Université de Boumerdès - FHC

Cours d’Identifcation des Systèmes

Chapitre 2

Méthodes d’identification non paramétriques

Pr Habbi H. – habbi@univ-boumerdes.dz
 Université de Boumerdès - FHC

Contenu
1. Identification par la réponse indicielle
1.1 Système du 1er ordre
1.2 Système du 2nd ordre amorti
1.3 Système d’ordre élevé (Strejc, Broïda)
1.4 Système intégrateur

2. Identification par la réponse impulsionnelle

2.1 Déconvoluion
2.2 Corrélation
2.3 Méthode de Wiener-Hopf

Pr Habbi H. – habbi@univ-boumerdes.dz
 Université de Boumerdès - FHC

1. Identification par la réponse indicielle

1.1 Système du 1er ordre
Y (s) k
Le modèle à identifier est du type: G ( s )   0 e  s
U ( s ) Ts  1 u (t )
k 0 : Le gain statique
t
T : La constante de temps 0
y (t )
G
 : Le temps de retard
k0 y (t )
 Réponse indicielle: y (t )  1[ e  s ]
t s (Ts  1) k0
0;

y (t )     
 t  

k 1 e  T 
; t   y2
 0 
   y1
 k 0  y ( )
 Soit (t1, y1), (t2, y2) deux points prélevés sur la  t1 t 2 t
courbe de réponse indicielle normalisée. Alors: Réponse indicielle normalisée
t 2  t1  k  y1
ln  0


T
 k  y1  t 2 x  t1 x   k0 
ln  0   ,  k  y2 
k  y x 1 ln  0 
 0 2 
 k0 
Pr Habbi H. – habbi@univ-boumerdes.dz
 Université de Boumerdès - FHC

1. Identification par la réponse indicielle (suite)

1.2 Système du 2nd ordre amorti
Si la réponse indicielle du système présente un amortissement, il est possible de choisir
un modèle de la forme:
Y (s) k0 k 0 02
G (s)   2 2  2 y (t )
U ( s ) T s  2Ts  1 s  20 s  02
Extrémum
k 0 : Le gain statique y1
T  1 0 : La constante de temps
k0
0 : La fréquence naturelle
y2
 : Le facteur d’amortissement
G (s)
 Réponse indicielle: y (t )  1[ ]
s

y (t )  k 0  1 

1
1  2
 
e  0t sin 0 1   2   ,   arccos( )
  t1 t2 t
  Réponse indicielle
 n
 t n  avec A  1   2
y (t n )  0   0 A
1
 y (t )  k (1  ( 1) n M n ) avec M  e  A 
 n 0

Pr Habbi H. – habbi@univ-boumerdes.dz
 Université de Boumerdès - FHC

1.2 Système du 2nd ordre amorti (suite)

 k 0  y ( )
y1  y 2
 y1  k 0 (1  M ), y 2  k 0 (1  M 2 )  M 
y1

1
 ln M
 M e A

 2  ln 2 M
 2  1
 t1  , t2   0  ; T 
0 A 0 A (t 2  t1 ) 1   2 0

1.3 Système d’ordre élevé

 Méthode de Strejc
Cette méthode permet d’identifier des systèmes présentant une réponse indicielle
apériodique. Le modèle à identifier est de la forme:
Y (s) k0
G (s)   e  s n : L’ordre du système
U ( s ) (1  Ts ) n

Pr Habbi H. – habbi@univ-boumerdes.dz
 Université de Boumerdès - FHC

 Méthode de Strejc (suite)

y (t )
 Procédure de calcul:
k0
 k 0  y ( )
yi  Calculer Tu Ta  En déduire n
Q  Calculer Ta T  En déduire T
'
 Pour n, le tableau indique: Tu T a
ti t  Corriger et prendre:   Tu  Tu
'

Tu Ta
 Tableau de Strejc
n 1 2 3 4 5
Ta/T 1 2.718 3.695 4.463 5.119
Tu/T 0 0.282 0.805 1.425 2.100
Tu/Ta 0 0.104 0.218 0.319 0.410

Pr Habbi H. – habbi@univ-boumerdes.dz
 Université de Boumerdès - FHC
 Méthode de Broïda
Sous l’hypothèse que la constante de temps d’un système d’ordre élevé peut ne pas
être identique à tous les sous-systèmes qui le composent, Broïda propose d’identifier
un modèle de la forme:
Y (s) k 0 e  s k 0 e  s
G (s)   
 T  1  Ts 1  T s   1  T s 
n
U (s)

i 1
1  s 
 i   2   n 

Le calcul des paramètres de ce modèle s’effectue selon la même procédure décrite

pour la méthode de Strejc, sauf qu’il faut utiliser le tableau de Broïda
 Tableau de Broïda

n 1 2 3 4 5 6
Tu/Ta 0 0.096 0.192 0.268 0.331 0.385
T/Ta 1 0.500 0.440 0.420 0.410 0.400

