
Q
QP
r←ヲ←イ・ョ」・@iョエ・イョ・エ
rWTPU
1. Définition.................................................................................................... R 7 405 - 2
1.1 Le correcteur ................................................................................................ — 2
1.2 But de la correction ..................................................................................... — 2
2. Spécifications ........................................................................................... — 2
2.1 Spécifications temporelles.......................................................................... — 2
2.2 Spécifications fréquentielles....................................................................... — 2
2.3 Équivalence des spécifications temporelles ou fréquentielles ................ — 2
2.4 Précision ....................................................................................................... — 3
3. Structure des correcteurs ..................................................................... — 4
3.1 Fonctions de transfert des correcteurs ...................................................... — 4
3.2 Structure de commande ............................................................................. — 4
3.3 Terminologie usuelle ................................................................................... — 4
4. Correction des procédés à dominante du premier ordre ............. — 4
4.1 Limitations pratiques du réglage par un gain ........................................... — 5
4.1.1 Calculs théoriques .............................................................................. — 5
4.1.2 Conséquence de l’existence d’une petite constante de temps,
négligée précédemment .................................................................... — 6
4.2 Correcteur passe-bas................................................................................... — 6
4.3 Correcteur proportionnel et intégral (PI) ................................................... — 7
5. Correction des procédés à dominante du deuxième ordre.......... — 7
5.1 Correcteur PI pour un deuxième ordre ...................................................... — 8
5.2 Correcteur PID pour un deuxième ordre ................................................... — 9
5.2.1 Diverses formes .................................................................................. — 9
5.2.2 Réglages d’un PID pour un deuxième ordre .................................... — 9
5.2.3 Remarque : réglages pour un troisième ordre................................. — 9
6. Amortissement par retour dérivé........................................................ — 10
6.1 Modification d’un premier ordre par retour dérivé .................................. — 10
6.2 Retour dérivé sur procédé du deuxième ordre ......................................... — 10
7. Correction par placement des pôles .................................................. — 11
7.1 Procédé du deuxième ordre ....................................................................... — 11
7.2 Exemple........................................................................................................ — 11
Références bibliographiques ......................................................................... — 12
a sortie du procédé que l’on commande doit évoluer pour suivre la consigne
L demandée. Il faut donc à tout instant (ou périodiquement en régulation
numérique) appliquer, à l’entrée puissance du procédé, la commande appropriée.
Cette commande est calculée par un ensemble de traitements d’informations,
le correcteur, qui utilise des opérateurs (sommateurs, gains, intégrateurs,
dérivateurs) élaborant la commande à partir du signal d’erreur et des mesures
auxiliaires disponibles.
p。イオエゥッョ@Z@。カイゥャ@QYXT
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur, traité Informatique industrielle R 7 405 − 1
QQ
r←ヲ←イ・ョ」・@iョエ・イョ・エ
rWTPU
Q
procédé, capteur
K gain statique du correcteur — la précision en régime établi (erreurs de position, de vitesse) ;
— la rapidité (temps de réponse, bande passante) ;
p variable de Laplace
— l’allure de la réponse (régime transitoire peu oscillant, courbe
Q facteur de résonance en boucle fermée de réponse en fréquence plate).
R (p) référence ou consigne
S (p) signal de sortie du capteur
Ti constante de temps de l’intégrateur
Td constante de temps du dérivateur
2.1 Spécifications temporelles
tr temps de réponse à 5 %
Tout système linéaire donne une réponse qui est la somme de
u (p) commande réponses élémentaires du premier ou du deuxième ordre. Les modes
z amortissement d’un système rapides disparaissant les premiers, l’essentiel de la réponse dépend
du deuxième ordre en général du mode le plus lent, qui peut être soit un premier ordre,
α coefficient du correcteur passe-bas soit un deuxième ordre. Il en résulte que les systèmes physiques,
ε0 erreur statique sur l’échelon même compliqués, ont très souvent une allure de réponse à domi-
∆τ petite constante de temps nante du premier ordre ou à dominante du deuxième ordre. On
τ constante de temps s’efforce donc usuellement d’obtenir d’un système asservi, quelle
τa constante de temps apparente que soit sa complexité, qu’il puisse ressembler soit à un premier
ωc pulsation de cassure ordre, soit à un deuxième ordre ; d’où les deux types fondamentaux
ωn pulsation naturelle d’un système de réponse suivants (tableau 1).
du deuxième ordre ■ Premier ordre : l’erreur s’atténue exponentiellement. Si τ est la
ωr pulsation de résonance constante de temps, le temps de réponse à 5 % est :
tr = 3τ
Nota : le temps de réponse à 5 % est défini comme le temps à partir duquel le signal
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
R 7 405 − 2 © Techniques de l’Ingénieur, traité Informatique industrielle
QR
r←ヲ←イ・ョ」・@iョエ・イョ・エ
rWTPU
Temps Fréquence
Les systèmes du premier et du deuxième ordre servent encore Le tableau 1 résume ces relations de passage, qui au sens strict
de guide et l’on admet que leurs propriétés s’étendent aux ne sont vraies que pour les systèmes du premier et du deuxième
systèmes réguliers (ainsi appelés car leur comportement rappelle ordre, mais que l’on utilisera néanmoins pour des systèmes
celui d’un deuxième ordre). quelconques (mais réguliers).
Ainsi, pour obtenir une réponse temporelle du type premier ordre,
on admet que la réponse en fréquence en boucle fermée doit rester
plate jusqu’à la pulsation de cassure ωc = 1/τ, puis chuter au-delà
avec une pente d’environ – 6 dB/octave (sur une étendue d’environ
2.4 Précision
une décade à partir de ωc ).
De même, une réponse temporelle du type deuxième ordre, de La précision s’intéresse à l’état final, après disparition des régimes
pulsation naturelle ωn et d’amortissement z = 0,43, se traduira par transitoires. Un raisonnement simple permet de comprendre la situa-
une réponse en fréquence d’abord plate puis présentant une tion et d’expliquer le rôle d’un intégrateur, si l’on note que
surtension Q = 2,3 dB (c’est celle que l’on obtiendrait pour un l’intégrateur est capable de fournir une sortie non nulle en présence
système du deuxième ordre strict dont l’amortissement serait d’une entrée nulle (article Performances d’un système asservi
z = 0,43). Cette surtension ayant lieu pour la pulsation de réso- [R 7 200], dans la présente rubrique Automatique).
nance ωr pour laquelle on admet que les relations du deuxième Rappelons que l’erreur sur l’échelon unitaire est :
ordre restent vérifiées, soit :
1
ωr = ωn 1 – 2z 2 = 0,8 ω n si z = 0,43 ε 0 = -----------------
1+K
au-delà, la courbe de gain chutera de – 12 dB/octave sur une étendue où K est le gain statique, produit de tous les gains statiques ren-
d’environ une décade. contrés le long de la boucle.
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur, traité Informatique industrielle R 7 405 − 3
QS
Q
QT
r←ヲ←イ・ョ」・@iョエ・イョ・エ
rWTQP
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur, traité Informatique industrielle R 7 410 − 1
QU
r←ヲ←イ・ョ」・@iョエ・イョ・エ
rWTQP
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
R 7 410 − 2 © Techniques de l’Ingénieur, traité Informatique industrielle
QV
r←ヲ←イ・ョ」・@iョエ・イョ・エ
rWTQP
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur, traité Informatique industrielle R 7 410 − 3
QW
Q
QX
r←ヲ←イ・ョ」・@iョエ・イョ・エ
rWTQV
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur, traité Mesures et Contrôle R 7 416 - 1
QY
r←ヲ←イ・ョ」・@iョエ・イョ・エ
rWTQV
régulateur PID n’est plus adéquat et un régulateur plus complexe (avec plus de
paramètres) doit être utilisé, aux dépens de la sensibilité aux variations des para-
mètres du procédé.
La réalisation d’une boucle d’asservissement par PID est un problème très
important, car il influence :
— la qualité de la régulation sur un site industriel ;
1. Notations et structure
du régulateur PID p1 (t ) p2 (t )
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
R 7 416 - 2 © Techniques de l’Ingénieur, traité Mesures et Contrôle
RP
r←ヲ←イ・ョ」・@iョエ・イョ・エ
rWTQV
La fonction de sensibilité de la boucle fermée (sensibilité pertur- 1.3 Formes des régulateurs PID
bation sortie - sortie) est notée :
1
S yv ( s ) = ----------------------------- (4) ■ Forme standard
1 + H BO ( s )
La forme standard de la fonction de transfert du régulateur PID
son maximum étant défini par : est :
S yvmax = max S yv ( jw )
w
(5)
sT i
1 sT d
C ( s ) = K p 1 + ----------- + ----------------------
Td
- (6) Q
avec w pulsation. 1 + s --------
N
On appelle zéros du régulateur les racines du numérateur où par rapport à la forme donnée auparavant, l’action dérivative est
de la fonction de transfert C (s ) de ce régulateur. implémentée avec un filtre du premier ordre, dont la constante de
On parle de pôles du régulateur quand il s’agit des racines temps est N fois plus petite que Td . Ce filtre permet d’atténuer l’effet
du dénominateur de la fonction de transfert. du bruit hautes fréquences dans la commande du PID, le choix typi-
Si ces racines sont réelles, on parle de zéros ou de pôles réels que de N étant compris entre 10 et 20. L’équation (6) représente la
Si les modules de ces racines sont faibles (grandes constantes forme conventionnelle, commercialisée par la plupart des construc-
de temps), on parle de zéros ou de pôles lents (avec une valeur teurs de régulateurs PID.
limite quand la racine est nulle donc pour une constante de
temps infinie). Les deux zéros « lents » introduits par le régulateur peuvent être
complexes, ce qui est utile quand on veut commander des systèmes
avec un mode oscillatoire.
■ Forme parallèle
1.2 Paramètres
La forme « parallèle » de la fonction de transfert du régulateur PID
est :
La commande u (t ) donnée par le régulateur PID, dans sa forme
classique est décrite par : k kd s
C ( s ) = k + -----i + -------------------------------
- (7)
s 1 + (k d ¤ k ) s
1
u ( t ) = K p e ( t ) + -----
Ti
E e t dt
0
t
( )
de ( t )
+ T d --------------
dt avec k, ki et kd constantes.
Elle est la somme de trois termes : Cette forme est équivalente à la forme standard, et la relation
— le terme proportionnel P = Kpe (t ) (proportionnel à l’erreur) ; entre les paramètres de la forme parallèle et la forme standard est
évidente. L’avantage de cette forme vient du fait qu’une action pro-
1 t
E
— le terme intégral I = K p ------- e ( t ) dt (proportionnel à l’inté-
Ti 0
portionnelle, intégrale ou dérivée pure peut être obtenue avec des
paramètres finis du régulateur. Par contre, les paramètres n’ont pas
grale de l’erreur) ; une interprétation physique évidente.
de ( t )
— le terme dérivatif D = K p T d -------------- (proportionnel à la dérivée
de l’erreur). dt ■ Forme série
Dans les régulateurs PID existants sur le marché, les actions pro- avec t1 , t2 , ti et tN constantes de temps.
portionnelle et intégrale peuvent être exprimées comme suit :
— l’action proportionnelle s’exprime soit par le gain proportion- Cette forme permet de mettre plus facilement en relation les para-
nel Kp , soit par la bande proportionnelle BP. Cette dernière est défi- mètres du régulateur avec les constantes de temps du procédé.
nie comme la variation, en pourcentage, de l’entrée du régulateur e Sous cette forme, le régulateur a deux zéros réels.
nécessaire pour que la sortie u varie de 100 %.
Le régulateur PID sous la forme série (8) peut toujours être repré-
La relation entre le gain Kp et la bande proportionnelle (BP ), expri- senté sous la forme parallèle (6), selon :
mée en % est :
100 ì t1 + t2 Ð tN
BP % = ----------
Kp ï K p = ----------------------------
ti
-
ï
ï T = t +t Ðt
— l’action intégrale s’exprime soit par le temps Ti , qui représente ï i 1 2 N
le temps nécessaire pour que la variation de la sortie (u ) soit égale ï 2
à celle de l’entrée (e ), soit par l’inverse du temps, n, qui exprime le í t1 t2 Ð tN t1 Ð t2 tN + tN (9)
ï T d = -----------------------------------------------------------
t1 + t2 Ð tN
-
nombre de fois que la sortie u répète l’entrée e, dans l’unité de ï
temps (mn, s) : ï 2
ï t1 t2 Ð tN t1 Ð t2 tN + tN
1 ï N = ------------------------------------------------------------
T i = ----- î tN ( t1 + t2 Ð tN )
n
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur, traité Mesures et Contrôle R 7 416 - 3
RQ
r←ヲ←イ・ョ」・@iョエ・イョ・エ
rWTQV
L’inverse n’est possible que si NT i ÐTd > 2 N T i T d (condition La fonction de transfert en boucle fermée HBF(s ) contient les zéros
introduits par le régulateur, ce qui peut donner parfois des dépasse-
sous laquelle la forme standard donne des zéros réels) : ments importants de la réponse en boucle fermée.
Q
ï -----d-ö sT d
ï è i Nø 1
(10) U ( s ) = K p E ( s ) + ----------- E ( s ) + ----------------------- ( Ð Y ( s ) ) (11)
í sT i Td
ï Ti 1 + s --------
ï t i = -------- N
ï Kp
ï
ï t = T -----d-
La fonction de transfert en boucle fermée contiendra un zéro de
ï N N moins que la fonction de transfert correspondante à la structure 1,
î donc le dépassement de la réponse indicielle sera diminué. Par con-
tre, le temps de montée en boucle fermée sera plus long.
La forme standard est ainsi plus générale que la forme série. Son
désavantage est le fait qu’une action intégrale ou proportionnelle
pure ne peut pas être obtenue avec des paramètres finis du régula- ■ Structure 3 : avec les actions « P et D sur la sortie y », comme sur
teur. la figure 4. La commande U (s ) correspond à :
1 sT d
1.4 Diminution des effets des zéros U ( s ) = K p Ð Y ( s ) + ----------- E ( s ) + ---------------------- ( Ð Y ( s ) )
sT i Td
(12)
du régulateur PID 1 + s --------
N
1.4.1 Structures mixtes La fonction de transfert en boucle fermée ne contient plus les
deux zéros lents du régulateur, ce qui mène à la diminution du
Les trois structures mixtes de configuration du PID sont des modi- dépassement de la réponse indicielle en boucle fermée, et à un
fications de l’algorithme standard (6) (les autres formes (8) et (7) temps de montée augmenté (par rapport aux structures 1 et 2).
peuvent se ramener à (6)) :
■ La comparaison des réponses des trois structures est illustrée sur
■ Structure 1 : avec les actions « PID sur l’erreur », comme sur la un exemple de régulateur PID calculé selon la méthode de Ziegler-
figure 2 et qui correspond à la commande : Nichols fréquentielle (§ 3.2.2). Sur la figure 5, on montre la réponse
de la sortie y (t ) et de la commande u (t ) à un changement de consi-
sT d gne en échelon et à une perturbation de charge à la sortie (p2 (t )
1 dans la figure 1).
U ( s ) = K p 1 + ---------- + ----------------------
- E(s)
sT i Td
1 + s --------
N
1 2
1 Td s et qui offre plus de souplesse est donnée par :
r (t ) e (t ) Kp 1 + + u (t ) y (t )
Ti s T G (s)
+ 1+ d s
–
N 1
U (s ) = Kp [b1R (s ) – Y (s ) + --------- ( R ( s ) Ð Y ( s ) )
sT i
sT d
+ ----------------------- (b2R (s ) – Y (s ))] (13)
Td
Figure 2 – Structure classique du PID, avec actions P, I et D 1 + s --------
sur l’erreur e N
1 21 2
1 1
r (t ) e (t ) Kp 1 + u (t ) y (t )
Ti s Td G (s)
+ +
– 1+ s –
N
Td s
Kp
T
1+ d s
N
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
R 7 416 - 4 © Techniques de l’Ingénieur, traité Mesures et Contrôle
RR
r←ヲ←イ・ョ」・@iョエ・イョ・エ
rWTQV
1 21 2
1 1
r (t ) e (t ) Kp u (t ) y (t )
Ti s T G (s)
+ +
– 1+ d s –
N
1 2
Td s
Q
Kp 1 +
T
1+ d s
N
Figure 5 – Comparaison entre les réponses en boucle fermée Pour l’étude de la robustesse de la boucle fermée obtenue avec un
obtenues avec PID (Ziegler-Nichols fréquentiel) structure 1, 2 et 3 régulateur PID, les marges de robustesse les plus importantes qu’on
va vérifier sont la marge de module et la marge de retard [12] [7].
■ La marge de module :
Ð1
D M = ( S yv max )
r (t ) y * (t ) e (t ) u (t ) y (t )
HF (s) C (s) G (s) est l’inverse de la valeur maximale (en dB ) du module de la fonction
+
– de sensibilité (4) et qui représente, dans le diagramme de Nyquist
du système compensé en boucle ouverte HBO(s ), la plus petite dis-
tance par rapport au point –1 (voir figure 7). Il résulte du théorème
du cercle (Popov-Zames) [16] que la boucle fermée restera stable
pour toute non linéarité (ou variation dans le temps) conique, située
1
Figure 6 – Structure du PID avec filtre sur la consigne à l’intérieur du secteur défini par un gain linéaire minimum --------------------
1 Ð DM
1
et maximum -------------------- .
Les paramètres b1 , b2 sont des facteurs de pondération de la réfé- 1 + DM
rence dans les actions proportionnelle et dérivée, respectivement.
Ils sont utilisés pour atténuer le dépassement de la réponse aux Une valeur typique de cette marge est :
changements de consigne en échelon (0 < b1 < 1), comme indiqué
dans [8]. DM > 0,5 (soit –6dB ) (DMmin = 0,4 (–8dB )) (14)
Pour les structures présentées auparavant, ces facteurs prennent Il est à noter que DM > 0,5 implique une marge de gain DG > 2
les valeurs : (6dB ) et une marge de phase DF > 29o, mais la réciproque n’est pas
vraie.
— b1 = 1, correspondant à la structure « P sur l’erreur » (voir les
figures 2 et 3) ; ■ La marge de retard représente la valeur maximale de la varia-
— b1 = 0, correspondant à la structure « P sur la sortie » (voir la tion ou de l’incertitude sur le retard du système, qu’on peut tolérer
figure 4) ; sur le transfert de la boucle, sans entraîner l’instabilité :
DF
— b2 = 1, correspondant à la structure « D sur l’erreur » (voir la D t = ---------
figure 2) ; w cr
— b2 = 0, correspondant à la structure « D sur la sortie » (voir les où DF est la marge de phase et wcr est la pulsation de croisement
figures 3 et 4). correspondante.
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur, traité Mesures et Contrôle R 7 416 - 5
RS
Q
RT
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTQX
a commande PID n’est pas la plus performante des commandes mais c’est
L la plus répandue. Le technicien ou l’ingénieur, confronté en pratique à une
régulation, est bien souvent limité à la mise en œuvre d’un régulateur PID qui
n’offre pas toutes les possibilités de réglage des méthodes modernes. De plus,
il est en général impossible d’effectuer des essais en boucle ouverte pour iden-
tifier le système régulé. On doit alors savoir régler au mieux ce type de régu-
lateur à partir d’essais en boucle fermée uniquement.
On présente ici, en respectant ces contraintes, deux applications concrètes
très fréquentes : une régulation de température et l’asservissement en position
p。イオエゥッョ@Z@ウ・ーエ・ュ「イ・@RPPT@M@d・イョゥ│イ・@カ。ャゥ、。エゥッョ@Z@ェオゥョ@RPQY
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur S 7 418 − 1
RU
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTQX
Q
U (p) Td p
(figure 1). On cherche à déterminer un régulateur PID conduisant à
de bonnes performances de régulation. Le système doit être iden- ε (p) 冢
C ( p ) = ----------------- = A 1 + ------i- + ----------------------
p 1 + Tƒ p
- 冣 = ----------------------------------------------
p (1 + T p) ƒ
-
tifié à partir d’essais en boucle fermée uniquement. On se limite ici
à des systèmes qui sont stabilisables par un correcteur proportion- avec c 0 = A ωi ,
nel. Si le système ne satisfait pas cette contrainte, il nécessite sûre- c 1 = A (1 + Tƒ ωi ),
ment une commande plus complexe que la commande PID et on c 2 = A (Td + Tƒ ).
ne confie pas cette tâche à un technicien.
On obtiendra souvent le PID sous cette forme de fraction ration-
Le correcteur PID élabore la commande u à partir de l’écart,
nelle, mais il faudra le « programmer » avec la première expres-
ε = yd – y entre la mesure y et la valeur désirée (ou consigne) yd en sion pour laquelle les trois effets P, I, D sont bien séparés (ou peut
ajoutant trois effets :
aussi utiliser la décomposition en éléments simples de la fraction
— un effet proportionnel ; plus l’écart est important plus la rationnelle) sinon on obtient des équations aux différences avec
commande doit l’être ; des coefficients de valeurs élevées et proches les unes des autres.
— un effet intégral ; si l’écart est positif, il faut continuer à aug-
On utilise pour cela les relations :
menter la commande pour le réduire ;
— un effet dérivé ; dès que la mesure varie, il faut modifier la A = c 1 – c 0 Tƒ
commande sans attendre qu’un écart important existe.
c0
Soit : ω i = --------
A
u ( t ) = A ε ( t ) + A ωi
t
0
冕 ε ( x ) dx + AT d
dε
---------
dt
c2
T d = -------- – T ƒ
A
U (p) ω
ε (p) 冢
⇔ ----------------- = A 1 + ------i- + T d p
p 冣 1.2 Critère de stabilité pour le réglage
avec p variable de Laplace. du PID
En pratique, l’effet dérivé doit être filtré pour éviter de dégrader
le rapport signal/bruit de la commande [R 7 416] réf. [11]. La performance fondamentale que doit assurer le correcteur est
de rendre le système bouclé (figure 1) suffisamment stable.
On prendra toujours :
En effet, la structure de commande (figure 1) en boucle fermée
conduit « naturellement » à l’instabilité comme le montre le raison-
U (p) ω Td p nement « qualitatif » suivant. Si le signal d’erreur est sinusoïdal,
ε (p) 冢
----------------- = A 1 + ------i- + ----------------------
p 1 + Tƒ p
- 冣 ε (t ) = E M sin ( ω t ), la sortie est aussi sinusoïdale, soit y (t )
= YM sin (ωt + ϕ ) et si on pose T (p ) = C (p ) F (p ), on a :
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
S 7 418 − 2 © Techniques de l’Ingénieur
RV
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTQX
Gain (dB)
arg [T (jωc )] = – π et |T (jωc )| < 1
Naturellement, il faut satisfaire l’inéquation avec une certaine 0
marge et en pratique on fixe 20 lg (|T (jωc )| < – Gm · Gm est nommé
marge de gain et on prend souvent Gm = 10 dB.
De façon duale, on constate que le système bouclé sera stable si
on vérifie les deux équations (notez qu’il s’agit d’une pulsation ωϕ – 100
– 50
Q
10–1 100 101
et non de ωc ) :
ω (rad/s)
|T (jωϕ )| = 1 – π < arg (T (jωϕ ))
Système en boucle fermée Limite supérieure de
On impose en pratique : 20 lg 兩H (jω)兩 la bande passante en
boucle fermée estimée
20 lg 兩C (jω)兩 (dB)
dépassement indiciel est important.
Ce sont ces relations qui permettent de déterminer un correcteur 20
PID satisfaisant. On constate qu’il faut « augmenter » la phase de
T (jω ) = C (jω ) F (jω ) pour les pulsations ω telles que |T (jω )| ≈ 1. 10
Cela est le principe de « l’avance de phase ».
0
10–1 100 101 102
1.3 Bande passante en boucle fermée ω (rad/s)
obtenue en imposant la marge
Arg [C (jω)] (°)
90
de phase Courbe
asymptotique
La fonction de transfert du système en boucle fermée est 0
Courbe
y T (p)
H ( p ) = -------- = --------------------------. réelle 1
yd 1 + T (p) Tf
– 90
Soit les pulsations ω telles que : 10–1 ωid 101 102
|T (jω )| << 1 (équivalent à 20 lg (|T (jω )| << 0 dB) ω (rad/s)
T (jω)
alors H ( j ω ) = --------------------------- ≈ T (jω) .
1 + T (jω) Figure 3 – Diagramme de Bode du PID
Cette condition est obtenue en haute fréquence car, pour les sys-
tèmes réels, |T (jω )| diminue si la pulsation augmente.
De même si ω est telle que : Pour les pulsations faibles (signaux obtenus en régime permanent
ω Td p ω
|T (jω )| >> 1 (équivalent à 20 lg (|T (jω )| >> 0 dB)
T (jω)
冢
p = jω → 0) ; C ( p ) = A 1 + ------i- + ----------------------
p 1 + Tƒ p p → 0 冣 冢
- → A 1 + ------i- , seuls
p 冣
alors H ( j ω ) = --------------------------- ≈ 1 soit 20 lg (|H (jω )| ≈ 0 dB. les effets P et I interviennent en régime permanent. La phase de C (p )
1 + T (jω)
π
Cette condition est obtenue en basse fréquence car |T (jω )| vaut alors arg [ C ( p ) ] → – -----.
p→0 2
comporte un intégrateur (correcteur PID) ; ainsi le gain augmente si
la pulsation tend vers 0. Pour les pulsations élevées et en négligeant l’influence du filtre
passe-bas, soit Tƒ ≈ 0 (signaux obtenus en régime transitoire,
La « cassure », qui donne une estimation de la bande passante
sur le diagramme de Bode de H (jω ), est donc située à la limite des ω
deux cas |T (jω )| << 1 et |T (jω )| >> 1, la bande passante du système
p = jω → ∞), C ( p ) ≈ A 冢 1 + ------i- + T d p 冣 → A T d p , l’effet D est pré-
p p→0
bouclé peut être estimée (figure 2) par la pulsation ωϕ telle que 1
|T (jωϕ )| = 1 ; c’est justement la pulsation qui permet d’imposer la pondérant en régime transitoire (jusqu’à la pulsation -------- ) et la
Tƒ
marge de phase : pour cette raison, il faut prendre ωϕ le plus grand π
possible. phase de C (p ) vaut alors arg [ C ( p ) ] → + ----- .
p→∞ 2
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur S 7 418 − 3
RW
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTQX
Amplitude
εv
L’avance de phase existe (selon les asymptotes) pour les pulsa- 0,8
1
tions ω id < ω < --------. 0,6
Tƒ Consigne
0,4
ω 1 Mesure
Pour un PID « bien réglé », on aura ω id = -------i- < -------- sinon cela 0,2
Q
Td Tƒ
signifie que l’effet D est inutile car un tel PID n’introduit aucune 0
avance de phase. Le rapport Tƒ ωid entre ces deux pulsations fixe – 0,2
0 1 2 3 4 5 6 7 8 9 10
l’avance de phase maximale du correcteur. Souvent, on impose
Temps (s)
2
T ƒ ωi
α = T ƒ ω id = ---------------- a priori à partir de l’avance de phase
Td Figure 5 – Essai en rampe
souhaitée.
2. Performances obtenues 1
Amplitude
Consigne
0,8
en boucle fermée 0,6
Début ∆t
0,4 de l'essai
Mesure
2.1 Essais expérimentaux 0,2
en régime transitoire 0
t
– 0,2
On évalue les performances en boucle fermée en conduisant des 0 10 20 30 40 50 60 70 80 90 100
essais caractérisant le régime transitoire de la mesure y, quand la Temps (s)
consigne yd varie.
