Université Paris Sud - M1 E3A

Travail d'étude et de recherhce

Réduction active du bruit à

travers une fenêtre.

Rédigé par :

AISSOUS Rachid

HAO Jialin

LIU Jingtian

Encadré par :

S. Tliba

L. Greco

U-PSUD 2018-2019
 Université Paris Sud M1 E3A TABLE DES MATIÈRES

Table des matières

1 Introduction 5
1.1 Résumé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Aperçu général . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 Idée de la réalisation . . . . . . . . . . . . . . . . . . . . . . . . . . 6

2 Contrôle actif du bruit 6

2.1 Système ANC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2 Systèmes ANC existants . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2.1 Systèmes ANC FXLMS . . . . . . . . . . . . . . . . . . . . 7

3 Identication du système 8
3.1 Propriétés générales pour l'identication : . . . . . . . . . . . . . . 8
3.1.1 Classication du modèle : . . . . . . . . . . . . . . . . . . . 8
Classication du signal d'entrée . . . . . . . . . . . . . . . . 9

4 Systèmes multivariables 11
4.0.1 Système non-linéaire . . . . . . . . . . . . . . . . . . . . . . 11

5 Modélisation du système 11
5.1 Système mono-variable . . . . . . . . . . . . . . . . . . . . . . . . . 11
5.1.1 Fonction de transfert . . . . . . . . . . . . . . . . . . . . . . 11
5.1.2 Modèle d'état . . . . . . . . . . . . . . . . . . . . . . . . . . 12
Représentation . . . . . . . . . . . . . . . . . . . . . . . . . 12
Commandabilité et observabilité . . . . . . . . . . . . . . . . 12
Stabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
Système dynamique à l'équilibre . . . . . . . . . . . . 13
État d'équilibre . . . . . . . . . . . . . . . . . . . . . 13
Stabilité . . . . . . . . . . . . . . . . . . . . . . . . . 13
5.2 Correcteur RST . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
Dénitions : . . . . . . . . . . . . . . . . . . . . . . . . . . 14
Formulation du problème : . . . . . . . . . . . . . . . . . . 16

6 Réalisation du système ANC 18

6.1 Principe de fonctionnement . . . . . . . . . . . . . . . . . . . . . . 20
6.1.1 Capteurs piézo-électrique : . . . . . . . . . . . . . . . . . . 20
6.1.2 Signal de Commande . . . . . . . . . . . . . . . . . . . . . . 22
6.1.3 Principe d'identication des paramètres . . . . . . . . . . . 23
Modèle ARMA
24

2018-2019 TER U-PSUD

Page 1/34
 Université Paris Sud M1 E3A TABLE DES MATIÈRES

7 Poutre Vibrante 25
7.1 Principe de Fonctionnement . . . . . . . . . . . . . . . . . . . . . . 25
Réponse indicielle . . . . . . . . . . . . . . . . . . . . . . . 29

8 Conclusion 33
9 Bibliographie et références : 34

2018-2019 TER U-PSUD

Page 2/34
 Université Paris Sud M1 E3A TABLE DES FIGURES

Table des gures

1 Schéma fonctionnel du système ANC utilisant l'algorithme FXLMS 7
2 Diérents modèle entrée/sortie . . . . . . . . . . . . . . . . . . . . 10
3 Stabilite d'une bille : AS, I, S et AGS . . . . . . . . . . . . . . . . . 13
4 Exemple d'asservissement d'un correcteur à 2ddl . . . . . . . . . . 14
5 Exemple de structure RST avec correction dans une chaine de retour
et perturbation en entrée . . . . . . . . . . . . . . . . . . . . . . . 15
6 Armoire utilisée pour le Contrôle Actif du bruit . . . . . . . . . . . 19
7 la vitre de l'armoire . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
8 spectre de fréquence du bruit d'un souk de Marrackesh . . . . . . . 20
9 Schéma équivalent du piezo . . . . . . . . . . . . . . . . . . . . . . 21
10 Amplicateur de charge utilisé . . . . . . . . . . . . . . . . . . . . 21
11 Signal Chirp implémenté sur matlab . . . . . . . . . . . . . . . . . 23
12 schéma d'identication . . . . . . . . . . . . . . . . . . . . . . . . . 23
13 signaux échantillonnés . . . . . . . . . . . . . . . . . . . . . . . . . 24
14 Schéma Block ARMA . . . . . . . . . . . . . . . . . . . . . . . . . . 25
15 poles et zero du système . . . . . . . . . . . . . . . . . . . . . . . . 27
16 réponse à un échelon . . . . . . . . . . . . . . . . . . . . . . . . . . 28
17 réponse indicielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
18 Diagram de nyquist . . . . . . . . . . . . . . . . . . . . . . . . . . 29
19 réponse indicielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
20 Diagramme de bode . . . . . . . . . . . . . . . . . . . . . . . . . . 30
21 Signal de sortie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

