Élaboration D'une Plate-Forme de Calculs Numériques D'un Modèle D'état À La Base D'une Approche Phénoménologique: Cas D'un Four Rotatif de Clinker

Élaboration d’une plate-forme de calculs numériques
d’un modèle d’état à la base d’une approche

phénoménologique: cas d’un four rotatif de clinker
Thèse
Yoboué Guillaume N’zi
Doctorat en génie mécanique

Philosophiæ doctor (Ph.D.)
Québec, Canada
© Yoboué Guillaume N’zi, 2014

Résumé
Cette étude développe une plate-forme mathématique allant de la création d’une base de
connaissances à la mise en place d’un modèle adaptatif. Une nouvelle approche en ce qui
concerne la modélisation du four rotatif du clinker a été nécessaire pour mener à bien notre
étude. Ainsi, un modèle d’état du système aux paramètres repartis, à la base des phénomènes
physico-chimiques, a été conçu à l’aide d’équations aux dérivées partielles. La structure du
modèle est basée sur trois variables d’état qui peuvent décrire correctement les principaux
phénomènes (diffusions, déplacements, transferts et échanges thermiques, etc.) qui se déroulent
dans le four rotatif de clinker. En outre, ces variables d’état sont accessibles à travers des
paramètres mesurables tels que les températures de la surface extérieure du four et de l’air
ambiant. Les paramètres du modèle proposé sont des fonctions de trois variables d’état, qui tout
en remplaçant les paramètres mal connus et inaccessibles, décrivent les phénomènes physico-
chimiques qui caractérisent la complexité du système et sont définis comme des fonctions
opératoires. Cette approche permet non seulement de minimiser les erreurs (hypothèse de
simplification) mais aussi permet un accès facile et aisé des paramètres.
Nous avons élaboré une procédure d’identification basée sur des analyses phénoménologique et
dimensionnelle. Ainsi, à partir de données issues d’un complément d’instrumentation associé à
la base de connaissances, l’identification des fonctions opératoires (paramètres) a été effectuée à
partir d’un état stationnaire du système qui représente notre condition initiale. Cette opération
est importante dans la mesure où elle donne aux paramètres du modèle les propriétés de la
dynamique du système. Ces résultats sont corroborés par les estimations des variables d’état
dont les valeurs et évolutions sont acceptables.
Après l’évaluation de l’influence des fonctions opératoires sur les variables d’état, une mo-
délisation des paramètres (fonctions opératoires) du modèle a été proposée à la base d’une
décomposition physique à la lumière des connaissances fournies dans la littérature. Une pro-
cédure d’ajustement a été également développée afin de pouvoir fournir des variables d’état
optimales. Ainsi, l’erreur peut être compensée par ajustement des fonctions opératoires.
Par conséquent, à travers la rapidité de la procédure d’ajustement et l’adaptation des paramètres

du modèle dans un horizon de temps bien déterminé, le modèle renferme les caractéristiques
d’un modèle adaptatif qui pourra être un support essentiel dans la commande automatique du
iii
système.
iv
Abstract
This study develops a mathematical platform going from the establishment of a knowledge
database to the setting up of an adaptive model. This has required a new approach of modeling
of the clinker rotary kiln (CRK). Thus, a state model of distributed parameter systems, based
on physico-chemical phenomena, was designed using partial differential equations. The model
structure is based on three state variables which are: the gas, clinker temperatures and the
clinker mass distributions, and are elaborated with the help of heat, pressure and mass balance
equations. The model parameters are defined by the functions of three state variables. Moreover,
the resulting state model, decomposed into five phenomenological zones of CRK, is used as a
first step to define a set of Operating Functions (OFs). These OFs has also been decomposed into
longitudinal distribution of CRK to replace the constant, unknown or unmeasured parameters.
We develop an identification procedure based on phenomenological and dimensional analysis
where the identification of operational functions (model parameters) was performed from
a stationary state of the CRK. Once the restores state variables have been evaluated, the
desired input (which is treated as the control of the CRK) can be more easily found by the
proposed model than by simple trial and error. Moreover, the fact that the computation time,
to estimate-calibrate the OFs above-mentioned, is very short, then this dynamic computation
works faster than real-time.
In summary, the cooperation and coordination in real-time between industrial computers and
the CRK allows for an adaptable model, where each specific set of the OFs must be analyzed
by its accuracy.
v
Table des matières
Résumé iii
Abstract v
Table des matières vii
Liste des tableaux xi
Liste des figures xiii
Liste des abréviations et des sigles xvi
Remerciements xxv
Introduction 1
1 Présentation du système à la base du FRC 7

1.1 Description du système . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.2 Alimentation du système et équipements disposés aux extrémités du four (entrées) 11
1.2.1 Modules ou indices chimiques du clinker (Portland) (SCAEK, 2012) . . 12
1.3 Produits du système et équipements disposés aux extrémités du four (sorties) . 17
1.4 Complément d’instrumentation . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2 Étude Bibliographique 23
2.1 Mouvement du lit de matière (Mellmann, 2001; Ahmed Hared, 2007) . . . . . . 23
2.2 Mouvement et vitesse axial du lit de matière . . . . . . . . . . . . . . . . . . . . 27
2.3 Hauteur et temps de résidence du lit de matière . . . . . . . . . . . . . . . . . . 27
2.4 Longueur de la flamme et vitesse du gaz . . . . . . . . . . . . . . . . . . . . . . 29
2.5 Échanges et transferts de chaleur dans le four . . . . . . . . . . . . . . . . . . . 30
2.5.1 Transfert de chaleur entre le gaz et les briques réfractaires (paroi interne) 31
2.5.2 Transfert de chaleur entre le gaz et le solide (lit de matière) . . . . . . . 32
2.5.3 Transfert de chaleur entre la paroi et le solide . . . . . . . . . . . . . . . 32
2.5.4 Transfert de chaleur entre la paroi extérieure et l’environnement extérieur 33
2.6 Modèles mathématiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.7 Plate-forme de commande automatique . . . . . . . . . . . . . . . . . . . . . . . 36
2.8 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
vii
TABLE DES MATIÈRES
3 Développement d’un modèle mathématique à l’aide des phénomènes physico-

chimiques 41
3.1 Création d’une base de connaissances du système . . . . . . . . . . . . . . . . . 42
3.1.1 Détermination du nombre de point de mesure . . . . . . . . . . . . . . . 45
3.1.2 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.2 Modèle d’état du système aux paramètres repartis . . . . . . . . . . . . . . . . 48
3.2.1 Équations aux dérivées partielles du modèle . . . . . . . . . . . . . . . . 49
3.2.2 Paramètres du modèle . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.3 Procédure d’identification des fonctions opératoires . . . . . . . . . . . . . . . . 52
3.4 Étude dynamique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3.4.1 Détermination des FOPs . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3.4.2 Obtention des variables d’état . . . . . . . . . . . . . . . . . . . . . . . . 56
3.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
4 Modélisation/Approximation des paramètres du modèle d’état 61

4.1 Influences des fonctions opératoires sur les variables d’état . . . . . . . . . . . . 61
4.2 Décomposition physique des paramètres . . . . . . . . . . . . . . . . . . . . . . 67
4.3 Modélisation générale et calibrage . . . . . . . . . . . . . . . . . . . . . . . . . . 70
4.3.1 Procédure d’ajustement et Calibrage des paramètres du modèle . . . . . 72
4.3.2 Résultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
4.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
5 Prédiction des fonctions opératoires en conditions réelles du four 81

5.1 Élaboration et complément d’instrumentation . . . . . . . . . . . . . . . . . . . 82
5.2 Application et obtention des fonctions opératoires . . . . . . . . . . . . . . . . . 85
5.3 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
5.3.1 Extension à la commande automatique . . . . . . . . . . . . . . . . . . . 94
Conclusion 97
A Compositions minéralogique et chimique du clinker 101
B Obtention des équations du modèles d’état du système (Tarasiewicz et

Shahriari, 2008) 103
C Obtention des équations aux frontières 111
D Expressions mathématiques des fonctions opératoires 117
E Paramètres estimables du système et les facteurs de calibrage des fonc-

tions opératoires 119
F Fonctions opératoires identifiées 123
G Organigrammes des fonctions opératoires 127
H Fonctions opératoires calibrées 131
I Fonctions opératoires de base perturbées 135
viii
TABLE DES MATIÈRES
J Fonctions opératoires en présence de perturbation 139
K Programme de calcul avec Matlab 149
L Programme de calcul avec le langage C++ 187
M Température extérieure du four obtenue par infrarouge/scanner 205
Bibliographie 207
ix
Liste des tableaux
1.1 Critères chimiques de composition du clinker (SCAEK, 2012) . . . . . . . . . . . . 14

1.2 Principales sources des éléments mineurs, effets sur le clinker (SCAEK, 2012) . . . 15
1.3 Principales sources des éléments mineurs, effets sur le clinker (suite) (SCAEK, 2012) 16
1.4 Données utilisées dans les calculs . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4.1 Paramètres estimables du système . . . . . . . . . . . . . . . . . . . . . . . . . . . 71

4.2 Facteurs de calibrage des fonctions opératoires . . . . . . . . . . . . . . . . . . . . 73
A.1 Composition minéralogique du clinker (SCAEK, 2012) . . . . . . . . . . . . . . . . 101

A.2 Composition chimique du clinker (SCAEK, 2012) . . . . . . . . . . . . . . . . . . . 102
E.1 Paramètres estimables restants du système . . . . . . . . . . . . . . . . . . . . . . . 120

E.2 Facteurs de calibrage restants des fonctions opératoires . . . . . . . . . . . . . . . . 121
xi
Liste des figures
1.1 Four rotatif long du clinker et des zones de réactions physico-chimiques (Tarasiewicz
et Shahriari, 2008; Tarasiewicz et Remy, 2003) . . . . . . . . . . . . . . . . . . . . 8
1.2 Aspect du clinker refroidi (Baste et al., 2008) . . . . . . . . . . . . . . . . . . . . . 9
1.3 Représentation globale du système . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.4 Schéma thermique global du système . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.5 Principaux échanges de chaleur du système . . . . . . . . . . . . . . . . . . . . . . 18
2.1 Mouvement de glissement/patinage (slipping) (Mellmann, 2001) . . . . . . . . . . . 24

2.2 Mouvement de mélange (mixing) (Mellmann, 2001) . . . . . . . . . . . . . . . . . . 24
2.3 Mouvement de cataracte (cataracting) (Mellmann, 2001) . . . . . . . . . . . . . . . 25
2.4 ségrégation radiale (Ahmed Hared, 2007) . . . . . . . . . . . . . . . . . . . . . . . 26
2.5 Représentation des principaux échanges de chaleur dans un four à travers une
section transversale (condition stationnaire) . . . . . . . . . . . . . . . . . . . . . . 31
3.1 Décomposition physique des fonctions f0,3 (x,t), f0,4 (x,t), f0,0 (x,t), f0,1 (x,t) et f0,2 (x,t) 43
3.2 Profils des températures sans point de mesure à la plus haute température . . . . . 46
3.3 Profils des températures avec différents nombres de points de mesure . . . . . . . . 47
3.4 Quelques fonctions opératoires du modèle d’état identifiées . . . . . . . . . . . . . . 55
3.5 Évolution des variables d’état pour un fonctionnement stable du processus . . . . . 58
4.1 Influence de quelques FOPs sur les variables d’état . . . . . . . . . . . . . . . . . . 62

4.2 Influence de la FOP f1,1 (x, t) sur les variables d’état . . . . . . . . . . . . . . . . . 64
4.5 Organigramme des FOPs f1,1 , f2,2 et f3,1 . . . . . . . . . . . . . . . . . . . . . . . . 69
4.6 Algorithme de la procédure d’ajustement (Ding, 1999) . . . . . . . . . . . . . . . . 73
4.7 Quelques fonctions opératoires calibrées du modèle d’état . . . . . . . . . . . . . . 74
4.8 Variables d’état obtenues avec les FOPs calibrées . . . . . . . . . . . . . . . . . . . 76
4.9 Comparaison entre les variables d’état mesurées et estimées . . . . . . . . . . . . . 77
4.10 Profils de la température selon différents modèles . . . . . . . . . . . . . . . . . . . 78
5.1 Collage de matière dans un four (Tran, 2007) . . . . . . . . . . . . . . . . . . . . . 81

5.2 Cas de points de mesure balayés par un scanner et la représentation des données
obtenues . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
5.3 Schéma thermique global du système avec perturbation . . . . . . . . . . . . . . . 83
5.4 Profils de températures perturbées des briques réfractaires . . . . . . . . . . . . . . 86
5.5 Profils de températures perturbées du clinker . . . . . . . . . . . . . . . . . . . . . 86
5.6 Profil de température perturbée du clinker en 3D . . . . . . . . . . . . . . . . . . . 87
xiii
Liste des figures
5.7 Profil de température perturbée des briques réfractaires en 3D . . . . . . . . . . . . 88

5.8 Profil de la masse repartie perturbée du clinker en 3D . . . . . . . . . . . . . . . . 89
5.9 Fonction opératoire f2,2 (x, t) en présence de perturbations . . . . . . . . . . . . . . 90
5.13 Illustration globale de la commande du four rotatif . . . . . . . . . . . . . . . . . . 95
B.1 Coupe transversale du four dans la zone de séchage . . . . . . . . . . . . . . . . . . 103

B.2 Coupe transversale du four dans
la zone de décarbonatation . . . . . . x. . . . . . . 104
B.3 Allure du débit de la matière ṀC (x, t) = AC (x, t) · ρC (x, t) · νC (x, t) x+δx . . . . 105
C.1 Illustration du voisinage des frontières du système . . . . . . . . . . . . . . . . . . 111

C.2 Volume de contrôle 1 (Phase gazeuse) . . . . . . . . . . . . . . . . . . . . . . . . . 112
C.3 Volume de contrôle 2 (Phase solide) . . . . . . . . . . . . . . . . . . . . . . . . . . 113
C.4 Volume de contrôle 3 (Phase solide) . . . . . . . . . . . . . . . . . . . . . . . . . . 114
F.1 Fonctions opératoires identifiées restantes du modèle d’état . . . . . . . . . . . . . 126
G.1 Organigrammes des fonctions opératoires restantes . . . . . . . . . . . . . . . . . . 130
H.1 Fonctions opératoires calibrées restantes du modèle d’état . . . . . . . . . . . . . . 134
I.1 Fonctions opératoires de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
J.1 Fonctions opératoires en présence de perturbation . . . . . . . . . . . . . . . . . . . 148
M.1 Mesure de la température extérieure du four par infrarouge (Tarasiewicz et Remy,

2003) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205
xiv
xv
Symboles alphabétiques
Liste des abréviations et des sigles
Symboles alphabétiques
A Surface de contact, Aire d’échange, Section transversale
Ck Facteur de calibrage de la k ième fonction opératoire
Cp Capacité thermique
D Diamètre
E Énergie d’activation
Gr Nombre de Grashof
GrD Nombre de Grashof autour d’un conduit
h Coefficients de transfert thermique, Hauteur du lit de matière
∆H Chaleur de réaction, Chaleur latente
J Critère de la procédure de calibrage
Jmin Tolérance
k0 Constante pré-exponentielle
k Coefficient de conductivité
LT , L Longueur du système
fi,j , Fi,j Fonction opératoire i, j
M Masse repartie, Masse molaire
Ṁ Débit massique
n Vitesse de rotation
N Nombre d’échantillon
N um Nombre de Nusselt
P Pression
Pe Nombre de Péclet
Pr Nombre de Prandtl
Q Chaleur échangée ou transférée
q Densité de flux, Transfert de chaleur par unité de longueur
qυ Débit volumique
r Rayon
R Résistance thermique, Rayon du four
Ra Nombre de Rayleigh
xvi
Re Nombre de Reynolds
ReD Nombre de Reynolds axial
Reω Nombre de Reynolds angulaire
Rg Constante des gaz parfaits
Rr Vitesse de réaction
t Temps
T Température
Tech Période d’échantillonnage/Échantillon de temps
TMFC Temps moyen de formation de collage
V Vitesse
Yi Fraction massique de i dans le gaz
x Abscisse/space
y Sortie du four, Mesure
ŷ Prédiction du modèle
∆t Pas de discrétisation selon le temps
∆x Pas de discrétisation selon l’espace
Symboles grecs
α Diffusion thermique, Coefficient d’absorption thermique

λij , γij Coefficient ij
ν Viscosité cinématique
γ Angle d’inclinaison du four, Angle de repos dynamique
ω Vitesse de rotation
φ, β Angle au repos de la matière
θ Angle au centre
σ Constante de Stefan-Boltzmann
ε Émissivité
ρ Masse volumique
µ Viscosité dynamique
αk Ensemble des paramètres géométriques, opératoires et physiques estimables du
système de la k ième fonction opératoire
τ Temps de résidence du solide dans le four
η Fraction de remplissage de la matière
Ω, Φ, Ψ Facteur de forme rayonnement
xvii
Indices
Indices
a, O Air, Air ambiant

ap Air primaire
as Air secondaire
A, Ac Coque, Surface extérieure du four
Ain Paroi interne du four
pert Avec perturbation
stat Sans perturbation/stationnaire
Ref, B Briques réfractaires
kcol Conduction par collage de matière
C Lit de matière, Clinker, Cru, Solide
E Extérieur du four, Air ambiant
G Gaz
conv, CV Convection
rad, rd Radiation
k Conduction
g Gaz
f Fuel, Flamme
F Fuel
GB Entre le gaz et briques réfractaires
GC Entre le gaz et matière/solide
BC Entre les briques réfractaires et la matière/solide
AO, AE Entre coque et l’air ambiant
com Combustion
cal Calcination
pre Préchauffage
d Poussière ou débris de matière
dry Séchage
lit Lit de matière
e Hydraulique, Eau
CGB Convection gaz/briques réfractaires
CBb Convection briques réfractaires/matière
CGb Convection gaz/matière
RGb Radiation gaz/matière
RGB Radiation gaz/briques réfractaires
RBb Radiation briques réfractaires/matière
w Vapeur d’eau, Eau
wp Vapeur d’eau
xviii
Formules/Composés chimiques
As Arsenic
Al2 O3 Alumine
B Bore
B2 O3 Trioxyde de bore
Ba Baryum
Br Brome
CaCO3 Calcite
CaO Chaux libre
C2 S Bélite
C3 A Aluminate
C3 S Alite
C4 (AF ) Aluminoferrite
Cd cadmium
Cl Chlore
Co Cobalt
CO Monoxyde de carbone
CO2 Dioxyde de carbone
Cr Chrome
Cu Cuivre
F Fluor
F e2 O3 Oxyde ferrique
K2 O Oxyde de potassium
I Iode
Li Lithium
Mn Manganèse
M n 2 O3 Oxydes de manganèse
M gO Périclase
N a2 O Oxydes de sodium
Ni Nickel
NO Monoxyde d’azote
N Ox Oxydes d’azote
P Phosphore
P2 O5 Pentoxyde de phosphore
Pb Plomb
S Soufre
SiO2 Silice
SO2 Dioxyde de soufre
SO3 Trioxyde de soufre
xix
Abréviations
Sr Strontium
Ti Titane
T iO2 Dioxyde de titane
V Vanadium
Zn Zinc
Abréviations
CFD Computational fluid dynamics (Dynamique Computationnelle des Fluides)
EDO Équations aux dérivées ordinaires
EDP Équations aux dérivées partielles
FRC Four rotatif de clinker
FOP Fonction opératoire
FOPB Fonction opératoire de base
SPC Systèmes à paramètres concentrés
SPR Systèmes à paramètres repartis
TRM Temps de résidence moyen
HM Module hydraulique de Michaelis
TM Module aluminoferrique
SM Module silicique de Kühl
HI Indice d’hydraulique de Vicat
LSI Indice de saturation de Kühl
LSF Facteur de saturation de Lea Parker
xx
À ma mère et à ma famille
xxi
On ne peut être confronté à la loi
et à l’ordre de l’univers sans
conclure qu’il doit exister une
conception et un but derrière tout
ça... Plus nous comprenons les
complexités de l’univers et ses
rouages, plus nous avons des
raisons de nous étonner de la
conception inhérente qui le
sous-tend... Etre forcé de ne croire
qu’en une seule conclusion – que
tout dans l’univers soit apparu
par le fait du hasard – violerait
l’objectivité de la science
elle-même... Quel processus
aléatoire pourrait produire le
cerveau d’un homme ou le
système de l’oeil humain ?...
Dennis R. Petersen, Unlocking the

