Univ. Abd.

Essaâdi Mécatronique Identification

ENSA de Tétouan 3ème Année C. d’Ingénieur Paramétrique

Travaux Dirigés
Partie I
Identification des Systèmes

Exercice 1
Soit un ensemble de mesures yi dont le modèle est x(t) = at. Les mesures sont données par :

t(sec) 1 2 3
y(t) 1.90 4.10 5.90

1.a. Déterminer la valeur optimale â du modèle pour le jeu de mesures considéré, en utilisant
la méthode des moindres carres simples.

1.b. On desire calculer la valeur prise par le modèle pour t = 4s , en utilisant la méthode de
récurrence simplifiée construite a partir du résultat de rang 3. Déterminer les elements
intervenant dans la méthode récurrente, en particulier hT4 , R4 = H4T H4 et Q4 = H4T Y4 .
En déduire la valeur de â4 pour une mesure y4 = 8.2 .

1.c. Définir les éléments intervenant dans la méthode de recurrence générale, en particulier
hTn+1 , Kn+1 et Pn+1 . Pour des valeurs initiales P0 = 100 et â0 = 1 , déterminer les
estimations successives â1 , â2 , â3 et â4 .

Exercice 2
Soit un ensemble de mesures yi dont le modèle est x(t) = a0 + a1 t. Les mesures sont les
suivantes :
t(sec) 0 1 2
y(t) 1.00 2.00 3.00

2.a. Définir les éléments intervenant dans la méthode récurrente, en particulier hTn+1 , kn+1
et Pn+1 . On choisira comme valeurs initiales P00 = 1000I et θ00 = 0.

2.b. Pour chaque instant de mesure, calculer la valeur des paramètres prises par le modèle
et la valeur de y donnée par le modèle (on veillera à conserver la précision des calculs
pour éviter tout blocage de l’algorithme). Commenter le comportement du modèle.

Exercice 3
Soit un système linéaire du premier ordre de gain K et de constante de temps τ , paramètres
dont on desire estimer les valeurs par les moindres carrés à partir d’une observation échantillonnée
de l’entrée et de la sortie.
L’observation des signaux aux instants d’échantillonnage a donné les mesures suivantes :

Travaux Dirigés 1/10 M. SANBI

Univ. Abd. Essaâdi Mécatronique Identification
ENSA de Tétouan 3ème Année C. d’Ingénieur Paramétrique

n 1 2 3 4
u(n) 1 -1 1 1
y(n) 1.04 -0.52 0.74 1.37

3.a. Montrer qu’un système du premier ordre discretisé a pour équation de récurrence
y(n) = a1 y(n − 1) + b0 u(n) (utiliser la méthode d’Euler pour discrétiser la dérivée).
Donner l’expression de a1 et b0 en fonction de K, Te et τ .
3.b. Par la méthode des moindres carrés simples, construire la matrice H permettant de
déterminer de façon optimale les paramètres â1 et b̂0 du modèle discret. En déduire
les valeurs de K et τ pour une période d’échantillonnage de 1sec .
3.c. Mettre en place la méthode récursive d’estimation des paramètres; préciser la struc-
ture du vecteur hTn+1 de problème. Itérer la méthode à partir des conditions initiales
suivantes P0 = 1000I et θ0 = 0.
3.d. Pour justifier plus précisément le modèle de récurrence, on se propose de discrétiser la
représentation d’état continue.
Représenter le système sous forme d’état, préciser les matrices A, B, C et D. Pour
une entrée u en échelon d’amplitude u0 et une condition initiale X0 , donner la valeur
de l’état X(Te ) à l’instant Te . En déduire l’équation de récurrence permettant de
déterminer la sortie à l’instant nTe . Comparer avec le modèle simplifie donne par la
méthode d’Euler.

Exercice 4
Soit un système du 1er ordre dont on désire estimer les paramètres caractéristiques à partir
de l’observation de la réponse impulsionnelle.