2018-2019 TER U-PSUD

Page 3/34
 Université Paris Sud M1 E3A TABLE DES FIGURES

INTRODUCTION

2018-2019 TER U-PSUD

Page 4/34
 Université Paris Sud M1 E3A 1 INTRODUCTION

1 Introduction
1.1 Résumé
Le travail d'étude et de recherche proposé consiste à mener une
étude sur la faisabilité de la réduction du bruit acoustique rayonné à
travers une paroi, telle qu'une fenêtre, en utilisant un asservissement
visant à établir un contrôle actif des vibrations, et ceci à l'aide d'un ou
plusieurs excitateurs électromagnétiques comme actionneurs de défor-
mation dynamique,permettant de transformer toute surface solide, sur
laquelle ils sont posés, en haut parleur audio avec une bande passante
pouvant atteindre les 20kHz .
Le but est de parvenir à une quasi isolation-acoustique d'un volume
donné par rapport à une source de bruit et ceci à l'aide d'une solution
par contrôle actif qui soit bon-marché.

1.2 Aperçu général

La nuisance sonore, ou pollution sonore est devenue en quelques années un pro-
blème majeur des grandes métropoles,à cause des diérentes sources constantes du
bruit on cite comme exemple, le trac routier et ferroviaire, les engins de construc-
tion et autres sources d'intensités variables.
Les grandes villes comme Paris ont établi des plans d'attaque pour réduire cette
pollution, le Plan de Prévention du Bruit Environnemental (PPBE)[4] consiste par
exemple à améliorer la qualité acoustique de la ville de Paris en proposant des sys-
tèmes diérents, un des axes de ce projet est l'amélioration de la qualité sonore
des immeubles, en proposant des systèmes de réduction de bruit urbain.
Les méthodes traditionnelles pour la réduction du bruit utilisent des techniques
dites passives comme les barrières 1 , des doubles vitrages ou isolement ecace d'ha-
bitations. Ces solutions simples permettent eectivement de réduire d'une manière
ecace le bruit de haute fréquence mais elle sont peu ecaces face au bruit de
basse fréquence et leurs couts sont excessivement élevés et ne sont pas adaptés au
bruit des vibrations mécaniques 2 , qui sont une des plus importantes sources de
bruit.
En conséquence de ces problèmes, on a introduit l'étude du contrôle actif du bruit
(ANC 3 ).

1. barrières en ciment utilisées à côté des autoroutes pour réduire le bruit lié aux voitures
2. lorsque une surface vibre à une basse fréquence celle-ci crée un bruit
3. Voire la partie "Active Noise Control"

2018-2019 TER U-PSUD

Page 5/34
 Université Paris Sud M1 E3A 2 CONTRÔLE ACTIF DU BRUIT

1.3 Idée de la réalisation

Pour pouvoir réaliser un contrôle actif du bruit, il faut créer à une échelle
réduite un système sur lequel on peut eectuer les corrections nécessaires pour
réduire la nuisance sonore, le bruit doit être rayonné à travers une fenêtre ou une
paroi, dans une pièce dans laquelle on a des capteurs qui calculent l'intensité du
bruit, puis en utilisant des actionneurs à l'intérieur de la pièce on génère un signal
(anti-bruit) qui se superpose au bruit rayonné an de l'atténuer. Les capteurs qui
seront utilisés dans cette expérimentation seront par exemple des microphones.
Pour les actionneurs, une fois le système est réalisé nous opteront à la meilleure
solution d'instrumentation pour choisir entre les diérents actionneurs existants en
commerce. Le but est de réaliser une structure bon-marché qui permettrait l'étude
du contrôle actif du bruit.

2 Contrôle actif du bruit

2.1 Système ANC
Un système ANC est un système électroacoustique qui atténue le bruit primaire
indésirable en utilisant le principe de superposition 4 , ce système sera utilisé lors
de ce travail de recherche pour d'abord établir le modèle fonction de transfert.
Le système est composé d'une chambre, une paroi et d'une ou des sources de bruits
an de faire un contrôle permettant de réduire le bruit reçu dans la chambre en
temps réel.

2.2 Systèmes ANC existants

Un système ANC peut être divisé en 6 catégories selon les diérents algorithmes
utilisés pour le ltre adaptatif :
 Broadband feedforward ANC.
 Narrowband feedforward ANC.
 Feedback ANC.
 Multiple-chennel ANC.
4. deux signaux de même amplitude mais déphasés avec une phase bien choisie leur somme
est alors nulle

2018-2019 TER U-PSUD

Page 6/34
 Université Paris Sud M1 E3A 2 CONTRÔLE ACTIF DU BRUIT

 Online secondary-path modeling ANC.

et d'autres types de contrôle actif du bruit. [1] Pour la réalisation de l'expérience
deux types de système ANC sont introduits :
ANC avec FXLMS 5 algorithme.
 ANC utilisant un bruit aléatoire.