Mysteries of Creation, Creation
xxiii
Remerciements
Toute la louange revient au Seigneur des univers qui sans son aide cette thèse n’aurait jamais
abouti.
Je remercie, tout d’abord, la Banque Islamique de développement (BID) dont le soutien

financier a permis la réalisation de cette thèse.
Je tiens très sincèrement à remercier le Professeur Stanislaw Tarasiewicz qui a bien voulu
m’accueillir dans son laboratoire en me confiant ce sujet. Ses nombreux et précieux conseils
ainsi que ses suggestions, les nombreuses et prolifiques discussions que j’ai eus avec lui, ont
grandement contribué à l’aboutissement de cette thèse. Je voudrai Professeur que vous sachiez
également que j’ai appris beaucoup de la vie en générale auprès de vous. Et vous dire en guise
de mot de fin : Prof., ”vous êtes un Chef".
Mes remerciements vont également à l’endroit de la Directrice des programmes, Professeure

Claire Deschênes, pour son soutien, sa disponibilité et l’honneur qu’elle m’a fait en acceptant
de présider le jury. Par ailleurs, je remercie les Professeurs Augustin Gakwaya et Ait Kadi
Daoud ainsi que le Docteur Kyarash Shahriari pour avoir accepter l’évaluation de la thèse.
Toutefois, je tiens à remercier le Docteur Kyarash Shahriari pour ses conseils.
J’exprime également ma gratitude envers tout le corps enseignant de l’UFR Mathématiques et

Informatique (Université Félix Houphouët Boigny d’Abidjan) pour leur confiance et encourage-
ment.
Je remercie les amis Marzougui, Belko, Housseini, Yedan, Tolo et la famille Yesufu pour leurs
aides, soutiens, conseils et encouragements durant la réalisation de ce projet.
Mes remerciements et gratitudes vont aussi à l’endroit de ma mère et de mes vieilles mères
pour leurs bénédictions, conseils et encouragements.
Je remercie enfin mes frères et sœurs ainsi que ma petite famille pour leurs bénédictions et
encouragements, et toutes personnes dans l’anonymat et non mentionnées ici pour leurs soutiens
à l’aboutissement de cette thèse.
xxv
Introduction
L’homme dans sa quête à un bien être, a transformé son environnement sinon la nature dans
laquelle il vit avec la construction d’ouvrages. L’un des signes de développement pour les grandes
villes est leur dotation en infrastructures d’envergures telles que : les infrastructures de transport
(ponts, tunnels, voies de chemin de fer, routes, ports maritimes, etc.), les infrastructures pour
l’énergie (centrales nucléaires, thermiques et hydrauliques, etc.), les infrastructures pour l’eau
(réseaux, stations de traitement et d’assainissement, barrages, etc.), ainsi que les aéroports,
musées, etc. Ces signes extérieurs de développement, de puissances humaine et économique
exigent entre autre une main d’œuvre hautement qualifiée et des matériaux abondants et de
qualités.
En effet, le béton représente de nos jours le matériau le plus familier et le plus usité dans
la construction et la réalisation de ces infrastructures. Et ceci est dû à ses caractéristiques
intrinsèques telles que : isolants phonique et thermique, malléabilité, solidité, esthétisme et
durabilité. En général, le béton peut être classé selon sa masse volumique (bétons lourd, léger
et normal) et la nature des liants (béton de ciment, béton silicate, béton de gypse, béton
asphalte). Toutefois, dans l’optique de le renforcer grâce à des techniques de préparation et/ou
des matériaux, d’autres types de béton ont été développés. Ainsi, on retrouve sur le marché
les bétons prêts à l’emploi (BPE), béton armé, béton fibré, béton précontraint, bétons hautes
performances (BHP), béton projeté, béton décoratif, béton fondu, etc.
Par ailleurs, le ciment qui est le liant le plus utilisé pour la fabrication du béton peut être
regroupé en deux grands types selon la nature du clinker obtenu (clinker blanc où la teneur en
C4 (AF ) (moins de 1.5%) est extrêmement basse et la teneur en C3 S et C2 S est élevée, clinker
ordinaire (gris)) et les adjuvants ajoutés tels que laitier granulé de haut fourneau, matériaux
pouzzolaniques, cendres volantes, schistes calcinés, calcaire, fumées de silice qui donnent entre
autres : Ciment Portland (noté CEM I), Ciment Portland composé (noté CEM II/A ou B),
Ciments de hauts fourneaux (noté CEM III), Ciments pouzzolaniques (noté CEM IV) et les
Ciments au laitier et aux cendres ou ciment composé (noté CEM V/A ou B) (Wikimedia
Commons, 2011; Charef, 2006).
Le clinker étant l’élément essentiel du ciment donc du béton, détermine qualitativement et

quantitativement le degré de chacune de ses propriétés. Par conséquent, le four rotatif de
1
Introduction
clinker (FRC) qui est le siège de production du clinker, représente un élément essentiel et à
valoriser dans l’amélioration de ces infrastructures d’envergures.
En outre, la non-homogénéité des variables/paramètres de modélisation du FRC, leurs variations

selon les variables indépendantes de l’espace et du temps, et les phénomènes physico-chimiques
(diffusion, transfert thermique, etc.), qui s’y déroulent, classent le FRC parmi les systèmes
à paramètres repartis (SPR) appelés aussi systèmes de dimension infinie. La modélisation
mathématique de ces systèmes conduit toujours à des équations aux dérivées partielles (EDP).
Ce type de système complexe intervient dans de nombreux secteurs d’activité industrielle
tels que les procédés chimiques, les échangeurs thermiques et les procédés de transport et de
transfert de chaleur et de matière, etc.
En raison de la complexité des EDPs et/ou en l’absence de solutions exactes, l’étude des
SPR est majoritairement basée sur des méthodes d’approximation. Les plus usitées, dans ce
domaine, sont les méthodes spectrales et les méthodes de discrétisation spatiale. De manière
succincte, les méthodes spectrales consistent à approcher la solution (d’une EDP) par une
combinaison linéaire d’un ensemble fini choisi de fonctions orthogonales dont les coefficients
sont appelés coefficients spectraux. Les fonctions orthogonales et les coefficients spectraux sont
(généralement) respectivement en fonction de l’espace et du temps. Quant aux méthodes de
discrétisation, elles servent surtout à passer d’un problème exact (EDP) à un problème approché
discret (en temps) à l’aide d’une discrétisation du domaine en sous-domaines sur lesquels une
interpolation de la solution est réalisée en utilisant les valeurs sur les nœuds du maillage. Les
méthodes des éléments finis, des différences finies et des volumes finis représentent à elles
seules les plus employées au niveau des méthodes de discrétisation spatiale. Par ailleurs, il est
à remarquer que dans la pratique les choses deviennent difficiles lorsqu’il s’agit des paramètres
des EDPs dans la modélisation des systèmes complexes, puisque certains paramètres sont
inaccessibles, inconnus ou mal connus. Ainsi, les données expérimentales et les hypothèses
simplificatrices deviennent des recours indispensables.
Problématique et objectifs
Le four rotatif du clinker tout en étant un système complexe, dont les réactions physico-
chimiques sont fortement couplées, est une pièce maitresse dans la fabrication du ciment. Il a
fait l’objet de plusieurs recherches et continuera d’en être vu l’enjeu capital que représente le
béton dans notre société. La gestion optimale de la consommation de l’énergie et la qualité du
clinker demandent une surveillance/contrôle continuel et une connaissance locale et globale
du système. Ainsi, une modélisation de ce dernier qui met en évidence des variables liées à
l’énergie et qui représentent mieux le système dans son évolution est capitale. Par ailleurs,
nous avons remarqué qu’en dehors du fait que les modèles mathématiques fournis actuellement
dans la littérature font appel à des paramètres constants ou définis pour un type bien donné
de four/matière, ils (modèles) sont approximatifs et complexes (Mujumdar et Ranade, 2006;
2
Chen et al., 2009; Watkinson et Brimacombe, 1982; Spang, 1972). Ce qui explique sans doute
l’inutilisation de ceux-ci, comme plate-forme, dans la commande automatique des FRCs.
Ainsi, lorsque les tentatives de construction de modèles mathématiques généraux, manipulables,
simples et précis du système se sont révélées insuffisantes, les différentes approches de commande
du four (disponibles actuellement) se sont basées sur les caractéristiques uniques de chaque
four et sur l’instrumentation. Par conséquent, d’énormes investissements ont été réalisés dans
la construction et l’équipement de/en capteurs des FRCs pour la commande de ce système
réel. Ceci représente pour nous une commande sans modèle du FRC puisqu’elle est basée
uniquement sur l’instrumentation, entraînant par ailleurs un temps de retard important avant
une intervention appropriée ou l’action de l’opérateur. Toutefois, d’autres plates-formes de
commande ont été intégrées dans les cimenteries. Et celles-ci sont appelées systèmes intelligents
pour leurs capacités à imiter, remplacer ou à aider l’homme dans des tâches pénibles, des
milieux hostiles, etc. Cependant, même si ces derniers peuvent être jugés très performants
dans des secteurs comme la médecine (aide au diagnostic), l’armée (drones) et les jeux vidéo, il
n’est pas toujours évident pour ce qui est des systèmes complexes à paramètres repartis comme
le FRC. En effet, ce dernier étant le siège de réactions physico-chimiques fortement couplées,
devient très peu prévisible à tout instant. Ce qui amène la conception des systèmes intelligents
dans ce contexte à se baser sur les caractéristiques et expertises liées au FRC étudié. Ainsi,
comme on le verra dans l’étude bibliographique, même si cette approche utilise des modèles,
ceux-ci ne décrivent pas globalement ou précisément ce qui se passe à l’intérieur du four. Par
conséquent, les plates-formes des travaux réalisés dans ce domaine ne sont pas principalement
basées sur un modèle qui décrit phénoménologiquement le fonctionnement du système.
Alors cette présente étude aura pour but final de proposer un modèle adaptatif du FRC à
la base d’une approche phénoménologique supporté par certains systèmes de mesure en vue
de créer une plate-forme mathématique de plusieurs niveaux d’identification pour calibrer et
ajuster ses paramètres. Par conséquent, la plate-forme offre la possibilité de commander le FRC
à l’aide d’un modèle (adaptatif) et non à l’aide de la mesure comme c’est le cas actuellement
dans la littérature.
Ainsi, la particularité de cette approche est de proposer un modèle qui non seulement décrit
tous les principaux phénomènes physico-chimiques qui se déroulent dans le système, donc plus
précis, mais aussi qui soit souple et donc plus manipulable en ce qui concerne la commande
automatique. Ceci est rendu possible, grâce à la structure proposée (de notre modèle) d’une
part et d’autre part à la procédure d’ajustement (développée) des paramètres dans un horizon
de temps (validité) qui sera défini par la suite.
Pour mener à bien cette étude, nous nous sommes assigné quelques objectifs centraux qui sont :
1. Élaboration d’une base de données à l’aide d’un complément d’instrumentation et d’une

base de connaissances
3
Introduction
2. Identification numérique des paramètres du modèle

3. Modélisation des fonctions opératoires (paramètres)
4. Construction d’une procédure d’ajustement
5. Validation à travers une série d’études dynamiques
Contributions et publications
La contribution globale est de fournir une nouvelle philosophie de modélisation. En effet, cette
étude propose une approche phénoménologique avec l’introduction de FOPs comme paramètres
ajustables en ce qui concerne la modélisation. Ainsi, nous offrons la possibilité de commander
(autrement) le système à la base d’un modèle et non à la base de la mesure comme c’est le cas
actuellement. La structure du modèle est inhérente aux réactions physico-chimiques de base
qui se produisent dans le système. Par conséquent, les FOPs (paramètres du modèle) ont été
employés afin de représenter et traduire ces phénomènes. Plus particulièrement, la contribution
et les publications de cette étude sont :
• Les paramètres du modèle ne sont pas pris constants et sont accessibles puisqu’ils sont
capables de fournir des informations pertinentes au niveau d’une commande automatique
à la base du modèle proposé. Une identification numérique des FOPs (paramètres du
modèle) basée sur des interprétations phénoménologiques, à la différence des autres
disponibles (paramètres) dans la littérature le cas échéant, a été faite afin d’obtenir
des résultats qui traduisent l’état réel du système. Ce premier travail exécuté à un état
stationnaire du système, a été présenté à la 11ème conférence internationale sur l’ingénierie
chimique et des procédés du 2 au 5 juin 2013 à Milan ∗ (Italie) et publié dans la revue
scientifique Chemical Engineering Transactions :
N’zi, Y. G., and Tarasiewicz, S. (2013). Estimate of the State Variables of the Dy-
namic Behavior of the Clinker Rotary Kiln Based on a Phenomenological Approach.
Chemical Engineering Transactions, 32, 1207-1212 DOI : 10.3303/CET1332202, http:
//www.aidic.it/cet/13/32/202.pdf.
• Cette étude met à disposition, pour une étude ultérieure, une plate-forme mathématique
qui permettra d’élaborer une commande automatique à la base d’un modèle adaptatif.
Cette étape représente un pas important dans l’étude de la commande automatique du
FRC, car elle singularise notre approche. En ce sens qu’elle se différencie des commandes
dites adaptatives, prédictives ou autre disponibles actuelles. En effet, l’intérêt ici est de
se servir du modèle de connaissance (proposé), à l’aide de la procédure d’ajustement
avec quelques points de mesure, pour appliquer la commande. Ainsi, le temps de retard
∗. ICheaP-11 International Conference on Chemical & Process Engineering.
4
est considérablement réduit à partir du moment où c’est le modèle de connaissance
(phénoménologique) qui permet de contrôler l’état du système par son ajustement. Par
conséquent, toute commande automatique qui s’adapte ou prédit par la mesure (comme
c’est le cas dans la littérature) aura un temps de retard long par rapport à celle basée
sur un modèle du système. Ceci a nécessité une modélisation des paramètres du modèle
d’une part et d’autre part une élaboration d’une procédure d’ajustement de ces derniers.
Ainsi, ces travaux ont été présentés à la 1ère conférence de l’IFAC sur la commande des
systèmes régis par des équations aux dérivées partielles du 25 au 27 septembre 2013 à
Paris † (France) et publiés comme article de conférence dans IFAC Proceedings Volumes
(IFAC-PapersOnline).
N’zi, Y.G. and Tarasiewicz, S. (2013). Phenomenological approach to model a clinker
rotary kiln. In 1st IFAC Workshop on Control Systems Governed by Partial Differen-
tial Equations (2013 IFAC CPDE), IFAC Proceedings Volumes (IFAC-PapersOnline),
ISSN 1474-6670, Vol. 1, Part 1, p. 197–202. doi :10.3182/20130925-3-FR-4043.00036.
La version complète fera l’objet d’une publication dans une revue scientifique, http:
//www.ifac-papersonline.net/Detailed/64253.html.
• Par ailleurs, en tant que co-auteur, quatre (4) autres articles seront publiés très prochai-
nement dans des revues scientifiques.
Organisation de la thèse
Ce mémoire de thèse s’articule sur cinq (5) chapitres qui peuvent être regroupés en deux
grandes parties essentielles. La première partie est composée des deux premiers chapitres,
dans laquelle le système est présenté suivit de la revue de littérature. La deuxième partie qui
renferme les trois (3) derniers chapitres englobe les différentes modélisations et les calculs
dynamiques effectués au cours de notre étude.
Le premier chapitre fournit une information de base (non exhaustive) du système notamment sur
son fonctionnement, son alimentation et ses produits. Par ailleurs, l’ensemble des phénomènes
physico-chimiques et quelques équipements recommandés ainsi que leur emplacement est abordé
également. Toutefois, un complément d’instrumentation est proposé par la suite à travers un
circuit thermique global du système et deux équations de base qui y découlent. Quant au second
chapitre, il est consacré à l’étude bibliographique. Cette dernière concerne principalement
dans un premier temps, les différents types de mouvement de la matière (ce qui montre sa
complexité), sa hauteur et son temps de résidence dans le four d’une part, et d’autre la longueur
de la flamme, la vitesse du gaz, les différents transferts et échanges de chaleur dans le four.
Et dans un second temps, les différents modèles mathématiques et plate-forme de commande
automatique utilisés dans l’étude du FRC.
†. 1st IFAC Workshop on Control of Systems Modeled by Partial Differential Equations.
5
Introduction
Le chapitre trois (3) expose le modèle phénoménologique, à travers des équations aux dérivées
partielles, utilisé avec une description de ses paramètres (FOPs). L’identification numérique
des fonctions opératoires y est abordée également précédée de sa procédure. Cette dernière a
été développée à l’aide d’interprétations phénoménologiques et une analyse dimensionnelle, et
implémentée par la suite dans le logiciel Matlab.
Le quatrième chapitre est dédié à la modélisation des paramètres du modèle, après une étude des
influences de ces derniers sur les variables d’état. Une décomposition physique des paramètres
a été nécessaire avant d’aboutir à une relation de ceux-ci avec les variables d’état du système.
La procédure d’ajustement implémentée avec le langage C++ a été abordée par la suite dans
cette partie.
Enfin, le dernier chapitre permet de mettre à contribution la plate-forme proposée à travers

quelques simulations. En effet, on expose les comportements des paramètres du modèle lorsque
nous sommes en conditions réelles du four. Ceci a été fait selon deux types de perturbations
classiques du système, notamment la présence de collage de matière et une augmentation de la
température dans le four.
6
Chapitre 1
Présentation du système à la base du