Figure 6 – Essai en accélération
■ L’essai indiciel (ou essai à l’échelon) en boucle fermée (figure 4)
consiste à faire évoluer brutalement la consigne yd (yd est un éche-
lon), à partir d’un régime permanent, et à observer le régime transi-
toire de la mesure y. ■ L’essai à une rampe (figure 5) consiste à faire évoluer la consigne
On caractérise ce régime transitoire (figure 4) par les critères yd , à vitesse v constante (yd = vt ) à partir d’un régime permanent et
suivants : à observer le régime transitoire obtenu. Comme la rampe est l’inté-
— D %, le dépassement indiciel en boucle fermée qui caractérise grale d’un échelon, la réponse à une rampe est l’intégrale de la
( ∆y max – ∆y ) réponse indicielle. Cet essai permet de mesurer l’erreur de poursuite
le degré de stabilité du système, D % = 100 -------------------------------------- ; yd – y
∆y ε v = lim ----------------- qui est un temps qui représente le retard en régime
— trBF , le temps de réponse (à 5 %) en boucle fermée ; t →∞ v
permanent entre la mesure et la consigne. Pour annuler l’erreur de
— εp , l’erreur de position qui est l’écart relatif en régime perma- poursuite, il faut que la fonction de transfert T (p ) = C (p ) F (p ) pos-
∆y d – ∆y sède deux intégrations au moins.
nent entre la consigne et la mesure ε p = ------------------------- (en régime per-
∆y d ■ L’essai en accélération (figure 6) consiste à faire évoluer la
manent). Pour annuler l’erreur de position, il faut que la fonction de
1
transfert T (p ) = C (p ) F (p ) possède une intégration au moins. 冢
consigne yd , à accélération γ constante y d = ----- γ t 2 à partir d’un
2 冣
régime permanent et à observer le régime transitoire obtenu.
Comme le signal d’accélération constante est l’intégral d’un signal à
vitesse constante, la réponse en accélération est l’intégrale de la
réponse à une rampe. Cet essai permet de mesurer l’erreur en accé-
1,2
yd – y
lération ε a = lim ----------------- = t ∆t qui s’exprime en s 2. ∆t représente le
Amplitude
Consigne Mesure t →∞ γ
1
retard temporel, à l’instant t, entre la mesure et la consigne. Pour
0,8 annuler l’erreur en accélération, il faut que la fonction de transfert
0,6 T (p ) = C (p ) F (p ) possède trois intégrations au moins.
∆ymax ∆yd ∆y
0,4
0,2
0 tr 2.2 Précision des systèmes bouclés
– 0,2 en régime permanent
0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 5
Temps (s)
La précision d’un système asservi (figure 1) est caractérisée par
l’erreur en régime permanent entre la sortie et la consigne, soit
ε = lim ( y d – y ) .
Figure 4 – Essai indiciel t →∞
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
S 7 418 − 4 © Techniques de l’Ingénieur
RX
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTQX
yd – y yd – y yd – y
lim T (p)
p→0
εp = tlim
→⬁ 冢 y0 冣 εv = tlim
→⬁ 冢 v 冣 εa = tlim
→⬁ 冢 γ 冣
Ks
Système de classe 0
1
1 + Ks ⬁ ⬁ Q
Kv 1
p 0 Kv ⬁
Système de classe 1
Ka
1
p2 0 0 Ka
Système de classe 2
Figure 7 – Erreurs en régime permanent
en fonction de la classe du système
Soit T (p ) = C (p ) F (p ), la fonction de transfert du système en 1 : Effectuer un essai indiciel sur le système en boucle fermée
y T (p) commandé avec un correcteur proportionnel pur, C (p ) = A. On
boucle ouverte est H ( p ) = -------- = --------------------------, la fonction de transfert règle la valeur A du correcteur proportionnel pour stabiliser le sys-
yd 1 + T (p)
du système en boucle fermée. tème en boucle fermée mais en cherchant à obtenir une oscillation
amortie sur la réponse indicielle car cela facilite l’identification.
L’erreur dépend du signal de consigne yd .
2 : Identifier un modèle H (p ) de la fonction de transfert du sys-
On définit : tème en boucle fermée à l’aide de cet essai expérimental. On choisit
yd – y un modèle (cf. § 4) présentant le nombre minimal de paramètres.
t →∞
冢
ε p = lim ----------------
yd 冣
- , l’erreur de position si la consigne yd est On détermine les paramètres en ajustant la réponse indicielle du
constante en régime permanent ; modèle à la réponse expérimentale.
yd – y 3 : Déterminer un modèle de la fonction de transfert F (p ) du
t →∞
冢 v 冣
ε v = lim ----------------
- , l’erreur de traînage (ou de poursuite) si, en système en boucle ouverte à partir de H (p ) à partir de la relation
régime permanent, la consigne évolue à la vitesse v, soit yd = vt ; A F (p)
H ( p ) = -------------------------------. On prend pour F (p ) le modèle de comporte-
1 + A F (p )
yd – y
t →∞
冢 γ 冣
ε a = lim ----------------
- , l’erreur en accélération si, en régime perma- ment le plus simple possible conservant les propriétés essentielles
du système (présence d’une intégration, caractère oscillant ou
nent, la consigne évolue avec une accélération constante γ soit apériodique etc.).
1 4 : Calculer (cf. § 6 et § 7) un correcteur PID adapté à F (p )
y d = ----- γ t 2 .
2 limitant le dépassement indiciel toléré et conduisant à un temps de
On a, en appliquant le théorème de la valeur finale : réponse court (par rapport au temps de réponse du système en
1 boucle ouverte).
ε = lim ( y d – y ) = lim p ( 1 – H ( p ) ) y d ( p ) = lim p y d ( p ) --------------------------
t →∞ p →0 p →0 1 + T (p) 5 : Vérifier les performances effectivement obtenues en condui-
sant des essais transitoires (§ 2) et éventuellement modifier les
On constate que la limite lim T ( p ) est prépondérante sur la réglages empiriquement autour du PID ainsi obtenu.
p →0
valeur de l’erreur. L’erreur sera nulle si cette limite est infinie, soit
si T (p ) possède au moins une intégration (p en facteur avec le
dénominateur de T (p )).
4. Identification expérimentale
On définit donc la classe n d’un système comme étant le nombre
d’intégration du système. Par définition, n est la classe de T (p )
en boucle fermée
K
si T (p ) ≈ -------- pour p → 0 avec K constant.
pn 4.1 Modèles de comportement
en boucle fermée
Cela conduit au tableau de la figure 7 suivant, donnant les erreurs
en fonction de la classe du système. Le système en boucle fermée, commandé par un correcteur pro-
portionnel, possède un gain proche de l’unité et en général pré-
sente une réponse indicielle avec des oscillations amorties. Cela
peut être traduit par la fonction de transfert :
3. Principe de la méthode y K ( 1 + τn p )
F 31 ( p ) = ----- = -------------------------------------------------------------------------------
-
de réglage expérimentale u
du PID 冢 2mp
( 1 + τ d p ) 1 + ----------------- + ---------
ω0
p2
ω0
2 冣
avec m coefficient d’amortissement (m < 1),
La méthode, basée sur des essais indiciels, comporte les étapes ω0 pulsation propre ou naturelle,
suivantes. τd , τn constantes de temps.
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur S 7 418 − 5
RY
Q
SP
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTQY
SQ
Q
SR
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTRQ
une large gamme de processus. Ils n’ont que trois ou quatre paramètres peu
corrélés. Un essai indiciel en boucle ouverte permet de les estimer simplement
et chaque paramètre ayant un sens physique, il est aisé d’écarter des identifi-
cations aberrantes. De ces paramètres, on déduit le réglage du correcteur PID
adapté au système.
deux paramètres (A et T car r ≈ 12 varie peu). Le but cherché n’est pas
d’obtenir une commande optimale, mais seulement un réglage rapide et satis-
faisant du correcteur. Le réglage permet d’imposer la stabilité en boucle
p。イオエゥッョ@Z@。カイゥャ@RPRP
SS
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTRQ
MODÈLES SIMPLIFIÉS DES SYSTÈMES APÉRIODIQUES POUR LEUR COMMANDE PID _____________________________________________________________
1. Simplification
Intégrateur
du correcteur PID
Interface IHM
Interface
de sortie
yd ε A.ω i I u Système y
+
– p F(p)
Consigne
Commande
1.1 Position du problème
Mesure
DP
y 1 + Td .p
La structure de commande classique est celle de la figure 1. A.[ ]
1 + Tf .p
de mesure
Le correcteur PID a une fonction de transfert
Interface
Effet P et D
qui comporte quatre para-
Régulateur
mètres :
• le gain A caractérise l’effet proportionnel ;
Figure 2 – Commande avec effets P et D sur la mesure
• le temps Ti caractérise l’effet intégral ; et I sur l’erreur
• le temps Td caractérise l’effet dérivé ;
• la constante de temps Tf permet le filtrage passe bas de la consigne ; cela évite la saturation de la commande lorsque la
l’effet dérivé. consigne varie brutalement, la commande étant plus faible, cela
conduit à un dépassement moindre [1].
Le but du réglage est de déterminer ces quatre paramètres pour
Le réglage des quatre paramètres nécessite l’identification de la
que le système bouclé soit stable, fonction de transfert du système en boucle ouverte F(p). Pour faci-
liter le réglage, on peut limiter le nombre de paramètres du cor-
rapide et précis.
recteur à 2 au lieu de 4 en ayant recours à une modélisation
La stabilité est le critère primordial ; quand elle est obtenue, on simplifiée de F(p) justifiée pour les systèmes apériodiques.
peut la caractériser par le dépassement de la réponse indiciel du
système bouclé H(p).
La rapidité est mesurée par le temps de réponse indiciel ou la 1.2 Expression simplifiée du PID
bande passante de H(p) [S 7 418].
La précision est évaluée par l’erreur de position, l’erreur de trai- Le correcteur PID doit apporter une avance de phase [S 7 418] et
nage et l’erreur en accélération [S 7 418]. ne doit pas posséder de pulsation de résonance ; pour cela, il faut
Avec le même réglage, pour diminuer le dépassement indiciel respecter Ti > Td > Tf alors on peut trouver des valeurs A, Ti, Td, Tf
en acceptant une erreur de trainage plus grande, on peut adopter pour mettre le correcteur sous la forme
la structure de la figure 2 dans laquelle l’effet intégral est appliqué
au signal d’erreur et l’effet dérivé appliqué au signal de mesure et le diagramme de Bode du cor-
uniquement. Ainsi, la commande ne dépend pas de la dérivée de
recteur est de la forme de la figure 3. Il existe une avance de
phase maximale pour une pulsation ωm telle que .
Commande
yd ε Correcteur Système y
+
– C(p) u F(p) soit alors le signal de commande est
Mesure
Consigne
ST
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTRQ
_____________________________________________________________ MODÈLES SIMPLIFIÉS DES SYSTÈMES APÉRIODIQUES POUR LEUR COMMANDE PID
Pour que le système bouclé soit le plus rapide possible il faut que :
(discontinuité ), de l’effet intégral (signal évoluant à long • la durée du régime transitoire due au correcteur soit la plus
faible possible, donc que Tf soit le plus petit possible ;
terme à la vitesse ). La durée du régime transitoire est envi-
• la vitesse de variation en régime permanent soit la
ron de 3 · Tf.
plus grande possible, donc Ti le plus petit possible.
Et pour qu’il existe une avance de phase il faut respecter Ti >
20 log(C|F|)
Td >> Tf.
On choisit donc Ti = Td = r · Tf avec r > 1. Q
D’où l’expression simplifiée du correcteur :
25
20 .
dB
15
10 Courbe
exacte Pour obtenir une avance de phase φmax suffisante il faut r >> 2
5
ω 103 et alors φmax est maximale pour la pulsation
10–2 10–1 100 101 102
et vaut
Fréquence (rad/s)
Avance de phase maximale
.
arg(C)
0
Courbe exacte L’avance de phase est de φmax = 45° pour et alors
Degrés
– 50
Courbe .
asymptotique
100
ω
10–2 10–1 100 101 102 103
1 1 1 1.3 Relations entre les coefficients
Ti Td Tf selon l’expression du PID
Pour les calculs, on exprime le correcteur PID sous la forme :
Figure 3 – Diagramme de Bode du correcteur PID
et comme r >> 2 on a approximative-
ment : .
ε(t)
1 Mais bien souvent, dans les régulateurs industriels, l’expression
0
t
0 1 2 3 4 5 6 7 8 9 10 car r >> 1
Les deux expressions sont égales
avec
6 u(t)
durée ≈ 3.Tf
. On note que .
A
4 vitesse Δε
Ti
variation
A .T d 1.4 Correcteur PID avec double effet
2 Δε
Tf intégral
variation
0
A.Δε t Pour annuler l’erreur de trainage, le correcteur C(p) doit être de
classe 2 ; il doit comporter deux intégrateurs en cascade.
0 1 2 3 4 5 6 7 8 9 10
La commande u est obtenue à partir de l’écart ε en cumulant les
effets P, I, D et le terme de double intégration, soit
SU
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTRQ
MODÈLES SIMPLIFIÉS DES SYSTÈMES APÉRIODIQUES POUR LEUR COMMANDE PID _____________________________________________________________
Le correcteur PID avec deux intégrations (nommé PI2D) a donc 1.5 Réglage du correcteur PID
pour fonction de transfert théorique (en pratique il faut filtrer
en imposant la marge de phase
l’effet D) : .
Il est impératif de rendre le système bouclé de la figure 1
stable ; pour cela, on impose une marge de phase suffisante.
Le numérateur ne doit pas avoir un degré supérieur à celui du
dénominateur, l’effet dérivé doit être filtré par un passe bas et pour
Q
éviter des antirésonances néfastes, le numérateur doit être facto- On note T (p) = C (p) · F (p) et .
risé en termes du premier ordre. On peut donc mettre le correcteur
PI2D sous la forme . Le système à réguler F (p) est caractérisé par sa pulsation cri-
tique ωc et son gain critique |F (jωc)|. Par définition : arg[F (jωc)]
= – 180°.
Pour les mêmes raisons que pour le PID on doit choisir Ti2 >
Ti1 > Td > Tf. Le correcteur C (p) possède l’avance de phase maximale φmax
pour la pulsation ωm.
Le diagramme asymptotique de Bode est alors celui de la
On choisit d’imposer une marge de phase suffisante ; pour cela,
figure 5. Ce correcteur procure une avance de phase stabilisante
il faut imposer les deux conditions :
si .
|T(jωa)| = 1 et arg[T(jωa)] > –180 + φm où φm est la marge de
phase et en général on prend au moins φm = 45°.
Pour augmenter la vitesse de variation du signal de commande,
il faut choisir les paramètres temporels Ti2 et Ti1 le plus faible pos- Ces conditions sont satisfaites si l’on impose :
sible, en respectant . Comme pour le PID on choisit φmax = φm = 45° et ωm = ωc et |T(jωc)| = 1.
En effet, on a :
Ti2 = Ti1 = Td = T et . Ce choix limite le nombre de para-
arg[T(jωc)] = arg[C (jωm) · F (jωm)] = arg[C (jωm)] + arg[F (jωc)].
mètres à deux et permet d’obtenir aisément un réglage suffisant
du correcteur.
.
Le correcteur est alors de la forme . Ces trois conditions φmax = φm = 45° et ωm = ωc et |T(jωc)| = 1
permettent de déterminer les deux paramètres A et Td du correc-
1+Ti2.p
20log(|C |) 1+Ti1.p .
1+Td.p
Figure 5 – Diagramme de Bode du correcteur PID avec double mettre de trouver facilement la pulsation critique ωc à partir d’un
intégration essai indiciel.
SV
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTRQ
_____________________________________________________________ MODÈLES SIMPLIFIÉS DES SYSTÈMES APÉRIODIQUES POUR LEUR COMMANDE PID
Le modèle est :
2.1 Critères de choix du modèle
Si le signal de commande u(t) est un échelon d’amplitude
La commande par un PID simplifié ne demande que le réglage
de deux paramètres ; cela ne nécessite pas une modélisation très la réponse indicielle a pour transformée de
rigoureuse du système, mais il faut pouvoir obtenir l’estimation
Laplace :
rapide et fiable de la pulsation critique ωc.
SW
Q
SX
r←ヲ←イ・ョ」・@iョエ・イョ・エ
rWTRP
Méthodes de synthèse
de correcteurs numériques
Q
par Gérard ALENGRIN
Professeur à l’Université de Nice Sophia Antipolis
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur, traité Informatique industrielle R 7 420 − 1
SY
r←ヲ←イ・ョ」・@iョエ・イョ・エ
rWTRP
Q
— Le convertisseur analogique-numérique (CAN) va convertir
l’erreur ε (t ) entre l’entrée et la sortie en une valeur numérique et b 1 z –1 + b 2 z –2
échantillonne cette erreur toutes les T secondes. D ( z ) = ---------------------------------------------
-
1 + a 1 z –1 + a 2 z –2
— Le calculateur numérique lit la valeur numérique de l’erreur,
la met en mémoire et, à partir d’un algorithme, produit un signal correspond à la relation de récurrence :
numérique de commande u (kT ).
— Ce signal est ensuite transformé par un convertisseur numé- u ( kT ) = – a 1 u [ ( k – 1 ) T ] – a 2 u [ ( k – 2 ) T ]
rique-analogique (CNA) en un signal continu v (t ).
+ b1 ε [ ( k – 1 ) T ] + b2 ε [ ( k – 2 ) T ]
Ce signal v (t ) est généralement amplifié par un amplificateur de
puissance et appliqué au système physique à commander.
que l’on peut programmer aisément sur calculateur numérique ;
Il faut également indiquer que le convertisseur numérique-ana- — le convertisseur numérique-analogique, dont la sortie est main-
logique doit délivrer un signal de type continu. Ceci est réalisé en tenue constante entre les instants kT et (k + 1)T, sera modélisé par
conservant constante la valeur de sortie du convertisseur entre un bloqueur d’ordre zéro.
deux instants d’échantillonnage.
Le modèle idéal, constitué par ces différents éléments, est repré-
Les deux opérations de conversion (analogique-numérique et senté sur la figure 2. C’est ce modèle qui sera utilisé dans la suite
numérique-analogique) sont synchronisées au moyen d’une hor- de ce texte.
loge qui cadence ces opérations.
On rappelle que la fonction de transfert d’un bloqueur d’ordre
On voit donc que le système bouclé comprend à la fois des signaux zéro est donnée (cf. [11]) par :
numériques et des signaux analogiques et que l’on doit utiliser des
méthodes permettant d’analyser ces deux types de signaux. 1 – exp ( – Tp )
B 0 ( p ) = -------------------------------------
Plusieurs questions peuvent se poser quand on utilise des sys- p
tèmes numériques :
avec p variable de Laplace.
— les convertisseurs ne réalisent pas une conversion instantanée :
il y a toujours un certain retard dans la conversion ; Par la suite, on aura souvent recours à la fonction de transfert en
— il y a introduction d’erreurs de quantification ; z du système constitué par l’association du bloqueur d’ordre zéro
— la vitesse de calcul sera fonction de la complexité de l’algo- et du système continu. On rappelle que cette fonction de transfert
rithme de conversion. est donnée par :
G(p)
Dans la suite, on considère des fonctionnements idéaux pour les B 0 G ( z ) = ( 1 – z –1 )Z --------------- (1)
différents organes numériques (temps de conversion infiniment p
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
R 7 420 − 2 © Techniques de l’Ingénieur, traité Informatique industrielle
TP
r←ヲ←イ・ョ」・@iョエ・イョ・エ
rWTRP
Dans le paragraphe 2, on adaptera les méthodes de correction En utilisant la transformée en z, on fait apparaître la fonction de
fréquentielles rencontrées dans les systèmes asservis linéaires transfert échantillonnée :
continus (SALC) au cas des systèmes échantillonnés.
S(z )
Dans le paragraphe 3, on appliquera la transformée en z pour ------------- = B 0 G ( z )
U(z )
déterminer des correcteurs numériques en utilisant la méthode du
lieu des racines. Ceci est également très proche des méthodes ren- et, le système étant stable et le régime permanent étant établi, seuls
contrées pour les systèmes asservis linéaires continus. les pôles z = exp (j ωT ) et z = exp (– j ω T ) de S (z ) seront pris en
Q
Le paragraphe 4 est consacré à des méthodes de synthèse utilisant compte pour le calcul de la sortie s (kT ).
des équations polynomiales de la variable z –1 : tout d’abord, la D’où finalement les valeurs du gain G et du déphasage φ :
méthode de Volguine basée sur la compensation de pôles et de zéros
stables et conduisant aussi à une structure de correcteur numérique G = B 0 G ( exp j ω T )
en cascade ; enfin on présente une structure de correcteur plus éla- (2)
borée faisant intervenir à la fois une fonction de transfert sur la chaîne φ = arg B 0 G ( exp j ω T )
directe et aussi sur la boucle de retour : c’est la structure dite RST.
C’est donc l’analogue de l’analyse fréquentielle pour les systèmes
continus pour laquelle on prenait, pour la fonction de transfert G (p ) :
p = j ω, ω variant de 0 à + ∞
2. Méthodes de synthèse Ici, à partir de la transformation z = exp Tp, on pose p = j ω, ωT
fréquentielles variant de 0 à π.
Cependant, les propriétés que l’on rencontrait en continu et qui
permettaient de tracer facilement des diagrammes (Bode, Black...)
On étudiera de manière assez complète dans cet article les correc- ne se retrouvent pas ici. En effet, à cause de la transformation
teurs numériques en cascade, comme celui qui est représenté sur exp (j ωT ), B 0 G ( exp ( j ω T ) ) n’est pas une fraction rationnelle de j ω.
la figure 3.
Il faut donc, pour des raisons pratiques, utiliser une autre variable.
Une première méthode de détermination de ces correcteurs va
être développée dans ce paragraphe. Elle repose sur l’utilisation de ■ Transformée en w
méthodes fréquentielles qui ont été à la base de la correction pour
Dans l’article [11], on montre que la transformée en w permet d’uti-
les systèmes asservis linéaires continus. En effet, pour ces
liser des propriétés relatives aux systèmes continus (par exemple
systèmes, on a pu définir des spécifications fréquentielles : coeffi-
pour l’étude de la stabilité) ; on rappelle qu’elle est définie par :
cient de résonance, bande passante, marge de gain, marge de
phase, etc. et déterminer le correcteur le mieux adapté : avance de z–1
phase, action intégrale, PI, PID... w = ------------ (3)
z+1
Les ingénieurs ont acquis une grande connaissance dans ce
domaine des correcteurs fréquentiels et il paraît donc intéressant et Lorsque z varie sur le cercle unité suivant la relation z = exp (j ωT ),
naturel d’essayer de transposer cette connaissance dans le cas des on a :
correcteurs numériques. exp ( j ω T ) – 1 ωT
w = ------------------------------------- = j tan --------- = j v (4)
Il faut cependant rappeler les caractéristiques nouvelles qui appa- exp ( j ω T ) + 1 2
raissent dans le cas de la réponse fréquentielle de systèmes discrets Lorsque ω T varie de 0 à π, la variable v varie de 0 à + ∞ et joue
(à une entrée A sin ω t ) : donc le rôle d’une pulsation.
π
— on ne peut faire varier la pulsation ω au-delà de ----- ; De plus, si B 0 G ( z ) est rationnelle en z, B 0 G ( w ) sera aussi
T
— la sortie du système discret est une suite d’impulsions qui va rationnelle en w, ce qui permettra de tracer aisément les principaux
produire une infinité d’harmoniques. diagrammes.
■ Transformation de Tustin
Une autre transformation utile est la transformation de Tustin, qui
2.1 Diagrammes fréquentiels, diffère de la précédente par un facteur d’échelle :
approximation de Tustin
2 z–1
w ′ = ------ · ------------ (5)
T z+1
Pour étudier la réponse fréquentielle d’un système discret, on
et lorsque z = exp (j ωT )
applique un signal d’entrée A sin ω t qui est ensuite échantillonné et
qui donne : 2 ωT
u (kT ) = A sin(ω kT ) w ′ = j ----- tan ---------- = jv ′ (6)
T 2
Sous les hypothèses habituelles de système linéaire invariant et
On remonte ensuite à la variable z par la relation :
stable, la sortie en régime permanent est donnée aux instants
d’échantillonnage par : T
1 + w ′ -----
s (kT ) = GA sin(ω kT + φ ) 2
z = ----------------------- (7)
T
1 – w ′ -----
2
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur, traité Informatique industrielle R 7 420 − 3
TQ
r←ヲ←イ・ョ」・@iョエ・イョ・エ
rWTRP
On comparera les deux transformations w et w’ à la pulsation ■ Pour une entrée en échelon de position, on obtient pour l’erreur
exacte ω : la figure 4 montre, pour une période d’échantillonnage correspondante :
T = 0,1 s, l’approximation de la pulsation ω par la transformée en w
et par la transformée de Tustin. 1 1
ε p ( ∞ ) = lim ----------------------------------------------- = ---------------- (9)
z → 1 1 + D ( z )B G ( z ) 1 + Kp
On choisira l’approximation de Tustin pour deux raisons 0
principales :
où K p est la constante d’erreur de position.
2 ωT ωT
• v ′ = ---- tan ---------- approche mieux ω que ne le fait v = tan ----------
Q
Ce résultat sera ensuite utilisé dans le paragraphe suivant où
T 2 2
l’on travaille directement sur la transformée en z.
(dans un certain domaine : 0 ω T 0,8 environ) comme le montre Ici, on utilise la transformation (7) pour obtenir :
la figure 4 ;
2 1 1
• le facteur d’échelle ----- permet d’avoir des fonctions de transfert ε p ( ∞ ) = lim ------------------------------------------------------- = ---------------- (10)
T w ′ → 0 1 + D ( w′ ) B G ( w ′ ) 1 + Kp
0
qui approchent celles du continu lorsque T → 0.
Ceci est tout à fait analogue au résultat concernant les systèmes
continus :
2.2 Spécifications fréquentielles — si D (w ′ ) B 0G (w ′ ) n’a pas de pôle en w ’ = 0,
ε p (∞) → constante ;
2.2.1 Régime transitoire
— si D ( w ′ ) B 0 G (w ′ ) a un pôle de degré 1 en w ’ = 0,
Comme dans le cas des systèmes continus, on spécifiera des εp (∞) → 0.
conditions, en particulier sur le degré de stabilité du système en
boucle fermée. ■ Pour une entrée en échelon de vitesse (ou rampe), l’erreur de
vitesse est donnée par :
Ce degré de stabilité sera généralement évalué en termes de :
— marge de gain (généralement comprise entre 8 dB et 15 dB) ; T T
ε v ( ∞ ) = lim ------------------------------------------------------- = ------- (11)
— marge de phase (comprise entre 40o et 50o) ; z → 1 ( z – 1 )D ( z ) B G ( z ) Kv
0
— facteur de résonance Q ≈ 2,3 dB.