Le relevé de la réponse impulsionnelle a donné :

t(sec) 0 1 2 3 4 5
y(t) 1.90 1.20 0.75 0.50 0.20 0.20

4.a. Donner la forme théorique x(t) de la réponse impulsionnelle du circuit du premier

ordre. Est-elle linéaire par rapport aux paramètres K et a ? Justifier.
4.b. Pour linéariser le modèle, on se propose de former x1 (t) = ln(x(t)) en posant k =
ln(K). Le modèle x1 (t) est-il linéaire par rapport à ses paramètres?
4.c. Déterminer â et k̂ à partir des mesures par la méthode des moindres carres. En déduire
K̂, ainsi que les valeurs de x̂(t) aux instant de mesure.
K
4.d. Peut-on appliquer la même méthode au système .
(p + a)2

Travaux Dirigés 2/10 M. SANBI

Univ. Abd. Essaâdi Mécatronique Identification
ENSA de Tétouan 3ème Année C. d’Ingénieur Paramétrique

Exercice 5
On désire estimer la valeur des paramètres d’un système par analyse de sa réponse impulsion-
nelle par la méthode des moindres carrés simples puis récursifs. On suppose que la fonction
Y (p) 1
de transfert du système est : L(p) = = .
U (p) p+1
Le relevé de la réponse impulsionnelle a donné les mesures suivantes:

t (sec) 1 2 3 4 5
y(t) 0.70 0.43 0.32 0.19 0.15

5.a. Donner la forme x(t) théorique de la réponse impulsionnelle de ce système. Est-elle

linéaire par rapport au paramètre a ? Proposer une méthode de linéarisation

5.b. Déterminer la valeur optimale de â par la méthode des moindres carrés simples.

5.c. En déduire la valeur estimée ŷ(t) calculée aux points d’échantillonnage. Reporter sur
un même graphe les valeurs de y(t) et ŷ(t). Calculer la valeur du critère quadratique
J(â). Conclure sur la qualité de l’estimation de y .

5.d. On reprend la détermination de par la méthode des moindres carrés récursifs. Définir
la dimension des matrices P et K intervenant dans le processus itératif.
On fixe P0 = 100I et θ0 = 0.
Donner le détail de la première boucle d’itération. Quelle est la valeur de â1 et de ŷ1 ,
comparer avec la valeur de la méthode directe.
Donner les valeurs suivantes de â et ŷ. La convergence vers la valeur finale est-elle
rapide ? Tracer sur le graphe précédent ŷ(t) obtenu par la méthode récursive. Conclure
sur son intérêt dans le cas présent.

Exercice 6
La sortie d’un système a été observé à des instants d’échantillonnages réguliers. Le relevé
des mesures est le suivant :
ti (sec) -2 -1 0 1
y(ti ) 0.90 0.10 1.00 3.89

On désire modéliser la sortie avec un modelé de la forme x = c0 + c1 t + c2 t2 .P

Soit εi l’erreur entre le modelé x(ti ) et la mesure yi faite a l’instant ti et J = 4i=1 ε2i l’erreur
quadratique cumulée.

6.a. Tracer le graphe des mesures expérimentales

6.b. Montrer que les valeurs optimales des coefficients du modèle sont données par :
4
X 4
X 4
X
εi t2i =0 ; εi t i = 0 ; εi = 0
i=1 i=1 i=1

Travaux Dirigés 3/10 M. SANBI

Univ. Abd. Essaâdi Mécatronique Identification
ENSA de Tétouan 3ème Année C. d’Ingénieur Paramétrique

6.c. Appliquer le calcul aux mesures du tableau. Montrer que le système se ramène à
un système de 3 equations a 3 inconnues. Résoudre le système et donner les valeurs
optimales ĉ0 , ĉ1 , ĉ2 des coefficients du modèle.

6.d. Déterminer les valeurs x̂(ti ) du modèle aux instant d’échantillonnage et en déduire
Jmin .

6.e. Rechercher le minimum de x̂(t) et l’instant tmin pour lequel ce minimum est obtenu.
La valeur de tmin est-elle un instant d’échantillonnage ? Quel sera la valeur de x̂(2) ?

6.f. Reprendre la détermination des paramètres optimaux par la méthode matricielle.

Exercice 7
La méthode d’identification proposée a pour objectif de déterminer les paramètres d’un
système continu dont l’entrée est un signal u(t) quelconque. Pour le problème, le système
est du 1er ordre et l’entrée est un échelon unitaire. La réponse à l’échelon y(t) expérimentale
pour des conditions initiales nulles est donnée sur la figure ci-dessous.

b0
7.a. On prend comme modèle la fonction de transfert L(p) = (1). Déterminer
1 + a1 p
graphiquement les paramètres a1 et b0 du modèle (Ces valeurs devront être retrouvées
par la méthode d’identification proposée).

7.b. Quelle est l’équation différentielle associée à cette fonction de transfert pour des C.I.
nulles ? Cette équation faisant apparaı̂tre des dérivées des signaux, on se propose de
les faire disparaı̂tre par intégration sur l’intervalle [0,τ ] des deux membres de l’équation
différentielle.
Donner l’expression de cette nouvelle équation. Montrer qu’elle peut se mettre sous
la forme a1 y(τ ) − b0 U (τ ) = Y (τ ) (2) ; préciser les fonctions Y (τ ) et U (τ ) . Peut-on
déterminer les paramètres a1 et b0 à partir d’une seule valeur de τ ?