Pr Habbi H. – habbi@univ-boumerdes.dz
 Université de Boumerdès - FHC
 Cas particulier: Méthode de Broïda pour un système du 1er ordre
Pour un système apériodique, le modèle de Broïda du 1er ordre s’obtient pour n = 1 et
est de la forme:
Y ( s ) k 0 e  s y (t )
G (s)  
U ( s ) 1  Ts k0

u (t ) y2
y
E1 y1 0 .4  y
0.28 y
E0 u

0
t 0
t1 t

y t2
 Le gain statique: k 0 
u
 La constante de temps: T  5.5(t 2  t1 )
 Le temps de retard:   2.8t1  1.8t 2

Pr Habbi H. – habbi@univ-boumerdes.dz
 Université de Boumerdès - FHC

1. Identification par la réponse indicielle (suite)

1.4 Système intégrateur
Un système intégrateur est caractérisé par le fait qu’une variation en échelon appliquée
à son entrée provoque une réponse en rampe. La méthode de Strejc pour un système
intégrateur propose d’identifier un modèle de la forme: y (t )
u (t )
Y (s) k0 1 E0
G (s)  
U ( s ) s (1  Ts ) n t t
0 0
y (t ) G
( d ' ) : y  at

C ( d ) : y  a (t  t 0 )  Procédure de calcul:
a
B  0 E (Gain en vitesse)
k 
t 0
A  AB/AC  déduire n
0 t0 t
T 0
n 1 2 3 4 5 n
AB/AC 0.368 0.271 0.224 0.195 0.175

Pr Habbi H. – habbi@univ-boumerdes.dz
 Université de Boumerdès - FHC

2. Identification par la réponse impulsionnelle

 Réponse impulsionnelle h(t): C’est la réponse d’un système à une impulsion de Dirac



u (t )   (t ) y (t )
(t )  0, t  0; (t )  1; [(t )]  1

t t
Y (s) 0
h(t)
H (s)   Y (s)
( s )
 L’approximation de δ(t) par une impulsion brève à durée finie et d’énergie limitée
conduit à une sortie non significative qui ne permet pas de déterminer h(t)
 Il faut donc déterminer h(t) par une voie indirecte (Déconvolution, Corrélation, …)
2.1 Déconvolution
 Convolution en temps continu: la réponse y(t) d’un système continu à une entrée
quelconque u(t) est donnée par le produit de convolution:
t
u (t ) u (t )  u ( k ), k  0,1,2,  y (t ) y (t )  y ( k ), k  0,1,2, 

y (t )  h (t )  u (t ) 
 h (t   )u (  ) d 
0

0 t 0 t
 
Pr Habbi H. – habbi@univ-boumerdes.dz
 Université de Boumerdès - FHC
2.1 Déconvolution (suite)
u (t )  u ( k ), y (t )  y ( k ), h(t )  h( k )
En posant t  k,   i , puis en appliquant la méthode des rectangles, le produit de
convolution s’écrit:
k 1

 h k  i  u i    u ( 0 ) h ( k  )  u (  ) h (( k  1)  )    u (( k  1)  ) h (  ) 
y (k ) 
i0

1 1 
k 1

 h (k )   y ( k  )   h  k  i   u i   , u ( 0 )  0
u ( 0 )   i 1 

 Convolution en temps discret: la réponse y(k) d’un système discret à une entrée
quelconque u(k) est donnée par le produit de convolution:
k

y (k )  h(k )  u (k )   h ( k  i )u (i )  u (0 ) h ( k )  u (1) h ( k  1)    u ( k ) h (0 )
l0
y (0)
k  0  y (0)  u (0)h (0)  h (0) 
u (0)
y (1)  h ( 0 ) u (1)
k  1  y (1)  u ( 0 ) h (1)  u (1) h ( 0 )  h (1) 
u (0)
 1 
k

 h(k )   y (k ) 
u ( 0 )  i 1
h ( k  i ) u  i  ,

u (0)  0

Pr Habbi H. – habbi@univ-boumerdes.dz
 Université de Boumerdès - FHC
2.2 Corrélation
2.2.1Quelques définitions:
 Auto-corrélation: La fonction d’auto-corrélation d’un signal x(t) est définie par :
T /2
1
Rxx ( )  E x (t ) x (t    lim
T 
T 
T / 2
x (t ) x (t  ) dt x (t ) x (t   )

T /2
1
 lim
T 
T  x(t  ) x(t )dt
T / 2
0
 t
T
 Intercorrélation: La fonction d’intercorrélation entre deux signaux x(t) et y(t) est définie par :
T /2 T /2
1 1
Rxy ( )  E x (t ) y (t    lim
T 
T 
T / 2
x (t ) y (t  ) dt  lim
T 
T  x(t  ) y(t )dt
T / 2