2.2.1 Feedforward ANC system monocanal à large bande avec FXLMS

algorithme[2]

Comme montre dans Fig.4, le signal d (n) un signal du bruit primaire à annuler,
la fonction de transfert P (z) représente le chemin principal du microphone de
référence au microphone d'erreur et S (z) est la fonction de transfert du chemin
secondaire entre la sortie du ltre adaptatif W (z) et la sortie du microphone
d'erreur. La fonction de transfert S(z) peut être estimée par un ltre adaptatif
Ŝ (z) en utilisant des techniques de modélisation en ligne du chemin secondaire.[1]

Figure 1  Schéma fonctionnel du système ANC utilisant l'algorithme FXLMS

Pour assurer la convergence de l'algorithme LMS 6 , nous plaçons un ltre d'es-

timation dans le chemin du signal de référence à l'algorithme LMS. Comme le ltre
d'estimation Ŝ (z) ltre le signal de référence x (n) pour l'algorithme LMS, il est
5. Filted-X least-mean-square algorithm-
6. voir ltrage adaptatif

2018-2019 TER U-PSUD

Page 7/34
 Université Paris Sud M1 E3A 3 IDENTIFICATION DU SYSTÈME

donc appelé l'algorithme FXLMS.

3 Identication du système
En automatique l'identication du système est une technique qui consiste à
obtenir un modèle mathématique à partir de mesures. L'objectif principal est
d'observer les diérentes entrées et sorties du système pour pouvoir modéliser
mathématiquement ce dernier, selon les diérents types de modèle.

3.1 Propriétés générales pour l'identication :

Avant de construire le système, on doit dans un premier temps identier les dif-
férentes entrées et sorties, et observer le comportement du système pour construire
un modèle raisonnable.
An d'avoir un modèle optimale, on doit répondre à ces contraintes :

• Existe-t-il une réalisation minimale pour ce système ?

• Existe-t-il une solution unique ?
• Existe-t-il une solution adaptative aux perturbations et au changement des
entrées et sorties ?
Pour qu'on puisse le faire plus facilement, on doit trouver une réalisation minimale.
Dans ce cas, il y aura plusieurs solutions et on doit alors choisir une d'entre elle
en prenant en compte les spécicités du système telle que sa stabilité aux bruits
liés aux diérentes sources (entrées bruités - perturbations)...etc .
Pour pouvoir résoudre ce problème il faut identier le bruit mis en jeu à partir des
mesures, c'est-à-dire la mesure de leur fréquence, l'amplitude et leur phase.Et en-
suite utiliser les bons estimateurs pour se rapprocher le plus possible de la solution
réelle.

3.1.1 Classication du modèle :

Avant de construire un modèle pour notre système, il est nécessaire de rappeler
qu'on peut citer plusieurs méthodes d'identication.
Mais ces méthodes ont toute un point commun, leur constructions obéit à un
modèle élémentaire telle qu'on a une entrée u, une sortie y et l'état du système à
l'instant t qui est la variable d'état x et qui obéit à une équation d'état.
Si le système est linéaire la modélisation est donnée par :
dx
= f (x, u, β) = A(t)x(t) + B(t)u(t)
dt

2018-2019 TER U-PSUD

Page 8/34
 Université Paris Sud M1 E3A 3 IDENTIFICATION DU SYSTÈME

y = g (x, u, β) = C(t)x(t) + D(t)u(t)

x : vecteur d'état.
u : vecteur d'entrée.
β : vecteur des paramètres.
y :vecteur de sortie.

Ce type de système est introduit dans la section modèle d'état (4.1.1 )

Classication du signal d'entrée

L'objectif est de choisir un bon signal d'entrée, pour bien étudier la réponse du
système. Donc il est nécessaire de savoir quel est le type du signal en entrée par
exemple : impulsion, un échelon ou un signal sinusoïdal bruité ou non.

En général, le système n'est pas idéal l'erreur en n'est pas nulle, on peut mo-
déliser cette erreur qui existe entre la sortie mesurée et celle désirée en continu
par : Z T
V (y, ym ) = e2 (t)dt
0
Dans l'exemple de la gure si-dessous
Dans le cas ou e est l'erreur de sortie on a e = y − M (u)ym , M (u) est la sortie
du modèle lorsque l'entrée du signal est u
Dans le cas ou e est l'erreur d'entrée e = u − um = u − M −1 y
Dans le cas général on a e = M2−1 y − M1 u représente un modèle inversible

2018-2019 TER U-PSUD

Page 9/34
 Université Paris Sud M1 E3A 3 IDENTIFICATION DU SYSTÈME

Figure 2  Diérents modèle entrée/sortie

2018-2019 TER U-PSUD

Page 10/34
 Université Paris Sud M1 E3A 5 MODÉLISATION DU SYSTÈME

4 Systèmes multivariables
La diculté essentielle pour l'identication du système multivariable est de
trouver une représentation raisonnable du système. Une fois on a la représentation,
on peut construire le système comme une combinaison de systèmes mono variables.

4.0.1 Système non-linéaire

Soit le système représenté par son équation d'état :
dx
= f (x, u, β)
dt
ym = g (x, u, β)
On dénit la fonction de perte ou fonction coût V par
Z T
V (y, ym ) = V (β) = [y(k) − ym (k, β)]2 dt
0

où y est la sortie de processus et ym la sortie du modèle.

En fait le problem d'identication des paramètres d'un système non-linéaire conduit
a un problem d'optimisation non-linéaire. Plusieurs methodes sont discutées dans
[6].