Travaux Dirigés 4/10 M. SANBI

Univ. Abd. Essaâdi Mécatronique Identification
ENSA de Tétouan 3ème Année C. d’Ingénieur Paramétrique

7.c. Pour déterminer les paramètres du modèle, on se propose d’écrire n fois l’équation (2)
aux instants τ1 , τ2 , ..., τn . Montrer que l’ensemble des ”n” équations peut se mettre
sous la forme Hθ = Y avec θ = [a1 b0 ]T . Préciser le contenu et les dimensions de H
et Y . Quelle est la solution θb optimale au sens des moindres carrés ?
7.d. On propose de mettre en œuvre la méthode pour τ = {1s, 2s, 3s, 4s, 5s}.
- Relever sur le graphique les valeurs de la réponse bruitée y(t) pour t = {0, 1, 2, 3, 4, 5}
- Construire un tableau faisant apparaı̂tre les lignes t, τ, u(t), y(t), U (τ ), Y (τ ). Pour le
calcul de U (τ ) et Y (τ ), utiliser la méthode d’intégration des trapèzes.1
- En déduire les valeurs des matrices H et Y . En déduire les paramètres optimaux a1
et b0 du modèle. Ces valeurs sont-elles proches des valeurs obtenues graphiquement ?
- Calculer les valeurs prises par le modèle aux instants t et les comparer aux mesures
relevées. Conclure sur l’efficacité de la méthode.

Exercice 8
ke−tr p
Soit un système du premier ordre avec retard de la forme L(p) = avec k gain statique,
τp + 1
tr retard pur et τ constante de temps
8.a. Représenter sommairement la réponse y(t) à l’échelon unitaire u(t) .
8.b. Montrer que l’équation différentielle a pour expression:

y(t) = 0 pour 0 < t < tr
(1)
τ ẏ + y(t) = ku(t − tr ) pour t > tr

8.c. En intégrant (1), montrer que :

Z t
y(τ1 )dτ1 = −τ y(t) + k(t − tr ) (2)
0

  Rt
8.d. En posant Θ = τ k ktr et Ψ(t) = 0
y(τ1 )dτ1 Montrer que la relation (2) se met
sous la forme
Ψ(t) = ΦT (t)Θ (3)
Donner l’expression de ΦT .
8.e. On fait n mesures sur le système aux instants (t1, t2, ..., tn ) Montrer que les équations
(3) s’écrivent sous la forme :
 T
Ψ = ψ(t1 ) ψ(t2 ) ... ψ(tn ) = HΘ (4)

8.f. Donner l’expression du vecteur Ψ et de la matrice H . Quelle est la dimension de H ?

8.g. Comment obtient t-on la valeur optimale de Θ au sens des moindres-carrés?
1
Le principe est d’assimiler la région sous la courbe représentative de la fonction f à un trapèze et d’en
f (a) + f (b) Rτ
calculer l’aire : T1 = (b − a) + T0 avec T0 est l’ancienne valeur de T1 . Ici Y (τ ) = y(t)dt.
2

Travaux Dirigés 5/10 M. SANBI

Univ. Abd. Essaâdi Mécatronique Identification
ENSA de Tétouan 3ème Année C. d’Ingénieur Paramétrique

Exercice 9
k
Soit un système du premier ordre sans retard de la forme L(p) = avec k gain statique
τp + 1
et τ constante de temps . La réponse a un échelon unitaire a donne le relevé suivant:

t (sec) 0 1 2 3 4 5 6 7 8 9 10
y(t) 0 0.26 0.46 0.56 0.65 0.67 0.72 0.73 0.72 0.74 0.78

9.a. Faire le graphe de la réponse expérimentale y(t) de ce système.

Déterminer par méthode graphique le gain et la constante de temps duR système.
t
Compléter le tableau de données avec la valeur numérique de ψ(t) = 0 y(τ1 )dτ1 aux
instants d’observation.
 T
9.b. Aux instants ti = 2s,4s, 6s, 8s, construire le vecteur Ψ = ψ(t1 ) ψ(t2 ) ... ψ(tn )

−y(t1 ) t1
 −y(t1 ) t2 
et la matrice H4 =  ...
.
... 
−y(t1 ) tn
 T
9.c. Soient Θ = τ k les paramètres à identifier. Sachant que Ψ4 = H4 Θ, donner la
meilleure estimation des paramètres Θ̂ avec les moindres-carrés.