 Densité spectrale:  xx ( f )  TF Rxx ()  Rxx () exp  j 2f d




 Densité interspectrale:  xy ( f )  TF Rxy ()  Rxy () exp  j 2f d


Pr Habbi H. – habbi@univ-boumerdes.dz
 Université de Boumerdès - FHC
2.2 Corrélation (suite)
2.2.2 Quelques propriétés:
 Rxx ( )  Rxx (  )  Rxy ( )  Rxy (  )
2
 Rxx (0)  x (t )  Rxy (0)  x (t ) y (t )
2
 Rxx ( )  x (t )  Rxy ( )  x (t )  y (t )
1
 Rxx ( )  Rxx (0)  Rxy ( )  ( Rxx (0)  R yy (0))
2
2.2.3 Rxx de quelques fonctions:
a) x (t ) Rxx ( )  ( )  xx ( f ) d) x (t ) Rxx ()  xx ( f )
Bruit blanc (*)
t  f t  f

b) x (t ) Rxx ()  xx ( f )
(*) Bruit blanc: Une séquence à moyenne nulle et
t  f variance infinie. Ne possède pas de représentation
en tenps continu. Un bruit blanc discret paut être
c) x (t ) Rxx ()  xx ( f ) représenté par une SBPA car sa fonction d’auto-
corrélation peut être est assimiilée à un impulsion
t  f
de Dirac.
 f0 f0

Pr Habbi H. – habbi@univ-boumerdes.dz
 Université de Boumerdès - FHC
2.2 Corrélation (suite)
2.2.4 Principe de détermination de la réponse impulsionnelle h(t):
t
u (t )   (t ) y (t )
y (t )  h (t )  u (t ) 
 h (t   )u (  ) d  t t
 Résullat: On peut démontrer que:
0
0

h(t)
Ruy ( )  h( )  Ruu ( ) 
 h (  ) R (    ) d
0
uu

TF Ruy ( )  TF h( )  Ruu ( )   uy ( f )  H ( f )   uu ( f )

 D’après ce résultat, on admet que si l’on choisit comme entrée u(t) un bruit blanc, dont
la fonction d’auto-corrélation est assimilable à une implusion de dirac, on obtient:
 uy ( f )  H ( f )  Ruy ( )  h( )

xe (t ) u (t ) y (t )
Système
x (t )

Générateur
Corrélateur
(Calcul de Ruy) h(t )

Pr Habbi H. – habbi@univ-boumerdes.dz
 Université de Boumerdès - FHC
2.3 Méthode de Wiener-Hopf
 Etant donné un ensemble de données d’entrée/sortie {u(k), y(k), k = 0,…, N}, prélevées au
cours d’essais d’identification du système. La relation de Winer-Hopf est utilisée pour
déterminer la réponse impulsionnelle h(k), k=0,…,N, à partir de ces données expérimentales.
 Relation de Wiener-Hopf:



u (k ) y (k )
Ruy (l )  h(l )  Ruu (l )  h( k ) Ruu (l  k ) h(k)
k 0

 Les fonctions d’auto-correlation et d’intercorrélation peuvent être estimées en utilisant les

expressions suivantes:
N l

Ruu (l ) 
1

N  l i 1
u (i ).u (i  l )

N l

Ruy (l ) 
1
N l  u(i). y(i  l )
i 1

 Procédure de calcul:
 Pour les systèmes stables, il suffit de déterminer les premiers “s+1” éléments de h(k), c’est-à-
dire, en écrivant la relation de Winer-Hopf pour l = 0,.., s.

Pr Habbi H. – habbi@univ-boumerdes.dz
 Université de Boumerdès - FHC
2.3 Méthode de Wiener-Hopf (suite)
Ruy (0)  h(0) Ruu (0)  h(1) Ruu ( 1)  h( 2) Ruu ( 2)    h( s ) Ruu (  s )
Ruy (1)  h(0) Ruu (1)  h(1) Ruu (0)  h( 2) Ruu ( 1)    h( s ) Ruu (1  s )
Ruy ( 2)  h(0) Ruu ( 2)  h(1) Ruu (1)  h( 2) Ruu (0)    h( s ) Ruu ( 2  s )

Ruy ( s )  h(0) Ruu ( s )  h(1) Ruu ( s  1)  h( 2) Ruu ( s  2)    h( s ) Ruu (0)

 Ruy (0)   Ruu (0) Ruu ( 1) Ruu ( 2)  Ruu (  s )   h(0) 
 R (1)  
 uy   Ruu (1) Ruu (0) Ruu ( 1)  Ruu (1  s )   h(1) 
  Ruy ( 2)    Ruu ( 2) Ruu (1) Ruu (0)  Ruu ( 2  s )    h( 2) 
     
            
 Ruy ( s )   Ruu ( s ) Ruu ( s  1) Ruu ( s  2)  Ruu (0)   h( s ) 
 

Ruy  uu [( s  1)  ( s  1)] H

 H   uu1 .Ruy
La fonction d’auto-corrélation est paire, d’où: Ruu ( l )  Ruu (l )

Pr Habbi H. – habbi@univ-boumerdes.dz