5 Modélisation du système  Pré-requis

5.1 Système mono-variable
5.1.1 Fonction de transfert
soit un système d'entrée u(t) et sortie y(t) dont la relation entrée-sortie en
continue dans le domaine temporelle est décrite par le produit de convolution
y(t) = h ∗ u = 0 h(t)u(t − τ )dτ cette relation dans le domaine de Laplace est
R +∞

donnée par
Y (p)
H(p) =
U (p)
.
On dénie alors la fonction de transfert comme la relation existante entre l'entrée
d'un système et sa sortie, cette dernière permet de décrire certaines propriétés des
systèmes telle que leur stabilité, leur gain, la largeur de bande de fréquence sur
laquelle on peut travailler...etc

2018-2019 TER U-PSUD

Page 11/34
 Université Paris Sud M1 E3A 5 MODÉLISATION DU SYSTÈME

5.1.2 Modèle d'état

Représentation

Soit un système à temps continu S représente par

y(t)(n) + an−1 y(t)(n−1) + · · · + a1 y(t)(1) + a0 y(t) = cn u(t)(n) + · · · + c1 u(t)(1) + c0 u(t)
ou par
C(s)
G(s) := = D + G̃(s)
A(S)

ou
B(s) bn−1 sn−1 + · · · + b1 s + b0
G̃(s) = = n
A(s) s + an−1 sn−1 + · · · + a1 s + a0
7
, il existe des démarches dites de réalisation sous forme d'état qui consistent à
déterminer un vecteur d'état x(t) ∈ Rn ∀t ∈ R+ et un quadruplet de matrice
(A(,B,C,D) tel que S s'écrive sous forme d'état, dont l'état initiale est x(0)
ẋ = Ax + Bu
S où
y = C x + Du
A ∈ Rn×n est la matrice d'évolution du système
B ∈ Rn×1 est la matrice d'application de la commande u(t)
C ∈ R1×n est la matrice d'observation de la sortie y(t)
D ∈ R1×1 est la transmission directe de u(t) vers y(t).
Pour
( les systèmes à temps discret, on a
Xk+1 = Ad Xk + Bd uk
Sd
yk = Cd Xk + Dd uk

Commandabilité et observabilité

Soit un système S représenté sous forme d'état, il serait alors

- commendable : si, et seulement si la matrice de commandabilité C (A, B) est
de rang plein, c'est-à-dire rangC (A, B) = rang([B AB · · · An−1 B]) = n 8

- observable : si, et seulement si la matrice d'observabilité O(C, A) est de

rang plein, c'est-à-dire rangO(C, A) = rang([C CA · · · CAn−1 ]T ) = n

7. D est une constante et G̃(s) est une fraction strictement propre, c'est-à-dire deg(B(s)) <
deg(A(s))
8. Rappelons que A ∈ Rn×n est la matrice d'évolution du système.

2018-2019 TER U-PSUD

Page 12/34
 Université Paris Sud M1 E3A 5 MODÉLISATION DU SYSTÈME

Stabilité

Système dynamique à l'équilibre

Un système est à équilibre lorsque son vecteur d'état n'évolue pas au cours du
temps. Cela se traduit par ẋ(t) ≡ 0 ∀t ≥ 0 pour le système analogique S , et par
Xk +1 − Xk ≡ 0 ∀k ≥ 0 pour le système numérique Sd .

État d'équilibre
Un état équilibre du système autonome 9 est un vecteur d'état constant qui
vérie Axe = 0 pour le système analogique ou (Ad − 1n )Xe = 0 pour le système
numérique.

Stabilité

- Stabilité au sens de Lyapunouv :

Après met un petit changement à un système à l'état d'équilibre, les perfor-
mances de stabilité du système peut être divisées en 4 catégories : simple-
ment stable(S), asymptotiquement stable(AS), globalement asymp-
totiquement stable(AGS), instable(I). Comme illustre dans Fig.

Figure 3  Stabilite d'une bille : AS, I, S et AGS

- Stabilité au sens EBSB 10 :

9. Un système est dit autonome lorsqu'il n'est soumis a aucune entrée.
10. Entrée bornée sortie bornée

2018-2019 TER U-PSUD

Page 13/34
 Université Paris Sud M1 E3A 5 MODÉLISATION DU SYSTÈME

Le système S est stable au sens EBSB si et seulement si ∀x0 ∈ Rn et

∀u(t) ∈ R borné, alors y(t) restent borné.

5.2 Correcteur à deux degrés de liberté

[6] On considère un système linéaire, stationnaire, causal, cadencé à la fréquence
fe = T1e dont la fonction de transfert est H(z) entre le signal de commande u(z) et
le signal de sortie mesuréy(z) est donnée par la fraction rationnelle :
B(z)
H(z) =
A(z)

ou A est un polynôme monique telle que deg A > deg B |n > m

cette fonction de transfert est d'ordre n et elle est supposée strictement propre

Dénitions :

Dénition 1 Un correcteur à deux degrés de liberté est un correcteur qui possède

une sortie s(z) et deux entrées e1 (z) et e2 (z) et dont la relation entrées sorties peut
être mise sous la forme

s(z) = C1 (z)e1 (z) + C2 (z)e2 (z)

où C1 et C2 sont deux fonction de transfert en z propres et quelconques

Figure 4  Exemple d'asservissement d'un correcteur à 2ddl

2018-2019 TER U-PSUD

Page 14/34
 Université Paris Sud M1 E3A 5 MODÉLISATION DU SYSTÈME

u(z) correspond à la transformée en z du signal numérique un .