9.d. Calculer les valeurs de la réponse à l’échelon du modèle identifié aux instants t =
0, 1, ..., 10s et tracer le graphe en superposition avec la réponse expérimentale. La
méthode donne-t-elle des résultats acceptables ?

9.e. On désire prendre en compte l’observation en t=10s dans la méthode d’identification.

tracer le graphe en superposition avec la réponse expérimentale. La méthode donne-t-
elle des résultats acceptables ?

9.f. On desire prendre en compte l’observation en t=10s dans la méthode d’identification.

Déterminer la nouvelle valeur des paramètres Θ̂5 en utilisant la méthode recursive de
base.

Exercice 10
On désire déterminer les paramètres du modèle d’un signal sinusoı̈dal avec niveau continu.
Le modèle utilisé est de la forme: x(t) = a.cosωt + b.sinωt + c.
La pulsation ω supposée être connue.
Les mesures y(t) sont faites aux instants d’échantillonnages iTe avec i[0, N − 1].
 T
10.a. On définit X vecteur modèle X = x(0) x(Te ) ... x((N − 1)T e) et Y vecteur
des mesures .
Déterminer la matrice H telle que X = Hθ avec vecteur des paramètres θ = [a b c]T .
Préciser les dimensions de cette matrice H .

Travaux Dirigés 6/10 M. SANBI

 Univ. Abd. Essaâdi Mécatronique Identification
ENSA de Tétouan 3ème Année C. d’Ingénieur Paramétrique

10.b. Donner l’expression détaillée permettant d’obtenir la meilleure estimation des paramètres
θ̂ à partir des mesures Y .

10.c. Dans le cas où T e = 2π/N (les N échantillons représentent exactement une période du
signal), faire les calculs et donner l’expression finale de â, b̂ et ĉ.
La présence d’un niveau continu a-t-elle modifié les résultats du calcul de â et b̂ par
rapport à celui du modèle sans niveau continu ? Comment ĉ est-il obtenu ?
On rappelle que :
N −1 N −1 N −1
X
2 2π N X
2 2π N X 2π 2π
cos (i ) = ; sin (i ) = ; cos(i )sin(i ) = 0
i=0
N 2 i=0
N 2 i=0
N N

Exercice 11
Soit un signal échantillonné à la cadence Te . On observe le signal sur une fenêtre [horizon]
de (2p + 1) points centres autour de la nième mesure prise comme point de reference. Ces
(2p + 1) mesures sont modélisées par un modèle d’equation : x(t) = a + bt.

11.a. Peut-on prendre comme origine du problème l’instant nTe au lieu de l’instant t = 0 en
posant t = τ + nTe ? En déduire que le modèle peut s’écrire xn (τ ) = an + bn τ avec
−pT e ≤ τ ≤ pT e .

11.b. Déterminer les coefficients de modélisation optimaux au sens des moindres carrés ân et
b̂n à partir des (2p + 1) mesures faites. En déduire qu’ils sont obtenus par calcul d’une
somme pondérée des mesures.
ˆ
11.c. Quelles sont les valeurs de x̂(nTe ) et celle de ẋ(nT e) ?

11.d. Déterminer les variances des paramètres estimés si chaque mesure est entachée d’une
erreur aléatoire de variance σ 2 . Comment évoluent ces incertitudes en fonction de p ?

11.e. Reprendre l’étude avec un modèle x(t) = a + bt + ct2 .

Exercice 12

On désire effectuer des mesures de la pression au sein d’un bassin

en fonction du niveau de l’eau. L’appareillage électronique utilisé
(capteurs, ampli, filtres, conditionneurs...) donne des erreurs de
mesures plus ou moins différents des valeurs théoriques des lois
de la physique. La variation de la pression est supposée linéaire
en hauteur et donnée par y = ax + b. On cherche à construire
le modèle le proche possible en utilisant la méthode des moindres
carrées simples.

Travaux Dirigés 7/10 M. SANBI

 Univ. Abd. Essaâdi Mécatronique Identification
ENSA de Tétouan 3ème Année C. d’Ingénieur Paramétrique

12.a. Selon les lois de la physique, que représente a et b. Réécrire donc l’équation linéaire
en fonction de la pression P et le niveau d’eau ∆z.