En utilisant la transformation (7), on a :
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
R 7 420 − 4 © Techniques de l’Ingénieur, traité Informatique industrielle
TR
Régulation et commande des systèmes asservis
(Réf. Internet 42394)
1– Régulation R
2– Commande Réf. Internet page
Tour d'horizon sur les techniques anti-windup pour les systèmes saturés. Commande S7436 91
anti-windup
Aide au pilotage : application agroalimentaire S7437 95
Multimodèles : analyse et synthèse. Commande et observation des modèles Takagi- S7462 115
Sugeno
Cahier des charges des automatismes. Analyse fonctionnelle S8095 119
Sur www.techniques-ingenieur.fr
• Saisissez la référence Internet pour accéder directement aux contenus en ligne
• Retrouvez la liste complète des ressources documentaires
TS
R
TT
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTRT
La commande prédictive :
modélisation
Predictive control : Process Modelling
par Jacques RICHALET
R
Docteur en Sciences
Fondateur et ancien directeur d’ADERSA
Guy LAVIELLE
Consultant, ancien automaticien
Ingénieur retraité du groupe Arcelor
et Joëlle MALLET
Professeur en automatique avancée,
Institut de régulation et d’automatisation
1. Problème........................................................................................... S 7 424 – 2
1.1 État des lieux ...................................................................................... — 3
1.2 Système : état/structure ..................................................................... — 3
1.3 Complexité et complication ............................................................... — 3
1.4 Hypothèse fondamentale ................................................................... — 3
1.5 Protocole d’essai ................................................................................ — 4
1.6 Types de signaux de test ................................................................... — 4
2. Modélisation .................................................................................... — 5
2.1 Modèle ................................................................................................ — 5
2.2 Principe de la méthode du modèle ................................................... — 6
2.3 Réification ........................................................................................... — 6
2.4 Espace paramétrique ......................................................................... — 7
3. Identification ................................................................................... — 9
3.1 Prétraitement ...................................................................................... — 9
3.2 Méthodes d’identification .................................................................. — 10
3.3 Exemple industriel ............................................................................. — 11
4. Protocole d’essai............................................................................. — 14
4.1 Lien entre les espaces d’état et de structure .................................... — 14
4.2 Identification à basse et haute fréquence ......................................... — 14
4.3 Influence du protocole sur l’isodistance ........................................... — 16
5. Optimisation du protocole d’essai .............................................. — 18
5.1 Objectif ............................................................................................... — 18
5.2 Choix du protocole d’essai ................................................................ — 18
6. Qualité du modèle........................................................................... — 18
6.1 Sous-caractérisation ........................................................................... — 18
6.2 Sur-caractérisation ............................................................................. — 18
7. Conclusion........................................................................................ — 19
8. Annexe : logiciels d’identification .............................................. — 19
8.1 Programme Test ................................................................................. — 19
8.2 Programme ident_MC (méthode de Monte-Carlo) ............................ — 20
8.3 Programme ISO-D .............................................................................. — 21
8.4 Résultats graphiques .......................................................................... — 22
Pour en savoir plus.................................................................................. Doc. S 7 424
p。イオエゥッョ@Z@、←」・ュ「イ・@RPQR
TU
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTRT
TV
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTRT
1.1 État des lieux processus. Dans le cas du ballon d’eau, le processus est équipé de
capteurs donnant à chaque instant les valeurs des débits d’eau
Les performances de la commande des processus industriels ont entrant et sortant et les valeurs du niveau d’eau. On nomme varia-
fait dernièrement des progrès notables. Plusieurs raisons ont bles ces mesures, elles ne sont pas indépendantes et sont reliées
contribué à cette avancée : par une structure. Si Qe (t) est le débit entrant, Qs (t) le débit sortant
– des raisons techniques. Un calculateur numérique, fiable, puis- et N(t) le niveau, on peut écrire, par conservation de la matière, la
sant et bon marché, peut traiter à la fois des problèmes logiques et relation intégrale :
analytiques, de grandes dimensions, alors qu’un régulateur PID à
base de circuits électroniques était limité ; dN (t )
= K . (Qe (t ) − Qs (t )) (1)
– des raisons méthodologique. Grace à la modélisation mathé- dt
matique des processus, il est possible de simuler en temps réel l’ef-
fet d’une action de commande et d’aborder ainsi le problème de la Les variables N(t), Qe (t), Qs (t) sont reliées par une relation fonction-
régulation d’une façon totalement différente de ce que l’on pouvait nelle où le niveau est l’intégrale de la différence des débits. Le
R
faire avec les anciens régulateurs. vocabulaire suivant doit être strictement respecté :
Nous verrons plus tard que la démarche et les résultats peuvent – l’état. Il s’agit de l’ensemble des variables Qe (t), Qs (t), N(t) ;
même paraı̂tre très surprenants : par exemple, il n’y a pas d’inté- – la structure. Il s’agit du lien fonctionnel entre les variables
grateur explicite dans la loi de commande prédictive. Le plus sur- d’état : ici une équation intégrale (1) qui par le gain K (paramètre
prenant retour aux sources est que la régulation prédictive actuelle de structure) relie les variables d’état.
reproduit en fait, dans ses principes, la régulation qu’un opérateur
Il ne faut pas qu’il y ait de confusion mentale entre « variables :
humain utilise naturellement.
état » et « paramètres : structure ». Notons que le gain K peut varier
Exemple : un opérateur expérimenté, c’est-à-dire connaissant le dans le temps, mais il reste un paramètre.
comportement de son four, sait qu’une augmentation de débit de gaz
de 5 %, donnera dans le quart d’heure qui suit une augmentation de
température de 20 C environ. Comme il sait qu’il peut y avoir des per- 1.3 Complexité et complication
turbations, il viendra vérifier de temps en temps si la chauffe se produit
comme prévue et fera quelques corrections locales si nécessaires. Il a Les processus se révèlent souvent à la fois complexes et
la connaissance du comportement dynamique du processus, ce que compliqués.
les automaticiens nomment modèle dynamique du processus, et il Complexité : en général les processus sont soumis à plusieurs
s’en sert. Lorsque l’on compare les enregistrements de la conduite de variables d’entrée, autres que les variables d’actions, qui viennent
chauffe d’un four en mode automatique à celles en mode manuel, on perturber le comportement de façon parfois inconnue et non mesu-
observe des actions continues locales pour le PID, alors que les rable. Ce nombre de variables peut être grand, le processus étant
actions manuelles sont plus rares mais en général plus pertinentes. d’ordre élevé avec de nombreuses perturbations mesurables ou
non. La taille du processus le rend complexe.
La commande prédictive peut également être interprétée comme
Complication : la relation physique entre ces différentes entrées
une technique de scénario, comme c’est par exemple le cas en
et la sortie à réguler peut être compliquée, fortement non linéaire,
recherche opérationnelle où quelques projets d’actions sur le
instationnaire et mal connue. Par exemple, le niveau d’un ballon de
modèle du processus sont simulés et c’est le plus satisfaisant, au
chaudière est soumis à des perturbations de trempe, gonflement et
sens d’un critère préalablement défini, qui est retenu.
tassement dues à la différence d’état physique de l’eau d’alimenta-
Caractéristique fondamentale de la commande prédictive : Un tion et de l’état mixte diphasique vapeur/eau de la recirculation
projet de trajectoire temporelle [16] à suivre pour atteindre une dans les tubes écrans.
consigne donnée est défini : partant de l’état actuel mesuré connu
de la sortie du processus s(t0) à régler, on se donne, grâce au Complexité et complication seront traitées de façons distinctes.
modèle connue, un projet de comportement futur s(t0 + t), qui
tend suivant une certaine trajectoire temporelle vers la consigne
finale. C’est ce que fait naturellement l’opérateur humain pour 1.4 Hypothèse fondamentale
aller d’un point géographique A vers un point B, plusieurs routes
La relation mathématique qui lie les entrées et les sorties peut
étant possibles, à des vitesses différentes, avec une consigne ins-
être quelconque : linéaire ou non, variable avec le temps ou sta-
tantanée variable tendant vers la consigne finale.
tionnaire, etc.
Le temps de réponse en boucle fermée est fixé (dénommé
TRBF) [16]. Il est le principal paramètre de réglage de la com- On fait implicitement l’hypothèse que :
mande, de signification immédiate, en opposition avec les multi- « la structure ne dépend pas de l’état et de la nature de l’entrée. »
ples règles du PID prescrites pour l’obtention d’un résultat non Prenons un exemple simple et clair : soit un processus dyna-
totalement prévisible.
mique où la relation entrée/sortie est correctement représentable
par un processus dynamique différentiel d’ordre 1 de gain K et de
1.2 Système : état/structure constante de temps T. Lorsque qu’il est soumis à une certaine
entrée d’amplitude et de spectre limité, telle qu’une entrée en éche-
Avant de rentrer plus en avant dans la modélisation, base de la lon, il fournit une certaine réponse qui dépend du processus (K, T).
commande, il est nécessaire de présenter rapidement les quelques Appliquons maintenant au même processus inchangé une entrée
concepts qui sous-tendent tout ce qui va être exposé par la suite et sinusoı̈dale, il en sort un signal sinusoı̈dal, en régime permanent,
de définir le vocabulaire associé. Il sera choisi comme exemple élé- mais le lien qui relie entrée et sortie est le même que dans le cas
mentaire la régulation du niveau d’eau d’un réservoir, qui peut précédent de l’entrée en échelon.
apparaı̂tre simpliste et banal mais qui parfois s’avère très difficile
comme dans le cas d’un ballon d’une centrale thermique ! À partir des mesures physiques entrée et sortie, on va pouvoir
extraire ce lien, modéliser le processus, rechercher une représenta-
La commande prédictive opère dans deux espaces : l’espace tion mathématique quelconque, comme nous allons le voir en
d’état et l’espace de structure [16]. détails, rechercher sa structure et les valeurs numériques des para-
L’état d’un processus est représenté à un instant donné par l’en- mètres qui définissent qualitativement et quantitativement le pro-
semble des mesures que l’on peut ou pourrait faire sur le cessus, en fait « sa carte d’identité ». Ce modèle va servir à
TW
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTRT
concevoir une commande qui va piloter le processus soumis à dif- processus un protocole d’essai, c’est-à-dire suite de signaux d’en-
férentes consignes et perturbations. trée connus provoquant la variation de la ou les sorties que l’on
En fait, nous verrons plus loin (§ 1.5) que, suivant la nature du désire réguler.
protocole d’essai (ensemble de sollicitations appliquées au proces- On est donc en face d’un vrai processus industriel avec toutes les
sus), dans un environnement expérimental limité, le processus contraintes techniques et opératives que cela entraı̂ne. Ce moment
peut être très bien modélisé, en apparence, par un modèle qui est crucial car la qualité du modèle et la régulation qui en découle
change avec la nature de l’entrée. vont en dépendre.
Nous traiterons ce problème ultérieurement lors de l’optimisa- Un tel protocole fait souvent face à deux difficultés majeures :
tion des protocoles d’essai. – la perturbation de la production. Dans la majorité des cas le
Il existe des procédés, en particulier où intervient un opérateur processus est en cours de production et le producteur, qui a des
humain dans le processus qui peut complètement changer d’objec- objectifs à tenir, craint que toute action sur son processus vienne
tifs et modifier le comportement local du processus observé. Un perturber la production en quantité ou en qualité ;
R
exemple connu est celui de la spéculation boursière où pour le – l’indépendance du signal de test. Il faut appliquer un signal de
même environnement, les mêmes entrées peuvent produire des test indépendant des signaux qui circulent, issus d’une régulation
résultats très différents, suivant le changement de stratégie de automatique. Ce signal de test doit être exogène. L’erreur classique
l’opérateur humain. serait en gardant la régulation préexistante du processus perturbé
d’identifier un modèle où l’entrée serait la MV (Manipulated
La commande PFC ne procède pas ainsi. Le modèle est implanté Variable) mesurée du régulateur et la sortie la CV (Controlled
dans le calculateur de commande, alimenté par les entrées Variable) du processus, avec une consigne constante. MV et pertur-
connues du processus (variable manipulée précédente et perturba- bation sont alors fortement corrélées par le régulateur et le modèle
tions mesurées) ; il calcule en temps réel la sortie du modèle sou- du processus trouvé est alors fortement biaisé.
mis aux variables manipulées précédentes et aux perturbations
mesurées. Cette sortie rentre dans l’équation de commande
(figure 1). Cette procédure est simple à implanter car elle traite 1.6 Types de signaux de test
indépendamment la prédiction du modèle et les spécifications de
performance désirée du régulateur. & « Test unique »
C’est typiquement le cas en Chimie/Pharmacie où l’outil de pro-
duction est un réacteur dont la régulation de la température interne
1.5 Protocole d’essai se fait par une action sur la température du fluide caloporteur de la
double enveloppe. Le solvant à l’intérieur du réacteur est la charge
Le principal objet d’un protocole d’essai est la recherche du massique principale. On fait alors un test sur une charge morte,
« meilleur modèle », c’est-à-dire celui qui soumis aux mêmes sans réaction, donc sans exo/endo-thermicité intérieure et, dans ce
entrées que le processus donne un comportement le plus proche cas, en respectant les consignes de sécurité, on peut appliquer un
possible de la réalité. Que le modèle soit de connaissance c’est-à- protocole de grande amplitude.
dire défini à partir de modèles généraux que sont les lois de la phy- Mais il y a perte de production et la chance n’est donnée qu’une
sique, ou qu’il soit de représentation « boite noire » où les paramè- seule fois ou presque… Le protocole d’essai doit donc être bien
tres n’ont pas de sens physique. préparé.
Il convient donc de le valider par des essais réels. Notons que s’il Il faut cependant faire remarquer que les modèles physiques de
est de pure représentation, des essais expérimentaux plus poussés ce type de processus sont bien connus et, qu’à l’encrassement près
et plus longs seront nécessaires. On va donc appliquer au de la double enveloppe, on en a une bonne connaissance a priori.
Perturbations Perturbations
non mesurables mesurée
Modèle
de perturbation
+
Consigne
Commande
PFC Processus
+
Modèle
de processus
Mesure
TX
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTRT
2. Modélisation
2.1 Modèle U, A
Toutes les disciplines techniques tendent maintenant à faire des
modèles. Ces modèles sont mathématiques, car la mathématique F, Tf
est le langage de l’abstraction et qu’il est compris par les simula-
teurs numériques. On va demander au modèle, implanté dans un
calculateur numérique, de simuler en temps accéléré ce qui se Figure 2 – Processus thermique
TY
R
UP
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTRU
Commande Prédictive
par Jacques RICHALET
Docteur ès-sciences, Ingénieur
Formateur, Consultant, Louveciennes
Guy LAVIELLE
Ingénieur
Consultant, Montélimar
R
et Joëlle MALLET
Ingénieur
Formateur à l’Institut de Régulation et d’Automation. Arles 3, Bouches-du-Rhône
UQ
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTRU
Son réglage se fait avec des paramètres qui ont un sens physique clair, par
exemple : le temps de réponse en boucle fermée désiré.
Identifications et synthèses des régulateurs sont données par les programmes
MATLAB‚ et/ou SCILAB‚ joints en annexe.
La lecture de ces programmes permet la transcription dans le langage spéci-
fique des automates du site industriel.
R Dans les années 1950-1960, pratiquement, tous les États-Majors des pays de l’OTAN
financèrent des recherches concernant l’ergonomie du pilotage d’avion. Le ministère de
l’Air, en collaboration avec le Centre d’essai en vol de Brétigny, octroya donc un contrat
de recherche au laboratoire d’automatique de SUPAERO, avec la mission d’analyser le
pilotage afin d’améliorer les instruments de vol et les organes de commande. Des essais,
nombreux et variés, furent alors réalisés en imposant au pilote de suivre une assiette
sinusoı̈dale imposée, (donnée par un métronome collé sur le tableau de bord… !), afin
d’identifier le comportement de l’avion, lors de divers changements de cap, d’altitude. La
base de données recueillie était vaste mais cohérente.
À cette époque la régulation vivait sa grande période de l’automatique fréquentielle :
lieux de Black, Nyquist, Bode. Les régulateurs étaient des réseaux d’avance de phase et
l’omnipotent PID, avec déjà ses très nombreuses méthodes de réglage, régnait en maı̂tre.
Sur les mêmes consignes données à un pilote humain et à un pilote automatique on a
donc pu comparer en toute objectivité les comportements du régulateur et du pilote.
Les comportements du processus étaient assez proches, mais surprise… les variables
d’action étaient très différentes !
Pour simplifier, on peut dire que la sortie du régulateur était continue, de fréquence assez
basse, alors que celui du pilote était pratiquement une suite d’impulsions, de durées et
amplitudes variables, avec des périodes vides, en fait : la commande était rare mais très
pertinente. Le pilote a beaucoup de tâches à accomplir (plan de vol, radio, moteur, exté-
rieur, etc.), la commande ne peut donc pas être permanente et se doit d’être très efficace
quand elle agit. Le pilote a pour cela une connaissance poussée de son appareil qui com-
pense les temps vides, il sait que telle action donnera tel résultat dans le futur, et la plu-
part du temps il ne fait que vérifier que tout se comporte comme prévu.
Faire un modèle de l’opérateur humain relève d’une discipline autre que l’automatique.
Nous avons été mis en contact avec des psychologues et avons eu la chance de rencon-
trer le Professeur Jean-Claude Tabary disciple du fondateur de la psychologie cognitive
Jean Piaget de Genève.
Comment l’enfant apprend-t-il ?
a) Il se constitue peu à peu, ce qui a été appelé une « image opératoire » du monde exté-
rieur. Telle action donne tel effet. Il mémorise ce qui est utile et répétitif et oublie ce qui
est non significatif.
b) Avec l’âge, il se donne des objectifs, par exemple : attraper un jouet, mais aussi la suc-
cession des actions intermédiaires nécessaires pour l’attraper : chercher un tabouret.
c) Il agit et atteint l’objectif fixé. Si pour des raisons diverses il a été gêné, il recommen-
cera en modifiant son plan d’action.
d) Mais, avec le temps et l’usage, il améliore sa stratégie, choisit mieux le tabouret qui
convient etc., la connaissance de son environnement se perfectionne, l’image opératoire
s’adapte, elle devient plus performante.
Profitant également du fait que nous avions d’autres actions de régulation industrielle, en
particulier des commandes de colonne à distiller, il nous a été facile, lors de longues
périodes d’enregistrement de dialoguer avec de vieux opérateurs chevronnés et de leur
demander de nous raconter, quand leur PID ne donne pas satisfaction et lorsqu’ils sont
obligés de passer en mode manuel, de quelle manière ils conduisent leur unité ?
Le résultat est clair : pilote d’avion et opérateur industriel, même combat, mêmes solu-
tions : beaucoup de tâches simultanées, bonne connaissance du processus, donnant des
actions rares mais pertinentes, etc.
Nous conduisons notre automobile, non pas en regardant par la fenêtre de gauche, mais
en avant, par le pare-brise, en ayant en tête la connaissance de l’effet de l’acte précédent,
qui permet de prédire le comportement du véhicule et de choisir une commande, là
encore, rare mais pertinente.
La régulation de la température de notre douche, processus que nous connaissons bien,
consiste à tourner le mélangeur une première fois, attendre la stabilisation de la tempéra-
ture et éventuellement réajuster la position du mélangeur. Dans ces divers cas, la démar-
che devient naturelle, par la connaissance du processus et du projet que l’on se donne
pour atteindre l’objectif.
La commande prédictive n’est pas une invention mais une découverte.
UR
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTRU
1. Principes élémentaires Le choix de cette trajectoire de référence est ouvert, mais pour
une raison de simplicité, on prend en pratique une trajectoire expo-
nentielle de constante de temps T, qui fixe ainsi ce qui est appelé le
TRBF de la commande (temps de réponse en boucle fermée).
La trajectoire de référence est à chaque pas d’échantillonnage réi-
1.1 Principes élémentaires nitialisée sur la mesure actuelle mesurée.
de la commande PFC 3) On fixe alors sur cette trajectoire un point objectif dans le futur
à l’instant n + h et on calcule à l’instant n un projet de variable
Ce paragraphe présente les caractéristiques élémentaires de la manipulée e (n), ici choisi constant sur l’horizon [n, n + h], que l’on
commande prédictive sur un processus d’ordre 1, simple mais fré- applique à l’entrée du processus.
quent dans l’industrie, tel qu’il est décrit dans le document
précédent. 4) À l’instant suivant n + 1, toute la procédure est identiquement
recommencée : une nouvelle trajectoire de référence est initialisée
R
sur le point courant mesuré. Elle est en général différente de la tra-
1.1.1 Caractéristiques de la commande jectoire précédente car le processus est perturbé et le modèle
embarqué ne représente pas exactement la réalité, mais avec le
1) Le modèle mathématique du processus identifié est implanté temps, la sortie du processus tend bien vers la consigne.
et utilisé en temps réel par le régulateur, il rentre dans le calcul de
la commande. 1.1.2 Résolution d’une équation aux différences
2) La consigne fixée est atteinte par une trajectoire dite de « réfé- finies
rence » qui part de la mesure actuelle mesurée du processus et qui
tend vers la consigne. Traitons le cas d’un processus élémentaire du premier ordre,
parce que la démarche est simple et que ce genre de processus
Elle définit ainsi le comportement désiré de la boucle fermée. Il est assez fréquent dans l’industrie. Le processus du premier ordre
apparaı̂t immédiatement que, si la sortie du processus suit effecti- d’entrée e et de sortie sp a un gain K, une constante de temps T et
vement cette trajectoire de référence, fixer la trajectoire de réfé- un retard pur R, sa fonction de transfert continue est donc :
rence revient à fixer le temps de réponse en boucle fermée K .exp ( − R .p )
(figure 2). H (p ) =
1 + τ .p
Il est échantillonné à la cadence tech, sa représentation discrète
Fig est classiquement donnée par :
sp (n ) = sp (n − 1) .ap + K .bp.e (n − 1 − r )
Consigne
e(n+h) avec bp = 1 - ap
le retard pur R étant exprimé par un nombre r de pas d’échantil-
lonnage : R = r.tech
e(n)
Dp ⎛ tech⎞
On a donc : ap = exp ⎜ − ⎟ , bp = 1 - ap
⎝ τ ⎠
CV(n)
On suppose pour commencer que le modèle sm (n) est parfait,
h
Sortie identique au processus :
processus
am = ap , bm = bp , Km = K
Équation de la trajectoire de référence (d’ordre) : e(n+h) = e(n).lh
Incrément de sortie désirée : Dp = e(n).(1-lh ) On a donc : sm (n) = sm (n - 1).am + Km .bm. e (n - 1 - r)
3.tech
l = e TRBF TRBF : temps de réponse en boucle fermée
Rappel
La solution d’une équation différentielle (ou aux différences
n finies) linéaire comporte deux termes :
– la solution dite lâchée, ou solution libre, ou sans second
Figure 1 – Trajectoire de référence membre ;
cons Perturbation=0 cv
1 + K
Cons MV + CV
t Processus t
PFC
0 0 t
US
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTRU
– la solution forcée, ou solution avec second membre. On souhaite qu’à l’instant n + h cet écart diminue selon une
Solution lâchée (figure 3) : l’entrée e (n) est nulle, mais non la exponentielle :
sortie sm (n) ; à l’instant 1 on a :
ε (n + h ) = ε (n ) . λh
sm (1) = sm (0) .am + 0
L’incrément de sortie souhaité Dp est alors :
⎛ tech ⎞
où am = exp ⎜ −
( )
Δp = ε (n ) − ε (n + h ) = ε (n ) . 1 − λh = (SP − CV (n )) . 1 − λh ( )
⎝ τm ⎟⎠
La trajectoire de référence de décrément l relie le point courant
sm (2) = sm (1) am = sm (0) .am 2 de la sortie à la consigne. À un point futur, dit de coı̈ncidence pris à
................................................ n + h, on souhaite qu’il y ait égalité entre les valeurs de la sortie
et à l’instant n : sm (n) = sm (n- 1).am = sm (0). amn prédite du processus et de la trajectoire de référence. Cette pres-
Solution forcée (figure 4) : partons de conditions initiales nul- cription est incrémentale, à savoir : on cherche un projet de
sm (n ) = sm (n − 1) .am + Km.bm.1, où bm = 1 − am
variable manipulée (Manipulated Variable) MV (n) tel que la varia-
tion de la variable régulée soit égale à l’incrément Dp de la trajec-
toire de référence. Toute la démarche est incrémentale :
sm (1) = (1 − am ) .Km Dm = sortie lâchée + sortie forcée - sortie actuelle, soit :
sm (2) = (1 − am ) .Km.am + (1 − am ) .Km = Km. (1 − am ) . (1 + am ) (
Δm = sm (n ) .amh + MV (n ) .Km. 1 − amh − sm (n ) )
sm (3) = Km. (1 − am ) . 1 + am ( + am 2 )
......................................................... sm(n)
(
sm (h ) = Km. (1 − am ) . 1 + am + am 2 + … + amh −1 )
1 − amh e(0)=1
Pour h suffisamment grand, sm (h ) = Km. (1 − am )
1 − am
Soit : sm (h) = Km.(1 - amh)
qui est la réponse forcée du processus à un échelon unitaire. - tech·n
SF(n) = Km·e(0)·(1-e t )
La réponse du processus sm (n) est la somme de la réponse
forcée et de la réponse libre ; e0 étant l’entrée du processus,
elle est de la forme :
Sortie processus
sm(n)
sm(n) Dm=Dp
Sortie modèle future
Dm
MV
- tech·n
SL(n) = sm(0)·e t
Variable manipulée
n+h
Horizon
e(n) = 0 n n+h1 de coïncidence n+h2
n Passé Futur
0
UT
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTRU
Appliquons donc la commande en égalant les deux incréments : Cette relation est toujours satisfaite, car elle est dans un espace
Dm = Dp mathématique abstrait qui ne dépend pas du processus et de ses
perturbations.
( ) ( ) (
MV (n ) .Km. 1 − amh − sm (n ) . 1 − amh = (SP − CV (n )) . 1 − λh ) Il n’y a donc pas d’intégrateur explicite dans ce régulateur, ce qui
On en déduit la valeur de la variable manipulée : supprime les problèmes d’initialisation et de désaturation de l’inté-
grateur. Cependant, si l’on exprime dans l’équation de commande
(SP − CV (n )). (1− λh ) + sm (n ). (1− amh ) la sortie sm (n) à l’aide des différentes entrées on retrouve bien un
MV (n ) =
(
Km. 1 − amh ) régulateur du type PI.
Sous la forme la plus élémentaire de PFC, il y a donc équivalence
h
Posons bmh = (1 - am ) : entre les régulateurs PI et PFC, ce qui réconforte les techniciens
habitués au PID.
(SP − CV (n )). (1− λh ) + sm (n ).bmh
MV (n ) = Nous partons donc sur des bases communes [1], [2], [3], [4], [5],
R
Km.bmh [6], [7].
Nb. – Forme générale de la variable de commande :
incrément désiré + incrément de sortie lachée 1.3 Allons de PFC vers PI(D)
MV (n ) =
nitaire
sortie forcée un
Il est important pour un utilisateur industriel, très familiarisé avec
Analysons cette commande dans le paragraphe suivant. la régulation PID, de pouvoir passer progressivement d’une régula-
tion qu’il maı̂trise à une autre.
1.1.4 Point de coı̈ncidence
Depuis Ziegler Nichols (1942) il a été publié près de 2 000 métho-
Dans le cas particulier du processus du premier ordre, la réponse des de réglage du PID, soit issues du domaine académique, soit
indicielle est maximum à l’origine, on choisit donc : h = 1. Nous des offreurs et utilisateurs industriels. Toute cette activité montre :
donnerons plus d’explications au paragraphe 1.5. Le paramètre de
réglage l, comme nous l’avons défini, est le décrément de la fonc- 1 – que le PID a un très grand intérêt académique et surtout
tion exponentielle qui, initialisée sur le point courant de la sortie du pratique ;
processus, tend vers la consigne. Le TRBF définit la dynamique de 2 – mais que les solutions proposées ne donnent pas entière-
la réponse, en boucle fermée, clairement accessible à tout utilisa-
ment satisfaction… pour tout type de processus en particulier
teur. Comme par ailleurs on connaı̂t le lien entre la constante de
ceux avec retard !
temps d’un système du premier ordre et son temps de réponse à
5 %, TRBF ≅ 3.τ , on utilise alors directement pour faciliter le Quelle que soit la méthode de réglage du PID il faut avoir au
réglage du régulateur le TRBF dans l’équation de commande. La départ une représentation quelconque du processus et une spécifi-
commande va donc être programmée sous une forme facilement cation claire du réglage recherché.
implantable dans un automate industriel :
Supposons donc ici que le processus soit représentable par un
⎡SP − CV (n )⎤⎦ .lh + sm (n ) .bm simple système du premier ordre. Il existe de nombreuses recettes
MV (n ) = ⎣ pour avoir une idée sur les ordres de grandeur du gain K et de la
Km.bm
constante de temps t du processus : inspection visuelle, méthodes
⎛ 3.tech ⎞ plus ou moins compliquées d’identification, etc. Supposons donc
avec lh = 1 − λ = 1 − exp ⎜ − et bm = 1 - am
⎝ TRBF ⎟⎠ avoir des valeurs de Km et de tm proches de la réalité. Le but est
alors de trouver le gain Gr du régulateur PI et son terme intégral Ti.
Comme déjà mentionné, si dans l’équation de commande du
1.2 Allons de PID vers PFC PFC, qui a un TRBF connu désiré, on exprime sm (n) en fonction
de la sortie du processus et de son entrée e (n), on obtient une
Représentons cette commande PFC sous une forme classique :
équation de commande qui a la même structure que celle d’un
MV (n ) = ⎡⎣SP − CV (n )⎤⎦ .A + B régulateur PI classique avec, tout calcul fait, un gain statique :
lh Km.bm.τm
Gr = et un gain de l’intégrateur : Ti = où lh a
lh sm (n ) .bm Km.bm lh
avec : A = et B = été choisi pour obtenir un certain temps de réponse en boucle
Km.bm Km.bm
fermée.