ν(z) : TZ 11 du signal de sortie du correcteur.
y(z) TZ du signal de sortie à régler.
µ(z) TZ du signal de sortie mesuré.
e(z) signal de consigne.
p(z) TZ du signal de perturbation.
η(z) TZ du signal de bruit mesuré.

Dénition 2 Un correcteur RST est un correcteur à 2 degrés de liberté pour lequel

la loi de commande associé conduit à la relation polynômiale :

R(z)ν(z) = −S(z)µ(z) + T (z)e(z)

ou R ; S ; T sont des polynômes de degré respectivement de ρ; σ et τ

Il existe plusieurs congurations selon la causalité et les degrés respective des

polynômes R,S et T.
La fonction de transfert du correcteur peut s'écrire sous la forme :
S(z) T (z)
ν(z) = − µ(z) + e(z)
R(z) R(z)

par exemple si on a les contraintes de causalités suivantes : τ ≤ ρ et σ ≤ ρ la

fonction de transfert du correcteur devient :
T (z) S(z)
ν(z) = (e(z) − µ(z)
R(z) T (z)

ce qui est présenté dans la Fig.12

Figure 5  Exemple de structure RST avec correction dans une chaine de retour
et perturbation en entrée
11. transformé en z d'un signal yn est dénie telle que TZ[yn ]= ai z i
P
i∈Z

2018-2019 TER U-PSUD

Page 15/34
 Université Paris Sud M1 E3A 5 MODÉLISATION DU SYSTÈME

Formulation du problème :

Le problème de synthèse d'un correcteur RST consiste à déterminer les polynômes

RST conférant au système certaines propriétées de stabilité, de performance et de
robustesse.
Ainsi pour répondre à ce problème on déni un Cahier des charges dont les
étapes sont telle que :
 Concevoir un modèle de référence noté Hd (z) pour le transfert consigne-sortie
en boucle fermée ce système sera modélisé par une fonction de transfert de forme
Hd (z) = B d (z)
Πd (z)
avec Πd est le polynôme caractéristique du système en respectant
certaines étapes pour l'élaboration de ce modèle qui sont :
1. La Latitude du polynôme Bd qui doit inclure toutes les racines de B
2. propriétés du régime transitoire
3. Choix des pôles rapide
4. Pôles stable à utiliser
5. insertion des zéros stables
6. Insertion des zéros instables
7. respecter l'exigence sur le retard relatif et autres spécications par exemple
le rejet d'une perturbation
 Résolution du problème de placement de pôles [6]

2018-2019 TER U-PSUD

Page 16/34
 Université Paris Sud M1 E3A 5 MODÉLISATION DU SYSTÈME

Expérimentation et Modélisation

2018-2019 TER U-PSUD

Page 17/34
 Université Paris Sud M1 E3A 6 RÉALISATION DU SYSTÈME ANC

6 Réalisation du système ANC

En raison d'un manque de temps et des déciences au niveaux des
capteurs/actionneurs piézo , le système présenté dans cette section n'a pas pu être
expérimenté, donc les données de l'expérience n'ont pas pu être enregistrées et
donc l'étude de ce système n'est pas faite.

Pour pouvoir réaliser un système de contrôle actif du bruit, les encadreurs ont
imaginé une expérience, avec une armoire trouvée dans le commerce de dimension
1m × 0.4m équipé d'une vitre.
An d'assurer une meilleure isolation du bruit, on isole les parois de l'armoire par
une mousse rigide.
Cette armoire à deux entrées au fond, qu'on notera e1 et e2 , ces deux entrées sont
deux microphones qui envoient un signal audio équivalent au bruit urbain par
exemple le bruit d'une ville enregistré...etc.
La vitre est équipée de 4 capteurs piézo-électriques ci i = 1, 4 qui une fois le
système modélisé vont permettre de réduire le bruit rayonné à travers la vitre, en
manque de temps le placement des piézo-électrique est fait d'une manière intuitive
sans calculer l'emplacement optimal pour réduire ecacement la vibration de la
vitre. La gure suivante montre l'armoire parfaitement isolée ainsi que la vitre.

2018-2019 TER U-PSUD

Page 18/34
 Université Paris Sud M1 E3A 6 RÉALISATION DU SYSTÈME ANC

Figure 6  Armoire utilisée pour le Contrôle Actif du bruit

Figure 7  la vitre de l'armoire

2018-2019 TER U-PSUD

Page 19/34
 Université Paris Sud M1 E3A 6 RÉALISATION DU SYSTÈME ANC

6.1 Principe de fonctionnement

Le système qui sera étudié est un système SISO (une seule entrée et une seule
sortie ).
L'entrée unique est un des microphones ei et la sortie est un des 4 piézo. En
comparant le rapport signal-bruit, on choisit la paire entrée-sortie ayant le plus
grand RSB. Le microphone choisi envoi un bruit urbain, nous avons pour ce fait
téléchargé une bande son de youtube du bruit d'un souk de marrackesh pour imiter
le bruit d'une ville.
L'analyse du spectre fréquentiel du bruit en utilisant matlab est présentée dans la
gure 9 , on remarque que le bruit a une bande de fréquence de 100Hz à 4000Hz, ce
bruit va dénir ensuite le type de signal de commande qu'on choisira, pour pouvoir
avoir un modèle mathématique du système.