FRC
Le four rotatif peut être défini comme un cylindre métallique dans lequel se déroule des réactions
au sens chimique ou/et au sens physique du terme et est utilisé dans de nombreux procédés
impliquant la transformation d’une charge solide par traitement thermique. Un four rotatif est
constitué d’un cylindre d’acier garni intérieurement d’un matériau réfractaire, pour résister aux
pointes de température très élevées, avec un rapport longueur diamètre compris entr 10 : 1 et
38 : 1. Il est supporté par plusieurs appuis et a une inclinaison généralement comprise entre 2%
et 5%. La rotation du four autour de son axe longitudinal a une vitesse lente souvent comprise
entre 0.5 [tr/min] et 5 [tr/min]. Par conséquent, le déplacement lent de la matière à l’intérieur
se fait grâce à l’inclinaison et à la rotation du four.
Il existe deux sortes de FRC. Les plus longs (voir Fig. 1.1) ont des dimensions qui vont jusqu’à
200 [m] de long et 6 [m] de diamètre. Ainsi, toutes les transformations physico-chimiques se
font dans le four rotatif. En fonction de ces transformations, ce type de four peut être subdivisé
en plusieurs zones dont les principales sont indiquées à la Figure 1.1.
Il faut remarquer que les FRCs contiennent plusieurs dispositifs qui permettent d’une part
de récupérer la chaleur provenant des gaz brûlés, ce qui servira à sécher et à préchauffer la
matière, et d’autre part des éléments internes qui sont destinés à améliorer les échanges de
chaleur. Ainsi parmi ces derniers, on peut citer :
• les chaînes suspendues en rideau aux parois du four (fours longs) qui brassent la pâte en
cours de séchage et aident à prévenir la formation d’anneaux qui collent aux parois en
les brisant,
• les séparateurs métalliques et les trilobes réfractaires qui divisent efficacement le four en
tubes plus petits,
• les releveurs (barres métalliques soudées à la paroi interne du four) qui évite le glissement
de la charge solide et améliore le mélange de la charge, en faisant tomber celle-ci en
7
Chapitre 1 : Présentation du système à la base du FRC
Figure 1.1 – Four rotatif long du clinker et des zones de réactions physico-chimiques (Tarasie-
wicz et Shahriari, 2008; Tarasiewicz et Remy, 2003)
cascade dans le gaz,

• les barrières réfractaires internes qui accroissent le temps de séjour de la charge.
Par ailleurs, on a en plus des dispositifs dépoussiéreurs (électrostatiques, sacs) qui capte la
poussière et la fumée sortant du four afin de réduire la perte de production et la pollution. Et
également, le refroidisseur (rotatifs à satellites et à grilles) qui récupère le maximum de chaleur
du clinker chaud pour la recycler dans le procédé tout en abaissant la température du clinker à
un niveau compatible avec le bon fonctionnement des équipements en aval.
Lorsqu’on supprime les zones de séchage et de préchauffage, on obtient un four plus court
(de 40 à 90 [m]). Ce dernier représente le second type de FRC car il est équipé en amont de
préchauffeurs ou de précalcineurs/précalcinateurs.
Les opérations suivantes sont communes à toutes les industries de production de clinker quel
que soit le type de FRC utilisé :
• Extraction des matières premières et concassage
• Broyage et homogénéisation
• Cuisson
• Refroidissement et récupération du clinker
• Broyage du clinker et ajout d’additifs
• Stockage et expédition
Ces cimenteries ont recours à quatre grands procédés ou types de technologie de production du
clinker qui sont :
8
• la voie humide est le plus ancien des procédés, les matières premières sont broyées
dans l’eau pour former une pâte pouvant être pompée. Cette pâte liquide contenant 28
à 40 % d’eau est ensuite introduite directement dans le four long. Toutefois, cette pâte
peut alimenter un four court si elle est débarrassée de son eau puis acheminée dans le
préchauffeur ou le précalcinateur.
• la voie sèche est le procédé le plus utilisé, ici les matières premières sont broyées puis
séchées pour obtenir une farine ou un cru de matière (poudre fluide). Le cru est ensuite
introduit dans le préchauffeur ou le précalcinateur situé en amont du four court. Le cru
peut aussi directement alimenter le four long.
• la voie semi-sèche, en partant de la voie sèche, on humidifie la farine pour en faire

des granules qui sont introduits dans un préchauffeur situé en amont du four court ou
directement dans un four long.
• la voie semi-humide, à partir de la voie humide, on sèche la pâte liquide, puis cette
dernière est introduite dans un préchauffeur pour alimenter le four court ou est directement
introduite dans le four long.
Par ailleurs, il faut souligner aussi que l’aspect (sec ou humide) des matières premières influence
considérablement le choix du procédé.
Figure 1.2 – Aspect du clinker refroidi (Baste et al., 2008)
9
Le clinker est le produit qui sort du FRC. En d’autres termes, il est obtenu après la cuisson
d’un mélange composé majoritairement de carbonate de calcium (CaCO3 ) et de silice (SiO2 ).
Cette cuisson qu’on appelle clinkérisation/frittage, se fait à une température qui peut atteindre
2000 [K].
C’est au cours du refroidissement du clinker que se forment complètement sa structure et sa
composition définitive dont C3 S, C2 S, C3 A, C4 (AF ).
Le clinker peut être de couleur grisâtre, couleur claire, voire quasiment blanc ou noire et est
inodore (voir Fig. 1.2), il n’est ni combustible ni explosif et est le constituant essentiel du
ciment.
Nous proposons en annexe A, à travers deux tableaux les compositions chimique et minéralogique
du clinker.
1.1 Description du système

Une description non exhaustive du système a été schématisée (voir Fig. 1.3) afin de mieux
appréhender ses principaux éléments de base. Ces derniers seront détaillés dans la suite de
l’étude.
Point de mesure
Déchets 4x optionnel
Point de mesure
Gaz
Air primaire
Pâte de
Fuel matière
Combustible
Air secondaire
Clinker
x[m]
0 xcom xcal xpre xdry LT
Figure 1.3 – Représentation globale du système

1
Les différentes transformations effectuées par les matières premières broyées (pâte de matière)
dans le four sont (Spang, 1972) :
• 373.15 [K] : évaporation de l’eau (endothermique);
• 1155.4 [K] et plus : décomposition du calcaire (CaCO3 ) en chaux (CaO) et CO2 (endo-
thermique);
• 1477.6 [K] : début de la réaction de CaO avec SiO2 (exothermique);
• 1533.2 [K] : début de la phase liquide (endothermique);
10
1.2 Alimentation du système et équipements disposés aux extrémités du four (entrées)
• 1533.2 [K] et plus : augmentation de la phase liquide et formation complète des compo-
santes du clinker (exothermique puis endothermique).
La division du FRC en zone (voir Fig. 1.3) proposée est liée aux phénomènes physico-chimiques
qui se déroulent au cours du processus. Ainsi, nous avons 5 zones qui sont :
• [0+ ; x−
com ] : zone de récupération, où le clinker sort du FRC à travers les satellites en se
refroidissant par la restitution de sa chaleur à l’air secondaire qui entre;
−

• x+ com ; xcal : zone de combustion/scorification (clinkérisation), dans laquelle le clinker se
forme à travers la formation de ses éléments essentiels qui proviennent de la combinaison
de la chaux avec les silicates d’alumine et les oxydes. Cela se déroule à des températures
allant de 1500 [K] à 2000 [K];
+ −
• xcal ; xpre : zone de calcination qui est caractérisée par les intensifications ou l’achèvement
de la décomposition du calcaire en chaux et de la libération de dioxyde de carbone avec
une température qui peut être comprise entre 1155 [K] et 1400 [K];
h i
−
• x+pre ; xdry : zone de préchauffage, où débute la décomposition du calcaire (CaCO3 ) en
chaux (CaO) avec la libération de dioxyde de carbone (CO2 ), la température peut aller
de 600 [K] jusqu’à 1155 [K];
h i
−
• x+dry ; LT : zone de séchage qui est marquée par la perte de la matière de toute son eau
(évaporation) et a besoin d’une température relativement basse (en dessous de 500 [K]).
Toutefois, en raison de la complexité du système et du fait que ces phénomènes sont fortement
couplés, ces subdivisions sont variables. Et il faut remarquer qu’à droite de l’extrémité gauche
du four (x = 0) c.-à-d. x = 0+ , nous sommes dans le four (en zone à paramètres repartis)
et à gauche de cette extrémité c.-à-d. x = 0− , nous sommes à l’extérieur du four (en zone à
paramètres concentrés). Il en est de même pour l’extrémité droite du four (x = LT ), à x = L+
T
nous sommes en zone à paramètres concentrés et à x = L−
T , nous sommes en zone à paramètres
repartis.
1.2 Alimentation du système et équipements disposés aux

extrémités du four (entrées)
L’alimentation du système, est continue et s’effectue par la partie supérieure, est le fait
d’équipements disposés aux extrémités du four.
• Un système d’alimentation est composée généralement d’une trémie de stockage de la
matière (pâte ou poudre sèche), d’un alimentateur/convoyeur à vis équipé d’un régulateur
de débit (réglable) constant et d’une goulotte d’alimentation. Ainsi, à l’aide de capteur
placé à ce niveau, la composition et le débit de matière alimentant le FRC peuvent
être disponibles/mesurables. Et la matière première qui alimente le four est composée
majoritairement de carbonate de calcium (CaCO3 ) qui est fourni par des gisements
naturels comme le calcaire, la marne ou la craie et d’oxydes comme l’oxyde de fer (F e2 O3 ),
11
l’alumine (Al2 O3 ) et de la silice (SiO2 ) qu’on peut trouver dans l’argile, la bauxite, le
schiste, du sable ou minérale de fer. Il faut souligner la présence d’une certaine quantité
d’eau dans le cru/pâte de matière qui peut aller de 28 % à 40 %.
• Le combustible/fuel, en ce qui le concerne, est introduit dans le four par l’extrémité
inférieure grâce à un mécanisme d’injection à travers une tuyère ou un brûleur. Ainsi,
un capteur inséré dans ce mécanisme fournira le débit et la composition du combustible
utilisé. Les plus usités pour le FRC sont principalement le charbon pulvérisé et le coke de
pétrole (contient une quantité significative de soufre). Il y a également le fuel lourd (peut
contenir quelques traces de soufre) et le gaz naturel (faible émission de SO2 et faible
contenance en CO2 et N O) qui sont employés comme combustible. Cependant, le gaz
naturel qui est majoritairement composé d’hydrocarbures légers (méthane, éthane, etc.)
est le plus respectueux de l’environnement mais son coût élevé le rend moins employé
que les autres.
• Par ailleurs, des déchets formés majoritairement d’oxydes sont introduits dans le FRC
comme combustible alternatif ou de substitution sans être pulvérisés (les pneus en entiers
ou en morceaux) par différents endroits dans le four à travers des fenêtres conçus à cet
effet. Ainsi, il est possible d’obtenir la quantité de déchet apportée au four ainsi que
leur composition chimique. Parmi ces combustibles alternatifs on peut citer les pneus
usagés, les huiles usagées, boues d’épuration séchées, le caoutchouc, les déchets de bois,
les plastiques, les déchets de papier, les boues papetières et les solvants usagés, etc.
• Pour ce qui est de l’air fourni au FRC, nous préconisons l’installation d’un capteur au
niveau du dispositif d’injection de combustible qui conduit l’air primaire (il est connu
aussi comme air de balayage du broyeur ou de transport) afin de connaître le débit et la
température d’air entrant. On en fait de même dans le refroidisseur avec l’air secondaire
qui entre dans le four à cet endroit.
1.2.1 Modules ou indices chimiques du clinker (Portland) (SCAEK, 2012)

La pâte qui alimente le four doit être analysée (sa composition chimique) et ajustée le cas
échéant pour assurer un clinker de qualité par un ensemble de critères selon les spécifications
locales du ciment et de la composition chimique et minéralogique des matières premières de
l’usine. Les modules les plus employés sont (SCAEK, 2012) :
Module hydraulique de Michaelis

CaO
HM = . Ce module est compris entre 1.7 et 2.3.
(SiO2 + Al2 O3 + F e2 O3 )
Module silicique de Kühl

SiO2
il est compris entre 1.5 et 5 et a pour formule : SM = .
(Al2 O3 + F e2 O3 )
12
Module aluminoferrique de Kühl

Al2 O3
TM = Ce module est compris entre 1.5 et 2.5.
F e2 O3
Indice d’hydraulicité de Vicat

([SiO2 ] + [Al2 O3 ])
HI = Les composants sont exprimés en moles et non en pourcentage et
([CaO] + [M gO])
cet indice est compris entre 0.4 et 0.5.
Indice de saturation de Kühl

CaO
LSI = Cet indice est compris entre 0.85 et 1.
(2.8 × SiO2 + 1.1 × Al2 O3 + 0.7 × F e2 O3 )
Facteur de saturation de Lea Parker

CaO
LSF = . Ce facteur est compris entre 0.85 et 1.
(2.8 × SiO2 + 1.18 × Al2 O3 + 0.65 × F e2 O3 )
Cependant, il sera compris entre 85 et 100 lorsque la forme/expression suivante est choisie :
100 × CaO
LSF = .
(2.8 × SiO2 + 1.18 × Al2 O3 + 0.65 × F e2 O3 )
Remarques : Une valeur élevée du module silicique de Kühl correspond à une valeur élevée
de silice au détriment des agents fondants, tandis qu’une faible valeur provoque un croûtage
excessif dans la zone de clinkérisation et nuit donc à la bonne marche du four. Le facteur de
saturation de Lea Parker exprime le rapport entre la chaux présente dans le mélange et la
quantité de chaux qui peut être liée dans le clinker. Le standard de chaux permet de connaître
le comportement du mélange à la cuisson et de prévoir la qualité du ciment. Plus le standard
de chaux est élevé, plus les résistances du ciment le seront aussi, et plus la cuisson sera difficile
et nécessitera un accroissement de la consommation calorifique nécessaire à la cuisson. Aussi,
un standard en chaux élevé influe négativement sur la stabilité de volume du ciment hydraté
(teneur en chaux libre). Le tableau 1.1 rassemble des critères avec quelques détails. La longue
pratique industrielle de fabrication du clinker Portland a fixé les limites de variation des
différents indices (voir tableau 1.1). Ces indices sont en règle générale préférés aux critères de
composition chimique car ils offrent l’avantage d’exprimer les plus importants critères chimiques
sous la forme d’un ratio. Il n’y a pas de formule idéale ou de formule universelle pour le clinker.
Chaque fabrication est un cas particulier et produit un clinker unique. Par ailleurs, à côté de
ces indices ou modules qui dépendent uniquement des éléments principaux, la teneur du clinker
en éléments mineurs est aussi importante. Car ces derniers influencent le processus de cuisson
et les performances du clinker fabriqué (voir tableaux 1.2 et 1.3) (SCAEK, 2012).
13
Inférieur ou égal Plage de variation acceptable Supérieur ou égal

Résistance initiales 1.5 2.5 Stabilité de volume,
Module hydraulique
faibles gonflement
Diminution de la Cuisson difficile par
température de manque de fondant.
clinkérisation. Prise et 1.5 Module silicique 3.5 Prise durcissement
durcissement rapide. lent. Diminution du
Favorise le croûtage croûtage dans le four
Faible chaleur
1.5 Module 2.5 Prise rapide. Ciment
d’hydratation. Ciment
aluminoferrique alumineux
sans C3 A
Résistances initiales
Faible dégagement de 0.85 0.95
Indice de saturation élevées. Hautes résis-
chaleur
tances finales
Tableau 1.1 – Critères chimiques de composition du clinker (SCAEK, 2012)
14
Sources Effet sur clinker Effet sur ciment

Volatile, se retrouve dans
Cendres volantes, huiles En traces, effet non mesu-
As les poussières, réduit la
usées, charbon rable
formation du C3 S
Matières premières, Décompose C3 S en C2 S
B B2 O3 est retardateur
minerais de fer et CaO libre
Réduit la température de Active l’hydraulicité, aug-
Ba Matières premières
clinkérisation mente les résistances
Volatile se retrouve dans
Br Cendres volantes Accélérateur du C3 S
les émissions
Cendres volantes, schiste, Améliore l’aptitude à la Agent retardateur sous
Cd
peintures cuisson, volatile forme d’oxyde
Volatiles, cycles Cl et Corrosion des armatures,
Cl Laitier, charbon, fuel
anneaux accélère l’hydratation
Augmente la demande en
Cendres volantes, résidus
Co Augmente la dureté eau, réduit l’hydraulicité
d’huile
et les résistances
Bauxite, laitier, pneus, Améliore la broyabilité, Augmente les résistances
Cr
charbon, réfractaires effet sur la teinte initiales, effet sur la teinte
Cendres volantes, schiste, Réduit la température de Effet retardateur, réduit
Cu
huiles lubrifiantes, pneus fusion, formation de CaO l’expansion due au sulfate
Minéralisateur, favorise Augmente les résistances
F Calcaire, fuel
la formation du C3 S initiales
Volatile, se retrouve dans
I Charbon Accélérateur du C3 S
les émissions
Inhibe la conversion du
Réduit la réaction alcali-
Li C2 S en C3 S,
silice dans les bétons
minéralisation intensive
Tableau 1.2 – Principales sources des éléments mineurs, effets sur le clinker (SCAEK, 2012)
15
Sources Effet sur clinker Effet sur ciment