Une « lecture PID » reconnaı̂t ici une commande avec un terme
proportionnel de l’écart : Km et Gr sont connus, la variable manipulée du régulateur PI
sera donc :
sm (n )
A…, mais de façon surprenante le terme B = n’est pas du Intg (n ) = Intg (n − 1) + ⎡⎣SP − CV (n )⎤⎦ ( terme intégrateur )
Km
tout un terme intégral… !
Ce régulateur, sans intégrateur, ne devrait donc pas tenir la 1
consigne en régime permanent perturbé ? ! MV (n ) = ⎡⎣SP − CV (n )⎤⎦ .Gr + Intg (n )
Ti
Supposons donc que cette commande soit implantée et qu’elle
donne une variable manipulée stable, malgré des perturbations. L’intérêt de cette démarche, est double :
Est-il possible qu’il n’y ait pas d’erreur de position ? On aurait – le temps de réponse en boucle fermée effectif est le temps de
donc en régime permanent stable : SP - CV (n) = 0 réponse désiré,
sm (n ) – la réponse est sans surtension,
d’où : MV (n ) = 0 +
Km si bien sûr, les hypothèses de structure (Gain, Dynamique) sont
soit : sm (n) = MV (n).Km remplies.
UU
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTRU
SP τ
En résumé pratique On trouve donc : MV (0) ≅
On choisit le TRBF du régulateur PI, connaissant le gain Km et Km τrep
la constante de temps tm du modèle de processus
lh Nota : une équation de récurrence initialisée mathématique-
– le gain proportionnel est : Gr = avec ment à n = 0 sera dans un programme MATLAB‚ initialisée à
Km.bm
⎛ 3.tech ⎞ n = 1.
lh = 1 − λ = 1 − exp ⎜ − et bm = 1 - am ;
⎝ TRBF ⎠⎟
Km.bm.τm Si la réponse désirée en boucle fermée est plus rapide que celle
– le terme intégral est : Ti =
lh en boucle ouverte, la première commande est plus grande que sa
Km, bm, lh sont choisis pour avoir une réponse de TRBF fixé, valeur finale en régime permanent.
et non surtensive.
140 160
120 140
120
100
100
80
80
60
60
40
40
20 20
0
0 50 100 150 200 250 300 350 400 20 40 60 80 100 120 140 160 180 200
Figure 6 – Régulateur PID = Régulateur PFC Figure 8 – Processus sans retard pur
UV
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTRU
R
Km
40 Exemple
Considérons un processus de gain Kp = 1 et de constante de
20 temps t = 30 s pour une période d’échantillonnage de 1 seconde et
prenons 3 valeurs de h : h = [1 20 100]. Pour un horizon court h = 1,
le processus bouclé se comporte bien comme prévu. Pour des
0 valeurs grandes de h la réponse est plus lente. En effet, la réponse
100 150 200 250 300 350 400
d’un processus du premier ordre soumis à une impulsion e (n) est
exponentielle décroissante (e (1) π 0 alors que e (n) = 0 pour tout
Figure 9 – Le même processus avec retard pur de 200 sec n > 1).
PFC ÉLÉMENTAIRE
180 150
MV
160
h=1
140
SP
120 100
h=20
100
h=100
80 20 100 MV CV
1
60 50
CV
40
DV
20
sec
0 retard
20 40 60 80 100 120 140 160 180 200 0
0 50 100 150 200 250 300 350 400
UW
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTRU
Exemple :
Ta
Tech = 1s.
Tc
Définition du processus : Kp = 1, Tp = 20 s, r = 20 Ts
TRBF = 40 s, h = 1
Pièce
SP = 100
R 2. Contraintes
DV = 0 de t = 0 à 170 et DV = 20 pour t > 170
UX
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTRU
250
R
la limitation, le régulateur n’en serait pas informé, la prédiction du 150
modèle interne serait fausse et la commande ne serait pas perti- MV pré-contrainte non appliquée (m)
nente. En revanche, en alimentant le modèle interne avec MV* on
100
reste à la frontière du domaine non linéaire du processus, et c’est
alors le régulateur qui devient momentanément non linéaire.
CV (r)
50
Les figures 15 et 16 montrent la différence de comportement du
processus avec ou sans la prise en compte a priori des contraintes
0
physiques de l’actionneur (voir programme MATLAB‚ au 50 100 150 200 250 300 350 400
paragraphe 9.2). sec
MV pré-contrainte (m)
100 Pocessus
PFC2 PFC1
0
50 100 150 200 250 300 350 400
sec
UY
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTRU
Notons que le régulateur PFC2 peut lui aussi avoir des contrain-
AVEC TRANSFERT DE CONTRAINTE : MV1MAX=60 tes propres sur sa MV2 (n), indépendantes des contraintes de PFC1.
Ne pas utiliser cette procédure de transfert de contraintes peut
120
amener à des comportements fortement erronés (figures 18 et 19).
100
CV 2.3 Contrainte sur une variable d’état
80
Rappelons l’exemple du four de traitement thermique : il faut
MV1 réguler la température à l’intérieur de la pièce métallique Tc, tout
60
en respectant la température de surface Ts, en agissant par un
organe de chauffe (brûleur à gaz) sur la température d’air Ta
MV2
40 (figure 20).
R 20
Supposons que l’on doive piloter le processus P1, de consigne
SP1, par un régulateur PFC1 qui produit à l’instant n une action
MV1 (n). Mais cette commande MV1 (n) agit aussi sur un processus
sec dynamique P2 dont la sortie CV2 doit respecter une contrainte,
0
50 100 150 200 250 300 350 400 450 500 prise ici comme CV 2 (n ) ≤ CV 2max pour simplifier.
La stratégie consiste à calculer un projet habituel de commande
Figure 18 – Commande cascade avec transfert de contrainte MV1 (n + h) qui satisfasse le temps de réponse TRBF demandé au
régulateur PFC1, et qui de plus a ses propres contraintes qui seront
traitées par la procédure précédente ; ce projet MV1 (n + h) devra
SANS TRANSFERT DE CONSTRAINTE : MV1MAX=60 également dans le futur provoquer une sortie CV2 (n + h) qui res-
pecte la contrainte CV2max.
120
CV Pour ce faire, on simule la sortie future CV2 (n + h) par une pro-
cédure identique à celle utilisée lors de la prise en compte d’un
100 retard pur (paragraphe 1.4) :
CV 2 * (n + h ) = CV 2 (n ) + sm 2 (n + h ) − sm 2 (n ) ,
80
MV2 où sm2 (n) est la sortie du modèle de CV2 alimenté par le projet
MV1 MV1 (n + h).
60
Cette procédure est répétée théoriquement jusqu’à l’obtention du
TRBO (temps de réponse en boucle ouverte) du processus P2, mais
40
en pratique on calcule jusqu’à un temps limité hl compris entre h1
(point de coı̈ncidence du régulateur du processus P1) et le TRBO du
20 processus P2.
Si CV2*(n + i) < CV2max pour tout i, tel que : 1< i ≤ hl , le projet
sec est acceptable car la contrainte est respectée et la MV1 (n) proposée
0
50 100 150 200 250 300 350 400 450 500 est alors appliquée (cas (a) de la figure 21).
Si pour une certaine valeur de i, CV 2 (n + i ) ≥ CV 2max , le projet
Figure 19 – Commande cascade sans transfert de contrainte n’est pas acceptable (cas (b) de la figure 21) et il convient alors de
trouver une commande MV2 (n) qui amènerait au mieux CV2 sur sa
Cette variable manipulée MV1 (n) calculée mathématiquement va valeur limite CV2max. Cette opération est réalisée par un régulateur
être physiquement limitée et devenir MV1*(n). auxiliaire qui a comme consigne SP2 = CV2max et dont le modèle
Donc, la « bonne valeur » de Cons1 (n) qui est égale à MV2*(n) interne est alimenté par la dernière variable manipulée, quelle que
aurait dû être solution de : soit son origine, issue de PFC1 ou de PFC2.
En résumé cette méthode consiste à utiliser deux régulateurs
⎡MV 2 * (n ) − CV 1(n )⎤⎦ .lh1 + sm1(n ) .bmh1
MV 1* (n ) = ⎣ fonctionnant en permanence en parallèle :
K 1.bmh1 – PFC1 : consigne SP1, pilotant CV1, donnant MV1.
– PFC2 : consigne SP2 = CV2max, pilotant CV2, donnant MV2.
d’où découle la valeur de MV2*(n) :
– Calcul de CV2*(n + i), i = 1…… hl.
⎡MV 1* (n ) .K 1.bmh1 − sm1(n ) .bmh1⎤⎦
MV 2 * (n ) = CV 1(n ) + ⎣
lh1
P2 Ts<TsMax
L’interprétation physique est donc simple.
Le régulateur externe PFC2 calcule une valeur de consigne Tc
Consigne Ta
Cons1 (n) de PFC1 qui n’est pas suivie, mais le modèle interne de PFC P1
PFC2 en est informé, et le calcul de MV2 = Cons1, au point suivant,
prend en compte dans son modèle interne cette modification de la
valeur de consigne.
Cette propriété est importante et démarque le PFC de la régula-
tion PID. Figure 20 – Régulation du four de traitement thermique
VP
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTRV
R
Laboratoire d’automatique et de procédés, ISMRA, Caen
et Joël CHEBASSIER
Docteur de l’Institut national polytechnique de Grenoble
Laboratoire d’automatique de Grenoble
1. Motivations................................................................................................ S 7 426 – 2
2. Systèmes de commande sous-jacents ............................................... — 3
2.1 Modèles de commande linéaire ................................................................. — 4
2.2 Synthèse du système de commande......................................................... — 5
2.3 Stabilité et performances nominales ......................................................... — 6
2.4 Généralité de la commande prédictive...................................................... — 8
3. Commande prédictive adaptative ....................................................... — 9
3.1 Traitement des données.............................................................................. — 9
3.2 Algorithme d’adaptation paramétrique ..................................................... — 9
3.3 Algorithme de commande .......................................................................... — 11
3.4 Exemple de Rohrs........................................................................................ — 12
4. Applications .............................................................................................. — 16
4.1 Réacteur chimique....................................................................................... — 16
4.2 Système de transmission flexible .............................................................. — 20
5. Conclusion ................................................................................................. — 22
Références bibliographiques ......................................................................... –– 25
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur, traité Informatique industrielle S 7 426 − 1
VQ
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTRV
R
étape consiste à déterminer les paramètres d’un régulateur en fonc- tifs de commande pour lesquels il est possible de récrire le compor-
tion des performances requises à partir des méthodes de synthèse tement d’entrée-sortie du système à commander sous une forme
offertes par la théorie de la commande [3] [4] [5] [6]. La spécification linéaire par rapport aux paramètres du régulateur peuvent être
des performances constitue la tâche essentielle du concepteur, qui considérés, en l’occurrence la commande à variance minimale [8], la
utiliserait avec plaisir toute bonne conception assistée par ordina- commande avec modèle de référence et la commande avec modèle
teur. La dernière étape consiste à mettre en œuvre l’algorithme de interne [2]. Le traitement des données et la supervision sont utilisés
commande sur un calculateur temps réel, doté d’une bonne librairie pour les mêmes considérations que la commande adaptative indi-
d’analyse numérique et d’une interface, disponible pour ce faire. recte.
Toutes ces étapes peuvent être faites en temps réel comme le
montre la figure 1 qui représente les principaux schémas de L’ultime motivation du concept de commande adaptative a été de
commande adaptative [2] [7] [8] [9] [10] [11]. maintenir les performances requises quand la dynamique du
comportement d’entrée-sortie du système à commander varie dans
■ Commande adaptative indirecte le temps. Les résultats théoriques disponibles sur la convergence, la
Un modèle de comportement d’entrée-sortie du système à stabilité et la robustesse des algorithmes de commande adaptative
commander y est continûment mis à jour et est utilisé pour la ne permettent pas de répondre d’une manière définitive à une telle
synthèse du régulateur comme s’il était le meilleur modèle de motivation [2] [7] [8] [9] [10] [11]. En effet, un système de commande
commande que l’on aurait utilisé (figure 1 a). Les paramètres du adaptative est composé de deux boucles à contre-réaction : le
régulateur sont ainsi adaptés de manière à réaliser les perfor- système de commande sous-jacent, soit la boucle à contre-réaction
mances requises. Toutes les méthodes de commande et d’identifi- ordinaire formée par le système à commander en contre-réaction
cation basées sur un modèle de commande linéaire par rapport aux avec le régulateur, et une boucle d’adaptation des paramètres du
paramètres peuvent être combinées pour la synthèse de systèmes régulateur constituée d’un algorithme d’adaptation paramétrique et
de commande adaptative comme en témoignent les nombreux d’une méthode de synthèse dans le cas d’une commande adapta-
algorithmes de commande linéaire adaptative [2] et ceux de la tive indirecte. Les performances requises sont ainsi réalisées pour le
commande adaptative des robots [12]. L’école française a particuliè- modèle de commande en temps réel engendré par l’algorithme
rement mis en évidence les propriétés requises de l’algorithme d’adaptation paramétrique. Elles ne sont pas nécessairement satis-
d’adaptation paramétrique pour assurer la stabilité d’un système de faites pour le système à commander.
Superviseur Superviseur
Algorithme Algorithme
d'adaptation d'adaptation
Synthèse paramétrique paramétrique
du
régulateur Traitement Traitement
des des
données données
v (t ) v (t )
y*(t ) y*(t ) y (t )
u (t ) y (t ) u (t )
Régulateur Procédé Régulateur Procédé
a indirecte b directe
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
S 7 426 − 2 © Techniques de l’Ingénieur, traité Informatique industrielle
VR
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTRV
Néanmoins, une recherche méthodologique a été développée Par ailleurs, on dira qu’une séquence {s (t )} est α asymptotique-
pour tirer le meilleur profit de la culture de la commande adaptative ment petite en moyenne (α – APM) si :
et a été utilisée pour faire l’ajustement automatique des régulateurs,
le calibrage automatique des régulateurs si besoin et la supervision
t = <+ k
des systèmes de commande, comme en témoignent les nombreuses 1
applications industrielles et semi-industrielles réussies [8] [17]. On lim sup lim sup -------
k→∞ <→∞ k ∑ s(t) < α
peut ainsi réduire raisonnablement le temps d’ajustement à la mise t = <+1
en œuvre, affiner les performances pourvu que toutes les conditions
d’une bonne adaptation paramétrique soient réunies et détecter des
anomalies de fonctionnement en vue de prendre les décisions qui
s’imposent [8] [18] [19]. Des régulateurs autoajustables sont d’ores
et déjà sur le marché grâce à la puissance de calcul bon marché 2. Systèmes de commande
offerte par la micro-informatique qui ne cesse d’élargir le champ
sous-jacents
d’application des techniques de commande avancée.
Cet article présente les techniques de commande adaptative en se
focalisant sur un algorithme de commande adaptative général à la
R
lumière des résultats disponibles. La généralité en question sera Les systèmes de commande sous-jacents peuvent être générale-
considérée au sens des propriétés fondamentales suivantes : ment représentés comme l’indique la figure 2 avec :
— P1 : une large applicabilité. Le système à commander peut être — {u (t )} et {y (t )} désignent respectivement l’entrée et la sortie
stable ou instable, inversement stable ou non et peut exhiber un du système à commander, en l’occurrence l’ensemble convertis-
retard relativement important et variable dans le temps ; seur numérique-analogique, actionneur, procédé proprement dit,
— P2 : une insensibilité de la loi de commande par rapport aux capteur, filtre antirecouvrement et convertisseur analogique-numé-
erreurs de modélisation pour assurer une bonne robustesse du sys- rique ;
tème de commande sous-jacent ; — {v (t )} représente l’ensemble des perturbations qui affectent le
— P3 : une compensation des perturbations ; fonctionnement du système à commander, en particulier les pertur-
— P4 : une simplicité de spécification des performances ; bations de charge et les bruits de mesure en entrée et en sortie du
— P5 : la robustesse de l’algorithme d’adaptation paramétrique système à commander ;
par rapport aux perturbations de charges, aux bruits de mesure, aux — {y *(t )} désigne la séquence de référence que l’on peut engen-
erreurs de modélisation et aux variations de paramètres ; drer à partir de la séquence des points de consigne {u*(t )} comme
— P6 : une souplesse de mise en œuvre. suit :
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur, traité Informatique industrielle S 7 426 − 3
VS
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTRV
v (t )
y*(t + d + 1) uf (t ) 1 u (t ) Système à y (t )
Wy (z –1) Régulateur
Wu (z –1) commander
Wy (z –1)
yf (t )
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
S 7 426 − 4 © Techniques de l’Ingénieur, traité Informatique industrielle
VT
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTRV
Pp ( q –1
) ( y f (t + j ) – ŷ f ( t + j ⁄ t ) ) = E j ( q –1 –1
) C a ( q ) ω (t + j ) (20) u f (t + i ) = 0 pour i ∈ [ hc, hp – d – 1 ] (24)
qui fait apparaître clairement que le prédicteur est optimal, au sens avec hi entier fini tel que hi > d + 1 ,
de la minimisation de la variance de l’erreur de prédiction, si les pon- hp et hc entiers finis ou infinis,
dérations fréquentielles Wu (z –1) et Wy (z –1) sont choisies telles que : λ scalaire positif qui permet de pondérer l’effet de la séquence
d’entrée filtrée {uf (t )}.
C a ( q –1) ω ( t ) = P p (q –1 ) γ (t )
La réalisation de l’objectif de commande optimale à horizon
où {γ (t )} est une séquence de variables aléatoires indépendantes de fuyant (23) (24) peut être faite en adoptant une approche de
moyenne nulle et de variances finies σ 2. En effet, l’équation de commande prédictive généralisée lorsque les horizons de prédic-
l’erreur de prédiction associée est donnée par l’équation aux tion et de commande sont finis [20] ou une approche de commande
R
différences : linéaire quadratique gaussienne lorsque ces horizons sont infinis
[14]. La synthèse ci-après est faite à partir d’une approche de
commande prédictive, elle est basée sur le principe d’équivalence
y f (t + j ) – ŷ f ( t + j ⁄ t ) = E j (q –1 ) γ (t + j )
certitude qui stipule que la minimisation du critère (23) est équiva-
= γ ( t + j ) + e1 γ ( t + j – 1 ) + … + ej – 1 γ ( t + 1 ) lente à la minimisation du critère quadratique :
g hp – d – 2 … … g0 0 g hi – d – 1 … g 0 0 … 0 (27)
g hp – d – 1 … … … g 0 g hi – d … g1 g0 … 0
Le prédicteur ŷ f ( t + j ⁄ t ) est complètement disponible à l’instant t G = … … … … … …
pour j < d + 1. Pour j > d + 1 , il dépend de la séquence de g hc – 1 … … … … g0
commandes { u f (t + i ) } i ∈ [ t, t + j – d – 1 ] que l’on peut déterminer à … … … … … …
partir d’un objectif de commande donné. g hp – d – 1 … … … … g hp – d – hc
J ( U f ( t + hc – 1 ) ) (23) T T
[ G G + λ Ihc ] U f* ( t + hc – 1 ) = – G [ Yˆ f 0 ( t + hp ⁄ t ) – Y *( t + hp ) ]
hp
2 2 Le calcul de la séquence de commande optimale U *f ( t + hc – 1 )
= ε ∑ [ y f ( t + j ) – y*f ( t + j ) ] + λ [ u f ( t + j – hi ) ] consiste à résoudre un système d’équations linéaires de dimension
j = hi hc. On utilisera pour ce faire l’une des méthodes numériques dispo-
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur, traité Informatique industrielle S 7 426 − 5
VU
R
VV
r←ヲ←イ・ョ」・@iョエ・イョ・エ
rWTRW
Commande optimale
par Pierre BORNE
Ingénieur IDN
Docteur en automatique, docteur ès sciences
Professeur d’automatique à l’École centrale de Lille, Fellow IEEE
Frédéric ROTELLA
R
et
Ingénieur IDN
Docteur ingénieur, docteur ès sciences
Professeur d’automatique à l’École nationale d’ingénieurs de Tarbes
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur, traité Informatique industrielle R 7 427 − 1
VW
r←ヲ←イ・ョ」・@iョエ・イョ・エ
rWTRW
1. Principaux critères. ■ Quel que soit le critère retenu, la méthode envisagée permet une
détermination rigoureuse et systématique de la commande dans une
Domaines d’application approche boucle fermée ; elle est, de plus, compatible avec d’autres
techniques de commande auxquelles elle peut être associée, comme
la commande adaptative, la commande prédictive, la commande en
L’intérêt de la commande optimale découle de la nature même mode glissant...
de sa définition : optimiser un critère de notre choix, tout en satis-
faisant des conditions de fonctionnement données et des contraintes
imposées.
Les principaux critères utilisés sont le temps minimum, les critères 2. Formulation du problème
quadratiques et les critères de type consommation.
■ Les utilisations principales du critère temps minimum sont les 2.1 Mise en équation
problèmes de sécurité et la minimisation des coûts liés à la durée ;
les applications principales se rencontrent dans les domaines de la Le système dynamique, ou processus, étudié est caractérisé par
production continue, de l’espace, de la défense et de la médecine. trois ensembles de variables :
■ La mise en œuvre de critères quadratiques intervient dans les pro- — les variables de sortie, en général directement accessibles et
blèmes de minimisation de l’énergie mise en œuvre, de stabilisation regroupées dans un vecteur y de dimension m ;
et de suivi de trajectoire ; elle concerne essentiellement les pro- — les variables de commande, regroupées dans un vecteur u de
blèmes de régulation et d’asservissement en général, ainsi que les dimension et dont le choix permet d’agir sur l’évolution du
processus mettant en œuvre des énergies importantes. L’intérêt processus ;
apparaît à la fois au niveau de la qualité, de la sécurité et des coûts — les variables internes caractérisant l’état du processus à un
de mise en œuvre. instant donné, regroupées dans un vecteur état x de dimension n.
■ L’utilisation de critères de type consommation concerne surtout Nous notons t 0 l’instant courant.
les processus de production continue, dont on veut diminuer les
coûts de fonctionnement, et les processus autonomes à ressources
limitées dont on désire accroître la durée de fonctionnement.
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
R 7 427 − 2 © Techniques de l’Ingénieur, traité Informatique industrielle
VX
r←ヲ←イ・ョ」・@iョエ・イョ・エ
rWTRW
Dans une modélisation de l’évolution du processus, ces diverses 2.3 Contraintes instantanées et intégrales
variables sont liées par une équation d’état le plus souvent expli-
citée sous la forme :
2.3.1 Contraintes instantanées
dx
ẋ = ------- = f ( x , u , t ) Elles caractérisent en général les limitations physiques sur la
dt
(1) commande ou sur l’état du processus, par exemple la limitation d’un
y = h (x , u , t ) (2) débit, d’une pression ou d’une température, ou l’obligation pour un
avion de rester dans un « tube » de l’espace prédéfini (couloir).
n m
x∈ , y∈ , u∈ , t∈t⊂ Ce type de contraintes s’exprime par des inégalités de la forme :
la notation = signifiant « égal à, par définition ».
q (x, u, t ) 0 , q ∈ nq (8)
Dans le cas linéaire, les relations (1) et (2) se simplifient sous la
R
forme : On peut également avoir des contraintes de type « égalités »,
comme faire varier la puissance fournie par une centrale tout en
ẋ = A(t ) x + B (t ) u (3)
maintenant la tension constante ou faire évoluer un train qui doit
nécessairement rester sur ses rails.
y = C (t ) x + ( D (t ) u ) (4)
Les contraintes inégalités peuvent se ramener à des contraintes
Dans cette écriture, il vient : égalités en introduisant des variables supplémentaires.
2 2 2 2 T
A(t ) : t →
n×n
En effet en notant v = v 1 , v 2 , ..., v nq il vient :
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur, traité Informatique industrielle R 7 427 − 3
VY
R
WP
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTSP
ans ce dossier, nous allons tenter de montrer comment la théorie des sys-
D tèmes dynamiques fournit, d’une part, des outils très utiles à la synthèse
de contrôleurs stabilisants (théorie des perturbations, commande hiérarchisée,
synthèse Lyapounov) et, d’autre part, un guide théorique précieux pour l’ana-
lyse de la stabilité et de la robustesse des systèmes non linéaires en boucle
p。イオエゥッョ@Z@ウ・ーエ・ュ「イ・@RPPX@M@d・イョゥ│イ・@カ。ャゥ、。エゥッョ@Z@ュ。ゥ@RPQX
WQ
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTSP
1. Forme d’état
et schéma-bloc w
d
x = f (x , u , w ) , y = h (x)
dt
Figure 1 – Schéma-bloc de type fonctionnel pour le système
avec x ∈Z
n vecteur d’état, en boucle ouverte avec, comme entrées, la commande u
et la perturbation w, et sortie, la mesure y
u ∈Z
m commandes,
R w ∈Z
q perturbations,
y ∈Z
p mesures.
Les dimensions de x, u, w et y sont ici arbitraires. En général, on w
a n 5m et n 5p . Les fonctions f et h résultent de la modélisation :
on suppose souvent que f et h sont des fonctions régulières de υ u = k (y, ξ, υ) y = h (x)
d ξ = a (y, ξ, υ) d x = f (x, u,w)
leurs arguments. Ce n’est pas toujours le cas : dans certains modè- dt dt
les f et/ou h peuvent admettre en certains points des discontinuités.
Ce système est représenté par le schéma-bloc de la figure 1.
y
■On élabore une loi de commande sous la forme d’un retour
dynamique de sortie, c’est-à-dire un système dynamique (comme
l’est un régulateur proportionnel/intégral, cf. § 2) : Figure 2 – Schéma-bloc de type fonctionnel pour le système
en boucle fermée avec, comme entrée, la nouvelle commande v
(typiquement la consigne que y doit suivre) et la perturbation w,
d et comme sortie, la mesure y
ξ = a (y , ξ , v ) , u = k (y , ξ , v )
dt
WR
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTSP
R
1
x 0 = 1, x (t ) = : elle explose en t = 1–, bien que la fonction Lorenz :
1− t
x 2 soit lipschitzienne. dx1
= s (− x1 + x 2 )
dt
Nous n’abordons pas le cas où f n’est pas lipschitzienne par dx 2
rapport à x (cas typique où f admet des discontinuités), car alors la = r x1 − x 2 − x1 x 3
notion de solution est nettement plus difficile à définir. Nous dt
renvoyons à [6]. dx 3
= − bx 3 + x1 x 2
dt
avec s = 10, r = 28 et b = 8/3, on peut montrer que toutes les trajec-
3. Première variation toires sont bornées bien que leur comportement asymptotique pour
des temps très grands est complexe et, encore aujourd’hui, assez
et étude de sensibilité mal compris (pour une introduction aux systèmes chaotiques voir par
exemple [5]).
d
Prenons la boucle ouverte (voir nota) x = f (x , u , w ) et supposons
4. Systèmes linéaires
dt
que f est dérivable par rapport à ses variables. Soit une trajectoire (par
exemple, une solution) du système t ֏ (x (t ) , u (t ) , w (t ) , y (t )) . Les
petits écarts notés (δx, δu, δw, δy) à cette trajectoire obéissent alors aux
stationnaires
équations linéaires instationnaires suivantes, dites « première
variation » : 4.1 Exponentielle matricielle
d On rappelle maintenant quelques formules utiles sur les sys-
δ x = A (t ) δ x + B (t ) δ u + D (t ) δ w , δ y = C (t ) δ x tèmes linéaires :
dt
d
x = Ax
∂f dt
avec : A (t ) = (x (t ) , u (t ) , w (t )) ,
∂x
avec A matrice constante n × n.
∂f
B (t ) = (x (t ) , u (t ) , w (t )) , La matrice dépendant du temps exp (tA) est définie par la série
∂u absolument convergente :
∂f
D (t ) = (x (t ) , u (t ) , w (t )) , t2 tk
∂w exp (t A) = I + t A + A2 + ... + Ak + ... (1)
2! k!
∂h
C (t ) = (x (t )) .
∂x avec I matrice identité.