Figure 8  spectre de fréquence du bruit d'un souk de Marrackesh

La sortie de notre système est un capteur piezo, pour pouvoir utiliser le signal
en sortie du capteur, un montage à base d'AOP est utilisé pour pouvoir amplier
le signal capté.
Le signal de commande utilisé est un signal chirp pour pouvoir balayer les fré-
quences utiles. Ce signal de commande nous permettra de contrôler un actionneur
(microphone acheté dans le commerce) et ainsi réduire la vibration de la vitre.

6.1.1 Capteurs piézo-électrique :

La piézoélectricité (du grec  piézein  presser, appuyer) est la propriété possé-
dée par certains corps qui se polarisent électriquement sous l'action d'une contrainte
mécanique. Inversement, ces corps peuvent se déformer sous l'action d'un champ

2018-2019 TER U-PSUD

Page 20/34
 Université Paris Sud M1 E3A 6 RÉALISATION DU SYSTÈME ANC

électrique. Ce phénomène a été découvert au XIXème siècle par les frères Pierre
et Jacques Curie.

Figure 9  Schéma équivalent du piezo

Les piézo utilisés dans l'expérience doivent être relié à un amplicateur pour
pouvoir exploiter le signal et surtout ne pas saturer les capteurs, le schéma d'am-
plication du piézo-electrique est donnée dans la gure suivante

Figure 10  Amplicateur de charge utilisé

La fonction de transfert de ce système est :

V0 Cr jωRt Cr
H= =−
Q/Ct Cc 1 + jωRt Cr

2018-2019 TER U-PSUD

Page 21/34
 Université Paris Sud M1 E3A 6 RÉALISATION DU SYSTÈME ANC

On doit alors choisir les résistances Rt et Cr pour pouvoir avoir une bonne ampli-
cation.
La capacité d'un piézo est donnée par
S
C t = ε0 εr
e
Ou S est la surface du piezo.
e sa largeur en mm.
ε0 permittivité du vide.
La résistance Rt est de l'ordre du M Ω.
On trouve après calcul que la capacité du condensateur du circuit d'amplica-
tion est de 10nF mais en raison du vieillissement du piezo nous avant utilisé un
condensateur plus important.

6.1.2 Signal de Commande

Le signal de commande utilisé est un signal chirp. Un signal chirp est un signal
pseudo-periodique modulé en fréquence autour d'une fréquence porteuse et il est
également modulé en amplitude , sa forme générale est
s(t) = α(t)eφ(t)

Dans notre expérience nous allons implémenter un chirp linéaire qui varie entre
deux fréquence sur une durée T.
La fréquence f0 est la fréquence initiale on la choisi de 0.01Hz et la fréquence nale
f1 est de l'ordre de 2kHz, l'ordre des fréquences utilisées est le même ordre des
fréquences du bruit. par dénition on a
1 dφ
f (t) =
2π dt
Ou f (t) est la fréquence instantanée du signal et φ sa phase.
Un chirp linéaire est un signal sinusoïdale pour lequel la fréquence instantanée
augmente linéairement de f0 à f1 (up-chirp) ou diminue de f1 à f0 . De cette
dénition on a alors la fréquence instantané du chirp est donnée par :
f (t) = f0 + kt
f −f
Avec k = 1 0
ou T est la durée pour laquelle le signal passe de la fréquence f0
T
à f1 la forme du signal est alors
k
c(t) = sin(f0 t + t2 ) = sin(ω(t)t)
2
2018-2019 TER U-PSUD
Page 22/34
 Université Paris Sud M1 E3A 6 RÉALISATION DU SYSTÈME ANC

Figure 11  Signal Chirp implémenté sur matlab

Il était préférable d'utiliser un signal chirp périodique et logarithmique, mais on

n'a pas réussi à implémenter sur matlab un signal chirp logarithmique malgré de
nombreuse tentative, donc on a utilisé qu'un chirp pseudo-periodique pour pouvoir
contrôler l'actionneur.

6.1.3 Principe d'identication des paramètres

Pour modéliser mathématiquement notre système, nous allons utilisé une mé-
thode d'identication dite ARMA, comme vu dans l'introduction nous allons réa-
liser un schéma comme montré dans cette gure :

Figure 12  schéma d'identication

Le but est de trouver un algorithme qui permet de trouver une erreur minimal

2018-2019 TER U-PSUD

Page 23/34
 Université Paris Sud M1 E3A 6 RÉALISATION DU SYSTÈME ANC

D(εi ).
L'erreur est donnée par la diérence entre la sortie du système et la sortie du
modèle calculé on trouve alors que

n = Ysn − Ymn

Le critère d'identication pour l'algorithme ARMA est appelé le critère des moindres
carrés telle que
n
X
J = min D((n)) = min( (ys (n) − ym (n))2 )
k=0

Modèle ARMA
Soit un signal y généré par signal d'entrée u représenté par leurs échantillons à
l'instant k.