Calcaire, argile, bauxite, Réduit les résistances ini-
Mn Effet sur la teinte
cendres volantes, laitier tiales
Cendres volantes, coke
les poussières, stabilise la Accélérateur, améliore les
Ni de pétrole, schistes,
forme monoclinique de résistances
pneus, charbons
l’alite
Matières premières, craie
P Décompose le C3 S Ralentit la prise
calcaire
Matières premières, Retarde l’hydratation
Pb cendres volantes, schiste, mais n’influence pas les
les poussières
pneus résistances finales
Volatiles, concrétions,
Pyrite, laitier, charbon,
cycles dans le four, Régulateur de prise, ex-
S pneus, coke de pétrole,
émissions de SO2 , pansion
huiles lubrifiantes
sulfates alcalins
Favorise l’alite en petite Expansion, faible hydrau-
Sr Calcaire, laitier quantité ou la décompose licité, le chlorure est un
en grande quantité accélérateur
Décompose l’alite, réduit
Bauxite, laitier, minerais Ralentit la prise initiale,
Ti la température de
de fer augmente les résistances
cuisson
Cendres volantes, coke Augmente la taille des
V de pétrole, charbon, alites, broyabilité et Augmente l’hydraulicité
huiles teinte
Améliore la
Zn Laitier, pneus, huile usée Adjuvant retardateur
clinkérisation
Tableau 1.3 – Principales sources des éléments mineurs, effets sur le clinker (suite) (SCAEK,
2012)
16
1.3 Produits du système et équipements disposés aux extrémités du four (sorties)
1.3 Produits du système et équipements disposés aux

extrémités du four (sorties)
En général (de nos jours), les FRCs sont équipés de système/moyens de mesure et de surveillance
modernes pour le suivi en continu des émissions de poussières et de gaz. Et ceci est le cas
du clinker avec l’implantation de dispositifs, de mesure en continu, à proximité du (des)
refroidisseur(s).
• Ainsi, une insertion de capteur(s) dans l’équipement de contrôle et de mesure des gaz
nous fournira, en plus de la connaissance des débits et de la composition chimique, la
température des gaz sortants.
• Le clinker produit par le FRC sort par les satellites avant d’être refroidi par le refroidisseur.
Par conséquent, à l’aide d’un capteur placé au niveau du refroidisseur, nous sommes en
mesure de connaître la température en plus du débit et de la composition minéralogique
et chimique du clinker qui sort du four.
1.4 Complément d’instrumentation
Il est possible de rassembler ou de décrire l’ensemble des phénomènes physiques et chimiques

qui se produisent au cours du processus à travers un/son circuit thermique (voir Fig. 1.4).
Figure 1.4 – Schéma thermique global du système
Rk , RCV et Rrd désignent la résistance thermique respectivement de conduction, de convection

et de radiation/rayonnement.
17
Le schéma thermique global du système vient des différents échanges de chaleur qui se produisent
à l’intérieur et à l’extérieur du système (voir Fig. 1.5). Nous allons utiliser les expressions de
Figure 1.5 – Principaux échanges de chaleur du système
bases/classiques rencontrées dans la littérature ou dans la plupart des manuels de transferts

thermiques (Incropera et al., 2007).
En effet, pour un cylindre concentrique et composite comme c’est le cas du FRC, les résistances
thermiques de convection (RCV ), de rayonnement (Rrd ) et de conduction (Rk ) utilisées sont :
RCV 3 = 1/2πrA 4xhA ; RrdiXY = 1/εσAXY (TX2 + TY2 )(TX + TY ); Rk2 = ln(rA /rAin )/2π4xkA ;
Rk3 = ln(rAin /rB )/2π4xkB ; RCV 1 = 1/(2π − θ)rB 4xhB ; RCV 2 = 1/θrB 4xhC ;
2
Rk1 = 24x/θrB kC ; RCV 4 = 1/θrB 4xhC avec XY = {AO; GB}.
Tous les calculs numériques effectués au cours cette étude ont utilisé les valeurs des paramètres
réunis dans le tableau 1.4.
18
1.4 Complément d’instrumentation
Paramètres Valeurs Paramètres Valeurs

W
hA 5 LT 120 [m]
m ·K
2

W
hB 4.5 ε 0.9
m2 · K

W
hC 45 rA 1.85 [m]
m2 · K

W
kC 14.9 rB 1.625 [m]
m·K

W
kA 46 rAin 1.825 [m]
m·K

W W
kB 4 σ 5.671 × 10−8
m·K m · K4
2
Tableau 1.4 – Données utilisées dans les calculs
Avec les densités de flux, q, q1 et q3 , on obtient les systèmes d’équations suivants :


 q = q1 + q3




 



 TA − TO = qRe1
  TG − TB = q1 Re2

RCV 3 ·Rrd2
S1 et S2 où, Re1 = ,

 
 (RCV 3 + Rrd2 )
TB − TA = q(Rk2 + Rk3 ) 
 TC − TB = q3 Re3








TB − TA = q(Rk2 + Rk3 )
RCV 1 ·Rrd1 RCV 2 ·Rk1

Re2 = et Re3 =
(RCV 1 + Rrd1 ) (RCV 2 + Rk1 )
En résolvant les systèmes d’équations (S1 ) et (S2 ) par élimination des densités de flux (q, q1 et
q3 ), on obtient les relations suivantes :
19
Re1 (Rk3 + Rk2 )

TA = TB + TO (1.1)
(Re1 + Rk2 + Rk3 ) (Re1 + Rk2 + Rk3 )
Re2 · Re3 Re3 · (Rk2 + Rk3 )

TB = TA + TG +
Re2 · Re3 + (Rk2 + Rk3 )(Re3 − Re2 ) Re2 · Re3 + (Rk2 + Rk3 )(Re3 − Re2 )
Re2 · (Rk2 + Rk3 )

TC (1.2)
(Rk2 + Rk3 )(Re2 − Re3 ) − Re2 · Re3
Les expressions mathématiques des résistances thermiques, ci-dessus, montrent que plusieurs
paramètres (paramètres géométriques et opératoires du four, paramètres physiques/thermiques)
interviennent dans les deux équations obtenues (équations (1.1) et (1.2)) notamment au niveau
des coefficients (des températures). Toutefois, même si certains paramètres sont estimables
d’autres le sont beaucoup moins à l’instar des coefficients de transferts thermiques et de
l’angle au centre. Cependant, pour un certain type de fonctionnement du four (en régime
permanent/stationnaire par exemple) des hypothèses (supposée constante) peuvent être faites
au niveau de la valeur des coefficients de transferts thermiques et de l’angle au centre. Ainsi,
on constate par là que le fonctionnement du FRC et les réactions physico-chimiques qui
s’y déroulent influencent les résistances thermiques et donc les termes (coefficients) liés aux
températures dans les équations (1.1) et (1.2). Par conséquent, les paramètres évoqués sont liés
aux opérations que le système développe. À partir de ce principe, il est possible de créer une
fonction de l’ensemble de ces paramètres (regroupés) que l’on peut nommer fonction opératoire.
Cette dernière renferme alors l’ensemble des paramètres qui décrivent le système (géométrie,
opération, réactions physico-chimiques, etc.) mais (elle) permet aussi de réduire les inconnues
et les hypothèses simplificatrices. D’autres détails sur l’opportunité des fonctions opératoires
seront fournis dans la suite de l’étude.
Nous proposons de réécrire les équations ci-dessus sous la forme suivante :
TA (x, t) = f0,3 (x, t)TB (x, t) + f0,4 (x, t)TO (x, t) (1.3)
TB (x, t) = f0,2 (x, t)TG (x, t) + f0,1 (x, t)TC (x, t) + f0,0 (x, t)TA (x, t) (1.4)
Re1 (Rk3 + Rk2 )

Avec f0,3 (x, t) = , f0,4 (x, t) = et
(Re1 + Rk2 + Rk3 ) (Re1 + Rk2 + Rk3 )
Re3 ·(Rk2 + Rk3 ) Re2 ·(Rk2 + Rk3 )
f0,2 (x, t) = , f0,1 (x, t) =
Re2 ·Re3 + (Rk2 + Rk3 )(Re3 − Re2 ) (Rk2 + Rk3 )(Re2 − Re3 ) − Re2 ·Re3
Re2 ·Re3
et f0,0 (x, t) =
Re2 ·Re3 + (Rk2 + Rk3 )(Re3 − Re2 )
Les deux équations (1.3) et (1.4) obtenues fournissent convenablement les différents échanges
20
1.5 Conclusion
de chaleur entre l’intérieur et l’extérieur du four. Par contre, les autres phénomènes physico-
chimiques (diffusion et déplacement de matière/gaz, etc.) ne sont pas pris en compte par
ces équations. Alors, l’élaboration d’autres équations qui décrivent correctement les autres
phénomènes physiques et chimiques s’impose.
Cependant, la structure des équations (1.3) et (1.4) sied convenablement à une procédure de
calcul (voir Chap. 3, section 3.1) qui permettra de créer une base de données à partir d’un
certain nombre de points de mesure convenablement choisi.
1.5 Conclusion
Une description générale mais orientée du système, notamment en ce qui concerne les différents
phénomènes physico-chimiques qui s’y déroulent, son alimentation et ses produits, a été effectuée
d’emblée dans cette présente partie de notre travail.
Ainsi, cette partie introductive donne une idée de la complexité du système et de l’étendue
des différents domaines connexes à notre champ d’étude. Par ailleurs, même si notre objectif
immédiat est d’élaborer une plate-forme mathématique qui pourrait être utilisée dans la
commande automatique du FRC (en temps réel), les phénomènes physico-chimiques ont
beaucoup influencés notre étude. En effet, ce sont ces derniers qui exposent la singularité
du système, tant ils sont couplés et se déroulent dans un environnement hostile (très haute
température). Il faut dire aussi, qu’un complément d’instrumentation (basé sur un circuit
thermique global du système), qui fournit convenablement les échanges de chaleur entre
l’intérieur et l’extérieur, a été nécessaire afin de fournir des informations/données acceptables et
interprétables (phénoménologiquement) au modèle mathématique (au processus d’ajustement
du modèle).
21
Chapitre 2
Étude Bibliographique
Nous allons décrire dans cette partie les deux principaux domaines que notre thèse englobe.
En effet, les différents modèles mathématiques et les plates-formes de commande automatique
utilisés dans l’étude du FRC seront passés en revue. Et par la suite, une synthèse sera faite
en ce qui concerne ces deux domaines de recherches. Cependant, on exposera d’emblée les
différents mouvements, la hauteur et le temps de résidence du lit de matière, la longueur de la
flamme et les phénomènes qu’on observe dans le système.
2.1 Mouvement du lit de matière (Mellmann, 2001;

Ahmed Hared, 2007)
Nous avons constaté que la plupart des études antérieures relèvent plusieurs types de mouve-
ments en ce qui concerne le lit de matière dans un four rotatif. Toutefois, il est possible de les
classer en trois grandes catégories (Mellmann, 2001) qui sont : le mouvement de glissement, le
mouvement de cascade et le mouvement de cataracte. Les formes du mouvement transversal
du lit de matière dans le four, qui seront représentés par la suite, nous renseignent sur la
complexité de la forme de la surface de contact entre le gaz et la matière.
Le mouvement de glissement/patinage (slipping)
Comme son nom l’indique, ce mouvement se produit lorsqu’on considère qu’il n’existe « pas
de frottement » entre le lit de matière et le four. Ainsi, si la surface interne du four est très
lisse et que le lit de matière formant un ensemble presqu’immobile (pas de rotation) glisse sur
cette surface, on parle alors de sliding (glissement). Cependant, la présence de frottement
qui entraine une adhérence du lit de matière (ensemble) à la surface interne va favoriser une
rotation de ce dernier jusqu’à un certain angle puis de redescendre en glissant. Et c’est qu’on
appelle surging (roulis/bercement).
23
Chapitre 2 : Étude Bibliographique
(a) Mouvement de sliding (b) Mouvement de surging
Figure 2.1 – Mouvement de glissement/patinage (slipping) (Mellmann, 2001)
Soulignons que ce type de mouvement ne favorise pas le mélange, ce qui diminue la qualité
du produit. Ainsi, c’est un mouvement qui n’est pas utilisé pour les applications dans un
four rotatif. Par ailleurs, ce type de mouvement se produit d’une manière ou d’une autre
à l’intérieur du four, d’où l’utilisation de brique réfractaires rugueuses et d’autres moyens
2.1:Les
ure2.1:
ure Les formes
formes du
du mouvement
mouvement transver
(chaines, releveurs,. . . ).
transve
Le mouvement de mélange (mixing)
1)
) Lorsqu’on augmente les frottements (rugosité de l’intérieur du four) tout en maintenant la
vitesse de rotation à un niveau bas, on observe le slumping (affaissement/écoulement). La
fréquence du slumping dépend de la vitesse de rotation, de la taille des particules et du
diamètre du four (Henein et al., 1983; Wahlster et al., 1963).
ee surface,
surface, on
on parle
parle alors
alors de
de sliding. Cepen
sliding. Cepen
adhérence du
adhérence du lit
lit de
de matière
matière (ensemble)
(ensemble) àà la
l
dernier jusqu’à un
ernier jusqu’à un certain
certain angle
angle puis
puis de
(a) Mouvement de slumping
de red
re (b) Mouvement de rolling (c) Mouvement de cascading
Figure 2.2 – Mouvement de mélange (mixing) (Mellmann, 2001)
ging.
ging. Lorsqu’on augmente maintenant la vitesse de rotation du four, le rolling (roulement) se
lignons que
ignons
24 que ce
ce type
type de
de mouvement
mouvement ne ne favor
favor
ouvement transversal du
uvement transversal du lit
lit de
de matière
matière dans
dans
2.1 Mouvement du lit de matière (Mellmann, 2001; Ahmed Hared, 2007)
produit. Il est caractérisé par l’apparition dans le lit de matière de deux parties différentes.
À savoir, une grande partie (couche passive) qui reste immobile par rapport au four, et une
petite partie (couche active) qui se déplace ou coule selon une pente liée à l’angle au repos
dynamique (angle de la surface libre du lit avec l’horizontal).
Lorsque la couche active se courbe, on parle de cascading (cascade). Ce type de mouvement
cascade est lié aussi à la taille des particules (Blumberg, 1995), et la hauteur de la courbure
croit avec la vitesse de rotation du four (dans la pratique avec le collage de matière). La
plupart des travaux liés aux fours rotatifs utilisent le type rolling car il facilite les transferts
de chaleur et un bon mélange du lit de matière. Cependant, les deux autres types (slumping
et cascading ) sont toutefois observés dans les fours rotatifs.
Par ailleurs, la partie active est prompte à fondre lorsqu’elle est soumise à un certain niveau
de température.
Le mouvement de cataracte (cataracting)
Quand on augmente la vitesse de rotation le mouvement de cascade s’amplifie jusqu’à un

niveau où certaines particules se détachent du lit de matière et sont projetées dans l’espace
libre du four. Ce dégagement de particules est une caractéristique du mouvement de cataracte.
On parle de cataracting (cataracte) lorsque les particules sont projetées dans l’espace gazeux.
(a) Mouvement de cataracting (b) Mouvement de centrifuging
Figure 2.3 – Mouvement de cataracte (cataracting) (Mellmann, 2001)
Lorsqu’on augmente encore la vitesse de rotation le lit de matière adhère complètement à la

paroi intérieure du four lors de son mouvement. Ceci est dû au fait que les forces d’inertie sont
plus importantes que la gravité et on parle alors de centrifuging (centrifugation). Cependant,
ce type de mouvement (centrifuging) n’est pas réalisable dans la réalité au niveau du FRC,
it de matière dans le four (Mellmann,

car le four rotatif de clinker ne saurait avoir une grande vitesse pour atteindre ce cas, vu son
envergure (taille/dimension). Toutefois, on pourra rencontrer un mouvement qui ressemble au
centrifuging, lorsque le collage de matière intervient dans le four (voir Fig. 5.1). Pour finir, le
25
mouvement de cataracte n’est pas utilisé dans les fours rotatifs car il ne favorise pas le mélange
du lit de matière.
Remarque : L’ensemble de la traduction des mots/termes désignant les différents types de

mouvement est fourni par l’Office québécois de la langue française (OQLF, 2012) .
Phénomène de la ségrégation (Ahmed Hared, 2007)
C’est l’état d’un lot de matériau lorsque les fragments appartenant à une classe granulométrique
ou densimétrique donnée n’apparaissent pas en mêmes proportions dans toutes les régions
de l’espace occupé par le lot (GDT, 2012). Tout simplement lorsqu’il y a une différence de
taille ou de masse volumique entre les particules du lot. Dans le cas du lit de matière dans le
four rotatif, on peut observer ce phénomène quand les particules de petite taille se retrouvent
au centre du lit de matière et les particules de grande taille se retrouvent en périphérie (voir
Fig. 2.4).
Figure 2.4 – ségrégation radiale (Ahmed Hared, 2007)
De manière générale, la ségrégation axiale est souvent négligée même si elle est une conséquence
de la ségrégation radiale car elle est mal connue tandis que la ségrégation radiale qui se fait
dans le plan transversal est observée dans les fours rotatifs.
Remarquons qu’avec la ségrégation radiale, la répartition de la chaleur n’est pas uniforme dans
le lit de matière puisque les particules se trouvant à la périphérie reçoivent plus de chaleur que
celles qui sont au centre.
26
2.2 Mouvement et vitesse axial du lit de matière
Conclusion
À ce niveau de notre étude, il est aisé de remarquer que le mouvement du lit de matière est
fortement lié aux phénomènes physiques (perturbations/collages, etc.) et aux éléments internes
du four (voir Chap. 1) d’une part et d’autre part à la vitesse de rotation et à la rugosité interne
du four (voir ci-dessus). Par conséquent, la surface de contact entre le lit de matière et le gaz
devient pratiquement impossible à estimer et à prévoir. Ainsi, cette surface ne saurait être
prise constante comme c’est le cas actuellement dans la littérature.
2.2 Mouvement et vitesse axial du lit de matière

Les travaux de Akerman et al. (1966) sont intéressants en ce sens qu’à partir des résultats
provenant des méthodes utilisant les traceurs radioactifs pour le suivi du lit de matière, ils
observent que la vitesse de descente de ce dernier varie considérablement dans les différentes
zones du four. Et ils expliquent cette variation de la vitesse par les réactions physicochimiques
subies par la charge. Les principales raisons peuvent être le changement du débit massique
du lit de matière dans le four ; la fluidisation du lit de matière due au dégagement des gaz
de ce dernier et le changement de la nature du lit de matière au cours de son déplacement
lorsque la température augmente. Ils observent également que les variations de l’angle de
frottement dynamique du lit de matière sur les parois intérieur du four doivent obligatoirement
être considérées pour obtenir une prédiction adéquate de la vitesse de la charge et du temps de
résidence. Ainsi de manière générale, le mouvement axial du lit de matières dans le four dépend
du débit massique de matière, la vitesse de rotation, la hauteur du lit de matière, la taille des
particules, les angles de repos et d’inclinaison du four (Kramers et Croockewit, 1952; Lebas
et al., 1995; Spurling et al., 2001). Et la vitesse axiale du lit de matière ne peut pas être prise
constante comme l’ont fait beaucoup d’auteurs (Sullivan et al., 1927; Saeman, 1951; Zablotny,
1965; Ronco, 1965; Heiligenstaedt, 1971) car elle varie le long de la longueur du four. En effet
avec les paramètres géométriques (rayon, longueur,...), les paramètres opératoires (vitesse de
rotation, inclinaison,...), les propriétés de la charge (hauteur, diamètre des particules, l’angle
au repos,...) et aussi de l’expérimentation (expression semi-empirique), d’autre auteurs ont
utilisé une vitesse axiale moyenne du lit de matière dans le four.
2.3 Hauteur et temps de résidence du lit de matière

Hauteur
La plupart des modèles numériques pour les fours à ciment considèrent que la hauteur du lit de
matière est uniforme ou une constante sur toute la longueur du four (Spang, 1972; Mastorakos
et al., 1999). En réalité, cette hauteur n’est pas constante puisque lors de son mouvement le
long du four, le lit de matière va entrainer une variation de celle-ci. Ainsi, Lebas et al. (1995) à
travers une série d’expériences sur un four pilote avec des particules de charbon et de coke,
27
ont démontré que seule l’équation de Kramers et Croockewit (1952) représente correctement
le profil de la hauteur du lit de matière. Toutefois, ils (Lebas et al., 1995) ont montré que
la hauteur du lit de matière (le profil) n’est pas influencée par la vitesse de rotation du four
aussi longtemps qu’on maintient l’alimentation de ce dernier. Par conséquent, leur (Kramers et
Croockewit, 1952) équation (modèle) mathématique (voir (2.1)) est la plus usitée actuellement
dans l’étude/simulation de l’écoulement de la charge de matière dans les fours rotatifs.
" − 32 #
dh tan β 3qv 2h h2
= tan γ − − 2 (2.1)
dx sin γ 4πnR3 R R
h et R représentent respectivement la hauteur du lit de matière et le rayon interne du four.