Nota : la même analyse peut être faite pour la boucle fermée. On appelle t ֏ exp (t A) l’exponentielle de la matrice A. Quel que
Ce calcul est à la base des études de sensibilité. Il correspond au soit x 0 ∈Zn , l’unique solution x (t ) du problème de Cauchy
développement limite à l’ordre 1 de f et h : d
x (t ) = Ax (t ), x (0) = x 0 s’exprime sous la forme :
dt
f (x + δ x , u + δ u , w + δ w ) = f (x , u , w ) + Aδ x + Bδ u + Dδ w + ... x (t ) = exp (t A) x 0
h (x + δ x) = h (x ) + Cδ x + ...
L’exponentielle de matrice satisfait les propriétés suivantes :
Il permet de montrer, par exemple, que la dépendance de la
solution x par rapport à sa condition initiale et aux entrées u et w exp (t A) exp (τ A) = exp ((t + τ ) A)
est continûment dérivable dès que f est une fonction continûment d
dérivable de ses arguments. (exp (t A)) = exp (t A) A = A exp (t A)
dt
exp (PAP −1) = P exp (A) P −1
Il est important de noter qu’une telle dépendance continue m
n’est valable que pour des temps t bornés. Elle n’est plus vraie A
exp (A) = lim I +
en général pour des temps non bornés, le module de m→+∞ m
continuité pouvant alors devenir de plus en plus grand.
det (exp (A)) = exp (tr(A))
WS
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTSP
R
4.2 Portraits de phases Figure 3 – Portraits de phases plans et linéaires en fonction
des valeurs propres de A, r 1 et r2 , ayant une partie imaginaire
En dimension n = 2, les principaux cas sont illustrés sur les non nulle
figures 3 et 4. On a noté λ 1 et λ 2 , les valeurs propres de A (distinc-
tes ou non, réelles ou complexes conjugées), ξ 1 et ξ 2 sont les vec-
teurs propres réels associés quand ils existent. On appelle ici plan
de phases l’espace Z2 correspondant à l’état x. Pour chaque cas,
on a représenté l’emplacement des valeurs propres de A dans le
plan complexe, et l’allure générale des trajectoires dans le plan de
d λ 0 λ 1
phases du système x = Ax . A= <0 A= <0
0 λ 0 λ
dt
En dimension 3, la figure 5, montre sur un exemple comment, à
partir des portraits de phases en dimension 2, on construit, dans Nœud stable Col Nœud instable
les cas génériques, le portrait de phases en dimension 3 : il suffit ξ2
ξ2 ξ2
de décomposer Z3 en somme d’espaces propres invariants de
dimension 1 ou 2. Si A a deux valeurs propres complexes
conjuguées à partie réelle négative et une valeur propre réelle ξ1 ξ1 ξ1
négative, on a convergence suivant une direction et enroulement
avec convergence (typique d’un foyer stable) suivant deux autres
directions. Pour un exposé détaillé, voir [11].
λ1 λ2 0 λ1 0 λ2 0 λ2 λ1
4.3 Polynômes caractéristiques
Les valeurs propres de A (dont la suite est appelée spectre) cor- d
Figure 4 – Portraits de phases plans et linéaires, x = Ax, lorsque
respondent aux racines de son polynôme caractéristique. Ce der- dt
d d les valeurs propres de A, r 2 , sont réelles ( 1
1 et r u et u 2 vecteurs
nier est obtenu en remplaçant, dans x = Ax , l’opérateur par s, propres de A, lorsqu’ils existent)
dt dt
la variable de Laplace, et en cherchant les conditions sur s ∈K
pour que le système linéaire de n équations à n inconnues sx = Ax
admette des solutions x non nulles, ce qui équivaut à dire que la
matrice sI – A n’est pas inversible, ou encore que son déterminant
P (s), un polynôme de degré n, est nul :
n −1
P (s ) = det (s I − A) = s n − ∑ σν sν = 0
ν =0 0
Les coefficients σν de ce polynôme P (s) se calculent à partir des 0
coefficients de la matrice A.
Soit t ֏ y (t ) ∈Z solution de :
y (n) = σ 0 y + σ 1y (1) + ... + σ n−1y (n −1) (2) Valeurs propres Trajectoire
avec. σ i. scalaires,
y (ν) ν-ième dérivée de y par rapport au temps. Figure 5 – Exemple de portraits de phases d’un système linéaire
de dimension 3 en fonction des valeurs propres de A
(1), (n–1))T
En posant x = (y, y ..., y vecteur de Zn
, cette équation
scalaire d’ordre n devient un système du premier ordre de dimen-
d
sion n, x = Ax , avec pour A la figure 6 :
dt 0 1 0 ... ... 0
0 0 1 0 ... 0
0 1 0 … … 0
...
...
...
... ...
...
...
0 0 1 0 … 0 A=
0 ... 0 1 0
P Y Y Y Y P 0 ... ... ... 0 1
A= (3) σ0 ... ... ... σn-2 n-1
0 … Y 0 1 0
0 … … … 0 1
Figure 6 – Matrice A de forme très particulière dite « compagne »
σ0 … … … σ n−2 σ n−−1 ou « canonique »
WT
r←ヲ←イ・ョ」・@iョエ・イョ・エ
rWTSR
a synthèse H∞ prend une place de plus en plus importante parmi les méthodes
L de calcul de correcteur. Sa principale caractéristique est de permettre de
modeler différents transferts d’un système asservi, tout en garantissant la sta-
bilité de la boucle fermée. Elle permet également la prise en compte de certains
objectifs de robustesse, tels que la garantie de marges de stabilité ou la robus-
tesse aux dynamiques hautes fréquences mal connues ou non modélisées.
Nous avons mis en œuvre cette approche, dans le but de développer une
méthodologie permettant la synthèse de régulateurs pour des paliers magné-
tiques. Il s’agit d’un problème qui comporte des spécifications nombreuses et
très précises. Dans de nombreux cas, il peut être résolu par des méthodes
classiques, mais pas de façon systématique, d’où un temps de conception plus
long. Il est par ailleurs difficile de faire des campagnes d’essais pour optimiser
un aspect particulier du cahier des charges.
Pour concevoir la commande, nous avons utilisé le modèle d’un rotor flexible
sous forme modale, qui comporte, en plus de l’inertie, six modes de flexion. La
synthèse est préalablement réalisée en continu. Une synthèse discrète est ensuite
effectuée, en utilisant la transformée en w.
p。イオエゥッョ@Z@ェオゥョ@QYYW
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur, traité Informatique industrielle R 7 432 − 1
WU
r←ヲ←イ・ョ」・@iョエ・イョ・エ
rWTSR
R 1. Synthèse H ∞
1.1 La norme H ∞
Tout système linéaire et invariant peut être modélisé par une fonc-
tion de transfert ou transmittance H (p ). Si le système a q entrées
et r sorties, H (p ) est une matrice r × q. Dans le cas où le système
est stable, on définit sa norme H ∞ par : Figure 1 – Structure d’asservissement classique
H (p) ∞ : = sup λ ( H ( j ω ) H ( – j ω )T )
(1) Par ailleurs, on peut déduire très simplement l’allure de ces répon-
ω∈R ses fréquentielles (figure 2), en faisant des hypothèses sur le gain
où la notation λ ( ) désigne la plus grande des valeurs propres. de la boucle ouverte :
— dans les zones de grand gain, qui correspondent en général
Pour un système à une entrée et une sortie, cette expression
aux basses fréquences (bien en deçà de la bande passante de
devient :
l’asservissement), G ( j ω ) K ( j ω ) 1 et donc 1 + G (j ω ) K (j ω ) ≈
H ( p ) ∞ : = sup H ( j ω ) G (j ω ) K (j ω ). Les approximations reportées sur la figure 2 montrent
(2)
ω∈R que le correcteur agit sur les transferts de r vers ε et de d vers ε ,
tandis qu’il est sans effet sur les transferts de r vers u et de d vers u ;
La norme H ∞ apparaît alors comme le maximum du module de — dans les zones de faible gain, qui correspondent en général aux
la réponse fréquentielle. hautes fréquences (bien au-delà de la bande passante de l’asservi-
ssement), G ( j ω ) K ( j ω ) 1 et donc 1 + G ( j ω ) K ( j ω ) ≈ 1. Le cor-
recteur agit sur les transferts de r vers u et de d vers u, tandis qu’il
1.2 Analyse des principaux transferts est sans effet sur les transferts de r vers ε et de d vers ε .
d’un asservissement
Considérons le schéma-bloc de la figure 1, où G (p ) est un modèle 1.3 Notions élémentaires de robustesse
sous forme de fonction de transfert du système à asservir et K (p )
est le correcteur ; r et d sont respectivement la référence et une La mise en équation d’un processus physique nécessite des
perturbation reçue en entrée du système ; u est la commande approximations, d’où résultent par conséquent des incertitudes de
élaborée par le correcteur et y la sortie à asservir ; ε est l’erreur modèle. De plus, la synthèse du correcteur fait généralement appel
d’asservissement. à un modèle simplifié, dans lequel sont, par exemple, négligées les
On peut, à partir de ce schéma, exprimer la transformée de dynamiques hautes fréquences du système, celles des capteurs ou
Laplace de l’erreur en fonction des transformées de Laplace des des actionneurs, d’éventuels retards purs... Enfin, les paramètres du
signaux appliqués : modèle ainsi obtenus sont toujours plus ou moins entachés d’incerti-
ε (p ) = r (p ) – G (p ) (– d (p ) + K (p ) ε (p )) tudes (tolérance sur une résistance par exemple).
d’où : On dit qu’une propriété du système asservi est robuste si cette
propriété est conservée malgré ces différentes incertitudes. En parti-
1 G (p) culier, on cherchera au moins à assurer au système asservi la robu-
ε ( p ) = ---------------------------------------- r ( p ) + ---------------------------------------- d ( p )
1 + G (p) K (p) 1 + G (p) K (p) stesse de la stabilité. Une exigence plus importante consiste à
= Tε r ( p ) r ( p ) + Tε d ( p ) d ( p ) garantir la robustesse d’une performance (telle que le taux de réje-
(3)
ction d’une perturbation par exemple).
Pour la commande, on en déduit : Des méthodes systématiques d’étude de la robustesse ont été
développées depuis le début des années 80, à partir des travaux de
K (p) G (p) K (p) Doyle et Safonov [2] [8]. Leur exposé complet sort du cadre de cette
u ( p ) = ---------------------------------------- r ( p ) + ---------------------------------------- d ( p )
1 + G (p) K (p) 1 + G (p) K (p) présentation, et le lecteur intéressé pourra consulter les
= T ur ( p ) r ( p ) + T ud ( p ) d ( p ) (4) références [3] [4] [6]. Le point important de ces analyses est qu’elles
utilisent la norme H∞ . Nous allons en donner un aperçu dans les
On met ainsi en évidence 4 transferts différents. L’étude de leur lignes qui suivent en nous limitant à des concepts simples, basés
réponse fréquentielle renseigne sur les propriétés de sur les notions classiques d’Automatique fréquentielle et sur l’ana-
l’asservissement : par exemple l’asservissement est sans erreur lyse effectuée au paragraphe précédent (§ 1.2).
statique si les transferts Tε r (p ) et Tε d (p ) sont nuls en p = 0.
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
R 7 432 − 2 © Techniques de l’Ingénieur, traité Informatique industrielle
WV
r←ヲ←イ・ョ」・@iョエ・イョ・エ
rWTSS
Commande modale
Application au pilotage d’un avion
par Jean-Marc BIANNIC
Maı̂tre de recherche à l’ONERA
Chercheur affilié au LAAS-CNRS
Professeur de rang équivalent à l’ISAE/SUPAÉRO
R
1. Commande modale et robustesse ............................................... R 7 433v2 – 2
1.1 Préambule .......................................................................................... — 2
1.2 Rappels sur la commande modale des systèmes multi-entrées ...... — 3
1.2.1 Placement de structure propre ................................................ — 3
1.2.2 Gestion des degrés de liberté dans le cas multi-entrées ....... — 4
1.2.3 Calcul de la précommande H .................................................. — 4
1.2.4 Résumé de l’algorithme de synthèse...................................... — 5
1.3 Améliorations de la robustesse de la commande modale ............... — 5
1.3.1 Retour sur le choix des vecteurs propres : découplage
ou robustesse ? ....................................................................... — 6
1.3.2 Structure de commande utilisant des intégrateurs ................ — 6
1.3.3 Compensation modale dynamique multimodèles ................. — 7
1.3.4 De la commande modale à la synthèse H• structurée
multimodèles ........................................................................... — 7
2. Application au pilotage d’un avion civil .................................... — 8
2.1 Modèle et cahier des charges ............................................................ — 9
2.1.1 Modélisation non linéaire ....................................................... — 9
2.1.2 Équilibre et linéarisation ......................................................... — 10
2.1.3 Comportement modal de l’avion naturel ................................ — 11
2.1.4 Données numériques .............................................................. — 11
2.1.5 Objectifs de pilotage ............................................................... — 13
2.1.6 Contraintes sur les commandes ............................................. — 14
2.2 Une première loi de pilotage sans intégrateurs ............................... — 14
2.2.1 Structure du correcteur ........................................................... — 14
2.2.2 Transcription du cahier des charges ....................................... — 15
2.2.3 Calcul du correcteur et évaluations préliminaires .................. — 15
2.3 Effet des intégrateurs sur la robustesse ............................................ — 18
2.3.1 Structure du correcteur et modèle de synthèse ..................... — 18
2.3.2 Choix des pôles et calcul du correcteur.................................. — 18
2.3.3 Analyses modales et temporelles sur les pires cas ............... — 19
2.4 Structuration et robustesse ............................................................... — 21
2.4.1 Annulation des retours rapides sur les moteurs .................... — 21
2.4.2 Synthèse H• structurée ............................................................ — 22
2.5 Implantation et tests sur le modèle non linéaire .............................. — 27
2.5.1 Schéma d’implantation ........................................................... — 27
2.5.2 Résultats de simulations non linéaires ................................... — 27
2.5.3 Effets des perturbations atmosphériques ............................... — 29
3. Conclusions...................................................................................... — 31
Pour en savoir plus.................................................................................. Doc. R 7 433v2
WW
r←ヲ←イ・ョ」・@iョエ・イョ・エ
rWTSS
1.1 Préambule ⎡ ub ⎤ ⎡ pd ⎤ ⎡v c ⎤
⎢w ⎥ ⎢H ⎥ ⎢v ⎥
x = ⎢ b ⎥ , ξ = ⎢ m ⎥ , u = ⎡⎢ TH ⎤⎥ , y = ⎢ z ⎥ , z = ⎡⎢ c ⎤⎥
δ v (2)
La plupart des engins aéronautiques ou spatiaux (avions, missi- q δE ⎦ q vz ⎦
⎢ θ ⎥ ⎢x ⎥ ⎣ ⎢θ⎥ ⎣
les, fusées, satellites) admettent, sur un domaine de fonctionne- ⎣ ⎦ ⎣ ⎦
⎣ cg ⎦
ment plus ou moins limité, une représentation dynamique linéaire
sous la forme suivante, devenue aujourd’hui très classique en et les notations détaillées ci-après.
automatique :
Le lecteur intéressé par la détermination des différents régimes
⎧xɺ = A (ξ ) x + B (ξ )u d’équilibre ou pseudo-équilibre de l’avion (en palier, à pente cons-
⎪ tante, en virage) et des modèles linéarisés associés pourra se repor-
⎨y = C (ξ ) x + D (ξ )u (1)
ter à l’ouvrage [3] qui est particulièrement complet dans ce
⎪z = Fy
⎩ domaine. Nous reviendrons également sur ce point dans la sec-
tion 2 de l’article.
WX
r←ヲ←イ・ョ」・@iョエ・イョ・エ
rWTSS
R
⎨ (3)
⎪⎩y = C (ξi ) x + D (ξi )u = Ci x + Diu où le gain K ∈ ℝm × p désigne le gain de retour (feedback en anglais)
tandis que le gain H ∈ ℝm ×m correspond à la matrice de précom-
Remarque 2 Le choix des variables à réguler vc et vz par la mande (feedforward). Contrairement au gain K, ce dernier n’a pas
boucle de pilotage est ici fortement guidé par l’application. d’influence sur la stabilité du système en boucle fermée. Il ne fait
L’objectif, que nous allons préciser en section 2, est en effet de que traduire la manière dont les consignes e vont affecter le
maintenir l’avion sur une trajectoire rectiligne de descente, ce qui système.
revient à asservir l’altitude, donc la vitesse verticale. Au cours de
cette phase, on souhaite aussi maintenir la vitesse convention- Compte tenu des équations (4) et (7), le système en boucle fer-
nelle constante, ou de façon équivalente, la pression dynamique. mée s’écrit :
On garantit ainsi un comportement homogène de l’avion.
( )
⎧xɺ = A + B ( I − KD )−1 KC x + B ( I − KD )−1 He
⎪ B
Pour l’automaticien chargé du réglage des lois de pilotage d’un ⎪⎪ ABF BF
⎨ (8)
engin aéronautique, la remarque 1 est essentielle et justifie une
démarche utilisée avec succès depuis plus de trente ans. Cette ⎪
( −1
)
⎪z = L I + D ( I − KD ) K Cx + LD ( I − KD )−1 He
D
démarche est fondée sur l’utilisation des outils de synthèse de lois ⎪⎩ CBF BF
WY
r←ヲ←イ・ョ」・@iョエ・イョ・エ
rWTSS
Nous pouvons maintenant résumer les développements qui pré- permettant d’éliminer des modes sur les sorties régulées et de réa-
cèdent sous la forme d’un lemme : liser ainsi un découplage. Pour mieux comprendre les choses,
Lemme 1 Sur le système en boucle fermée défini par les équa- notons V = [v1, v2,…, vn] la matrice des vecteurs propres à droite
tions (8), le correcteur K place un pôle λ ∈ℂ associé au vecteur pro- de ABF, dont les p premières colonnes ont été placées via l’Algo-
pre v ∈ℂn si et seulement s’il existe un vecteur w ∈ℂm tel que les rithme 1. Notons ensuite x (t) le vecteur d’état dans la base modale
relations (10) et (13) soient satisfaites. Dans le cas d’une valeur pro- définie par V. Par définition, dans cette base, la composante xi du
pre non réelle, les relations conjuguées : vecteur n’est affectée que par le mode li : xi (t) = exp (lit). Par ail-
leurs, la relation entre l’état « physique » x (t) et l’état « modal »
x (t) s’écrit :
⎡⎣ A − λI B ⎤⎦ ⎡ v ⎤ = 0 (14)
⎢⎣w ⎦⎥ n
x (t ) = V ξ (t ) = ∑ ξi (t )v i (21)
i =1
K (Cv + Dw ) = w (15)
R
Intéressons nous maintenant à la contribution modale sur la j-ième
devront en outre être satisfaites pour préserver le caractère réel du sortie régulée zj. En notant CBFj la j-ième ligne de la matrice CBF,
gain K.
cette contribution s’écrit :
En résumé, placer une valeur propre l en boucle fermée s’effec-
n
tue en deux étapes particulièrement simples et très rapides sur le
plan numérique : CBFj x (t ) = CBFjV ξ (t ) = ∑ ξi (t )CBFj v i (22)
i =1
1. Calcul du noyau N (λ ) ∈ ℝ(n +m )×m de la matrice M (λ ) ∈ ℝn × (n +m )
La présence du i-ième mode sur la j-ième sortie régulée est donc
définie par :
caractérisée par le coefficient CBFj v i . Si ce coefficient est nul, le
M (λ ) = [ A − λI B ] (16) mode est absent de cette sortie. Remplaçons maintenant CBF par
son expression (8). Utilisons ensuite la relation (13), entre les vec-
2. Choix de vecteurs v et w tels que : teurs placés vi et wi, il vient après quelques manipulations
matricielles :
⎡v ⎤ = N λ ζ
⎢⎣w ⎥⎦ ( ) (17)
CBFj v i = LjCv i + Lj Dw i , i = 1… p , j = 1…m. (23)
où z est un vecteur quelconque de ℝm et détermination du gain K Ainsi, pour découpler le i-ième mode de la j-ième sortie régulée,
par résolution du système d’équations linéaires caractérisées par il suffit de construire la matrice :
les relations (13) et éventuellement (15).
⎡A − λ I B ⎤
M ( λi ) = ⎢ L C i L D ⎥ (24)
⎣ j j ⎦
Remarque 4 En notant que le gain K ∈ ℝm × p
du correcteur
contient mp degrés de liberté et que chaque relation (13) intro- Pour un système comportant m entrées et m sorties régulées, on
duit m contraintes linéaires en K, il est facile de voir que, par voit par cette technique qu’il est possible de découpler chaque
cette approche, on peut réaliser un placement exact de p pôles mode placé de m - 1 sorties.
de la boucle fermée. La procédure est décrite par l’algorithme 1.
Exemple 1 Les matrices M (l1) et M (l2) suivantes :
Algorithme 1 – Placement exact de p pôles
⎡ A − λ1I B ⎤ ⎡ A − λ 2I B ⎤
1. Choisir un ensemble auto-conjugué {l1, l2,…, lp} de p valeurs ⎢ L2C L2D ⎥ ⎢ LC L2D ⎥
M (λ1) = ⎢ , M (λ2 ) = ⎢ 2 (25)
propres réelles ou complexes à placer ; ⋯ ⋯ ⎥ ⋯ ⋯ ⎥
⎢ L C L D⎥ ⎢ L C LmD ⎥⎦
2. Calculer les noyaux N (li) ; ⎣ m m ⎦ ⎣ m
3. Choisir les vecteurs vi et wi formant un ensemble auto-
permettent par exemple de découpler les deux premiers pôles placés
conjugué ; l1 et l2 de toutes les sorties régulées sauf la première. Autrement
4. Calculer K, solution de (13) et (15) : dit, ces pôles l1 et l2 sont ainsi affectés à la première sortie régulée
z1.
( )
−1
K = ⎡⎣w 1…w p ⎤⎦ C ⎡⎣v 1…v p ⎤⎦ + D ⎡⎣w 1…w p ⎤⎦ (18)
1.2.3 Calcul de la précommande H
1.2.2 Gestion des degrés de liberté dans le cas
multi-entrées Nous avons vu dans le paragraphe précédent que dans le cas des
systèmes multi-entrées, il était possible d’exploiter les degrés de
Dans le cas des systèmes multi-entrées (m > 1), la relation (17) fait liberté surnuméraires dans l’algorithme de placement de pôles
clairement apparaı̂tre une infinité de possibilités dans le choix des pour réaliser un découplage modes-sorties. La technique repose
vecteurs vi et wi associés à une valeur propre li. Il convient donc de sur l’introduction de contraintes linéaires sur les vecteurs propres
gérer ces degrés de liberté surnuméraires. L’approche la plus simple à droite vi et les vecteurs wi encore appelés les directions d’entrées.
consiste à ajouter m - 1 lignes à la matrice M (li) qui devient alors :
& Découplage dynamique
⎡A − λ I B ⎤
M (λi ) = ⎢ C i D ⎥ ∈ ℝ(n +m −1)× (n +m ) (19)
Afin d’assurer le découplage entrées-sorties généralement requis
⎣ vi wi ⎦
dans la pratique, il convient maintenant de réaliser un découplage
et dont la dimension du noyau (sauf cas dégénérés) devient main- entrées-modes. Illustrons ces propos en reprenant l’exemple 1. Si
tenant égale à 1. Ces lignes introduisent sur les vecteurs vi et wi, nous souhaitons que la première consigne e1 affecte la sortie z1 et
des contraintes de la forme : seulement cette sortie, il convient de s’assurer que cette entrée e1
n’agisse que sur les pôles l1 et l2 affectés à z1. Autrement dit, tous
Cv i v i + Dw i w i = 0 (20) les pôles placés autres que les deux premiers, (i.e. l3,…, lp) doivent
être découplés de e1.
XP
r←ヲ←イ・ョ」・@iョエ・イョ・エ
rWTSS
Ces nouvelles contraintes peuvent être gérées via la matrice de 1.2.4 Résumé de l’algorithme de synthèse
précommande H dont la fonction est précisément de distribuer les
consignes sur les commandes. Notons U = V-1 la matrice des vec- Rassemblons les éléments qui précèdent pour en déduire un
teurs propres à gauche et ui le vecteur ligne associé à la valeur pro- algorithme de synthèse classique d’une loi de commande modale
pre li correspondant à la i-ième ligne de U. Avec ces notations, on combinant découplage modes-sorties dynamique, d’une part, pour
établit aisément que la j-ième entrée (ej) n’affecte pas le mode li si le calcul du gain K, puis, un découplage entrées-sorties statique,
la condition suivante, de découplage entrée-mode est vérifiée : d’autre part, pour le calcul du gain de précommande H.
−1
Algorithme 2 – Synthèse d’une loi de commande modale
ui BBFj = ui B ( I − KD ) H j = 0 (26)
1. Définir la structure de commande et déterminer les matrices A, B,
C, D et L associées à la représentation d’état du modèle de synthèse ;
où Hj désigne la j-ième colonne de la matrice H.
2. Définir une répartition modale : distribution des modes placés
Exemple 2 Poursuivons l’exemple 1 en découplant maintenant sur les sorties régulées ;
l’entrée e1 des pôles l3,…, lp, ceci afin de garantir une action exclu-
R
3. Définir les valeurs numériques li des pôles en fonction des
sive de e1 sur z1 et donc un découplage entrée-sortie. Compte tenu contraintes (temps de réponse souhaités, amortissement) ;
du résultat qui précède, ces conditions s’écrivent ici :
4. Former les matrices M (li) définies par les relations (19) de
⎧u B ( I − KD )−1H = 0 façon compatible avec la répartition modale choisie à l’étape 2 ;
⎪ 3 1
5. Calculer les vecteurs propres et directions d’entrée vi et wi via
⎨ ⋮ ⋮ (27)
⎪u B ( I − KD )−1H = 0 les noyaux des matrices M (li) ;
⎩ p 1
6. Déterminer le gain K du correcteur à partir de la relation (18) ;
ou encore, en utilisant une écriture plus générique : 7. Calculer la précommande H via la relation (31).
H1 ∈ker (W1) (28) Notons que les deux premières étapes de cet algorithme n’ont
pas encore fait l’objet de discussions approfondies dans cette sec-
avec la notation : tion. Ces étapes assez délicates sont largement dépendantes de
l’application traitée. Nous aurons donc l’occasion d’y revenir en
⎡u 3 ⎤ section 2 de l’article. Nous reviendrons cependant sur la notion de
−1
W1 = ⎢ ⋮ ⎥ B ( I − KD ) (29) structure dès cette section, dans le volet dédié à la prise en compte
⎢u ⎥ des contraintes de robustesse.
⎣ p⎦
La troisième étape de l’algorithme est relativement naturelle, dans
la mesure où un lien assez direct existe entre les valeurs numériques
des pôles du système et son comportement temporel. C’est d’ail-
Remarque 5 Pour éviter que les conditions qui précèdent ne leurs un point fort de la commande modale. On prendra garde tou-
génèrent la solution triviale H1 = 0, ce qui rendrait totalement tefois à ne pas placer des pôles trop rapides par rapport aux dynami-
inactive l’entrée e1 !, il faut s’assurer que le noyau de W1 soit ques non maı̂trisées et dimensionnantes du système (les
au moins de rang 1. Sur notre exemple, nous avons actionneurs). On prendra garde également à ne pas placer de pôles
W1 ∈ ℝ(p − 2) ×m . La condition de rang est donc vérifiée ici dès l’ins- multiples ou trop proches les uns des autres. Cela génère en effet
des singularités dans la matrice V (présence de vecteurs propres
tant où p - m < 2. Plus généralement, pour que le découplage
colinéaires) et le calcul de K via la relation (18) génère des gains
entrée-mode soit réalisable, la différence p - m entre le nombre
énormes quand il ne devient pas tout simplement impossible.
de mesures et de commandes doit rester strictement inférieure
au nombre de pôles affectés par chaque entrée. Cette contrainte Rappelons enfin, que dans le cas le plus fréquent en pratique du
peut donc devenir particulièrement restrictive quand on a choisi retour de sorties (p < n), le placement de pôles (nous l’avons vu)
(ce n’est pas toujours un choix d’ailleurs…) de n’affecter qu’un n’est que partiel. Il en résulte des dynamiques non maı̂trisées,
seul pôle à une entrée. Cela implique en effet p = m, ce qui est qu’il sera donc également impossible d’affecter à telle ou telle sor-
très rarement le cas en pratique… tie. Par conséquent, ces dynamiques pourront introduire des « per-
turbations » dans le découplage. Encore une fois, le principal
& Découplage statique remède repose sur un choix pertinent de la structure de com-
Compte tenu des limitations relativement sévères dont souffre la mande, de l’affectation modes-sorties et des valeurs numériques
technique de réglage de la précommande H par découplage choisies pour les pôles placés. Il convient d’éviter au mieux toute
« entrées-modes » (il s’agit en fait d’un découplage dynamique) interaction forte entre les dynamiques maı̂trisées et celles qui ne
que nous venons rapidement de présenter, une approche alterna- le sont pas en « éloignant » les pôles.
tive fondée sur le découplage statique mérite considération.