Figure 13  signaux échantillonnés

On a alors
u(t) = [uk , · · · , uk+m ]
et
y(t) = [yk , · · · , yk+N ]
On obtient alors que le signal s'écrit sous la forme

a0 yk + a1 yk+1 + ... + aN yk+N = b0 uk + ..... + bm uk+m

Si a0 6= 0 le système est alors causal, l'intérêt d'une telle représentation c'est qu'on
a une innité d'échantillons et un nombre ni de paramètres ce qui permet de
résoudre les équations des paramètres inconnu.
Le modèle Arma se construit alors comme montré dans la gure 15 avec d un
retard pur multiple de la période d'échantillonnage

2018-2019 TER U-PSUD

Page 24/34
 Université Paris Sud M1 E3A 7 POUTRE VIBRANTE

Figure 14  Schéma Block ARMA

Connaissant les sorties du système y(k − 1) on peut alors prédire la sortie y(k)
à l'instant k on a alors
X X
ŷ(k) = bj u(k − j − d) − ai y(k − i)

En introduisant l'opérateur de retard q −1 et la transformé en Z on déduit que le

système s'écrit comme
n
X m
X
yk (1 + ai q ) = uk ( (bk q −j )q −d
−i

i=0 j=0

D'ou
yA(q −1 ) = q −d B(q −1 )u
Donc le modèle ARMA est un ltre Entrées / Sorties. On utilisera par la suite
l'algorithme des moindres carrées pour calculer les paramètres.

7 Poutre Vibrante
En Raison d'un problème au niveau des piézo-électriques et au manque de
temps pour la réalisation de l'expérimentation , l'encadreur a réalisé un seul test
avec une poutre vibrante, pour pouvoir voir comment on utilise, la carte dspace
pour faire de l'acquisition de données, le système sur lequel on est supposé travaillé
n'était pas abouti donc, on a fait 2 expériences diérentes sur le sujet de thèse de
Monsieur Tliba, qui est la poutre vibrante.

7.1 Principe de Fonctionnement

Une tige métallique est xé à son extrémité à un boitier, sur cette dernière on
ajoute un capteur et un actionneur piézo.
Le signal de commande (le chirp) est amplié avec un amplicateur de tension,
avec un facteur de 1V/200V, pour pouvoir contrôler la vibration de la poutre.

2018-2019 TER U-PSUD

Page 25/34
 Université Paris Sud M1 E3A 7 POUTRE VIBRANTE

Le capteur envoie ainsi un signal amplié grâce à l'amplicateur de charge

L'acquisition des données se fait grâce à la carte D-space.
Quand on applique le signal u(t) = sin(f0 t + f1 −f
T
t ) avec :
0 2

f0 = 0.01Hz
f1 = 2000Hz
T = 10s
On échantillonne le signal à une fréquence de de 20.000Hz soit une période d'échan-
tillonnage Te = 10−5 s.
On Observe alors une oscillation de la poutre avec un bruit strident quand on
atteint la fréquence de résonance de la poutre.
Les données recueillies sont traitées en hors ligne pour pouvoir modéliser le sys-
tème.
Grâce à l'algorithme d'identication vu précédemment on peut alors déduire les
paramètres de cette manière : On a

J = min(Y − Hθ)T (Y − Hθ)

H

Avec H = [X1 , ...., Xn ] matrices des entrées.

Et θ = [a1 , ....an , b1 , ..., bm ] matrice des paramètres
On cherche à minimiser J pour avoir un estimateur proche de la sortie réelle, ce
qui donne que
θ = (H T H)−1 H T y
Le code Matlab de l'implémentation est donnée en Annexe. Après le traitement des
données, on calcul le modèle fonction de transfert du système discret on Obtient
que
−0.212z −1 + 0.002772z −2 + 0.5928z −3 + 0.08849z −4 − 0.6609z −5
y(z) = u(z)
1 − 0.2966z −1 − 2.654z −2 + 0.2763z −3 + 2.755z −4
On a réalisé un système ou les polynômes A(z) et B(z) sont d'ordre de 10 pour une
meilleure précision sur les calculs. La gure suivante donne les zéros et les pôles
du système poutre

2018-2019 TER U-PSUD

Page 26/34
 Université Paris Sud M1 E3A 7 POUTRE VIBRANTE

Figure 15  poles et zero du système

On remarque que les pôles sont inclus dans le cercles unité ce qui montre que
le système est stable, ce qui signie que si la poutre est écartée de sa position
d'équilibre qui est en l'occurrence α = 0 ou αest l'angle entre l'axe z de la poutre
et son axe , celle si tend à y revenir, on peut aussi observer sa dans sa réponse à
un échelon, si un système est stable pour une entrée bornée sa réponse est bornée
ce qu'on appelle stabilité entrée bornée/sortie bornée et dans le diagramme de
nyquiste le point (-1,0) est à droite du graphe d'ou le système est stable.