γ et β représentent l’angle respectivement de repos dynamique et d’inclinaison du four.
n et qv représentent respectivement la vitesse de rotation du four et le débit volumique de la
charge.
Temps de résidence
Le temps de séjour ou temps de résidence moyen (TRM) est un paramètre particulièrement

important parce qu’il est intrinsèquement lié à la durée de la transformation de la matière (en
clinker) et au degré des réactions physico-chimiques qui se produisent dans le lit de matière
et l’espace gazeux. De nombreux chercheurs (Liu et Specht, 2006; Chen et al., 2009) ont
récemment montré que les principaux éléments qui influencent le temps de résidence moyen
sont la vitesse de rotation, l’angle d’inclinaison, le diamètre intérieur du four et la hauteur du
lit de matière. Par ailleurs, Chen et al. (2009) ont montré qu’une augmentation de la vitesse
de rotation ou la pente du four conduit à la réduction du TRM. Et avec l’augmentation de
la vitesse de rotation de 1 à 4 [tr/min], le TRM diminue remarquablement, tandis qu’avec
une augmentation supplémentaire de la vitesse de rotation, la réduction du TRM n’est pas
apparente. Ils expliquent que, Le TRM diminue presque linéairement avec l’augmentation de
la pente du four. La hauteur du lit de matière a également une influence remarquable sur le
TRM. Puisque, pour une vitesse de rotation inférieure à 2.0 [tr/min], le TRM augmente avec
la hauteur du lit de matière, sinon, le TRM diminue avec l’augmentation de la hauteur du lit
de matière.
Conclusion
En dehors du fait que la hauteur du lit de matière soit prise constante, on constate également
que l’équation (2.1) qui donne de bons résultats est composée de paramètres difficiles à estimer.
Ainsi, même si des variables opératoires (β, n) et le rayon interne, R, du four sont accessibles il
n’en est pas de même pour l’angle de repos dynamique, γ, et du débit volumique, qv , qui sont
inaccessibles. Ceci vient du fait que ces paramètres sont fortement liés aux phénomènes physico-
chimiques (qui se produisent dans le FRC) et aux éléments internes du four (voir Chap. 1).
Par conséquent, les travaux qui utilisent cette équation sont obligés de fixer l’angle de repos
28
2.4 Longueur de la flamme et vitesse du gaz
dynamique (γ) et/ou de prendre le débit volumique de la charge (qv ) comme constant (Descoins
et al., 2005). Par ailleurs, étant donné que le TRM est influencé entre autre par la hauteur du
lit de matière, ce paramètre sera également à l’instar de la hauteur du lit de matière estimé
difficilement ou avec précision. En somme, ces deux paramètres importants dans l’étude du
FRC, sont employés dans la littérature avec beaucoup de simplifications donc avec moins de
précision.
2.4 Longueur de la flamme et vitesse du gaz

Longueur de la flamme
Très peu d’études ont été faites à ce sujet, toutefois, deux ont retenus notre attention. À savoir,
celles de Beér et Chigier (1972) et de Gorog et al. (1983). Ces études ont été basées sur une
équation semi-empirique de Guenther (1966) qui est fonction du diamètre du brûleur et des
densités du combustible et des produits de combustion. Ainsi Beér et Chigier (1972) estiment
que la longueur de la flamme est principalement influencée par le type de combustible utilisé
et le diamètre du brûleur, tandis que Gorog et al. (1983) quant à eux souligne l’importance
de l’air primaire en remplaçant la densité du gaz naturel par une densité équivalente, et le
diamètre du brûleur par un diamètre équivalent.
Vitesse du gaz
Par rapport à la vitesse du lit de matière, la vitesse du gaz au dessus de celui-ci n’a pas connu
assez de recherche ainsi nous disposons de peu de modèle mathématique. Ainsi il y a eu trois
tendances :
• considérer la vitesse du gaz comme une constante (Spang, 1972),
• considérer le gaz comme un mélange de gaz parfait (Perron, 1989) afin d’appliquer la
formule suivante :



 ṀN2 : débit massique de l’azote


! 

 P : pression
N
X 

R·TG 1 Yi AG : section transversale du gaz
VG = ṀN2 + où
AG ·P MN 2 Mi 
 MN2 : masse molaire de l’azote
i 


 Mi : masse molaire de i



 Y : fraction massique de i dans le gaz
i
• utiliser un code CFD (Computational Fluid Dynamics) pour le gaz et le coupler au mo-
dèle mathématique du lit de matière (Mastorakos et al., 1999; Mujumdar et Ranade, 2008)
29
Conclusion
Nous pouvons donc conclure que la vitesse du gaz, dans les FRCs, représente l’un des paramètres
les plus difficiles à estimer/modéliser vu le milieu dans lequel il évolue. Toutefois, le considérer
comme un gaz parfait aide à étudier le système (FRC) mais réduit la précision de l’étude. Par
ailleurs, l’utilisation de code CFD facilite la compréhension du système avec l’amélioration
certes de la précision de l’étude mais étant basée sur des modèles à paramètres constants et
certaines hypothèses simplificatrices (Mastorakos et al., 1999; Mujumdar et Ranade, 2008)
nous amènent à relativiser cette amélioration. En effet (à titre d’exemple) en l’absence de
toute information sur l’emplacement de la formation de revêtement de matière (anneaux de
collage), Mastorakos et al. (1999) supposent que cela se fait sur toute la longueur du four,
quand Mujumdar et Ranade (2008) supposent que cette formation se fait au niveau de la
moitié du four à partir de l’extrémité d’alimentation. Par conséquent, les approches disponibles
actuellement doivent être améliorées surtout en ce qui concerne la vitesse du gaz au niveau de
phase gazeuse.
2.5 Échanges et transferts de chaleur dans le four
Dans toutes les zones, à l’exception de la zone de récupération, le solide reçoit de la chaleur
du gaz et des briques réfractaires, et le gaz transmet de la chaleur au solide et aux briques
réfractaires. Car au niveau de la zone de récupération, les réactions qui s’y déroulent peuvent
être négligées tant au niveau du gaz que du solide (clinker), ce qui entraine une perte d’énergie
de ce dernier au profil des airs d’alimentation et d’infiltration. C’est ce processus qui occasionne
le refroidissement du clinker à son entrée dans les satellites (sa sortie du four). La chaleur qui
règne dans le four est produite au niveau de la zone de combustion (clinkérisation). C’est dans
cette zone que le lit de matière est transformé en clinker. Ce processus de transformation exige
plusieurs types de réactions qui sont possible grâce à l’importante source de chaleur que dégage
la combustion du fuel, l’oxygène des airs et autres combustibles (alternatif ou de substitution)
en présence de la flamme. Cette importante chaleur doit être gérée afin de permettre les autres
types de réactions qui ont lieu dans les autres zones du four, ce qui oblige l’opérateur à avoir
un procédé auto-suffisant en énergie.
Le gaz chaud cède une partie de sa chaleur au lit de matière pour la formation de la chaux
dans les zones de calcination et préchauffage, et une partie dans la zone de séchage pour
l’évaporation de l’eau. Soulignons que les échanges de chaleur sont de trois genres à savoir : la
radiation, la convection et la conduction.
Nous allons exposer par la suite les différentes expressions utilisées pour quantifier ces échanges.
30
Figure 2.5 – Représentation des principaux échanges de chaleur dans un four à travers une
section transversale (condition stationnaire)
2.5.1 Transfert de chaleur entre le gaz et les briques réfractaires (paroi

interne)
La quantité de chaleur échangée entre le gaz et le mur intérieur du four peut être exprimée par
QGB = hGB AGB (TG − TB ). Avec AGB l’aire d’échange entre le gaz et les briques réfractaires,
elle se calcule par des considérations géométriques et est généralement égale à AGB = RB (2π−θ)
ou égale aussi à l’aire intérieure totale moins l’aire d’échange entre la paroi et le solide soit
!0.35
Ṁlit ·τ
AGB = 2πRB − ABC avec ABC = 2.44 qui est l’aire d’échange entre le mur
LT ·ρlit
intérieur et le solide rapportée par Viola et al. (1986). hGB est un coefficient global de transfert
de chaleur (convection et rayonnement).
Convection

kg 0.8 0.33 D 0.055
Nous avons retenu l’expression de Kreith et Black (1980), hGB = 0.036 Re P r
D L
lorsque l’écoulement est turbulent avec la condition suivante 10 < D
L
< 400, L est la longueur
du four et D son diamètre. Et celle de Tscheng et Watkinson (1979) qui à travers une étude
kg
expérimentale, ont proposé la relation suivante hGB = 1.54 ReD0.575
Re−0.292
D . Par ailleurs, ils
De
ont montré que hGB est indépendant du taux de remplissage volumique.
31
Rayonnement
Nous avons quelques expressions simplifiées de hGB qui engendrent des erreurs non négligeables
notamment hGB = 2σεG εB (TG3 + TB3 ) celle de Lyons et al. (1962) et
hGB = σεG (TG4 − TB4 )/(TG − TB ) (Sass, 1967). Par ailleurs Ketslakh et Tsibin (1978) ont
proposé une expression plus précise à savoir hGB = σΨ(TG4 − TB4 )/(TG − TB ) avec
sin(π − θ/2)
Ψ = εG εB [1 + Φ(1 − εG )(1 − εC )] Ω, où Φ = et
π − θ/2
1
Ω= . Toutefois, Hottel et Sarofim (1967)
1 − (1 − εG )(1 − εB ) [1 − Φ[1 − (1 − εG )(1 − εC )]]
proposent une expression également précise de la quantité de chaleur échangée entre le gaz et
le mur intérieur lorsque εB > 0.8, QGB = σAGB (εB + 1)(εG TG4 − αG TB4 )/2.
2.5.2 Transfert de chaleur entre le gaz et le solide (lit de matière)

L’équation qui représente cette quantité est de la forme QGC = hGC AGC (TG − TC ), avec AGC
l’aire d’échange entre le gaz et le solide. Elle se calcule par des considérations géométriques
et est généralement (Perron, 1989) prise égale à AGC = 2RB sin(θ/2). hGC est un coefficient
global de transfert de chaleur (convection et rayonnement).
Convection
On considère également ici les travaux de Tscheng et Watkinson (1979) basés sur des travaux
kg
expérimentaux, ainsi ils proposent hGC = 0.46 ReD 0.535
Reω0.104 η −0.341 .
De
Rayonnement
Nous avons également quelques expressions simplifiées de hGB qui engendrent des erreurs non
négligeables notamment hGC = 2σεG εC (TG3 + TC3 ) celle de Lyons et al. (1962) et
hGC = σεG (TG4 − TC4 )/(TG − TC ) celle de Sass (1967). Par ailleurs Ketslakh et Tsibin (1978)
ont proposé une expression plus précise à savoir hGC = σΨ(TG4 − TC4 )/(TG − TC ) avec
sin(π − θ/2)
Ψ = εG εC [1 + Φ(1 − εG )(1 − εB )] Ω, où Φ = et
π − θ/2
1
Ω= . Toutefois, Hottel et Sarofim (1967)
1 − (1 − εG )(1 − εB ) [1 − Φ[1 − (1 − εG )(1 − εC )]]
proposent une expression également précise de la quantité de chaleur échangée entre le gaz et
le mur intérieur lorsque εC > 0.8, QGC = σAGC (εC + 1)(εG TG4 − αG TC4 )/2.
2.5.3 Transfert de chaleur entre la paroi et le solide

L’équation générale est QBC = hBC ABC (TB − TC ). Avec ABC l’aire d’échange entre le gaz et
les briques réfractaires et se calcule par des considérations géométriques et est généralement
!0.35
Ṁlit ·τ
prise égale à ABC = 2.44 ou à ABC = θRB ou à ABC = 2RB sin(θ/2) (Perron,
LT ·ρlit
1989). hBC est un coefficient global de transfert de chaleur (conduction et rayonnement).
32
Conduction
Pour ce mode de transfert de chaleur, beaucoup de recherches se sont basées sur hBC
constant, comme Lyons et al. (1962) qui l’ont estimé 222.0 6 hBC 6 250.0. Cependant,
certaines études l’ont prise comme variable, notamment celle de Sass (1967) qui propose
!0.67
ṀG
hBC = 118.2 .
AG
Rayonnement
Les expressions simplifiées proposées respectivement par Lyons et al. (1962) et Sass (1967)
AB 3 1
sont : hBC = 2σεB εC (TC + TB3 ) et hBC = σεC (TB4 − TC4 )/(TB − TC ).
AC 2
Quant à Ketslakh et Tsibin (1978) ils ont proposé une expression plus précise à savoir
hBC = σΨ(TB4 − TC4 )/(TB − TC ) avec Ψ = εB εC (1 − εG )Ω, où
1 sin(π − θ/2)
Ω= et Φ = .
1 − (1 − εG )(1 − εB ) [1 − Φ[1 − (1 − εG )(1 − εC )]] π − θ/2
2.5.4 Transfert de chaleur entre la paroi extérieure et l’environnement

extérieur
L’équation générale est QAE = hAE AAE (TA − TE ). Avec AAE l’aire d’échange entre la paroi
extérieure et l’environnement extérieur et se calcule par des considérations géométriques et est
généralement prise égale à AAE = 2πRA . hAE est un coefficient global de transfert de chaleur
(convection et rayonnement).
Rayonnement
On retiendra ici hAE = σεE afin d’avoir l’expression classique qui est QAE = σAAE εE (TA4 − TE4 ).
Convection
L’environnement extérieur étant influencé par le climat, il va falloir définir le cas où l’extérieur
est calme (convection naturelle) et le cas où l’extérieur est agité par le vent (convection forcée).
Ainsi, avec les relations suivantes :
• Re2 < GrD pour une convection naturelle ou libre,
• Re2 > GrD pour une convection forcée.
Ainsi, on tire hAE selon la nature de la convection avec les équations présentées par Ozisik
(1985) pour calculer le nombre de Nusselt. Alors en convection forcée, on a
D n 1/4 o b
N um = hAE = 0.3 + 0.62Re1/2 P r1/3 / 1 + (0.4/P r)2/3 1 + (Re/28200)a avec a =
ka
5 4 1
, b = pour 100 < Re < 20000 et 400000 < Re < 107 ; a = , b = 1 pour 20000 6 Re 6 400000
8 5 2
et P e = ReP r > 0.2 et Re = V∞ D/νa .
33
D n 8/27 o
Et en convection libre, on a N um = hAE = 0.6 + 0.387Ra1/6 / 1 + (0.559/P r)9/16
ka
avec Ra = GrP r pour 10−4 < Ra < 1012 .
Conclusion
Nous avons constaté que les transferts/échanges de chaleur, qui se déroule dans le FRC, utilisé
dans la littérature, emploie l’aire d’échange entre la phase gazeuse, la phase solide et les
briques réfractaires comme un paramètre constant. Ceci vient du fait qu’elle est pratiquement
impossible à estimer vu les formes des surfaces de contact qui existent entre les éléments (voir
Figs. 2.1, 2.2 et 2.3). Par conséquent, les expressions employées dans la littérature engendrent
des erreurs non négligeables pour la plupart.
Quant au coefficient global de transfert de chaleur, Perron (1989) conclut qu’il y a une disparité
entre les valeurs et les équations utilisées (manque de connaissances suffisantes) en ce qui
concerne la conduction, pour le rayonnement il fait remarquer que les modèles disponibles
conduisent à des erreurs plus ou moins grandes. Au niveau de la convection, Perron (1989) a
résumé les mesures (des plages) obtenues par plusieurs travaux et cela relève encore une fois la
non maitrise des erreurs dans le choix des valeurs.
2.6 Modèles mathématiques