Cette approche, particulièrement simple consiste à déterminer la 1.3 Améliorations de la robustesse
matrice H de sorte que le gain statique de la boucle fermée (8) soit
unitaire :
de la commande modale
−1 B Dans le premier volet ce cette introduction rapide à la commande
DBF − CBF ABF BF = I
(30)
modale, nous avons limité notre propos à la synthèse d’un correc-
teur dans une situation idéale où le modèle utilisé représente par-
d’où il vient immédiatement une caractérisation algébrique directe faitement le processus d’une part et en l’absence de perturbations
de la matrice H : d’autre part. La réalité est malheureusement assez éloignée de
cette situation. La présence d’incertitudes paramétriques (par
(
H = ( I − KD ) LD − CBF ABF
−1 B
)−1 (31) exemple sur la masse, le centrage, les coefficients aérodynami-
ques…), les méconnaissances de certains éléments mal identifiés
Par cette approche on garantit ainsi un comportement entrée-sor- du processus (dynamiques hautes fréquences introduites par des
tie parfaitement découplé en régime permanent, ce qui correspond modes de structure, limitations des actionneurs et capteurs…) et
à une exigence pratique très fréquente. C’est donc généralement les perturbations externes (vent, turbulences atmosphériques)
cette technique de réglage que l’on va privilégier, en vérifiant a pos- sont autant d’éléments qu’il convient de prendre en compte au
teriori que le régime transitoire est correct. plus tôt dans la conception des lois de commande.
XQ
r←ヲ←イ・ョ」・@iョエ・イョ・エ
rWTSS
Nous allons donc explorer quelques pistes dans ce qui suit pour En présence d’incertitudes non localisées, les rangs des matrices
améliorer les propriétés de robustesse des lois de commande DA et DB devenant élevés, l’approche précédente n’est plus appli-
modale. Pour cela, nous reviendrons dans un premier temps sur cable. Une technique classique, proposée dans [8], repose sur la
le choix des vecteurs propres avant de proposer des solutions fon- majoration suivante :
dées sur des lois de commande dynamiques. Enfin, une piste nou-
velle exploitant des outils récents de synthèse H• structurée sera δ λi ≤ ui v i Δ A + ui w i ΔB (39)
proposée, puis mise en œuvre à la section 2.
On introduit alors un critère J de la forme :
1.3.1 Retour sur le choix des vecteurs propres : n
découplage ou robustesse ? J = ∑ ui v i + ui w i (40)
i =1
Dans la section qui précède, nous avons indiqué un algorithme
au sein duquel des contraintes sont introduites dans le choix des dont la minimisation peut être réalisée par des techniques d’optimi-
R
vecteurs propres afin de garantir un découplage entre les pôles et sation non linéaire classiques du premier ou second ordre. Dans
les sorties régulées. Nous allons maintenant mettre en évidence cette approche, la structure des incertitudes paramétriques n’est
que ces mêmes vecteurs propres ont une influence directe sur la plus prise en compte de manière précise. Il s’agit en effet d’une
sensibilité des pôles en présence d’incertitudes paramétriques. technique d’insensibilisation de l’ensemble des pôles du système
à des petites variations de l’ensemble des coefficients des matrices
Revenons tout d’abord au système linéaire (4) et supposons que A et B. Nous obtenons plus de flexibilité, en revanche, puisque la
les matrices A et B de ce système soient soumises à des incertitu- minimisation du critère J peut être réalisée conjointement au
des paramétriques additives DA et DB, de sorte que l’équation d’évo- découplage via l’exploitation des degrés de liberté éventuellement
lution en boucle ouverte s’écrive maintenant : disponibles sur les vecteurs vi et wi. Des outils de synthèse modale
associés à ces techniques sont disponibles avec la boı̂te à outils
xɺ = ( A + Δ A ) x + (B + ΔB )u (32) MATLAB‚ [11].
La matrice ABF en boucle fermée devient dans ces conditions : 1.3.2 Structure de commande utilisant
ABF = A + Δ A + (B + ΔB ) ( I − KD ) KC
−1 (33) des intégrateurs
La technique d’insensibilisation des lois de commande modales
Intéressons-nous à présent aux petites variations δ λi induites sur proposée dans le paragraphe précédent s’avère rapidement limitée
les pôles de la boucle fermée par de telles incertitudes en suppo- dès que le nombre de degrés de liberté ne permet plus de gérer
sant que leurs amplitudes restent suffisamment faibles. Au premier convenablement le compromis découplage/robustesse. Par ail-
ordre, on peut écrire l’approximation suivante (rappelons ici confor- leurs, cette technique réservée aux incertitudes paramétriques de
mément aux notations introduites plus haut que vi désigne le vec- faible amplitude ne permet pas non plus de minimiser l’effet de
teur propre à droite de la matrice ABF nominale associé à la valeur perturbations externes en entrée du système.
propre nominale li) : Pour atteindre cet objectif de « rejet de perturbations » en entrée
du système, une technique classique consiste à introduire des inté-
( )
ABF ⋅ v i ≈ λi + δ λi v i (34) grateurs dans les lois de commande en utilisant des structures de
type P.I. ou P.I.D. [R 7 405]. La synthèse de ce type de correcteur
Remplaçons ABF par son expression (33), il vient après quelques dont la structure générale est illustrée par le schéma de la figure 1
manipulations matricielles : peut s’envisager sans aucune difficulté via les techniques dévelop-
pées plus haut. Il suffit en effet de raisonner sur un système aug-
Δ Av i + ΔBw i = δ λi v i (35) menté. Introduisons comme l’indique le schéma m intégrateurs
sur l’erreur e entre les consignes e et les sorties régulées z. Notons
d’où, après multiplication à gauche par le vecteur ligne ui (rappe- ( )
x le vecteur d’états associé à ces intégrateurs ξɺ = e − z . Définissons
lons que ce vecteur, appelé vecteur propre à gauche, correspond à ensuite x a ∈ ℝn +m le vecteur d’état augmenté, résultant de la conca-
la i-ième ligne de V-1 et vérifie donc la relation uivi = 1) :
ténation de x et x. Il en résulte la représentation d’état :
δ λi = ui Δ Av i + ui ΔBw i (36)
⎧ɺ ⎡ A 0⎤ ⎡ B ⎤ ⎡0 ⎤
⎪x a = ⎢⎣ − LC 0⎦⎥ x a + ⎣⎢ − LD ⎦⎥ u + ⎣⎢ I ⎦⎥ e
Une solution évidente a priori pour réduire la sensibilité des pôles ⎪
⎪ Aa Ba
aux incertitudes paramétriques contenues dans les matrices A et B ∑a (s ) : ⎨ (41)
consiste donc à imposer les contraintes linéaires suivantes sur les ⎪y = ⎡ 0 I ⎤ x + ⎡ 0 ⎤ u
vecteurs vi et wi placés : ⎪ a ⎢⎣C 0⎥⎦ a ⎢⎣D ⎥⎦
⎪
⎩ Ca Da
Δ Av i + ΔBw i = 0 (37)
XR
r←ヲ←イ・ョ」・@iョエ・イョ・エ
rWTSS
dont la sortie augmentée y a ∈ ℝm + p résulte de la concaténation des classique et de généraliser le lemme 1 de placement de structure
erreurs intégrées d’une part et des mesures classiques y d’autre propre sous la forme suivante (démontrée dans [10]) :
part : Lemme 2 Sur le système en boucle fermée représenté par le
schéma de la figure 2, le correcteur dynamique K (s) place un pôle
⎡ ξ (t ) ⎤ ⎡ ∫ (e (τ ) − z (τ )) dτ ⎤
t
λ ∈ℂ et un vecteur v a ∈ℂna correspondant au na premières compo-
y a (t ) = ⎢ ⎥=⎢ 0 ⎥ (42)
⎣y (t )⎦ ⎢⎣ y (t ) ⎥⎦ santes du vecteur propre associé v ∈ ℂna +nc si et seulement s’il
existe un vecteur w a ∈ℂm tel que :
Le rebouclage de ce système augmenté via le retour de sorties
Ba ] ⎡⎢ a ⎤⎥ = 0
v
statique : [ Aa − λI ⎣w a ⎦
(46)
u = Ky a + He (43)
K (λ ) (Cv a + Dw a ) = w a (47)
R
conduit à la boucle fermée illustrée par le schéma de la figure 1.
Nous venons donc ici de montrer que le calcul d’une loi de com- Dans le cas d’une valeur propre non réelle, les relations conjuguées :
mande dynamique de type P.I. ou P.I.D. pouvait facilement se rame-
ner à la détermination d’un retour de sorties statique sur un sys-
tème augmenté comportant maintenant n + m états et p + m
()
K λ (Cv a + Dw a ) = w a (48)
mesures. Il résulte que le calcul du nouveau gain K ∈ ℝm × (p +m ) devront en outre être satisfaites pour préserver le caractère réel des
peut être effectué sans problème par une technique de placement matrices Ac, Bc, Cc et Dc de la représentation d’état du correcteur.
de structure propre. Les m nouveaux pôles induits par la présence D’apparence similaire au lemme 1 que nous avons établi dans le
des intégrateurs pourront être placés. premier volet de la section, une différence fondamentale apparaı̂t
dans le résultat que nous venons d’énoncer au niveau des rela-
Remarque 6 Dans cette nouvelle structure, le gain de pré- tions (47) et (48). Ces dernières sont en effet beaucoup moins res-
commande H ne joue plus le même rôle. Le gain statique uni- trictives que leurs « homologues statiques » (13) et (15) dans la
taire du transfert entre les consignes e (qui entrent dans le sys- mesure où les contraintes relatives à un pôle placé l portent ici
tème via les intégrateurs) et les sorties régulées z est garanti par sur le gain du correcteur dynamique évalué en ce pôle :
la présence des intégrateurs dans la loi de commande. La for-
K (λ ) = K (s ) s = λ.
mule (31) de calcul de H visant à assurer le découplage statique
n’a donc plus lieu d’être ici. Les degrés de liberté disponibles Ces degrés de liberté supplémentaires peuvent être exploités de
dans H pourront donc être utilisés pour améliorer le découplage multiples façons, parmi lesquelles le placement de pôles multimo-
dynamique. Nous verrons en section 2 que ce gain n’est plus dèles détaillé dans [10] présente un intérêt pratique évident pour
forcément utile. Le choix H = 0 présente l’avantage en effet de améliorer les propriétés de robustesse de la commande modale.
réduire les sollicitations sur les gouvernes. En présence de satu- Dans cette approche, plutôt que de considérer un seul modèle
rations sur les actionneurs, un tel choix peut s’avérer judicieux. nominal caractérisé ici par les matrices [Aa, Ba], on considère une
multimodèles {
famille d’ensembles de valeurs propres à placer λ1i , …, λip }i =1…N.
Les degrés de liberté disponibles dans le correcteur sont exploités
Si la structure précédente n’apporte toujours pas suffisamment de
de manière à réaliser cette affectation de pôles multimodèles.
degrés de liberté, un correcteur dynamique d’ordre quelconque nc :
Pour des raisons techniques visant à préserver la convexité du pro-
K (s ) = ⎡⎢ c
A Bc ⎤
(44) blème d’optimisation qui découle de cette approche, il est nécessaire
⎣Cc Dc ⎥⎦ de fixer a priori les pôles du correcteur K (s). Seuls les coefficients des
peut être considéré. Ce cas de figure est illustré par le schéma de la numérateurs de la matrice de transfert K (s) entrent dans la liste des
variables du problème d’optimisation. Cette contrainte requiert donc
figure 2.
une certaine expertise de la part de l’utilisateur de ce type de tech-
Via une démarche similaire à la précédente, on peut montrer dans nique qui devra correctement choisir les pôles du correcteur.
ce cas de figure plus général, que la boucle fermée illustrée par le
Par ailleurs, quand la prise en compte d’un nombre important de
schéma se ramène de nouveau à un retour de sortie statique :
modèles devient nécessaire pour assurer la robustesse voulue, il
= ⎡⎢ c
A Bc ⎤ faut nécessairement augmenter le nombre de degrés de liberté ce
(45)
⎣Cc Dc ⎦⎥ qui implique une augmentation nécessaire de l’ordre du correcteur.
Des difficultés d’implémentation peuvent en résulter, en particulier
sur un nouveau système augmenté d’ordre na + nc dont le vecteur quand il devient nécessaire d’interpoler les correcteurs en fonction
d’état agrège ceux du système augmenté précédent (xa) d’une part du point de fonctionnement. En aéronautique il est fréquent que
et ceux du correcteur (xc) d’autre part. Cette écriture de la boucle l’on doive modifier les gains par exemple en fonction de la vitesse.
fermée permet ainsi d’adapter les résultats de commande modale
1.3.4 De la commande modale à la synthèse H•
structurée multimodèles
H
Améliorer la robustesse des lois de commande modale, dont le
e + réglage sur un modèle nominal est particulièrement simple et intui-
e 1 ya + u
− s CORRECTEUR + SYSTÈME y z tif, tout en préservant la simplicité initiale du correcteur reste un
(Ac,Bc,Cc,Dc) L
(A,B,C,D) problème particulièrement difficile. La solution que nous propo-
sons pour conclure cette section repose sur un outil de synthèse
très récent [7] [6] disponible depuis la version R2010b de MATLAB‚.
Pour un système donné (voire même une famille de systèmes), cet
outil permet de déterminer une loi de commande structurée,
d’ordre fixé, stabilisant la boucle fermée (voire la famille) tout en
Figure 2 – Loi de commande dynamique minimisant un critère H•.
XS
R
XT
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTSU
R
Professeur vacataire à SUPAÉRO
et André FOSSARD
Ancien professeur à SUPAÉRO
Ancien directeur de recherches à l’ONERA
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur S 7 435 − 1
XU
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTSU
1. Présentation générale
•
x = f (x, u+)
La commande en régime glissant (ou plus exactement la s (x) > 0
commande à structure variable générant un régime glissant) a
essentiellement pour vocation de permettre l’obtention, en boucle
fermée, d’une dynamique largement indépendante de celle du pro- S
cessus et surtout de ses variations éventuelles. En ce sens, elle peut
être considérée comme appartenant à la classe des commandes •
robustes. x = f (x, u –)
s (x) < 0 s (x) = 0
Sur le plan théorique, elle repose essentiellement sur l’utilisation
d’une commande discontinue ayant pour but de maintenir l’évo-
R
lution du système sur une surface de commutation judicieusement
choisie, qui fixe de fait la dynamique résultante (un peu de manière Figure 1 – Surface de glissement
analogue à ce que fait la transmittance de retour dans un système
à grand gain). Autrement dit, la commande ne sert qu’à amener
puis maintenir l’évolution du système sur la surface. Cette surface Pour y parvenir, on devra donc concevoir une loi de commande
fixe alors les performances obtenues. u permettant de rendre la surface attractive en tout point de
l’espace d’état. Autrement dit, si par exemple à un instant donné le
Sur le plan pratique, l’utilisation d’une commande discontinue système se trouve en un point situé dans la région de l’espace
peut évidemment poser a priori des problèmes, puisque, idéa- d’état telle que s (x ) > 0, alors en ce point on devra vérifier que
lement, la commande bat à haute fréquence. Ces problèmes ṡ ( x ) < 0 . De même, tous les points de la région définie par
peuvent toutefois être largement réduits en utilisant une commande ṡ ( x ) < 0 devront rendre la dérivée temporelle positive. L’attractivité
constituée de deux composantes : de la surface S peut donc se résumer par l’inégalité :
— une composante continue, la « commande équivalente » en
glissement ;
— une composante discontinue (d’amplitude réduite) qui a pour s ( x )ṡ ( x ) < 0 (3)
fonction essentielle de maintenir l’évolution sur la surface choisie
en dépit des variations du processus. On conçoit aisément qu’une telle commande rendant la surface
S attractive ne peut être que discontinue :
De plus, la composante discontinue peut être linéarisée dans un
voisinage de la surface de commutation, permettant ainsi d’éviter
le phénomène gênant de commutations à haute fréquence. s (x) > 0 ⇒ u = u +
(4)
s (x) < 0 ⇒ u = u –
Parmi les intérêts de la commande à structure variable, il faut noter
sa très grande versatilité dans la mesure où elle permet de traiter :
On notera enfin que, dès l’instant où la surface est atteinte, alors
— les systèmes non linéaires aussi bien que les systèmes linéaires ; toute évolution ultérieure du système est « condamnée » à se pro-
— les systèmes multivariables aussi bien que les systèmes duire exclusivement sur cette surface avec une dynamique bien
monovariables ; particulière – largement indépendante de celle du processus initial
— les problèmes de poursuite de modèles ou de trajectoires – que l’on pourra en outre maîtriser.
aussi bien que les problèmes de régulation.
Dans cet article, il s’agit donc avant tout de réaliser une synthèse
des principales forces, mais aussi des faiblesses de la commande
en régime glissant en insistant plus particulièrement sur les aspects 2.1 Introduction par l’exemple
pratiques de mise en œuvre qui restent au centre des préoccu- aux notions fondamentales
pations de l’ingénieur. Des compléments utiles ou des dévelop-
pements plus approfondis sur certains points pourront être trouvés
dans les ouvrages [9] [11] [12] ou dans les rapports d’études [6] [7]. Notions fondamentales :
Un exemple d’application concernant le pilotage longitudinal — glissement et dynamique en glissement ;
d’un véhicule aérien permettra d’illustrer quelques points essentiels — commande équivalente et réticence.
de la commande à structure variable et de mettre en évidence les
principales étapes de sa mise en œuvre [2].
Afin de faire apparaître le plus simplement possible les carac-
téristiques essentielles (qui seront généralisées ensuite) de la
commande en régime glissant, on envisage d’abord le cas du
2. Principe de la méthode « double intégrateur », si souvent considéré en automatique.
冢 冣 冢 冣冢 冣 冢 冣
séparant l’espace d’état en deux régions, l’une où s (x ) > 0, l’autre x˙ 1 0 1 x1 0
= + 1 u (5)
où s (x ) < 0 (cf. figure 1). L’idée est d’amener, puis de maintenir x˙ 0 0 x2 – -----
l’évolution du système (1) sur la surface S. 2 J
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
S 7 435 − 2 © Techniques de l’Ingénieur
XV
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTSU
M
ṡ = σ 0 x˙ 1 + x˙ 2 = σ 0 x 2 – ------- sign ( s ) (10)
J
Figure 2 – Commande en glissement d’un système inertiel et, si on veut qu’au moment où s devient négatif, ṡ devienne
positif, la condition suivante doit être vérifiée :
R
x 2 > – ------------ (11)
x2 J σ0
A’
M
Symétriquement, on obtient aussi la condition :
J σ0
P M
B’ x 2 < ------------ (12)
J σ0
Région I s (x) > 0
montrant ainsi que la condition d’attractivité n’est vérifiée que sur
M1 M0 le segment PQ de la droite de commutation.
x1
Zone de glissement 2.1.2 Glissement
B Dans une telle situation – qui est celle qui nous intéresse ici – la
Région II s (x) < 0 théorie conventionnelle des équations différentielles continues ne
Q s’applique plus. Elle conduirait au point B à un point d’arrêt,
M puisqu’à partir de ce point, plus aucune trajectoire ne semble
–
J σ0 A possible. Pourtant, cela est physiquement impossible, car la vitesse
s = σ0 x1 + x2 = 0
est non nulle au point B.
La théorie des équations différentielles discontinues, dite de Fili-
pov [5], permet de résoudre le problème. Sans entrer dans les
Figure 3 – Trajectoires dans le plan de phase détails de cette théorie, retenons ici simplement que le mouvement
ultérieur (après le point B) :
La surface de commutation S est supposée définie par l’équa- — se fait sur la surface S. On dit alors qu’il y a glissement sur
tion : cette surface ;
x1 — est régi par une fonction convexe des mouvements dans cha-
( S ) : s ( x ) = σ0 x 1 + x 2 = ( σ0 1 )
x2
=0
冢 冣
(6) cune des deux régions σ > 0 et σ < 0.
La dynamique associée est donc définie par :
Il s’agit donc d’une droite dans l’espace d’état formé par le plan
(x 1 x 2). Enfin, la commande devant être discontinue de part et x˙ g = α f ( x, u + ) + ( 1 – α ) f ( x, u – ) (13)
d’autre de S, on suppose simplement que :
où α ∈ [0, 1] est tel que :
s (x) > 0 ⇒ u = u + = M
(7)
s ( x ) < 0 ⇒ u = u – = –M ṡ = α s˙ + + ( 1 – α ) ṡ – = 0 (14)
Toutes ces hypothèses sont visualisées sur la figure 2 sous
traduisant ainsi le fait que l’on reste bien sur la surface.
forme d’un schéma fonctionnel.
Les équations du système en boucle fermée ayant la forme
suivante : 2.1.3 Dynamique équivalente en glissement
x˙ 1 = x 2
Sur l’exemple proposé, on a :
M (8)
x˙ 2 = – ------- sign ( σ 0 x 1 + x 2 )
J
x2 x2
on en déduit, par intégration, que les trajectoires de phase sont des f ( x, u + ) = , f ( x, u – ) = (15)
paraboles d’équation : M M
– ------- -------
J J
2 2 2M
x 2 – x 20 + ----------- ( x 1 – x 10 ) sign ( σ 0 x 1 + x 2 ) = 0 (9)
J d’où il vient :
M M
L’équation (9) montre que l’on obtient deux familles de paraboles s˙ + = σ 0 x 2 – ------- , s˙ – = σ 0 x 2 + ------- (16)
d’axe x 2 = 0 et de concavités opposées selon le demi-plan J J
(s (x ) > 0 ou s (x ) < 0) auquel elles appartiennent (voir figure 3).
soit, d’après (14) :
Par référence à la figure 3, on voit que, selon les conditions
M
initiales, deux cas peuvent se présenter. Partant de M 0 , on observe s˙ = σ 0 x 2 + ( 1 – 2 α ) ------- = 0 (17)
au point A une commutation normale de la région I vers la J
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur S 7 435 − 3
XW
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTSU
R
La matrice A e appelée matrice équivalente définit la dynamique
en glissement. On notera qu’elle a une valeur propre nulle, tandis
B3
que l’autre, égale à – σ 0 , est indépendante de l’inertie J. Plus pré-
cisément, elle est fonction uniquement de la droite de commutation B
choisie. Autrement dit, une fois la droite de commutation atteinte Région II
au point B, l’évolution se fait selon la loi : σ<0
B1
M Q
(1 – σ0 θ/2)
x˙ 1 = x 1B exp ( – σ 0 t ) (20) J σ0
2.1.5 Phénomène de réticence (chattering) Ici on a volontairement choisi une valeur élevée pour le retard
Les notions précédentes de glissement sur S, de dynamique à la commutation (θ ) afin de rendre plus visible le phénomène
équivalente (continue) et de commande équivalente (continue), ne de réticence.
doivent pas faire oublier qu’un tel fonctionnement n’est possible
que grâce aux discontinuités sur la commande qui obligent le sys-
tème à rester sur la surface de commutation. Cela signifie donc 2.1.6 Réduction ou élimination de la réticence
que la commande « bat » de + M à – M à une fréquence infinie (si
la commutation est instantanée). Le phénomène de réticence décrit précédemment (§ 2.1.5) peut se
révéler particulièrement nuisible dans la mesure où il est suscep-
Pour comprendre physiquement ce qui se passe, le plus simple tible de générer une fatigue importante des actionneurs allant par-
est de supposer qu’on a un retard θ à la commutation. Ainsi, la fois jusqu’à la rupture. Il est donc important de pouvoir limiter, voire
commutation va se produire non pas exactement sur la surface au supprimer, ce phénomène. On présente ici deux techniques,
point B, mais en un point voisin B 1 appartenant donc à la région II complémentaires, pour y parvenir.
(cf. figure 4). Il est facile de voir, d’après l’équation (9), que la tra-
jectoire d’évolution est constituée d’une succession d’arcs de para-
2.1.6.1 Utilisation de la commande équivalente
boles de concavités opposées et situés entre deux droites parallèles,
–1 Jusqu’à présent, la commande utilisée :
de pente
冢 θ – -------
σ 冣
1
0
- décalées de l’origine de la valeur :
u = M sign (s ) (24)
M 1 – σ 0 θ /2 ne comportait qu’une partie discontinue. Si on ajoute maintenant
± ------- θ --------------------------
- une composante continue correspondant à la commande équi-
J 1 – σ0 θ
valente en glissement définie précédemment :
Lorsque le retard θ tend vers zéro, on observe alors une infinité
u = ue + M ′ sign (s) = J σ 0 x 2 + M ′ sign (s) (25)
d’arcs, d’amplitude nulle, d’où le nom de glissement sur la surface.
En pratique, θ est petit mais jamais nul et on se trouve alors en pré- il est facile de voir que :
sence de « vibrations » à fréquence élevée autour de la surface
venant se superposer au mouvement de glissement, plus lent, le u M′
long de cette dernière. Dans tous les cas, la commande bat à haute 冢 J 冣
ss˙ = s σ 0 x 2 – ----- = – --------- s
J
(26)
fréquence entre u + et u –. Le signal est donc constitué d’une série
de créneaux modulés en largeur, dont la valeur moyenne, au signe Autrement dit, la surface de glissement devient toujours attractive
près, correspond en fait à la commande équivalente en glissement même pour des discontinuités d’amplitude très faibles. Il est ainsi
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
S 7 435 − 4 © Techniques de l’Ingénieur
XX
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTSU
0,4 x2
x2
0,2
0 ᑞ
– 0,2
– 0,4
x1
– 0,6
– 0,8
s=f
–1
R
0 0,2 0,4 0,6 0,8 1 s = s0 x1 + x2 = 0
x1 s=–f
0
y
– 0,2 uᐍ
– 0,4 M
– 0,6 g = M’/f
–f
– 0,8 f s
–1
0 1 2 3 4 5
t
1,2
s (x)
1 Figure 6 – Linéarisation au voisinage de S
0,8
0,6
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur S 7 435 − 5
XY
R
YP
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTSV
YQ
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTSV
TOUR D’HORIZON SUR LES TECHNIQUES ANTI-WINDUP POUR LES SYSTÈMES SATURÉS _________________________________________________________
Le terme « windup » est relié historiquement à l’effet de la satura- Le principe de base d’une stratégie anti-windup consiste à utili-
tion de l’actionneur dans une boucle de contrôle incluant une action ser la différence entre le signal en sortie du contrôleur (yc(t)) et le
intégrale [1], [2]. Dans ce cas, lorsque l’entrée sature, le terme inté- signal effectivement appliqué au système à contrôler (sat(yc(t))).
gral continue à se charger alors que cela n’est pas nécessaire. La Cette différence est alors réinjectée dans le contrôleur via une
sortie de l’intégrateur est alors dite en « windup ». Cette charge non boucle statique (un simple gain) ou une boucle dynamique (un
nécessaire produit des effets indésirables sur la réponse transitoire compensateur dynamique). Cette nouvelle boucle est appelée
du système tels que des oscillations autour du point d’équilibre ou « compensateur anti-windup ». Ce principe général est décrit dans
bien encore une convergence lente au point d’équilibre. Ce type la figure 1.
w w
r z
yc u
Contrôleur
Procédé
non contraint
uc yp
− +
Compensateur
AW
YR
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTSV
__________________________________________________________ TOUR D’HORIZON SUR LES TECHNIQUES ANTI-WINDUP POUR LES SYSTÈMES SATURÉS
R
la dégradation des performances linéaires (obtenues sans satura- bien encore diverger vers l’infini.
tion), mais aussi de permettre d’agrandir la région d’attraction de
l’origine (ou au moins son estimé) du système bouclé. Le lecteur De manière similaire, si une perturbation en amplitude w affecte le
peut consulter par exemple [7], [8], [9], [10], qui proposent des système pendant deux secondes en agissant sur l’entrée de com-
descriptions détaillées des techniques anti-windup ainsi qu’un mande (u est remplacé par u + w), selon la valeur de w, u peut satu-
tour d’horizon des problèmes associés. rer de manière transitoire, et la trajectoire du système bouclé peut
diverger (par exemple pour w = 6 dans le cas du système considéré
dans cet exemple), bien que le système soit « BIBO-stable », c’est-à-
dire satisfait la propriété « entrée-bornée – sortie-bornée ».