2018-2019 TER U-PSUD

Page 27/34
 Université Paris Sud M1 E3A 7 POUTRE VIBRANTE

Figure 16  réponse à un échelon

Figure 17  réponse indicielle

2018-2019 TER U-PSUD

Page 28/34
 Université Paris Sud M1 E3A 7 POUTRE VIBRANTE

Figure 18  Diagram de nyquist

Réponse indicielle La réponse à un échelon montre bien que le système est

stable, la réponse indicielle est une réponse typique d'un système qui oscillant, vu
que la barre oscille et retrouve son état d'équilibre, on peut remarquer le temps
de stabilité est de 45ms et que le premier dépassement est de l'ordre de quelques
microsecondes

Figure 19  réponse indicielle

On observe que le système a une fréquence de résonance de l'ordre de 2000Hz

environs.
L'étude du système de poutre nous a ainsi permet d'approcher mathématiquement
un système physique, et grâce aux outils de calculs Matlab simulink nous avons
pu observer les caractéristiques du système.

2018-2019 TER U-PSUD

Page 29/34
 Université Paris Sud M1 E3A 7 POUTRE VIBRANTE

Figure 20  Diagramme de bode

On observe qu'il y a 3 modes de résonances aux fréquences 1000Hz, 1200Hz,

3000Hz. il s'agit de point singulier de la fonction de transfert.

2018-2019 TER U-PSUD

Page 30/34
 Université Paris Sud M1 E3A 7 POUTRE VIBRANTE

Figure 21  Signal de sortie

La gure 21 représente le signal capté par le piézo-électrique on remarque que

le signal est sinusoïdal et pseudo périodique

2018-2019 TER U-PSUD

Page 31/34
 Université Paris Sud M1 E3A 7 POUTRE VIBRANTE

Conclusion

2018-2019 TER U-PSUD

Page 32/34
 Université Paris Sud M1 E3A 8 CONCLUSION

8 Conclusion
Ce travail de recherche et d'étude a été assez contrarient à cause du
retard cumulé pour la réalisation du système du contrôle actif du bruit
ce qui nous a poussé à changer le sujet en faisant de l'identication sur
une poutre vibrante.
Ce TER nous a permis de découvrir le fonctionnement du control du
système et il nous a permis de se confronter au travail des chercheurs
et aux diérentes contraintes liées à leur travail.
Malgré toutes ces contraintes, on a apprécié particulièrement le travail
en équipe, et l'aspect de commander un système.
Dans ce projet nous avons pu réaliser une identication d'un système
physique en l'occurrence l'exemple de la poutre vibrante, et modéli-
ser mathématiquement ce système pour pouvoir étudier sa stabilité
(EBSB), son fonctionnement dans le domaine fréquentiel ainsi que sa
réponse à une excitation externe.
Pour le contrôle actif du bruit, ça aurait pu être intéressant de modé-
liser le système pour pouvoir faire un placement des pôles d'un correc-
teur RST, an de répondre à la problématique de la nuisance sonore
dans les grandes métropoles.
Ce TER nous a aussi aidé à maitriser l'outil de programmation scienti-
que Matlab, en exploitant les diérentes interfaces qui y sont incluses
comme simulink, pour générer des signaux à temps réel.
Ainsi nous avons mis en pratique nos connaissances dans la réalisation
d'une modélisation d'un système physique an de pouvoir le contrôler,
ce qui était très dynamisant mais d'une autre part l'organisation du
TER et le manque de temps nous a contraint à ne pas répondre au
cahier des charges et à notre problématique sur le contrôle d'un bruit
rayonné à travers une fenêtre.

2018-2019 TER U-PSUD

Page 33/34
 Université Paris Sud M1 E3A RÉFÉRENCES

9 Bibliographie et références :
Références
[1] Sen M. Kuo, Dennis R. Morgan, Active Noise Control : A Tutorial Review,
PROCEEDINGS OF THE IEEE, VOL.87, NO.6, JUNE 1999
[2] Sen M. Kuo, Hsien-Tsai Wu, Nonlinear Adaptive Bilinear Filters for Active
Noise Control Systems, IEEE TRANSACTIONS ON CIRCUITS AND SYS-
TEMSI : REGULAR PAPERS, VOL.52, NO.3, MARCH 2005
[3] L.J. Eriksson and M.C. Allie, Use of random noise for on-line transducer
modeling in an adaptive active attenuation system, J.Acoust.Soc.Am., Vol.85,
No.2, February 1989
[4] Mairie de Paris Plan de Prévention du Bruit Urbain,Recueil des actes admi-
nistratifs de la préfecture Paris - recueil no 105 édité le 10/07/2012.
[5] Introduction au ltrage adaptatif J.-F. Bercher P. Jardin  ESIEE Paris I4-
TTS 2003.
[6] T. Sami Synthèse de correcteurs par placement de pôles- Octobre 2009, Révisé
en Novembre 2015
[7] stream, Karl Johan ; Eykho, Pieter, System Identication : A Survey. Auto-
matica, 7, 123-162, 1971.

2018-2019 TER U-PSUD

Page 34/34