Nous présenterons les grandes approches utilisées par la plupart des travaux dans l’étude du
four rotatif de clinker, et à la fin une conclusion (synthèse) révélant l’opportunité de notre
travail sera dégagée. La première approche s’appuie sur un modèle à une dimension (1D) et est
basée sur les équations de conservations de la matière et de l’énergie. Et la deuxième approche
est bâtie à partir de la première en couplant cette dernière avec le code CFD. Enfin, la dernière
approche se démarque des deux autres par le fait qu’elle fait intervenir le concept de fonctions
opératoires.
Première approche
Spang (1972) a développé un modèle dynamique du four associé à un modèle de la flamme

en une dimension. Son modèle est basé sur les équations bilan de l’énergie et de la matière et
celui-ci traite la flamme comme une réaction chimique exothermique qui transfère sa chaleur
directement au gaz. Ainsi, Spang (1972) arrive à avoir une description complète des profils de
températures et des réactions chimiques.
Guruz et Bac (1981) ont également développé en une dimension un modèle mathématique
stationnaire pour obtenir les distributions de la température dans le gaz et dans la charge
solide, ainsi que la distribution de la composition dans la charge solide. Leur modèle est basé
sur une analyse par zone à l’aide de la méthode de Monte-carlo pour la simulation numérique
en utilisant les principes fondamentaux des transformations physiques et chimiques qui se
produisent dans le four. Mujumdar et Ranade (2006) ont développé dernièrement un modèle en
34
2.6 Modèles mathématiques
1D plus élaboré et précis que les précédents, qui peut être couplé au code CFD, pour simuler
les processus clés se produisant dans le lit de matière des fours à ciment. Le modèle prend en
compte la variation de la hauteur du lit en fonction des conditions de fonctionnement du four,
des propriétés du lit de matière et la fonte de matière dans la zone des brûleurs dans le four.
Deuxième approche
Il est évident que les modèles en une dimension sont moins précis que les modèles à dimension
supérieure. Et ceci est d’autant plus remarquable que les dimensions même du four et les
réactions physiques/chimiques qui s’y déroulent ainsi que les échanges qui lient les phases
gazeuse et solide nous obligent à envisager un modèle qui englobe le plus possible ces éléments.
C’est dans cette optique que le code CFD a été introduit dans la modélisation de la phase
gazeuse. Ainsi, Lockwood et al. (1995) à travers leurs travaux font parti des pionniers dans
cette nouvelle approche. En effet, Lockwood et al. (1995) ont développé un modèle du champ
d’écoulement et de la combustion du charbon dans les fours à ciment avec l’utilisation du code
CFD. Cependant, leurs travaux n’incluent pas le couplage du clinker avec le four et la condition
à la frontière de la température de la paroi intérieure n’y est pas prévue mais est basée sur
des mesures expérimentales. Toutefois, Mastorakos et al. (1999) présentent un modèle complet
et modulaire (sous forme de modules) pour la plupart des processus qui se produisent dans
un four rotatif à ciment, par couplage de trois modèles distincts. Les trois modules (flamme,
parois, lit de matière) sont calculés itérativement jusqu’à ce que la convergence soit obtenue
pour la distribution axiale du flux de chaleur incident sur les réfractaires. Cette dernière
détermine les températures (du gaz, du four, et du lit de matière) et la composition du lit de
matière. Les trois modules qui forment le modèle sont : le premier module est un code CFD
multidimensionnel pour la combustion du charbon et de la phase gazeuse à partir des résultats
de Lockwood et al. (1995), le second module est une équation de conduction de la chaleur en
3D pour décrire les températures dans les parois proposée par Boateng et Barr (1996) et le
troisième est un modèle axial en 1D présenté dans Spang (1972) pour la composition du lit
de matière. Enfin, Mujumdar et al. (2007) se basant sur leurs précédents travaux (Mujumdar
et Ranade, 2006), ont élargi et amélioré l’utilisation du code CFD avec la construction d’un
simulateur intégré, obtenu à partir de modélisation d’un préchauffeur, d’un calcineur, d’un
four et d’un refroidisseur. Ainsi, des modèles appropriés pour la simulation : du contact phase
gazeuse-solide et de l’échange de chaleur dans le préchauffeur, simultanée de la combustion
des particules de charbons et la calcination du lit de matière, le transfert de chaleur et les
réactions à l’intérieur du four, les réactions solide-solide dans le lit de matière et la fonte de
matière avec la formation de revêtement dans le four ont été développés. Soulignons qu’ils ont
modélisé le refroidisseur par un modèle à deux dimensions pour représenter le transfert de
chaleur (récupération) entre le clinker chaud et l’air.
35
Troisième approche
Après l’utilisation du code CFD dans l’étude du four rotatif du clinker, il est apparu une
approche qui est très récente. À l’opposé des approches ci-dessus, celle-ci regroupe les para-
mètres sous forme de coefficients. Ainsi, au lieu de chercher plusieurs paramètres, un bloc
de paramètres ou un coefficient (fonction opératoire) est plutôt recherché. Ce qui réduit non
seulement les inconnues, les difficultés liées à l’accessibilité des paramètres, mais aussi on arrive
à maintenir la non linéarité du modèle donc d’être plus réaliste et précis.
Et avec cette approche, les variables qui décrivent mieux le fonctionnement et l’évolution du
système sont répertoriées puis utilisées comme variables d’état afin d’avoir un modèle plus
précis et plus manipulable que ceux disponibles actuellement dans la littérature. Les variables
d’états sont des variables intermédiaires qui lient les variables d’entrée et de sortie, et sont
également liées à l’énergie, ainsi elles conditionnent l’évolution des sorties en fonction des
entrées au cours de leurs évolutions.
Il faut rappeler que l’utilisation de cette approche a été utilisée pour la première fois par Ding
(1999) et Kada et Tarasiewicz (2004) pour les systèmes de séchage de bois. Toutefois, la concep-
tion et l’utilisation de cette approche dans les systèmes complexes sont le fait de Tarasiewicz
et al. (1994). En ce qui concerne son utilisation dans l’étude du four rotatif de clinker, Tarasie-
wicz et Shahriari (2008) furent les précurseurs. Ainsi, dernièrement Shahriari et Tarasiewicz
(2011) ont exploité cette approche pour décrire la dynamique complexe d’un FRC. À travers
une représentation espace-état du processus, la structure du modèle comporte trois variables
d’état dont l’évolution dans le temps a été décrite par un système d’équations aux dérivées
partielles. Ils ont décrit les paramètres du modèle comme des fonctions opératoires et elles ont
été identifiées à l’aide des zones à paramètres distribués et localisés en régime stationnaire à
travers une décomposition phénoménologique du processus dans quatre zones bien définies.
Ainsi, une approche phénoménologique a été proposée pour déterminer les fonctions opératoires
pour un fonctionnement en état stationnaire donné du four. Le modèle a ensuite été utilisé
pour réaliser une simulation semi-dynamique du procédé par la manipulation des principales
variables du procédé. Par conséquent, cette approche a été validée à travers leurs travaux.
Cependant, ils ont montré que les fonctions opératoires définies par leur modèle ne sont valables
que dans les régions voisines au régime stationnaire.
Ceci étant, notre étude aura pour objectif d’aller au-delà du cas stationnaire c’est-à-dire le
cas dynamique. L’étude (Shahriari et Tarasiewicz, 2011) ne permettant pas de réaliser notre
objectif final, nous seront amener à définir une autre identification des fonctions opératoires.
2.7 Plate-forme de commande automatique

Au niveau de la commande automatique, les approches connues et utilisées dans les systèmes
complexes sont basées principalement sur la commande dite intelligente. Aussi, la plupart des
travaux réalisés dans ce sens et les applications utilisées dans les cimenteries sont axés sur la
36
2.8 Conclusion
commande floue, réseau de neurones, systèmes expert et hybride.

La commande floue utilise la méthode de la logique floue, qui traite de l’incertitude qui
provient de la théorie mathématique des ensembles flous. Ainsi, la commande floue a pour
but de traiter des problèmes de commande de processus à partir uniquement de connaissances
de comportement que les spécialistes du procédé doivent formuler sous forme linguistique
(floue) (Hijazi et al., 2011). La première application industrielle de cette méthode a été effectuée
par Mamdani (1974), la logique floue a été introduite en 1965 par Zadeh. On peut également
citer des travaux qui font appel à cette méthode mis en place dans une cimenterie et sur un
four rotatif notamment ceux de Batzias (2006) visant à réduire les émissions de N Ox (les
oxydes d’azote) dans l’atmosphère et ceux de Fallahpour et al. (2007) pour la supervision de la
température de calcination.
Le système expert peut être défini comme un programme permettant de résoudre des problèmes
dans un domaine bien précis exigeant l’expertise humaine. Aussi de tels systèmes ont été
associés à l’industrie du ciment pour améliorer les performances du four. Ainsi, Hagemoen en
1993 a eu à améliorer la performance d’un four à chaux en développant un système expert
combiné avec des régulateurs réglable dans la commande de ce dernier. Et plus tard, Naner
et al. (1997) ont fait fonctionner dans une cimenterie en Chine, un système expert en temps
réel sur le fonctionnement du four. Ils ont abordé également dans leur étude le traitement de
données floues, les bases de connaissances et de données, le mécanisme de l’auto-apprentissage,
et l’ensemble des règles de fonctionnement du système. Par ailleurs, on peut citer les travaux
de Zhou et Chai (2007) en ce qui concerne les systèmes hybrides. Ils ont développé et proposé
l’application industrielle d’un modèle basé sur une approche hybride de commande intelligente
pour un FRC de frittage d’alumine reposant sur la reconnaissance des formes floues.
Quant au réseau de neurones, il peut être défini comme un modèle de calcul composé d’éléments
simples (neurones) en parallèles dont le fonctionnement est inspiré des systèmes nerveux
biologiques. Ainsi, c’est un système d’opérateurs ou fonctions algébriques non linéaires (dont
la valeur dépend de paramètres appelés coefficients ou poids) interconnectés, recevant des
signaux de l’extérieur par ses entrées, et délivrant des signaux de sortie, qui sont les activités
de certains neurones. De ce fait, Järvensivu et al., en 2001, ont développé un modèle de réseau
de neurones en conjonction avec des régulateurs de haut niveau basés sur les principes de la
logique floue et une nouvelle approche d’équation linguistique. Aussi, récemment Pani et al.
(2011) ont développé un capteur logiciel basé sur un réseau de neurones rétro-propagation pour
un four rotatif à ciment. Et ceci pour la prédiction simultanée de la quantité de la chaux libre,
C3 S, C2 S et C3 A dans le clinker.
2.8 Conclusion
Le four rotatif de clinker a fait l’objet de plusieurs travaux de recherche comme en témoigne
notre étude bibliographique non exhaustive. Toutefois, nous avons remarqué un point commun
qui ne concourt pas à améliorer leurs précisions. En effet, l’on constate que les paramètres utilisés
37
dans ces travaux sont constants (Spang, 1972) pour la plupart lorsqu’un modèle empirique
n’est pas utilisé. On remarquera également que ces travaux sont locaux c’est-à-dire liés à un
type de four ou de matière première bien défini (Mujumdar et Ranade, 2006; Chen et al.,
2009; Watkinson et Brimacombe, 1982) ce qui engendre une autre contrainte supplémentaire.
Par ailleurs, Bui, Tarasiewicz et Charette (1982) ont donné une plage des valeurs constantes
de plusieurs paramètres. Nous avons souligné aussi que la plupart des travaux utilisent le
mouvement de mélange du type rolling (voir Fig. 2.2b) car il favorise le mélange du lit de
matière, or il est bien connu que les autres mouvements de la matière sont observés d’une
manière ou d’une autre dans le four selon la surface interne du four (rugueuse ou pas), la
vitesse de rotation du four, l’inclinaison du four et de la granulométrie de la matière. Il a
été montré encore que la hauteur du lit de matière et sa vitesse ne pouvaient pas être prises
constantes et qu’il était difficile de modéliser la vitesse du gaz dans le four, même si des études
précédentes considèrent le gaz dans le four comme un gaz parfait (ce qui est une simplification).
Pour illustrer nos propos ci-dessus, nous allons considérer une expression fondamentale dans
l’étude du four rotatif de clinker, à savoir :
• La quantité de chaleur échangée : elle est utilisée sous la forme hXY AXY (TX − TY ). En
effet, même si l’estimation des températures est aisée par la mesure donc plus précise,
elle n’est pas de même pour la surface de contact et du coefficient global de transfert
de chaleur. Comme nous l’avions souligné ci-dessus que le type de mouvement du lit de
matière étant aléatoire (voir Figs. 2.1, 2.2 et 2.3), il est clair que l’estimation de l’aire
d’échange par une expression empirique ou constante présentera des erreurs qui seront
non négligeables même s’il est possible d’en fixer les bornes. Quant au coefficient global
de transfert de chaleur, nous avons abordé plus haut les insuffisances relevées dans les
travaux de Perron (1989).
En somme, l’ensemble des modèles mathématiques disponibles sur ce sujet de four rotatif de
clinker, bien que donnant des résultats satisfaisants, engendre beaucoup d’erreurs vu le nombre
de simplifications ou simplement le manque de connaissance suffisantes/précises concernant
certains paramètres. Et la structure complexe de ces modèles mathématiques (approches 1 et 2)
n’est pas appropriée pour la modélisation dans ce travail car elle ne peut pas être intégrée dans
la commande automatique du système. Alors, un modèle qui décrit mieux le comportement du
système à travers son fonctionnement et la variation de l’énergie, en plus d’être intégrable dans
la commande du FRC, est plus que souhaitable. En effet, nous savons que les variables d’états
sont des variables intermédiaires qui lient les variables d’entrée et de sortie et sont également
liées à l’énergie, ainsi elles conditionnent l’évolution des sorties en fonction des entrées au cours
de leurs évolutions.
Ainsi, si nous arrivons à répertorier les variables qui décrivent mieux le fonctionnement et
l’évolution de notre système, nous pourrons utiliser une approche basée sur les variables d’état
afin d’avoir un modèle plus précis et plus manipulable que ceux disponibles actuellement dans
la littérature.
38
2.8 Conclusion
Par ailleurs, bien que les approches disponibles pour la commande automatique du FRC
aient connu une utilisation accrue depuis des décennies dans les cimenteries, il a été donné
de constater que celles-ci présentent un inconvénient commun et aussi majeur. Puisque ces
approches ne reposent pas sur un modèle qui décrit le comportement dynamique du système
mais sur des connaissances antérieures de celui-ci ou sur une connaissance et une expérience de
l’opérateur afin de maintenir un fonctionnement assez stable du four (Chen et al., 2009). Ce qui
ne permet pas d’anticiper sur d’éventuelle perturbation ou changements physique et chimique
internes du four. Par conséquent, les interventions effectuées sur le système ne sont pas guidées
ou influencées par la connaissance du comportement en cours ou à venir du processus, ceci,
malgré le fait que le comportement du système soit observable via l’instrumentation disponible.
39
Chapitre 3
Développement d’un modèle

mathématique à l’aide des
phénomènes physico-chimiques
L’étude bibliographique a permis de nous rendre compte que l’ensemble des modèles mathé-
matiques disponibles sur le FRC est confronté aux épineux problèmes de manque d’informa-
tions/connaissances précises et de l’inaccessibilité concernant certains paramètres/données du
système. Ces inconvénients ont amené ces travaux à entreprendre des considérations simpli-
ficatrices et/ou empiriques, ce qui ne serait allé sans accumulation d’erreurs. Ainsi, il serait
judicieux de réduire au minimum les erreurs liées principalement aux paramètres. Par consé-
quent, nous proposons de regrouper ces derniers sous forme de coefficients. Alors, au lieu de
chercher plusieurs paramètres on recherche seulement un bloc de paramètres ou un coefficient.
Ce qui réduit non seulement les inconnues, les difficultés liées à l’accessibilité, mais aussi de
maintenir la non linéarité du modèle donc d’être plus réaliste et précis. En effet, l’introduction
des fonctions opératoires, comme coefficients, a pour but de remplacer les modélisations ma-
thématiques complexes tout en décrivant les phénomènes physico-chimiques qui caractérisent
la complexité du système. Par ailleurs, la structure complète de notre modèle mathématique
sera basée sur les équations (1.3) et (1.4) pour la création d’une base de connaissances du
système auxquelles nous ajouterons des équations phénoménologiques pour représenter un
modèle d’état du système. Aussi à travers ce type de structure de modélisation, nous avons des
paramètres ajustables étant donné qu’ils décrivent les phénomènes physico-chimiques observés
dans le système.
L’identification de tous les paramètres est faite en deux étapes. La première étape est faite
avec les équations (1.3) et (1.4) à l’aide d’une procédure de complément d’instrumentation. Et
la seconde étape est faite avec le modèle d’état à l’aide de la base de connaissances du système
créée par la première identification.
41
Chapitre 3 : Développement d’un modèle mathématique à l’aide des phénomènes
physico-chimiques
3.1 Création d’une base de connaissances du système

Les équations (1.3) et (1.4) qui décrivent des échanges de chaleur, lient également plusieurs
paramètres physiques à travers les différentes résistances thermiques qu’elles contiennent ou les
composent. Ainsi, ces équations mathématiques constituent notre modèle physique du système
avec pour paramètres les fonctions f0,3 (x, t), f0,4 (x, t), f0,0 (x, t), f0,1 (x, t) et f0,2 (x, t).
Par ailleurs, nous allons entamer cette partie de l’étude par une décomposition de ces fonctions
opératoires qui, rappelons le, renferment l’ensemble des paramètres physiques du système. Et
celle-ci sera effectuée à travers des organigrammes (voir Fig. 3.1). La décomposition de ces
FOPs a été effectuée à partir des expressions algébriques des résistances thermiques de la
section 1.4 et de la littérature.
f0,3 = f (Re1, Rk2, Rk3
Rk2 = f (rA, rAin, 4x, kA)
Re1 = f (", , rA, 4x, AAO , hA, TA, TO ) Rk3 = f (rB , rAin, 4x, kB )
AAO = f (rA, LT )
f0,3 = f (", , rA, rB , rAin, 4x, LT , kA, kB , hA, TA, TO )
Paramètres "; ; rA; rB ; rAin; 4x; LT kA ; kB ; h A Paramètres

constants dynamiques
f0,3 = f (TO , TA) kA = kB = hA = f (TA, TB ) = f (TA, TO )
f0,4 = f (Re1, Rk2, R1 k3
Re1 = f (", , rA, 4x, AAO , hA, TA, TO ) Rk3 = f (rB , rAin, 4x, kB )
AAO = f (rA, LT )
f0,4 = f (", , rA, rB , rAin, 4x, LT , kA, kB , hA, TA, TO )
Paramètres "; ; rA; rB ; rAin; 4x; LT kA ; kB ; h A Paramètres

f0,4 = f (TO , TA) kA = kB = hA = f (TA, TB ) = f (TA, TO )
42
f0,0 = f (Re2, Re3, Rk2, Rk3
Re2 = f (", , rB , 4x, AGB , ✓, hB , TB , TG) Rk3 = f (rB , rAin, 4x, kB )
Re3 = f (✓, rB , 4x, hC , kC ) AGB = f (✓, rB , 4x)
f0,0 = f (", , rA, rB , rAin, ✓, 4x, hB , kC , kA, kB , hC , TB , TG)
Paramètres "; ; rA; rB ; rAin; 4x h B ; kA ; kB ; h C ; kC Paramètres