2. Systèmes saturés De manière générique, une représentation locale linéaire à
temps invariant (LTI) du procédé à commander est considérée,
sous la forme d’état standard :
2.1 Systèmes considérés
Nota : tout au long de l’article, la dépendance explicite au temps des variables est
omise afin de simplifier les notations. (4)
Le symbole signifie que l’inégalité est calculée élément par élé- avec l’état du contrôleur, l’entrée du contrôleur
ment et umin et umax sont des vecteurs de à éléments positifs, et la sortie du contrôleur. Les dimensions des entrées et
à savoir umin(i) > 0, umax(i) > 0, ∀ i = 1,…, m. Dans la suite de cet sorties du contrôleur sont considérées égales aux dimensions res-
article, seul est considéré le cas des saturations symétriques, en pectives des sorties et entrées du procédé. La présence d’alloca-
considérant umax = umin = u0. teurs n’est pas abordée explicitement dans cet article [12], [13],
mais ceux-ci pourraient être intégrés au contrôleur. Les matrices
Dans la pratique, la présence de ces non-linéarités inhérentes à des contrôleurs (Ac , Bc , Cc , Dc), de dimensions appropriées, sont
l’actionneur doit être prise en compte, car elles peuvent générer des supposées avoir été synthétisées pour garantir des propriétés
dégradations du comportement attendu du système contrôlé, allant pour le système en boucle fermée (stabilité, rapidité, rejet de per-
d’oscillations non désirées à la perte de stabilité selon les cas, ou turbations…) dans le cas idéal sans saturation. Bcw et Dcw sont les
imposent des restrictions sur la plage de fonctionnement du sys- matrices d’entrées de perturbations exogènes pouvant agir direc-
tème [S 7 192]. Ceci est illustré sur l’exemple de motivation suivant. tement sur le contrôleur.
Exemple 1 – Exemple de motivation Différentes classes de perturbations exogènes peuvent être
Soit le modèle instable d’un pointeur oscillant décrit dans l’ouvrage considérées, telles que les perturbations bornées en amplitude,
de Kailath [11] : qui permettent aussi de représenter des changements de réfé-
rence, et des perturbations en énergie. Seules ces dernières sont
considérées ici. Il s’agit de perturbations appartenant à un
(2) ensemble défini comme suit :
YS
R
YT
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTSW
formalisée. Dès lors, il peut être essentiel pour l’entreprise de capitaliser ces
savoir-faire d’une manière qui permette de les exploiter par la suite, voire de
les transmettre à d’autres employés. La « mémoire d’entreprise » concerne
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur S 7 437 − 1
YU
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTSW
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
S 7 437 − 2 © Techniques de l’Ingénieur
YV
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTSW
1. Recueil et formalisation de
la connaissance humaine Phase de compréhension
théorique
Lecture bibliographie
Observations et interviews
1.1 Méthode Phase de recueil sur site libres
et modélisation
Formalisations intermédiaires
1.1.1 Déroulement
Le recueil du savoir-faire consiste à réaliser un transfert des Entretiens formels
connaissances d’un « praticien observé », ici l’expert chargé de la Phase de recueil formel
conduite des étuves, vers un « observateur », la personne chargée et modélisation
du recueil.
La méthode de recueil et de formalisation du savoir-faire de
Formalisations intermédiaires
R
l’expert en termes de mesures sur le produit et d’actions sur le pro- Formalisation finale
cédé comporte quatre phases principales présentées sur la
Phase de validation
figure 1. Pour la partie mesure, les entretiens ont tous eu lieu sur
non
site et aucun entretien formel n’a été réalisé. Validation
La première phase consiste à déterminer, à partir de la littérature oui
existante, les principales évolutions que subit le produit et
l’influence des paramètres du procédé sur les caractéristiques du Fin
produit. Pendant cette étape, il est également important pour
l’observateur d’acquérir, autant que faire se peut, les termes tech- Figure 1 – Différentes étapes du recueil et de la formalisation
niques communément employés dans les usines afin de faciliter la du savoir-piloter
relation future avec les experts qui seront interviewés.
Les deuxième et troisième phases correspondent à la phase de
recueil et de modélisation de la connaissance. Ce sont des cycles
de recueil et de formalisation qui s’enchaînent : des experts doit être maintenue. Plusieurs outils sont utiles pour
— des séances d’observations et des entretiens libres : l’expert répondre à cet objectif. L’observateur doit ainsi :
effectue la tâche à réaliser dans son cadre habituel, en donnant les — tenir les experts au courant des progrès du projet, leur mon-
différents éléments nécessaires à la réalisation de celle-ci. Les trer l’avancement du recueil et de la formalisation avec des outils
questions posées lors des entretiens sont souvent ouvertes qui permettent une visualisation rapide de cet avancement sous la
c’est-à-dire que l’expert s’exprime librement ; forme de courbes essentiellement, tableaux, schémas, développe-
— des entretiens pendant lesquels l’expert travaille à partir d’un ment d’outils comme des interfaces... ;
questionnaire sont réalisés. Ils ont pour but de compléter les infor- — montrer et transmettre son enthousiasme ;
mations acquises à l’issue de la première phase : il n’est en effet — se rendre disponible quand les experts le sont. Les experts
pas possible, sauf à suivre le procédé sur une période très longue, sont souvent peu disponibles car ils ont d’autres tâches à réaliser,
de pouvoir observer tous les cas. Il faut donc les simuler à partir mais un expert motivé se rendra a priori disponible plus facilement
de questionnaires. Ces derniers doivent être simples à comprendre qu’un expert non motivé ;
par l’expert, même si l’observateur est présent et peut aider à
— se placer dans une situation d’écoute tout en dirigeant les
l’analyse ;
entretiens.
— l’observateur enregistre les actions de l’expert et effectue des
formalisations intermédiaires de la connaissance nécessaire pour Le nombre d’experts est généralement faible dans les usines,
mener à bien la tâche. toutefois, plusieurs experts peuvent être amenés à gérer le même
Lors des entretiens, quelques outils peuvent faciliter la procédé. C’est le cas, par exemple, lorsque plusieurs équipes sont
compréhension et resituer l’expert dans le contexte comme des présentes sur le site de production. Deux experts peuvent ainsi
illustrations, des exemples simples. Il est également opportun de : arriver au même diagnostic pour un problème donné alors qu’ils
n’auront pas mis en œuvre les mêmes stratégies de résolution. La
— commencer par les cas les plus simples et d’amener les cas
mise au point d’un outil de contrôle du procédé passe par l’obten-
plus compliqués au fur et à mesure ;
tion d’un compromis entre les experts et la gestion de problèmes
— s’assurer que les questions s’enchaînent logiquement ; de vocabulaire pouvant se poser, les experts n’ayant pas forcément
— passer éventuellement à un cas suivant si le cas traité pose une terminologie commune.
un problème à l’expert ; il suffit alors d’y revenir plus tard ;
— de laisser à l’expert le temps de réfléchir et de se replacer dans
le contexte de l’atelier notamment pour la quantification des
actions. 1.2 Formalisation des mesures
Dans une quatrième phase, une formalisation définitive des sensorielles réalisées par l’expert
connaissances extraites est menée puis validée par l’expert. sur le produit
1.1.2 Relation expert-observateur La formalisation des mesures sensorielles réalisées par l’expert
dans l’atelier de fabrication s’inspire de la métrologie sensorielle
La relation entre l’expert et l’observateur est essentielle dans la classique, et plus particulièrement de l’analyse sensorielle descrip-
construction de la démarche proposée et la phase de recueil peut tive [F 4 000], réf. [3]. Les mesures sensorielles réalisées par les
être considérée comme une phase critique. Les experts doivent être experts sur la ligne, sur le produit en cours de fabrication, ont été
prêts à divulguer leur savoir : il s’agit d’instaurer dès le départ un nommées « indicateurs sensoriels » car elles indiquent à l’opéra-
climat de confiance entre l’expert et l’observateur qui passe notam- teur l’évolution du produit en liaison avec le procédé [4]. Nous
ment par une description précise des objectifs du recueil et de la avons décrit les indicateurs sensoriels à l’aide de sept éléments
formalisation. Une fois le climat de confiance installé, la motivation répartis en trois catégories :
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur S 7 437 − 3
YW
R
YX
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTTP
R
d’Aix-Marseille III – LaGEM
Daniel HISSEL
Maître de Conférences HDR à l’Université de Technologie de Belfort-Montbéliard (UTBM)
Pascal MAUSSION
Maître de Conférences HDR à l’Institut Universitaire de Formation des Maîtres de Midi-
Pyrénées
Michel THOLOMIER
Professeur à l’Université d’Aix-Marseille III – LaGEM
André TITLI
Professeur à l’INSA de Toulouse et LAAS du CNRS
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur S 7 440 − 1
YY
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTTP
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
S 7 440 − 2 © Techniques de l’Ingénieur
QPP
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTTP
(0)
–m
Max 0 ; 1 + --------------- si ⭐ m µ᐀g
α
µ ᐀g ( ) = 1
–m
Max 0 ; 1 – --------------- si ⭓ m
Triangle
β
R
m–α m m+β χ
– m1
Max 0 ; 1 + ----------------- si ⭐ m 1 µ᐀p
α 1
µ ᐀p ( ) = – m2
Max 0 ; 1 – ----------------- si ⭓ m 2
Trapèze β
1 ailleurs
m1– α m1 m2 m2 + β χ
1 si ⭐ m
µᏳ
µᏳ ( ) = –m
Max 0 ; 1 – --------------- si ⭓ m
1
Ouverte à gauche β
m m+β χ
–m
Max 0 ; 1 + --------------- si ⭐ m µᏰ
µᏰ ( ) = α 1
1 si ⭓ m
Ouverte à droite
m–α m χ
1 si = m µg
µ g ( ) = 0 ailleurs
1
Singleton
m χ
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur S 7 440 − 3
QPQ
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTTP
r χ µχ µᒒ u* u
N µ(χ) Ꮽj , Ꮾj , j ᒒ D
Choix
R
Choix Choix Choix Choix
des fonctions
des valeurs des règles de la méthode des valeurs
d'appartenance
Connaissances expertes
r = [r1 r2 ... ri ... rn]T avec i = 1, 2, ..., n (3) nance d’une variable d’entrée i à Ꮽ i, ji (valeur floue de la variable
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
S 7 440 − 4 © Techniques de l’Ingénieur
QPR
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTTQ
R
d’Aix-Marseille III – LaGEM
Daniel HISSEL
Maître de Conférences HDR à l’Université de Technologie de Belfort-Montbéliard (UTBM)
Pascal MAUSSION
Maître de Conférences HDR à l’Institut Universitaire de Formation des Maîtres de Midi-
Pyrénées
Michel THOLOMIER
Professeur à l’Université d’Aix-Marseille III – LaGEM
André TITLI
Professeur à l’INSA de Toulouse et LAAS du CNRS
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur S 7 441 − 1
QPS
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTTQ
1. Application expérimentale
du régulateur flou
b Banc de test
T1
1.1.2 Implémentation et cycle de test
Ve L Is ≤ 10 A
La loi de commande floue a été codée en langage C et implantée
sur un DSP de type TMS320C31 (carte dSpace® qui est un système
200 V 1,3 mH de prototypage clé en main, et dont le coût n’est pas négligeable)
compte tenu de la rapidité du processus à commander. De nom-
0 < Vs ≤ 100 V
150 Ω
T2 Cs breux dispositifs numériques à base de microcontrôleurs, outre que
IImage Rs le système de prototypage rapide dSpace®, permettent néanmoins
165 µF d’envisager une implantation plus simple et moins coûteuse de
18,75 Ω notre loi de commande.
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
S 7 441 − 2 © Techniques de l’Ingénieur
QPT
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTTQ
1. Démarrage à vide à t = 0 s : Rs = ∞ (valeur théorique ; Rs = 150 Ω Lors du passage en charge, le retour vers la consigne s’effectue
en réalité) et échelon de consigne Vs = 60 V. très lentement dans le cas du PID-Flou mais avec une erreur maxi-
male inférieure à 2 % donc très largement en dessous des 5 % liés
2. Mise en charge intervient en t = 0,166 s (le tiers de l’horizon) :
au temps de réponse. Dans le cas du PID de Broïda, ce passage en
Rs = 40 Ω.
charge s’avère catastrophique avec des dépassements pouvant
3. Brusque remise à vide s’effectuant en t = 0,333 s (les deux tiers atteindre près de 40 %. Ce comportement est cependant relative-
de l’horizon). ment logique. En effet, ce dernier contrôleur a été dimensionné à
Le basculement de la charge est géré par le DSP lui-même grâce partir d’un essai à vide en boucle ouverte en asservissement ; il n’est
à un programme codé en langage C. Celui-ci permet de fournir très donc pas adapté à un fonctionnement en régulation (c’est-à-dire une
rapidement des commandes d’allumage et d’extinction pour les modification des paramètres en cours de fonctionnement). L’intérêt
grilles des MOSFET de puissance qui commandent la mise en d’un contrôle flou est ici souligné de manière remarquable.
charge.
R
1.2.2 Amélioration locale de la commande
1.2 Commande avec le PID-Flou Standard Pour ce qui est du contrôleur flou, un affinage des réglages préé-
tablis reste cependant possible. En effet, en tolérant une éventuelle
modification des règles activant la fonction d’appartenance centrée
sur zéro (EZ) et en rendant cette dernière linéairement dépendante
1.2.1 Résultats expérimentaux des entrées, il est possible de remédier au problème cité de lenteur
du retour à la consigne lors des passages en charge [5] (p. 78-82). La
Les réglages du contrôleur PID-Flou Standard nécessitent un envi- figure 4 présente ainsi des résultats expérimentaux obtenus avec
ronnement peu ou pas bruité. modification locale de la base de règles autour de zéro.
En conséquence et de manière à pouvoir valider ces réglages sur Sur cette réponse expérimentale en tension, nous mesurons à
le dispositif expérimental envisagé, lequel est relativement bruité, il présent un critère IAE∆V = 0,449 V · s ; ce qui constitue encore une
est nécessaire de réaliser un filtrage passe-bas sévère sur le signal de amélioration de 14 % de ce critère. De plus, le comportement lors du
mesure. La présence de ce filtre de mesure ralentit bien évidemment passage en charge est à présent bien meilleur que dans le cas des
la réponse du système ; celle-ci est alors une composition des modes réglages optimisés en considérant une table de règles floues anti-
dû au système à commander lui-même et du mode dû au filtre. diagonale. En effet, l’erreur maximale mesurée n’excède pas 1 %
environ lors de ce fonctionnement. Cependant, cette modification
Dans le cas présent, le filtre passe-bas sur la mesure a été posi- locale des règles floues n’est pas sans conséquence sur la dynami-
tionné à 50 Hz. Nous avons alors procédé à un essai en boucle que de la commande (cf. figure 4 b). Nous pouvons observer sur
ouverte du nouveau système ainsi constitué (hacheur + filtre) de celle-ci une augmentation substantielle de sa dynamique, laquelle
manière à identifier les paramètres KB, TB et τB de l’équation du se traduit par une plus grande sensibilité aux bruits de mesures.
modèle de Broïda de ce système. On obtient :
Nous pouvons donc conclure à la validité et à l’efficacité des régla-
e – 0 ,0028 ⋅ p ges préétablis du contrôleur flou avec modification locale de la base
H
FT 50 = 14 ,7 ⋅ -------------------------------------- (1)
Hz ( p ) de règles. Il convient néanmoins de faire deux remarques à leur sujet.
1 + 0, 0174 ⋅ p
Les résultats expérimentaux, en réponse à une sollicitation en
Plus encore que l’amélioration comportementale générée
tension de 60 V, grâce au PID-Flou Standard sont présentés sur la
par cette nouvelle table de règles floues, l’apport essentiel de
figure 3 en comparaison des résultats obtenus grâce à un PID
cette étude complémentaire réside dans la démarche
conventionnel réglé selon Broïda.
d’obtention des résultats. Elle repose en effet sur la mise en
De manière à comparer les deux réponses obtenues, nous utili- évidence d’un problème localisé et démontre l’aptitude d’une
sons un critère de type IAE (intégrale de la valeur absolue de l’erreur structure de commande floue à y répondre de façon éga-
entre l’échelon de consigne et la réponse en tension obtenue sur un lement localisée, sans trop affecter le reste de la réponse du
horizon temporel de 0,5 s). Ainsi, l’utilisation du régulateur flou PID système.
Standard nous conduit à un critère IAE∆V = 0,521 V · s. Une amélioration comportementale plus poussée encore
Cette valeur est à comparer à celle obtenue avec un régulateur aurait pu être envisagée en dissymétrisant la table de règles
PID de Broïda (cf. figure 3) pour laquelle nous mesurons un critère floues ou en envisageant une stratégie de contrôle flou plus
IAE∆V = 1,696 V · s. Les résultats expérimentaux que nous obtenons complexe (par exemple en définissant deux tables de règles sui-
ici mettent donc en évidence une amélioration du critère IAE∆V de vant le point de fonctionnement et en commutant de l’une à
près de 70 %. De plus, le comportement du contrôleur PID flou, dont l’autre grâce à une supervision floue). Une implantation expéri-
les paramètres ont été calculés à partir d’un seul essai en boucle mentale rapide et aisée d’un tel contrôleur ainsi que sa portabi-
ouverte, est bien meilleur que le PID Broïda placé dans les mêmes lité dans l’optique d’une utilisation industrielle ne sont alors pas
conditions, tant en asservissement qu’en régulation. garanties a priori.
L’amélioration comportementale est cependant plus sensible en
régulation qu’en asservissement ; cela s’explique en comparant les
courants de commande générées par les deux types de contrôleurs (cf. 1.2.3 Domaine de validité des réglages
figure 3). En effet, dans le cas de la commande floue, nous constatons
que le courant de référence passe par des valeurs négatives, ce qui Puisqu’un modèle ou une méthode ne valent que par la connais-
n’est pas physiquement réalisable sur le hacheur dévolteur considéré. sance de leurs limites, il est indispensable de définir le domaine de
Ainsi, lors des transitoires de courant de référence négatifs, le courant validité des réglages préétablis « standards » proposés. Ce domaine
réel ne pourra pas suivre sa référence et restera constamment positif de validité est également le prix à payer pour garantir une améliora-
ou nul. Or, la symétrie comportementale du système à commander tion assez spectaculaire des performances dynamiques. Parmi ces
pour des références positives ou négatives est un présupposé lors de limitations, nous pouvons citer :
l’obtention des réglages préétablis. Il serait néanmoins assez aisé de — la nécessité de travailler sur des signaux de mesure pas ou très
remédier à ce problème en n’utilisant pas une table de règles floues peu bruités. Cela est directement lié au processus retenu pour
antidiagonale ou en n’imposant pas une symétrie autour de zéro des l’obtention des réglages préétablis. Cette limitation n’est cependant
fonctions d’appartenance du contrôleur flou. que peu pénalisante, dans la mesure où l’utilisation d’un filtre
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur S 7 441 − 3
QPU
R
QPV
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTUP
QPW
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTUP
R
directement être mise en œuvre à partir du modèle non linéaire, ou même dans
certains cas, sur des modèles faisant intervenir des équations aux dérivées par-
tielles, simplifie notablement la conception de la commande des systèmes sans
faire appel à toute la lourde panoplie des outils utilisés habituellement dans le
cadre des systèmes non linéaires [5]. Elle permet ainsi de se tourner vers une
démarche plus pragmatique, mais néanmoins très performante, qui a donné
lieu à de nombreuses applications industrielles dans des domaines aussi
divers, et sans prétendre ici être exhaustifs, que l’aéronautique, l’automobile,
le génie chimique, ou l’agro-alimentaire, c’est-à-dire dans tous les domaines où
s’applique l’art de l’ingénieur.
Les notions que nous allons décrire dans la suite font large- q¨ ( t ) = v ( t )
ment appel, dans le cas des modèles continus, à l’opération de Si dans (2), on considère :
dérivation temporelle ; nous utilisons la notation habituelle :
v ( t ) = q¨ d ( t ) + K 1 (q˙ d ( t ) – q˙ ( t ) ) + K 0 ( q d ( t ) – q ( t ) )
dk f ( t )
pour tout entier k, f ( k ) ( t ) = --------------------
dt k avec q (t ) trajectoire effective du robot,
et pour les premières dérivées : K 1 et K 0 deux matrices diagonales positives,
alors la commande :
f˙( t ) = f ( 1 ) ( t ) et f¨ ( t ) = f ( 2 ) ( t )
Notons que dans un cadre linéaire, nous utilisons la notation Γ ( t ) = H ( q ( t ) ) ( q¨ d ( t ) + K 1 (q˙ d ( t ) – q˙ ( t ) ) + K 0 ( q d ( t ) – q ( t ) ) )
opérationnelle f (k) (t ) = pk f (t ) où p désigne l’opérateur de déri- + NL ( q ( t ), q˙ ( t ) )
vation temporelle.
conduit à une erreur qd (t ) – q (t ) qui tend asymptotiquement vers
0. On obtient ainsi une poursuite de la trajectoire désirée.
Ainsi lorsque l’on désire faire exécuter une trajectoire au robot
sous la forme d’un déplacement articulaire qd (t ) sur un intervalle Une autre particularité de cette commande concerne le fait que
de temps t ∈ τ = [t0, tf ], on peut calculer les commandes à imposer la propriété qui a été utilisée pour la concevoir est conservée à
pendant τ sous la forme : travers la mise en série. On peut ainsi, dans une étude plus pous-
sée prendre en compte les actionneurs et les capteurs qui instru-
mentent un processus, sans que le principe qui a été initialement
Γd ( t ) = H ( q d ( t ) ) q¨ d ( t ) + NL ( q d ( t ), q˙ d ( t ) ) utilisé soit remis en question. En ce qui concerne notre exemple du
QPX
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTUP
U ( t ) = Φ ( q ( 5 ) ( t ), …, q˙ ( t ), q ( t ) )
Malgré un modèle plus complexe, on s’aperçoit que la
(3)
Toutes ces caractéristiques sont des avantages de la commande
par platitude dont nous allons détailler les principes dans la suite.
R
connaissance de l’évolution des variables articulaires permet Dans une optique résolument tournée vers la pratique et la mise en
encore de paramétrer la commande des actionneurs. On peut ainsi œuvre de cette commande, nous n’abordons pas les principes fon-
appliquer à nouveau le principe de commande précédent. La damentaux qui la justifient. Ces principes sont basés sur des
commande de suivi asymptotique de la trajectoire qd (t ) s’écrira concepts théoriques rigoureux comme l’algèbre différentielle [2]
donc, au niveau des actionneurs, sous la forme : ou la géométrie différentielle des jets infinis [3]. Nous invitons bien
sûr les lecteurs désireux d’approfondir ces questions à les
U ( t ) = Φ ( w ( t ), q ( 4 ) ( t ), ..., q˙ ( t ), q ( t ) ) consulter. Dans la suite, nous insistons plutôt sur des procédures
pratiques de conception d’une commande par platitude et sur des
avec exemples applicatifs.
4
(5) (i)
w (t ) = q d (t ) + ∑ Ki ( q d ( t ) – q ( i ) ( t ) )
i=0
2. Platitude d’un modèle
où les Ki , pour i = 0 à 4, sont des matrices diagonales telles que les
4
coefficients polynomiaux de p 5 + ∑ Ki p i aient leurs zéros à partie Définition 1
i=0 Un système défini par l’équation :
réelle négative.
Φ (x˙ ( t ), x ( t ), u ( t ) ) = 0 (4)
Les mêmes considérations peuvent être menées lorsque l’on
considère des trajectoires générées dans l’espace opérationnel. où x (t ) est l’état et u (t ) est la commande, est plat s’il existe un
Soit X (t ) les coordonnées opérationnelles du robot, c’est-à-dire vecteur z (t ) tel que :
l’ensemble des variables indépendantes qui définissent la position
et l’orientation de l’organe terminal dans un référentiel fixe. z (t ) = h (x (t ), u (t ), u (1) (t ), ..., u (δ) (t )) (5)
Comme il est plus pratique de concevoir un déplacement dans
dont les composantes soient différentiellement indépendantes
l’environnement du robot, les trajectoires sont définies dans
et deux fonctions A (.) et B (.) telles que :
l’espace opérationnel sous la forme Xd (t ). L’utilisation du modèle
géométrique de la partie mécanique articulée [6] [19] : x (t ) = A (z (t ), z (1) (t ), ..., z (α) (t )) (6)
g (X ) = f (q) u (t ) = B (z (t ), z (1) (t ), ..., z (β) (t )) (7)
permet de construire (localement et hors des singularités éventuel- où α, β, et δ sont trois entiers finis.
les) les modèles géométriques :
— direct : X = F (q) ;
— inverse : q = G (X ). Le vecteur z (t ) qui apparaît dans cette définition s’appelle la
sortie plate du système. Par l’introduction des fonctions A (.) et
∂G B (.), cette sortie plate est composée d’un ensemble de variables
De ce dernier modèle, on obtient par dérivation q˙ = ---------- X˙ , et
∂X qui permet de paramétrer toutes les autres variables du système,
de façon plus générale pour tout entier k, q (k) = φ (X, ..., X (k)). Ces l’état, la commande, mais également la sortie y (t ). En effet, si la
relations, utilisées dans (3), donnent l’expression de la commande sortie du système est définie par une relation de la forme
en fonction de la connaissance des coordonnées opérationnelles : y (t ) = Ψ (x (t ), u (t ), ..., u (p) (t )), alors nécessairement (6) et (7) per-
mettent d’affirmer qu’il existe un entier γ tel que :
U ( t ) = Ψ ( X ( 5 ) ( t ), ..., X˙ ( t ), X ( t ) )
y (t ) = C (z (t ), ..., z (γ) (t )) (8)
Cela permet de faire la commande directement dans l’espace
opérationnel : Comme les composantes de z (t ) sont différentiellement indé-
pendantes, la sortie plate regroupe toutes les variables libres (non
— par génération de trajectoire (commande en boucle ouverte) :
contraintes) du système. Mais on peut dire également, par la
(5) relation (5), qu’elle ne dépend que de l’état et de la commande, ce
U d ( t ) = Ψ ( X d ( t ), ..., X˙ d ( t ), X d ( t ) )
qui en fait une variable endogène du système, contrairement par
exemple à l’état d’un observateur qui est une variable exogène du
— par poursuite de trajectoire (commande en boucle fermée) :
système observé. Par ailleurs, et la notion d’équivalence différen-
4
tielle au sens de Lie-Bäcklund le montre bien [3], le nombre de
冢 (5)
U (t ) = Ψ X d (t ) + ∑ ki ( X d
(i)
( t ) – X ( i ) ( t ) ), ..., X˙ ( t ), X ( t ) 冣 composantes de z (t ) est donné par celui de la commande :
i=1 dim z (t ) = dim u (t )
QPY
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTUP
Cette propriété essentielle permet de connaître a priori le Un modèle dynamique très simplifié [10] peut s’écrire :
nombre de variables libres que l’on doit trouver sur un modèle
pour mettre en évidence sa platitude. x¨ ( t ) = – sin θ ( t )u 1 ( t ) + ε cos θ ( t )u 2 ( t )
Un des avantages de la propriété de platitude est que la défini- h¨ ( t ) = cos θ ( t )u 1 ( t ) + ε sin θ ( t )u 2 ( t ) – 1
tion précédente n’est pas restreinte aux modèles d’état, mais à tout
modèle de la forme : θ¨ ( t ) = u 2 ( t )
Φ (x (n) (t ), ..., x (1) (t ), x (t ), u (m) (t ), ..., u (1) (t ), u (t )) = 0
cela permet ainsi de partir directement des équations régissant le Comme il vient :
système (fournies par les lois du domaine concerné : mécanique,
chimie, thermodynamique, économie, etc.) sans avoir à reformuler
l’ensemble des équations sous la forme d’une équation d’état. u1 ( t ) – sin θ ( t ) cos θ ( t )
= x¨ ( t )
R
Nous verrons sur les exemples que les diverses relations nécessaires cos θ ( t ) sin θ ( t )
u2 ( t ) ------------------------- ----------------------- h¨ ( t ) + 1
à la mise en évidence de la platitude ont chacune leur utilité mais ε ε
que la plus importante pour la conception de la commande est la
relation (7). La relation (6) permet de vérifier que z (t ) est effective- l’élimination de u 2 (t ) conduit à :
ment la sortie plate d’un système. En effet, toutes les composantes
de x (t ) doivent pouvoir s’exprimer à l’aide de z (t ) et de ses dérivées. εθ¨ ( t ) = cos θ ( t ) x¨ ( t ) + sin θ ( t ) ( h¨ ( t ) + 1 )
x 2 ( t ) = z˙ ( t ) et u ( t ) = z¨ ( t )
Pour simplifier, plaçons-nous dans le cas ( H¨ ( t ) + 1 ) 2 + X¨ ( t ) 2 ≠ 0 .
qui indique que x1 est une sortie plate de ce système.