Pour mesurer cette pression, on est amené à réaliser plusieurs mesures. Soit (xi , yi ) les ièmes
mesures obtenues sur un total de mesures N . On a donc : yi = axi + b pour i = 1, 2, ..., N .
12.b. Citer quelques causes qui provoquent l’erreur de mesures par rapport aux valeurs
idéales données par les lois physiques.
12.c. Exprimer l’erreur ε relative à cette mesure en fonction de xi et yi . Donner l’expression
du critère J min qui minimise cette erreur en utilisant la méthode des moindres carrés.
12.d. Déterminer les valeurs estimées b
a et bb. Pour quelle condition les paramètres b
a et bb ne
peuvent être déterminées.
12.e. A.N. : Compléter le tableau ci-dessous sachant que g = 10m.s−2 ; ρeau = 103 kg/m3 ;
P0 = 1.013 × 105 P a; z0 = 0.

xi = hauteur (m) 10 20 30 40 50
yi,théorique (×105 Pa)
yi, mesurée (×105 Pa) 2.230 3.419 3.996 5.002 5.782
yi, modèle (×105 Pa)

Exercice 13
Soit les deux modèles d’identification donnés ci-dessous :

13.a. Donner le nom de chaque modèle. Quelle est la particularité de ces deux modèles.
13.b. Pour chaque modèle, préciser le vecteur des paramètres à déterminer ainsi que les
fonctions de transfert.
13.c. Pour le modèle (1), quels termes représentant ”la partie régressive” et ”l’entrée exogène”
? Que devient ce modèle si na = 0 ?
13.d. Quel modèle faut-il préférer en qualité d’estimation ? Justifier votre choix.
13.e. Quel modèle proposez-vous pour améliorer la qualité d’estimation de ces deux modèles.
Justifier votre proposition et dessiner ce modèle.

Travaux Dirigés 8/10 M. SANBI

Univ. Abd. Essaâdi Mécatronique Identification
ENSA de Tétouan 3ème Année C. d’Ingénieur Paramétrique

Exercice 14
Un système sans bruit soumis à une rampe unité donne la sortie suivante.

k 0 1 2 3 4 5
uk 0 1 2 3 4 5
yk 0 0 7 7 42 -14

On se propose d’identifier un modèle paramétrique de la forme

yk = −a1 yk−1 + b1 u2k−1

14.a. Écrire la relation précédente pourk = 4 et k = 3.

14.b. Montrer que ces deux équations peuvent se mettre sous une forme matricielle de la
forme : y = Xθ + e

14.c. Déterminer les coefficients a1 et b1 .

Exercice 15
Un premier modèle issu d’un modèle de connaissance, est donné par la figure ci dessous.

15.a. Voyant que le système est intégrateur, comment procéder pour obtenir un modèle
paramétrique du système ?

15.b. Déterminer les paramètres d’une séquence binaire pseudo aléatoire pour procéder à
une identification paramétrique de ce système.

15.c. Quel modèle entre ARX et ARMAX donnera les meilleurs résultats.

Exercice 16
16.a. L’estimation des paramètres d’un modèle ARMAX donne les résultats ci-dessous (d=0).
Selon ces résultats, quelle serait la structure la plus plausible du procédé réel (justifier)?

Travaux Dirigés 9/10 M. SANBI

 Univ. Abd. Essaâdi Mécatronique Identification
ENSA de Tétouan 3ème Année C. d’Ingénieur Paramétrique

Paramètre Valeur Écart Type

a1 1.5930 0.0420
a2 0.6305 0.0389
b1 0.0361 0.0074
b2 0.0333 0.0099
c1 0.0587 0.0625
c2 0.0355 0.0569

16.b. L’estimation des paramètres d’un modèle OE donne les résultats ci-dessous (d=0).
Selon ces résultats, quel serait le retard le plus plausible du procédé réel si la période
d’échantillonnage est de 2 secondes (justifier)?

Paramètre Valeur Écart Type

f1 0.8303 0.0012
b1 0.0079 0.0129
b2 0.0098 0.0254
b3 0.0115 0.0263
b4 0.3029 0.0283
b5 0.6326 0.0196

Exercice 17
Expliquer comment, en théorie, il est possible d’estimer sans biais les paramètres d’un
système Box-Jenkins à l’aide des moindres carrés simples. Quelle est la difficulté pratique
associée à votre approche?

Exercice 18
Soit le système ci-dessous pour lequel le signal e(k) est un bruit blanc gaussien.
1
y(k) = z −1 u(k) + e(k)
1 − 0.8z −1
Les données suivantes sont disponibles :

k ŷ(k | k − 1) y(k) u(k)

3 2.90 3.90 0.70
4 3.42 3.80 1.10
5 3.58 4.00 1.20
6 3.52 4.20 1.00

Donner l’équation de prédiction à un pas minimisant la variance de l’erreur de prédiction de

même que la valeur numérique de ŷ(7|6) .

Travaux Dirigés 10/10 M. SANBI