✓ = f (MC ) hB = kA = kB = hC = kC = f (TB , TA, TO , TG)
f0,0 = f (TB , TA, TO , TG) f0,0 = f (TB , TA, TO , TG, MC )
f0,1 = f (Re2,1Re3, Rk2, Rk3

f0,2 = f (Re2,1Re3, Rk2, Rk3

Figure 3.1 – Décomposition physique des fonctions

1
f0,3 (x,t), f0,4 (x,t), f0,0 (x,t), f0,1 (x,t) et f0,2 (x,t)
43
physico-chimiques
À la lumière de la Figure 3.1, il ressort que les fonctions f0,3 (x, t), f0,4 (x, t), f0,0 (x, t), f0,1 (x, t)
et f0,2 (x, t), sont reparties en deux types de paramètres. En effet, nous avons d’un côté des
paramètres constants, liés au type de four donc qui peuvent être fournis et de l’autre côté
des paramètres dynamiques, liés à l’intensité de chaleur qui règne dans le four, donc qui sont
difficile à fournir. Ainsi, on peut prendre les paramètres dynamiques comme les variables de ces
fonctions. Par ailleurs, le type de four (paramètres constants) étant lié intrinsèquement à ces
fonctions, nous proposons de les prendre comme paramètres de celles-ci. Et ceci afin d’adapter
les équations (1.3) et (1.4) à tout type de four. Par conséquent, ces fonctions seront nommées
fonctions opératoires de base (FOPBs).
Nous obtenons les expressions mathématiques (voir équations (3.1) à (3.5)) après le développe-
ment/calcul des FOPBs de la section 1.4 où les résistances thermiques sont remplacées par
leurs expressions algébriques d’une part et d’autre part à l’aide d’approximation linéaire et de
développement limité à l’ordre 1. Et les paramètres/coefficients sont fournis à la suite.
a11 TA4 + a12 TA + a13 TO4 + a14 TO

f0,1 (TA , TB , TO , TG ) = (3.1)
b11 TA4 + b12 TA + b13 TO4 + b14 TO + b15 TB + b16 TG
a21 TA4 + a22 TA + a23 TO4 + a24 TO

f0,2 (TA , TB , TO , TG ) = (3.2)
a31 (TG − TB )
f0,0 (TA , TB , TO , TG ) = (3.3)
a41
f0,3 (TA , TO ) = (3.4)
b41 TA3 + b42 TA2 TO + b43 TA TO2 + b44 TO3 + 1
a51
f0,4 (TA , TO ) = 1 − (3.5)
b51 TA3 + b52 TA2 TO + b53 TA TO2 + b54 TO3 + 1
a12 = −a14 = 0.0165 ; a22 = −a24 = 0.986 ; a31 = b12 = −b14 = b22 = −b24 = −b35 = b36 = 1;
−b15 = b16 = −b25 = b26 = 3.685 ; a11 = −a13 = 1.448 × 10−10 ; a11 = −a13 = 1.448 × 10−10 ;
a21 = −a23 = 8.659 × 10−9 ; b41 = −b51 = b42 = b52 = b43 = −b53 = b44 = b54 = 1.874 × 10−9 ;
a41 = a51 = 0.786 ; b11 = −b13 = b21 = −b23 = 8.782 × 10−9 ; b32 = −b34 = 0.27.
Remarque : les paramètres/coefficients, obtenus ci-dessus, méritent une précision en ce sens

que certains sont très petits. En effet, il est recommandé de prendre en considération la
variable que les paramètres/coefficients concernés multiplient. Ainsi, (à titre d’exemple) pour
le paramètre/coefficient a11 = 1.448 × 10−10 , il faut considérer le terme a11 TA4 qui est compris
entre 1.30 et 12.35.
Étant donné que la température du gaz (TG ) est aisée ou facile à mesurer et donc plus précise
44
que celle (TC ) du clinker/matière, les deux équations (1.3) et (1.4) serviront alors à obtenir la
température du clinker/matière à l’intérieur du FRC. Ainsi, à travers elles (équations (1.3)
et (1.4)), nous donnons une alternative quant à la difficulté (actuellement) à avoir la mesure de
TC . Par le fait qu’il est possible d’avoir la mesure de la surface externe, TA , du four en plusieurs
points repartis, il est possible d’avoir la mesure des briques réfractaires, TB , en autant de points
avec la première équation (1.3). Et ceci est réalisable grâce à la possibilité d’avoir la mesure
de la température de l’extérieur (air ambiant) du système, TO , et le fait que les fonctions
f0,3 (TA , TO ) et f0,4 (TA , TO ) soient estimables. Car l’ensemble des résistances thermiques, qui
les compose, est estimable (voir Fig. 3.1).
Ainsi, avec les équipements et capteurs envisagés plus haut (voir sections 1.2 et 1.3) et l’équa-
tion (1.4), nous pouvons avoir/calculer la mesure de la température de la matière/clinker puisque
les fonctions f0,0 (TB , TA , TO , TG ), f0,1 (TB , TA , TO , TG ) et f0,2 (TB , TA , TO , TG ) sont composées
de variables mesurables (voir Fig. 3.1). Toutefois, il faut remarquer qu’une estimation est faite
pour déterminer les données entre deux points de mesure grâce à une interpolation d’Hermite
cubique par morceaux car cette technique conserve la monotonie entre des points/nœuds voisins
et est stable (par rapport à : Lagrange, quadratique, linéaire) d’une part et d’autre part elle
est très robuste au niveau de la courbe en plus d’être facilement implementable (par rapport
aux splines) (Guillod, 2008).
À la lumière de tout ce qui précède, il est important de remarquer que notre modèle physique à
travers les FOPBs, renferme l’ensemble des principales et nécessaires informations (paramètres
physiques et opératoires) du système d’une part et d’autre part les données/informations
suffisantes (températures du gaz et du clinker) pour l’obtention d’un clinker de qualité.
3.1.1 Détermination du nombre de point de mesure

Nous allons rechercher maintenant le nombre de point minimal qu’il faudra à notre démarche,
développée plus haut, pour créer la base de données. Le critère de choix du nombre de points de
mesure ici est basé sur la minimisation du coût. Ainsi, le plus petit nombre possible de capteurs
nécessaire pour le complément d’instrumentation est souhaité. Les températures mesurées (du
gaz et des briques réfractaires) proviennent des points de mesure placés sur chaque mètre le
long du système soit cent-vingt-un (121) points de mesure.
Les figures (voir Fig. 3.2) montrent que lorsqu’un point de mesure n’est pas placé à l’abscisse
x = 20, où la température est maximale, les données fournies par les équations (1.3) et (1.4)
ne sont pas acceptables. Par conséquent, il faudra toujours l’inclure (x = 20) parmi les points
de mesure.
Ainsi, voyons maintenant son impact lorsqu’on place un point de mesure à son niveau (Fig. 3.3).
45
physico-chimiques
800
T calculée
B
750 T mesurée
B
700 pts de calcul
pts de mesure
650
Températures [K]
600
550
500
450
400
350
300
0 20 40 60 80 100 120
x [m]
1800
T calculée
C
1600 T mesurée
C
pts de calcul
1400
pts de mesure
Températures [K]
1200
1000
800
600
400
200
0 20 40 60 80 100 120
x [m]
Figure 3.2 – Profils des températures sans point de mesure à la plus haute température
46
Températures du clinker
1800
3 pts de mesure
4 pts de mesure
1600
5 pts de mesure
1400 mesures réelles

pts de mesure
pts de calcul
Températures [K]
1200
1000
800
600
400
200
0 20 40 60 80 100 120
x [m]
Figure 3.3 – Profils des températures avec différents nombres de points de mesure
47
physico-chimiques
Placer un point de mesure en x = 20 améliore la précision dans la zone de combustion comme le

montre la figure 3.3, mais on remarque une grande divergence dans les autres zones (calcination,
préchauffage et séchage) lorsque le nombre total de point de mesure est de trois (3).
Soulignons que le point d’abscisse x = 20 a été choisi à cause des informations qu’il fournit
notamment sur l’emplacement du maximum de la température de la matière mais aussi donne
une idée de l’emplacement de la zone de combustion et de l’intensité de la vitesse avec laquelle
le fuel est introduit dans le four. L’importance de ce point est confirmée à travers les Figs. 3.2
et 3.3.
Ceci étant, nous allons augmenter le nombre de point de mesure dans l’objectif d’améliorer la
précision dans les zones de calcination, préchauffage et de séchage.
Comme on peut le constater, le profil en bleu (voir Fig. 3.3) donne des résultats acceptables
lorsque le nombre de points de mesure est porté à quatre (4). Et ceci pour un point de mesure
placé au voisinage du début de la zone de combustion. Toutefois, voyons l’influence d’un
cinquième (5ème) au voisinage de la fin de la zone de combustion (profil en rouge).
En effet, au regard d’un cinquième (5ème) point de mesure placé au voisinage de la zone de
combustion, on a une amélioration légère des résultats surtout dans la zone de récupération et
son voisinage avec la zone de combustion.
3.1.2 Conclusion
À la suite des différents résultats obtenus à travers plusieurs cas liés au nombre de points de
mesure, nous pouvons proposer cinq (5) points de mesure dont trois (3) au niveau de la zone
de combustion et les deux autres à chaque extrémité du four (voir Fig. 3.3 et Fig. 1.3 de la
section 1.1). Ainsi, à l’aide de la base de connaissances et de l’interpolation d’Hermite cubique
par morceaux exposées plus haut, nous sommes capables de fournir une base de données
acceptable pour lancer une étude dynamique du système. Ainsi, cette base de données peut
être élaborée aisément dans Matlab sous forme de fichier avec son type (.txt, .xls, .mat, etc.)
au choix.
Par ailleurs, il faut souligner le fait que les paramètres constants ici, liés au four, pourraient
en réalité évoluer. Et ceci à cause du fait que les perturbations, qui surviennent lors des
phénomènes physico-chimiques, peuvent modifier ces derniers (paramètres constants). En effet,
on observe cela lorsque, par exemple, le collage (voir Fig. 5.1) de matière s’amplifie dans le four,
le rayon interne du four/briques réfractaire augmente d’une part et d’autre part l’émissivité se
retrouve modifiée.
3.2 Modèle d’état du système aux paramètres repartis

Nous avons introduit (chap. 1) le modèle avec deux équations ((1.3) et (1.4)) qui fournissent
correctement les différents échanges de chaleur entre l’intérieur et l’extérieur du four. Ainsi, nous
48
allons exposer dans cette partie les équations qui décrivent les phénomènes physico-chimiques
se produisant à l’intérieur du système.
Il ressort de l’étude bibliographique que les types de mouvement, les vitesses, échange de
chaleur/masse etc., dépendent des caractéristiques (diamètre, rugosité de la paroi interne) et
des paramètres opératoires (taux de chargement, vitesse de rotation etc.) du four. Par ailleurs
ils sont fortement liés aux phénomènes physico-chimiques qui s’y déroulent, car Bogue (1947)
et Tarasiewicz et Shahriari (2008a) ont mis en évidence la présence des phénomènes physiques
et chimiques fortement couplés dans le four. Par conséquent, notre système ne peut pas être
considéré comme homogène ni être modélisé par des équations aux dérivées ordinaires (EDO).
Ce qui de facto exclu la démarche classique adoptée dans l’étude des systèmes à paramètres
concentrés (SPC) (c.à.d. ne faisant pas intervenir la variable spatiale).
En effet, la température et la masse de matière, par exemple, ne sont pas uniformes car elles
sont influencées par les phénomènes physico-chimiques (déplacement, diffusion, convection,
etc.). C’est pourquoi nous avons à faire, dans notre étude, à un système à paramètre repartis
(SPR) qui sera décrit par des équations aux dérivées partielles (EDP) (ici les dérivées spatiales
et temporelles interviennent à la fois). Ainsi, une modélisation phénoménologique basée sur
des variables (d’état) qui décrivent fondamentalement les principaux phénomènes (physico-
chimiques) sera employée.
3.2.1 Équations aux dérivées partielles du modèle
En effet la structure de notre modèle, qui vient des travaux de Tarasiewicz et Shahriari (2008),
est basée sur trois variables d’état qui sont : la température du lit de matière TC (x, t), la
température du gaz TG (x, t) et la distribution de masse du lit de matière MC (x, t) (voir annexe
B pour quelques détails). Ces variables d’états peuvent décrire correctement les principaux
phénomènes qui se déroulent dans le four (Tarasiewicz et al., 1994). L’évolution des variables
d’état dans une représentation spatiotemporelle d’état est alors exprimée en utilisant un système
d’équations aux dérivées partielles issues des équations de conservation de la matière et de
l’énergie ainsi que des phénomènes physiques et chimiques qui influencent les variables d’état à
travers un volume de contrôle.
La notion de fonctions opératoires a été introduite dans le but de remplacer les modélisations
mathématiques complexes tout en décrivant les phénomènes physico-chimiques qui caractérisent
la complexité du système. Par conséquent, celles-ci représentent les coefficients qui apparaissent
dans les différentes équations mathématiques du modèle ((1.3), (1.4) et (3.6) à (3.13)).
Les variations de températures des gaz et de la matière dans le temps sont caractérisées en ce
qui concerne les variables d’état sous la forme d’un système d’équations aux dérivées partielles
49
physico-chimiques
comme suit.
∂TG (x, t) ∂TG (x, t)

= −f1,1 (x, t)TC (x, t) + f1,2 (x, t) + f1,3 (x, t)Mf (x, t)−
∂t ∂x
∂MC (x, t)
f1,5 (x, t) TG (x, t) − TC (x, t) − f1,6 (x, t) TG (x, t) − TB (x, t) + f1,4 (x, t) (3.6)
∂x
∂TC (x, t) ∂TC (x, t)

= f2,1 (x, t)TG (x, t) + f2,2 (x, t) + f2,4 (x, t) TG (x, t) − TC (x, t) +
∂t ∂x
∂MG (x, t)
f2,5 (x, t) TC (x, t) − TB (x, t) + f2,3 (x, t) (3.7)
∂x
Le transfert de matière à travers le four est également caractérisé par l’équation différentielle
partielle suivante :
∂MC (x, t) ∂MC (x, t)

= −f3,1 (x, t) − f3,2 (x, t)TC (x, t) + f3,3 (x, t)TG (x, t) (3.8)
∂t ∂x
Conditions aux frontières
Pour que le modèle soit bien posé il va falloir définir les conditions aux frontières. En effet,
en ce qui concerne le FRC l’accent a été mis sur le fait que de part et d’autre des frontières,
il y a d’un côté des paramètres repartis (vue de l’intérieur du four) et de l’autre côté des
paramètres concentrés (vue de l’extérieur du four). Par conséquent, nous avons redéfini de
nouvelles équations pour tenir compte de cette donnée très importante (voir annexe C). Ce qui
entraine l’utilisation du signe (+) pour la droite de la frontière et du signe (−) pour sa gauche
(voir Fig. 1.3, de la section 1.1).
∂T
G
Ṁap Cpap + ṀF CpF = f4,1 (0+ , t) TC (x, t) − TG (x, t) + +
∂x x=0− x=0

f4,2 (0+ , t) TB (x, t) − TG (x, t) + (3.9)
x=0
∂T
C
ṀC CpC − Ṁwp Cpwp − Ṁas Cpas = f4,3 (0+ , t) TC (x, t) − TG (x, t) ++
∂x x=0− x=0

f4,4 (0+ , t) TC (x, t) − TB (x, t) + (3.10)
x=0
∂T
C
ṀC CpC + Ṁw Cpw = f5,1 (L− , t) T (x, t) − T (x, t) +
∂x T G C
x=L+ x=L−
T
T

f5,2 (L−
T , t) TB (x, t) − TC (x, t) (3.11)
x=L−
T

∂MC (x, t) −
4Hw = f6,1 (LT , t)M C (x, t) (3.12)
∂x x=L+ x=L−
T
T
50
Conditions initiales
Elles représentent le cas stationnaire qui est l’état sans perturbation où les variables d’état du
système sont obtenues (voir équation (3.13)). Et on considère que les entrées du système sont
stables du point de vue alimentation.
∂TG (x, 0) ∂TC (x, 0) ∂MC (x, 0)

= = =0 (3.13)
∂t ∂t ∂t
Ainsi, l’équation (3.13) est appliquée à la base des résultats (base de données) obtenus à travers
notre base de connaissances en particulier les équations (1.3) et (1.4).
3.2.2 Paramètres du modèle

Les fonctions opératoires qui représentent les paramètres du modèle, comprennent les paramètres
inaccessibles du processus ainsi que les coefficients des différents phénomènes du processus.
Pour cela le processus est décomposé en ses phénomènes de base. Une variable significative est
alors déterminée pour tout phénomène du processus, et l’évolution d’un processus est alors
décrite par une fonction opératoire définie par l’ensemble des variables significatives de tous les
phénomènes.
Présentation des FOPs
Les FOPs seront données par rapport à chaque phénomène physico-chimique qu’elles repré-
sentent suivies de leur unité. Par ailleurs, à travers la structure du modèle, on peut définir
trois types de FOPs, selon les trois catégories d’équations qui forment le modèle. Ainsi, on
distingue (Shahriari et Tarasiewicz, 2011) :
• Les FOPs liées à la zone à paramètres repartis

f1,1 (x, t) : diffusion de la matière dans le gaz [W/J]
f1,2 (x, t) : déplacement du gaz dans le four [(W.m)/J]
f1,3 (x, t) : transfert de chaleur dans le gaz dû à la combustion du fuel [(W.m.K)/(J.kg)]
f1,4 (x, t) : échange de chaleur du gaz à la matière dû aux réactions physiques/chimiques
[(W.m2 .K)/(J.kg)]
f1,5 (x, t) : échange de chaleur du gaz à la matière dû à la radiation/convection [W/J]
f1,6 (x, t) : échange de chaleur du gaz aux briques réfractaires dû à la radiation/convection
[W/J]
f2,1 (x, t) : diffusion de gaz dans la matière [W/J]
f2,2 (x, t) : déplacement de la matière dans le four [(W.m)/J]
f2,3 (x, t) : échange de chaleur de la matière au gaz dû aux réactions physiques/chimiques
[(W.m2 .K)/(J.kg)]
f2,4 (x, t) : échange de chaleur de la matière au gaz dû à la radiation/convection [W/J]
51
physico-chimiques
f2,5 (x, t) : échange de chaleur de la matière aux briques réfractaires dû à la convec-

tion/conduction [W/J]
f3,1 (x, t) : échange de masse de la matière au gaz dû aux réactions physiques/chimiques
[(W.m)/J]
f3,2 (x, t) : diffusion de la matière dans le gaz [(W.kg)/(J.m.K)]
f3,3 (x, t) : diffusion de gaz dans la matière [(W.kg)/(J.m.K)]
• Les FOPs liées aux conditions aux frontières

f4,1 (x, t) : échange de chaleur entre la matière et le gaz [W/(m.K)]
f4,2 (x, t) : échange de chaleur entre les briques réfractaires et le gaz [W/(m.K)]
f4,3 (x, t) : échange de chaleur entre la matière et le gaz [W/(m.K)]
f4,4 (x, t) : échange de chaleur entre la matière et les briques réfractaires [W/(m.K)]
f5,1 (x, t) : échange de chaleur entre le gaz et la matière [W/(m.K)]
f5,2 (x, t) : échange de chaleur entre les briques réfractaires et la matière [W/(m.K)]
f6,1 (x, t) : chaleur de réaction de la matière [(W.s)/(m.kg)] = [J/(m.kg)]
• Les FOPBs liées au complément d’instrumentation (elles sont sans dimension)