On tire de la relation précédente que lorsque H¨ ( t ) + 1 = 0 alors
En conséquence ce système est plat de sortie plate z (t ) = x1 (t ).
θ = (2k + 1) π/2 sinon :
La relation (8) permet quant à elle de relier l’évolution de la
sortie plate à celle de la sortie. Elle sera utile lors de la phase de X¨ ( t )
θ ( t ) = – arctan -------------------------
génération de trajectoire. ¨
H (t ) + 1
Dans les paragraphes 3 et 4, nous allons décrire les implications Comme :
de la notion de platitude concernant la mise en œuvre de la
commande d’un système et ceci à divers niveaux. Mais auparavant X¨ ( t )
traitons de l’exemple de l’avion à décollage vertical. Cet exemple sin θ = – ------------------------------------------------------------
offre la particularité d’être assez simple dans sa formulation tout en X¨ ( t ) 2 + ( H¨ ( t ) + 1 ) 2
nous permettant de mettre en évidence, dans la suite, la puissance et
de la commande par platitude relativement à une commande non H¨ ( t ) + 1
linéaire habituelle. De plus, nous y verrons que, comme dans beau- cos θ = ------------------------------------------------------------------------- ,
coup de situations pratiques, certaines sorties plates particulières X¨ ( t ) 2 + ( H¨ ( t ) + 1 ) 2
possèdent souvent une interprétation physique. on en déduit :
Exemple 2 : avion
x ( t ) = x 冢X ( t ), X¨ ( t ), H¨ ( t )冣 et h ( t ) = h 冢H ( t ) , X¨ ( t ), H¨ ( t )冣
Considérons le mouvement dans le plan vertical d’un avion à décol-
lage vertical, schématisé dans la figure 1. En utilisant les coordonnées
réduites : De θ¨ ( t ) = u 2 ( t ) :
xG hG J sin α
x = ------- -, ε = ----------------------------------------------------------
- , h = ------- - u2 (t ) = u2 (X (2) (t ), H (2) (t ), X (3) (t ), H (3) (t ), X (4) (t ), H (4) (t )) (9)
g g mg ( ᐉ cos α + δ sin α )
et des relations
( F 1 + F 2 ) cos α ( F 1 – F 2 ) sin α
u1 -,
= ---------------------------------------- u2 = --------------------------------------
- X¨ ( t ) = – sin θ ( t ) ( u 1 ( t ) – εθ̇ 2 ( t ) )
mg ε mg
H¨ ( t ) + 1 = cos θ ( t ) ( u 1 ( t ) – εθ̇ 2 ( t ) )
avec m masse de l’avion,
J son inertie, on tire
g accélération due à la pesanteur, u1 (t ) = u1 (X (2) (t ), H (2) (t ), X (3) (t ), H (3) (t ))
α angle que font les poussées F1 (t ) et F2 (t ) avec la verti-
cale, Cet ensemble de relations indique que (X (t ), H (t )) est une sortie
( ᐉ, δ ) paramètres fournissant les coordonnées dans le réfé- plate de ce système. Remarquons qu’elle admet une interprétation
rentiel inertiel de l’avion des points d’application des physique immédiate puisqu’il s’agit du centre de rotation de Huygens
poussées. du pendule équivalent.
QQP
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTVP
R
Bernard LANG
Maı̂tre de conférences en automatique à l’ENSMM Besançon
et Guillaume LAURENT
Maı̂tre de conférences en automatique à l’ENSMM Besançon
QQQ
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTVP
SISO Design Tool. Dans un second temps, des méthodes de synthèse avancées
sont utilisées avec application à un exemple multivariable.
Pour terminer cette analyse, le pilotage en temps réel d’un processus à l’aide
d’un outil de type dSPACE‚ est abordé.
1. Brève introduction
R à Matlab et Simulink
1.1 Matlab
Matlab‚ est un logiciel de calcul numérique développé et com-
mercialisé par la société américaine The MathWorks. Ses différen-
tes fonctions peuvent être utilisées par l’intermédiaire d’une ligne
de commande ou à travers un script écrit dans un langage propre
à Matlab‚.
Matlab‚ manipule les données principalement sous la forme de
vecteurs et de matrices, mais aussi sous des formes plus structu-
rées (enregistrements). Les variables sont stockées dans des espa-
ces mémoires internes dont le principal est le workspace pour les
variables globales.
Matlab‚ est complété par de nombreuses boı̂tes à outils (tool-
box) spécialisées dans des domaines très divers. Plusieurs de ces
boı̂tes à outils se rapportent à l’automatique ; on peut notamment
citer :
– la boı̂te à outils Control System pour la simulation, l’analyse et
la commande des systèmes linéaires,
– la boı̂te à outils System Identification pour la détermination de
modèles mathématiques de systèmes dynamiques à partir de don-
nées d’entrée/sortie mesurées,
– la boı̂te à outils Robust Control pour la commande robuste, Figure 1 – Répertoire des bibliothèques de blocs Simulink
– la boı̂te à outils Model Predictive Control pour la commande
prédictive. & Construction d’un schéma-bloc
Dans cet article, nous décrivons l’emploi des principales com- Un schéma-bloc est constitué de blocs reliés par des liens trans-
mandes des boı̂tes à outils Control System et System Identification portant des signaux des sorties vers les entrées des blocs. Les
ainsi que l’utilisation de Simulink‚. Nous supposons que le lecteur signaux peuvent être réels ou complexes, scalaires ou vectoriels.
connaı̂t les concepts et commandes de base de Matlab‚. Dans le
Un bloc peut comporter des entrées, des sorties et des paramè-
cas contraire, nous renvoyons le lecteur à l’article de Jacques
tres. Les blocs sans entrée sont des sources. Les blocs sans sortie
Prado [6] également paru dans les Techniques de l’Ingénieur.
sont des puits (sinks). Les blocs sources permettent de générer tou-
tes sortes de signaux : constants, périodiques, aléatoires, etc. Les
1.2 Simulink blocs puits permettent d’afficher ou de mémoriser les données.
Pour créer un nouveau schéma-bloc, on choisit New Model dans
& Présentation générale le menu File. Une fenêtre de travail vierge s’ouvre. On fait alors
Simulink‚ est un environnement graphique interactif pour la glisser, du répertoire des bibliothèques à la fenêtre de travail, les
modélisation et la simulation des systèmes dynamiques linéaires blocs dont on a besoin pour construire le schéma. On relie enfin
et non-linéaires. Simulink‚ est fondé sur l’utilisation de schémas- les blocs entre eux à l’aide de la souris.
blocs, ce qui le rend particulièrement convivial et intuitif par rap- Si l’entrée d’un bloc doit être connectée à la sortie d’un bloc déjà
port à la boı̂te à outils Control System de Matlab‚. relié, on crée un lien entre l’entrée du bloc et n’importe quel point
Simulink‚ est pleinement intégré à Matlab‚, permettant ainsi un du lien existant. Cette action crée un nœud entre les liens, qui peut
accès direct aux nombreux outils de développement algorithmique, être déplacé par la suite à la souris comme l’ensemble des autres
de visualisation et d’analyse de données de Matlab‚. objets du diagramme.
Pour ouvrir Simulink‚, il suffit d’exécuter la commande simulink Un fois le schéma réalisé, il est nécessaire de régler les différents
ou de cliquer sur le bouton dédié dans la barre d’outils de Matlab‚. paramètres des blocs. Un double-clic sur un bloc ouvre une fenêtre
Une nouvelle fenêtre s’ouvre répertoriant les bibliothèques de permettant de changer les paramètres du bloc. Le bouton Help
blocs disponibles (figure 1). Cet ensemble de bibliothèques est per- donne accès à la documentation en ligne du bloc.
sonnalisable et peut être étendu pour des applications spécifiques Afin d’expliciter les différents éléments du schéma, il est possible
via des boı̂tes à outils (blocksets) spécialisées. de nommer les blocs et les liens. Pour modifier le nom du bloc, il
QQR
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTVP
Électrodes
u 1 y
s 2 + s +2 +
Step Scope n(t)
Transfer function δ (t)
Figure 3 – Tracé de l’oscilloscope pour le schéma-bloc de la figure 2 2.1 Représentation d’un système linéaire
avec Matlab
suffit de cliquer sur son intitulé. Pour donner un nom à un lien, on
double-clique sur le lien. Pour ajouter un commentaire, on double- & Bilame piézoélectrique
clique dans une zone vierge de la fenêtre. Les bilames piézoélectriques sont des actionneurs fréquemment
Une fois le schéma terminé, on peut l’enregistrer dans un fichier utilisés dans les microsystèmes. La figure 4 présente la structure
via la commande Save As du menu File. Les fichiers Simulink por- d’un bilame constitué d’une couche de matériau piézoélectrique
tent l’extension .mdl. (PZT : Plomb zirconate titane) équipée d’électrodes et d’une couche
Par exemple, si l’on souhaite tracer la réponse indicielle d’un sys- de cuivre (matériau passif). Cet actionneur exploite l’effet piezoélec-
tème du deuxième ordre ayant pour transmittance : trique inverse [8] pour produire un déplacement d à son extrémité
1 sous l’effet d’une tension électrique V appliquée sur les électrodes.
G (s ) = 2 . L’une des applications de ces actionneurs est l’ouverture et la fer-
s +s +2 meture de micro-pinces pour la manipulation d’objets de très fai-
On réalise le schéma-bloc de la figure 2 à l’aide d’un bloc éche- bles dimensions.
lon (step) de la bibliothèque Sources, d’un bloc oscilloscope virtuel Pour de faibles déplacements, le comportement du bilame peut
(scope) de la bibliothèque Sinks et d’un bloc fonction de transfert être approximé par un modèle linéaire invariant dans le temps
(transfer function) de la bibliothèque Continuous. (LTI) représenté par la transmittance suivante :
& Simulation
δ (s ) 0,842.10−3
Avant de passer à la simulation du modèle réalisé, il est indis- G (s ) = = (1)
ν (s ) 5,699.10−8 s 2 + 4,774.10−6 s + 1
pensable de régler les paramètres de l’algorithme d’intégration
numérique. Ces réglages sont accessibles par la commande Confi-
dans laquelle s désigne la variable de Laplace. Les coefficients de
guration Parameters du menu Simulation. On peut notamment
cette transmittance ont été évalués à partir de données d’entrée/
définir l’instant de départ (start time) et l’instant d’arrêt (stop
sortie (§ 3).
time), et choisir la méthode d’intégration (méthode à pas fixe ou à
pas variable) et ses paramètres. & Représentation d’une transmittance
Par exemple, pour le schéma-bloc de la figure 2 et un instant
La transmittance précédente G(s) peut être introduite dans l’envi-
d’arrêt fixé à 20 secondes, on obtient sur l’oscilloscope virtuel le
ronnement Matlab‚ à l’aide de la commande tf (transfer function) :
tracé de la figure 3.
G=tf([0.842e-3], [5.699e-8 4.774e-6 1])
Différents blocs et possibilités de Simulink‚ seront présentés au
fil de l’article. La première étape étant d’établir un modèle du pro- La commande tf nécessite l’introduction sous forme de vecteurs
cessus à commander, nous allons maintenant étudier plus en détail des coefficients du numérateur et du dénominateur dans l’ordre
la modélisation d’un système dynamique à l’aide de Matlab‚ et de décroissant des puissances de s.
Simulink‚. Il est également possible d’introduire une transmittance de la
manière suivante :
s=tf(’s’)
2. Représentation d’un G=0.842e-3 / (5.699e-8*s^2+4.774e-6*s+1)
QQS
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTVP
R
G1=ss(G)
‚
Matlab répond par : a=
a= x1 x2
x1 x2 x1 1.9687 − 0.99665
x1 − 83.77 − 4284 x2 1 0
x2 4096 0 b=
b= u1
u1 x1 0.0039063
x1 2 x2 0
x2 0 c=
c= x1 x2
x1 x2 y1 0.00301154 0.003012
y1 0 1.804 d=
d= u1
u1 y1 0
y1 0 Sampling time: 4e − 005
Continuous - time model. Discrete - tim e model.
La commande zpk (zéro, pole, gain) permet de mettre un modèle Cette forme correspond au modèle d’état récurrent suivant :
LTI sous une forme factorisée laissant apparaı̂tre les pôles, les zéros
et le gain du système. ⎧X k +1 = A.X k + B.νk
⎨ (3)
De manière générale, les commandes tf, ss, et zpk sont utilisa- ⎩δk = C .X k + D .νk
bles à la fois pour créer une variable de type LTI à partir de données
formatées (coefficients des polynômes dans le cas d’une transmit- & Exploitation d’un modèle LTI sous Simulink‚
tance, coefficients des matrices pour une représentation d’état, etc.) Une variable de type LTI peut être exploitée directement dans
mais aussi pour passer d’une forme à une autre (passage d’une Simulink‚ à l’aide du bloc LTI System de la bibliothèque Control
transmittance à une représentation d’état, d’une représentation System Toolbox. Par exemple, si l’on souhaite tracer la réponse
d’état à une transmittance, etc.). indicielle du modèle LTI décrit par la variable G, on réalise le
& Discrétisation d’un modèle schéma-bloc de la figure 5.
Dans le but de permettre la synthèse de correcteurs discrets, il
convient de déterminer un modèle discret du système. Matlab‚ 2.2 Représentation d’un système
permet l’obtention d’un modèle discret, à partir d’un modèle LTI
continu et d’une période d’échantillonnage choisie, à l’aide de la avec Simulink
commande c2d (continuous to discrete). & Système de roue à aubes
Te=4e-5
Une roue à aube est actionnée par un débit de fuite Qf dans une
Gd=c2d(G,Te,’zoh’) conduite forcée (figure 6). Ce débit est dû à l’écoulement libre de
Le paramètre ’zoh’ signifie que l’on considère la présence d’un l’eau d’une cuve de section constante S. La hauteur H d’eau pré-
bloqueur d’ordre zéro en amont de la transmittance G. sente dans la cuve est régulée par le débit Qe délivré par une
vanne pilotée par un moteur électrique. La vitesse angulaire de la
Matlab‚ répond par :
roue à aubes est notée W(t). Sachant qu’une cuve percée possède
Transfer function : un débit de fuite proportionnel à la racine carrée de la hauteur
1.178e-005z + 1.177e-005 d’eau présente dans la cuve, il vient :
------------------ Qf (t ) = kf H (t ) (4)
z^2 - 1.969z + 0.9967
Sampling time: 4e-005 On peut alors décrire le fonctionnement de la cuve à l’aide de
l’équation différentielle non-linéaire suivante :
On obtient ainsi une fonction de transfert en z associée à une
période d’échantillonnage. dH (t )
S = Qe (t ) − Qf (t ) = Qe (t ) − kf H (t ) (5)
Il est également possible d’obtenir une représentation d’état dt
discrète à l’aide de la commande ss.
QQT
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTVR
et
Université de Picardie Jules-Verne d’Amiens
Pierre BORNE
R
Professeur des universités
École centrale de Lille
QQU
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTVR
R
fonction h (x (t)) bornée de [a, b] Æ R pour tout x 2 [a, b] avec (a,
1. Comment obtenir b) 2 R2, il existe deux fonctions.
les multimodèles F i (.) : [a, b ] → [0, 1] , i ∈ I2 (4)
QQV
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sWTVR
L’avantage de cette méthode est de ne pas engendrer d’erreur Ainsi, on aboutit à quatre modèles locaux, obtenus à partir des
d’approximation et de réduire le nombre de modèles locaux par quatre combinaisons possibles des bornes des termes non cons-
rapport à la méthode de linéarisation. Rappelons que la réduction tants de h1 (x1 (t)) et h2 (x2 (t)). Ces quatre modèles sont représentés
du nombre de modèles LTI permet de réduire le nombre de par les matrices Ei décrites en (9) :
contraintes matricielles (de stabilité ou de stabilisation), ce qui aug-
mente les chances de trouver une solution. ⎛ 5 1 1⎞ ⎛ 5 1 1 ⎞
E1 = ⎜ − 1 2 a 3 ⎟ , E2 = ⎜ − 1 2 − a 3 ⎟
L’exemple suivant illustre cette méthode. ⎜⎝ a 3 1 0 ⎟⎠ ⎜⎝ − a 3 1 0 ⎟⎠
⎛ 5 −1 1 ⎞ ⎛ 5 −1 1 ⎞
Exemple
Considérons le modèle non linéaire suivant : E3 = ⎜ − 1 2 a 3 ⎟ , E4 = ⎜ − 1 2 − a3⎟
⎜⎝ a 3 1 0 ⎟⎠ ⎜⎝ − a 3 1 0 ⎟⎠
⎧xɺ 1 (t ) = 5x1 (t ) + cos ( x1 (t )) x 2 (t ) + u (t )
⎪⎪ En prenant l’opérateur produit comme opérateur de conjonction,
⎨xɺ 2 (t ) = − x1 (t ) + 2x 2 (t ) + x 2 (t )u (t )
R
3 (11) les fonctions d’activation, au nombre de 4, sont obtenues à partir
⎪
⎪⎩y (t ) = x 2 (t ) x1 (t ) + x 2 (t ) des produits : F11ou 2 ⋅ F21ou 2
3
que l’on peut réécrire de la forme (8) avec : µ1 ( x (t )) = F11 ( x1) ⋅ F21 ( x 2 ) , µ2 ( x (t )) = F11 ( x1) ⋅ F22 ( x 2 ) (17)
⎛ 5 cos ( x1 (t ))⎞ ⎛ 1 ⎞
A ( x (t )) = ⎜ ⎟⎠ , B ( x (t )) = ⎝⎜ x 3 (t )⎠⎟
⎝− 1 2 2 µ3 ( x (t )) = F12 ( x1) ⋅ F21 ( x 2 ) , µ4 ( x (t )) = F12 ( x1) ⋅ F22 ( x 2 ) (18)
C ( x (t )) = ( x 23 (t ) )
1 , D ( x (t )) = 0
La description multimodèle du système non linéaire (11) n’est valide
que dans le domaine U = R x [- a, a] de l’espace d’état. Par consé-
quent, l’analyse de la stabilité de (11) basée sur son multimodèle (1)
L’objectif est d’écrire E (x (t)) définie en (9) sous la forme (10). La n’est que locale, même si la stabilité établie pour ce dernier est glo-
matrice E (x (t)) présente deux termes non constants : bale. Dans le cas des matrices E (x (t)) bornées 8 x (t) 2 Rn, la représen-
tation multimodèle se confond avec son modèle non linéaire.
h1 ( x1 (t )) = cos ( x1 (t )) , h2 ( x 2 (t )) = x 23 (t ) (12)
Remarquons que le terme non constant h1 (x1 (t)) est borné x (t) 2 R2 1.2 Approches et outils utilisés
alors que le terme h2 (x2 (t)) ne peut l’être que sur un compact borné 1.2.1 Approche de Lyapunov
[- a, a], a > 0 (figure 1). Ainsi, on peut transformer les termes non
linéaires h1 (x1 (t)) et h2 (x2 (t)) 8 x (t) 2 U avec U = R x [- a, a], La méthode directe de Lyapunov s’appuie sur l’analyse de l’éner-
a > 0 tels que : gie totale dissipée dans un système (mécanique) : si cette énergie
est continûment dissipée (on parle de système dissipatif), alors on
h1 ( x1 (t )) = F11 ( x1) ⋅ 1 + F12 ( x1) ⋅ ( − 1) (13) peut espérer que le système tende vers un point d’équilibre. Ainsi,
l’idée de Lyapunov consiste à examiner la variation d’une fonction
scalaire pour étudier la stabilité d’un système donné [7] [1].
h2 ( x 2 (t )) = F21 ( x 2 ) ⋅ a 3 + F22 ( x 2 ) ⋅ − a 3 ( ) (14) Considérons tout d’abord le système non linéaire en régime libre
décrit par :
avec :
xɺ (t ) = f ( x (t )) (19)
F11 ( x1) =
1
2
( ) 1
(
1 + cos ( x1 (t )) , F12 ( x1) = 1 − cos ( x1 (t ))
2
) (15)
avec f (x(t)) 2 C1, f (.) : Rn Æ Rn
Le système (19) est dit en équilibre autour de x0 si, en l’absence
F21 ( x 2 ) =
1
( ) 1
x 3 (t ) + a 3 , F22 ( x 2 ) = 3 a 3 − x 23 (t )
2a 3 2 2a
( ) (16) d’influence externe, son état ne varie pas au cours du temps ; x0 est
alors appelé point d’équilibre.
QQW
R
QQX
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sXPYU
tismes par rapport à d’autres biens industriels, seront exposées des méthodes
de recensement puis de formalisation des besoins, ensuite un sommaire géné-
rique de cahier des charges sera proposé.
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur, traité Informatique industrielle S 8 095 − 1
QQY
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sXPYU
CAHIER DES CHARGES DES AUTOM ATISM ES. AN ALYSE FON CTION N ELLE _________________________________________________________________________
R Partie opérative
Ensemble des moyens matériels opérant physiquement sur
les matières d’œuvre ou les utilités en vue d’assurer la produc-
Notons, au passage, que « l’implicite » de la définition de la qua-
lité constitue une des difficultés de l’établissement d’un cahier des
charges.
tion.
Partie commande
Ensemble des moyens de traitement de l’information permet-
tant la commande et le pilotage d’une ou plusieurs partie(s) 1.3 Particularités de l’automatisme
opérative(s).
Avant-projet sommaire (APS)
Appelée aussi quelquefois Étude de faisabilité ou Étude préa- Les automatismes sont aujourd’hui en grande partie constitués
lable, cette phase d’un projet doit voir les tâches suivantes : par des logiciels et ceux-ci présentent de fortes originalités par rap-
— recensement des solutions plausibles ; port à d’autres biens industriels que ce soit du point de vue de l’évo-
— examen des deux ou trois solutions les plus séduisantes ; lutivité, de la fiabilité ou de la maintenance. Les cahiers des charges
— comparaison ; devront en tenir compte.
— préconisation de la meilleure solution ou compromis entre
plusieurs parties de solutions. ■ Évolutivité
Avant-projet détaillé (APD)
Un point original des automatismes programmés est la relative
Cette phase du projet fait suite à la précédente et permet
facilité avec laquelle il est possible de modifier quelques lignes de
d’étudier à fond la solution retenue en fin d’APS.
programme pour faire évoluer les fonctions offertes. Cette médaille
Hot line
trouve fréquemment son envers. La facilité entraîne souvent un cer-
Permanence téléphonique qui permet au fournisseur de
tain manque de rigueur et la multiplication de nouvelles exigences
résoudre, à distance, un certain nombre de problèmes.
souvent mal formalisées et dont la justification n’est pas toujours
évidente.
Le cahier des charges est quelquefois défini comme étant un acte Dans les technologies précédentes, relais ou modules électroni-
qui indique les conditions d’un marché, ce marché étant en cours ques, un prescripteur hésitait longuement avant de demander le
d’appel d’offre ou déjà conclu. Une définition, plus industrielle, décâblage puis le recâblage de tout ou partie d’une armoire de
pourrait être la description précise et exhaustive de ce qu’un relayage. Aujourd’hui, devant un logiciel, il hésite beaucoup moins.
« client » attend d’un « fournisseur ». Les guillemets indiquent que
les termes de « client » et « fournisseur » doivent être pris dans leur ■ Fiabilité
acception la plus large. Par exemple, les deux acteurs peuvent faire Une autre des grandes particularités des automatismes réside
partie d’une même société, voire d’un même service. dans les courbes de fiabilité. La fiabilité d’un équipement mécani-
Le Gimélec (Groupement des industries de matériel d’équipe- que ou électromécanique (moteur, contacteur, relais...) est représen-
ment électrique et de l’électronique industrielle associée) fait sienne tée par la courbe bien connue dite « en baignoire » (figure 1) alors
la définition que donne l’Afnor du cahier des charges : que les logiciels ont une courbe de fiabilité décroissante jusqu’à
l’asymptote à zéro (figure 2). Les logiciels ne connaissent pas les
défauts de vieillesse.
« Document établi par le demandeur définissant les clauses
techniques, les clauses de qualité et les clauses administratives Cette particularité a une répercussion immédiate sur les condi-
applicables à la fourniture recherchée ; il sert de base à la propo- tions de garantie par exemple et sur les conditions de maintenance.
sition du fournisseur et pourra faire l’objet d’un contrat ».
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
S 8 095 − 2 © Techniques de l’Ingénieur, traité Informatique industrielle
QRP
r←ヲ←イ・ョ」・@iョエ・イョ・エ
sXPYU
_________________________________________________________________________ CAHIER DES CHARGES DES AUTOM ATISM ES. AN ALYSE FON CTION N ELLE
jeunesse répond à ses besoins. Cette position est un peu formelle, car s’il est
techniquement possible d’évaluer un traitement de texte en quel-
Modification ques heures, il en va tout autrement d’un progiciel d’ordonnance-
ment temps réel ou d’un superviseur disposant de multiples
fonctionnalités. Le seul recours possible, en cas de déconvenue,
Période d'exploitation normale réside alors dans les « vices cachés ». A tout prendre, il vaut mieux
travailler avec un bon cahier des charges.
Âge
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur, traité Informatique industrielle S 8 095 − 3
QRQ
GAGNEZ DU TEMPS ET SÉCURISEZ VOS PROJETS
EN UTILISANT UNE SOURCE ACTUALISÉE ET FIABLE
RÉDIGÉE ET VALIDÉE MISE À JOUR 100 % COMPATIBLE SERVICES INCLUS
PAR DES EXPERTS PERMANENTE SUR TOUS SUPPORTS DANS CHAQUE OFFRE
NUMÉRIQUES
www.techniques-ingenieur.fr
CONTACT : Tél. : + 33 (0)1 53 35 20 20 - Fax : +33 (0)1 53 26 79 18 - E-mail : infos.clients@teching.com
LES AVANTAGES ET SERVICES
compris dans les offres Techniques de l’Ingénieur
ACCÈS
SERVICES ET OUTILS PRATIQUES
Archives Impression à la demande Alertes actualisations
Technologies anciennes et versions Commandez les éditions papier Recevez par email toutes les nouveautés
antérieures des articles de vos ressources documentaires de vos ressources documentaires
*Questions aux experts est un service réservé aux entreprises, non proposé dans les offres écoles, universités ou pour tout autre organisme de formation.
www.techniques-ingenieur.fr
CONTACT : Tél. : + 33 (0)1 53 35 20 20 - Fax : +33 (0)1 53 26 79 18 - E-mail : infos.clients@teching.com