f0,0 (x, t) : échange de chaleur entre les briques réfractaires et la surface extérieure du four
f0,1 (x, t) : échange de chaleur entre les briques réfractaires et la matière
f0,2 (x, t) : échange de chaleur entre les briques réfractaires et le gaz
f0,3 (x, t) : échange de chaleur entre la surface extérieure du four et les briques réfractaires
f0,4 (x, t) : échange de chaleur entre la surface extérieure du four et l’air ambiant
3.3 Procédure d’identification des fonctions opératoires
Notre procédure d’identification a été basée sur des analyses phénoménologique et dimension-
nelle. Et ceci afin de tenir compte d’une part des principales réactions physiques et chimiques
qui se déroulent dans le FRC, et d’autre part des interactions que ces dernières engendrent.
Les interactions entre les FOPs ont été définies selon la nature des phénomènes étudiés et leurs
implications respectives. En effet, l’analyse dimensionnelle vient justement rendre cohérent
ou traduire les relations que ces interactions décrivent. Ainsi, à la base des connaissances et
analyses des phénomènes physico-chimiques que représentent les FOPs, on a tiré les conclusions
suivantes :
• f1,1 (x, t) et f3,2 (x, t) désignent la diffusion de la matière dans le gaz donc f3,2 (x, t) =
λ00 (x, t)f1,1 (x, t)
• f2,1 (x, t) et f3,3 (x, t) désignent la diffusion du gaz dans la matière alors f3,3 (x, t) =
λ01 (x, t)f2,1 (x, t)
52
3.4 Étude dynamique
• Étant donné que les réactions physico-chimiques de la matière sont liées à la quantité
de chaleur qu’elle reçoit, on peut ainsi rattacher les échanges de matière et de cha-
leur entre le gaz et la matière dus aux réactions physico-chimiques, que représentent
f3,1 (x, t) et f1,4 (x, t), alors on peut écrire : f3,1 (x, t) = λ02 (x, t)f1,4 (x, t).
• f1,2 (x, t) et f2,2 (x, t) qui représentent respectivement les déplacements du gaz et de la
matière peuvent être reliées car le déplacement du gaz chaud influence la viscosité
de la matière puisque cette dernière est influencée par la température, donc on écrire
f2,2 (x, t) = λ03 (x, t)f1,2 (x, t)
• f2,4 (x, t) et f1,5 (x, t) désignent les échanges de chaleur entre gaz et matière alors on peut
avoir f2,4 (x, t) = f1,5 (x, t)
• La combustion du fuel fournit d’une part au four sa grande quantité de gaz chaud
et d’autre part à la matière des composants chimiques tel que le soufre ; f1,3 (x, t) qui
représente le transfert de chaleur dans le gaz dû à la combustion du fuel peut être liée à
des FOPs, ainsi on a f1,3 (x, t) = λ04 (x, t)f1,4 (x, t) + λ05 (x, t)f1,5 (x, t) + λ06 (x, t)f1,1 (x, t)
• Étant donné qu’il y a une influence de part et d’autre entre les échanges de chaleur entre
gaz-matière et matière-briques réfractaires, alors on a f2,5 (x, t) = λ07 (x, t)f2,4 (x, t) et
f1,6 (x, t) = λ08 (x, t)f1,5 (x, t)
• Puisque nous avons également une influence de part et d’autre entre les diffusions de
matière et de gaz, nous pouvons écrire également f2,1 (x, t) = λ09 (x, t)f1,1 (x, t).
• La fonction opératoire f2,3 (x, t) ∼
= 0 car la chaleur transférée de la matière au gaz peut
être négligeable par rapport aux autres transferts de chaleur.
• Estimation de f2,4 (x, t) à travers la littérature en l’occurrence les expressions (transfert
de chaleur) de Hottel et Sarofim (1967) d’une part et d’autre part celle de Tscheng (1978)
car les expressions de ces travaux cités fournissent de bons résultats (Perron, 1989).
En ce qui concerne les coefficients, en plus d’une analyse dimensionnelle, on tire les relations
MC (x, t) 1
suivantes : λ00 (x, t) = λ01 (x, t) = λ02 (x, t) = γij ; λ04 (x, t) = λ10 (x, t) = γij
TC (x, t) 4x
TC (x, t)
et λ05 (x, t) = λ06 (x, t) = γij ; 0 < λ03 (x, t), λ07 (x, t), λ08 (x, t), λ09 (x, t), γij 6 1.
MC (x, t)

3.4.1 Détermination des FOPs
Étant donné qu’il est bien connu que l’une des conditions essentielles pour un fonctionnement
automatique du FRC est de maintenir stable les variables du processus à leur niveau optimal
(voulu par l’opérateur) indépendamment des perturbations et temps de retard (Hagemoen,
1993), il sera question ici de déterminer les FOPs pour un tel fonctionnement du FRC.
Et par la suite, on verra/exposera l’influence que peut avoir les FOPs sur le fonctionnement
53
physico-chimiques
du processus et ses variables (d’état).

Les FOPs ont été calculées lorsque les entrées et sorties du système sont stables du point de
vue alimentation à partir d’un état stationnaire (notre condition initiale). Ainsi, à la base de la
procédure d’identification exposée ci-dessous (résolution de l’ensemble des équations associé
aux équations (3.6) à (3.8)), on obtient les résultats de la figure 3.4 et le reste est fourni en
annexe F. L’implémentation dans Matlab se trouve en annexe K.
54
−4
x 10
2
−2
F11 [W/J]
−4
−6
−8
2
1.5
1
120
0.5 100
80
60
40
t [min] 0 20
0
x[m]
−3
x 10
12
10
8
F22 [W.m/J]
−2
2
1.5
1 120
100
0.5 80
60
40
0 20
0
t [min]
x[m]
0.2
0.15
F31 [W.m/J]
0.1
0.05
−0.05
2
1.5
1
120
0.5 100
80
60
40
t [min] 0 20
0
x[m]
Figure 3.4 – Quelques fonctions opératoires du modèle d’état identifiées
55
physico-chimiques
Nous pouvons résumer l’analyse des résultats (Figure 3.4 et annexe F) en trois points comme
suit :
• L’évolution des FOPs varie d’une zone à l’autre en fonction de l’espace et du temps. Ainsi
le comportement dynamique des principaux phénomènes le long du four est respecté.
• La variation la plus importante se trouve dans la zone de combustion. Cela prouve une
activité élevée des réactions physico-chimiques avec un échange considérable entre le gaz
et la matière.
• Toutefois, dans les autres zones, les phénomènes de diffusion, de déplacement et d’échange
de matières/gaz ne sont pas négligeables.
3.4.2 Obtention des variables d’état
Dans cette partie qui contient le calcul inverse, on fournira la procédure de calcul pour
l’obtention des variables d’état. En effet, les méthodes des différences finies et de Runge Kutta
4 ont été utilisées dans la simulation, et par ailleurs on a appliqué les formules suivantes de
différences finies :
∂YX (x, t) ∂YX (x, t) YX,i (t) − YX,i−1 (t)

= ẎX,i et = (3.14)
∂t ∂x δx
En appliquant ces expressions aux équations du modèle phénoménologique et aux conditions

aux frontières et initiales, on obtient :
     

 ṪG,i (t) 
 
 TG,i (t) 
 
 TG,i−1 (t) 


 
 
 
 
 


 
 
 
 
 

     
ṪC,i (t) = Ai (t) TC,i (t) + Ai−1 (t) TC,i−1 (t) + Ci (t)

 
 
 
 
 


 
 
 
 
 


 
 
 
 
 

     
ṀC,i (t) MC,i (t) MC,i−1 (t)
 
f12,i−1 (t) f14,i−1 (t)
− 0 −
 δx δx 
 
 
 
 f22,i−1 (t) 
Ai−1 (t) =  0 − 0 
 δx 
 
 
 
f31,i−1 (t)
0 0 −
δx
56
 

 f 13,i (t)Mf,i (t) + f 16,i (t)TB,i (t) 


 


 


 

Ci (t) = −f25,i (t)TB,i (t)

 


 


 


 

0
 
f12,i (t) f14,i (t)
− f15,i (t) − f16,i (t) −f11,i (t) + f15,i (t)
 δx δx 
 
 
 
 f22,i (t) 
Ai (t) =  f21,i (t) + f24,i (t) − f24,i (t) + f25,i (t) 0 
 δx 
 
 
 
f31,i (t)
f33,i (t) −f32,i (t) −
δx
En faisant varier i de 0 à n, on trouve l’équation différentielle matricielle du premier ordre

suivante :
Ẏ (t) = A(t)Y (t) + C(t). (3.15)
Y (t) = (y1 ; y2 ; . . . ; yn )T , yi (t) = (TG,i (t); TC,i (t); MC,i (t))T , C(t) = (C01 ; C2 ; . . . ; Cn−1 ; Cn )T avec
 
A1 0 0 ··· ··· ··· 0 0
 
 A1 A2 0 0 ··· ··· ··· 0 0 
 
 .. 
 0 A2 A3 0 . 0 0 
 
 .. .. 
 . 0 0 0 0 . 0 0 
 
 .. .. 
 . 0 0 0 . 0 0 

A(t) =  .  et C01 = C1 + A0 · y0
.. .. .. 
 .. . . 0 0 0 . 0 0 
 
 .. .. .. .. .. 
 .
 . . 0 0 0 . . 

 .. .. .. 
 .
 . . A n−3 A n−2 0 0 

 
 0 0 ··· ··· ··· 0 An−2 An−1 0 
0 0 ··· ··· ··· 0 0 An−1 An
En utilisant, les FOPs identifiées plus haut et la résolution de l’équation différentielle matricielle
du premier ordre (équation (3.15)), on obtient les variables d’état à la figure 3.5 (voir annexe K
pour son implémentation) :
Pour un état stationnaire du processus, les évolutions des variables d’état obtenues à la figure 3.5
sont acceptables. Car, on note l’absence de perturbation au cours du temps. Et lorsqu’on
parcourt les différentes zones, la variation des variables d’état traduit l’ampleur du phénomène
qu’elles décrivent. Ainsi, l’accroissement progressif jusqu’à la zone de combustion de celles-ci
57
physico-chimiques
1800
1600
1400
1200
TC [K]
1000
800
600
400
200
2
1.5
1 120
100
80
0.5 60
40
20
t [min] 0 0
x[m]
2500
2000
1500
TG [K]
1000
500
0
2
1.5
1 120
100
80
0.5 60
40
20
t [min] 0 0
x[m]
1400
1200
1000
MC [kg/m]
800
600
400
200
2
1.5
120
1 100
80
60
0.5 40
20
0 0
t [min]
x[m]
Figure 3.5 – Évolution des variables d’état pour un fonctionnement stable du processus
58
3.5 Conclusion
dénote que c’est au niveau de cette zone que les températures sont les plus élevées tandis que
le clinker (masse repartie) s’y accumule.
3.5 Conclusion
Une base de connaissances a été créée à partir les équations de base (1.3) et (1.4) afin de prendre
en compte les paramètres du système (physiques et opératoires) et de suivre les évolutions des
températures de gaz et de la matière. Par ailleurs, des tests ont été effectués pour proposer
un nombre optimal de points de mesure qui permet de disposer d’une base de données pour
l’étude du système. Par conséquent, à travers celle-ci une première étude dynamique a été
menée pour identifier les paramètres du modèle et estimer les variables d’état. Ainsi, dans
cette première phase de simulation, on a montré la fiabilité de la procédure d’identification
employée car elle donne des résultats qui permettent dans un premier temps de montrer que
les FOPs décrivent les différents phénomènes qu’elles représentent. Et dans un second temps,
elle permet de retrouver une évolution acceptable des variables d’état lorsque celles-ci sont
calculées à partir des résultats obtenus par la procédure d’identification.
D’autre part, il serait intéressant de voir les éventuelles interactions qui existent entre les
paramètres du modèle (FOPs) et les variables d’état. Ainsi, dans le chapitre suivant nous
exposerons les influences des FOPs sur les variables d’état puis les relations qui existent entre
elles
59
Chapitre 4
Modélisation/Approximation des
paramètres du modèle d’état
4.1 Influences des fonctions opératoires sur les variables d’état

Les FOPs étant les paramètres essentiels dans le modèle d’état, il serait intéressant de voir
leurs influences sur les variables d’état donc sur le fonctionnement du système. Ainsi, pour
cela on a effectué des simulations avec une série de valeurs de quelques FOPs et on obtient les
résultats à la figure 4.1.
De manière générale, on se rend compte que l’influence des paramètres du modèle, qui traduisent
les différents phénomènes physico-chimiques, sur les variables d’état est bien visible/réelle. En
effet, on constate que chaque FOP agit différemment sur les variables d’état selon les zones.
Ainsi, les influences sont plus en vue au niveau de la zone de combustion et à un degré moindre
dans la zone de calcination. Et, on remarque que la masse repartie (MC (x, t)) est principalement
influencée par une modification de la diffusion (f1,1 (x, t)) et de l’échange de chaleur dû aux
réactions physico-chimiques (f1,4 (x, t)) tandis que les températures de gaz (TG (x, t)) et de
matière (TC (x, t)) sont influencées par la modification des trois phénomènes/FOPs (f1,1 (x, t),
f1,4 (x, t) et f1,5 (x, t)).
Au fait, l’ensemble des phénomènes que représentent les FOPs utilisées dans cette série de
simulation se déroule principalement dans ces zones. Par conséquent, lorsque l’on modifie les
modes de transfert de chaleur/matière et les échanges de chaleur dus aux réactions physico-
chimiques, l’évolution/quantité des températures et masse de matière seront affectées. Et c’est
surtout dans les zones où ces modes de transfert et échanges de chaleur sont les plus actifs,
c.à.d. les zones de combustion, calcination et séchage. En ce qui concerne la zone de séchage en
particulier, cela peut être observé avec les évolutions de la température et de la masse repartie
de clinker lorsque la diffusion (f1,1 (x, t)) et/ou les échanges de chaleur (f1,5 (x, t)) entre la
matière et le gaz sont modifiés.
61
Chapitre 4 : Modélisation/Approximation des paramètres du modèle d’état
2200
Influence de F11
2000
Influence de F
14
1800 Influence de F
15
1600
Sans influence
TC [K] 1400
1200
1000
800
600
400
200
0 20 40 60 80 100 120
x [m]
2500
Influence de F11
Influence de F14
2000 Influence de F15
Sans influence
1500
TG [K]
1000
500
0
0 20 40 60 80 100 120
x [m]
1600
Influence de F11
Influence de F14
1400
Influence de F15
1200 Sans influence

MC [kg/m]
1000
800
600
400
200
0 20 40 60 80 100 120
x [m]
Figure 4.1 – Influence de quelques FOPs sur les variables d’état
62
Par ailleurs, il faut remarquer que les résultats de la figure 4.1 peuvent être représentés en 3D.
Ainsi, les figures 4.2, 4.3 et 4.4 montrent les différents comportements des variables d’état lorsque
(respectivement) la diffusion, les échanges de chaleur dus aux réactions physico-chimiques et
des transferts de chaleur (radiation et convection) sont modifiés.
La représentation en 3D (Figs. 4.2, 4.3 et 4.4 ) permet d’apprécier l’évolution de l’influence

des FOPs sur les variables d’état. En prenant, la figure 4.2 (influence de la FOP f1,1 (x, t)) à
titre d’illustration de ces influences, on a les observations et analyses suivantes. En effet, on
a une augmentation de la chaleur dans le gaz et une diminution générale de masse repartie
jusqu’à la zone de combustion où on observe une augmentation lente mais progressive de la
matière au cours du temps. Assurément cela est dû au fait qu’une augmentation de la diffusion
de matière implique celle de la chaleur où la diffusion se déroule. Ainsi l’augmentation de la
chaleur du gaz dans cette zone entraine la formation d’anneaux de collage qui vont ralentir
sinon retenir une certaine quantité de matière d’où l’accumulation de la matière ainsi donc la
présence de cette augmentation de la matière. En somme, ces résultats sont acceptables sur le
plan phénoménologique.
Après avoir montrer l’influence (lien/relation physico-chimique) des FOPs sur les variables à
travers une série de simulation, il est opportun d’envisager les liens/relations mathématiques
entre elles. Ainsi, une étude non exhaustive des modèles (paramètres) mathématiques et
empiriques disponibles dans la littérature sera mise à contribution.
Par conséquent, dans les prochaines parties de ce chapitre, il sera question de proposer une
forme adaptable et valable des FOPs en ce qui concerne le modèle d’état du système.
63
1800
1600
1400
TC [K] 1200
1000
800
600
400
200
2
1.5
120
1 100
80
60
0.5 40
20
0 0
t [min] x[m]
2500
2000
1500
TG [K]
1000
500
0
2
1.5
120
1 100
80
60
0.5 40
20
0 0
t [min]
x[m]
1600
1400
1200
MC [kg/m]
1000
800
600
400
200
2
1.5
120
1 100
80
60
0.5 40
20
0 0
t [min] x[m]
Figure 4.2 – Influence de la FOP f1,1 (x, t) sur les variables d’état
64
1800
1600
1400
1200
TC [K]
1000
800
600
400
200
2
1.5
120
0.5 100
80
60
40
t [min] 0 20
0
x[m]
2500
2000
1500
TG [K]
1000
500
0
2
1.5
1
120
0.5 100
80
60
40
0 20
t [min] 0
x[m]
1400
1200
1000
MC [kg/m]
800
600
400
200
2
1.5
1 120
100
80
0.5 60
40
20
t [min] 0 0
x[m]
65
2500
2000
1500
TC [K]
1000
500
0
2
1.5
1
120
0.5 100
80
60
40
t [min] 0 20
0
x[m]
2500
2000
1500
TG [K]
1000
500
0
2
1.5
1
120
100
0.5 80
60
40
0 20
t [min] 0
x[m]
1400
1200
1000
MC [kg/m]
800
600
400
200
2
1.5
120
0.5 100
80
60
40
t [min] 0 20
0
x[m]
66
4.2 Décomposition physique des paramètres
Dans le souci de rendre la démarche compréhensible et simple, des organigrammes (voir Fig. 4.5)
seront utilisés. Ainsi, l’idée est de partir de l’analyse des expressions des paramètres utilisés
dans la littérature (Kreith et Black, 1980; Tscheng, 1978; Perron, 1989; Bui, Tarasiewicz et
Charette, 1982) pour aboutir à l’expression voulue. En combinant les expressions tirées de
la littérature que l’on peut fournir avec les relations issues d’analyses phénoménologique et
dimensionnelle à la base de la procédure d’identification, la modélisation des FOPs est possible.
Après une étude et analyse des modèles disponibles dans la littérature, les relations suivantes
ont été trouvées :
Ṁ Cp
Pour les (FOPs) f1,5 , f1,6 , f2,4 et f2,5 on a fi,j = f (hr , A, σ, ε, TG , TC , TB ) (Kreith et Black,
V
1980; Tscheng, 1978) ;
ṀG CpG
f1,2 = f (ṀG , CpG ) (Perron, 1989; Bui, Tarasiewicz et Charette, 1982) ;
VG
ṀC CpC
f2,2 = f (ṀC , CpC ) (Perron, 1989; Bui, Tarasiewicz et Charette, 1982) ;
VC
ṀC CpC
f2,1 = f (Rr , 4Hr , Cp , TG ) (Tscheng, 1978; Perron, 1989) ;
VC
ṀG CpG
f1,4 = f (Cp , 4Hr , VG , VC , ṀG ) (Bui, Tarasiewicz et Charette, 1982).
VG
Ṁ Cp Ṁ Cp ∂T
La quantité vient de la chaleur accumulée, , dans un élément de volume. Et
V V ∂t
ceci pour souligner que cette dernière a été prise en compte dans toute l’étude. Comme on le
Ṁ Cp
verra par la suite, avec les organigrammes, la quantité est incluse dans les différentes
V
formes, f ( · ), proposées ci-dessus. Alors finalement, on en déduit les relations finales suivantes :
fi,j = f (hr , A, σ, ε, V, TG , TC , TB ) pour les (FOPs) f1,5 , f1,6 , f2,4 et f2,5 ;
f1,2 = f (ṀG , VG , CpG ) ;
f2,2 = f (ṀC , VC , CpC ) ;
f2,1 = f (Rr , 4Hr , Cp , TG , VC ) ;
f1,4 = f (Cp , 4Hr , VG , VC , ṀG ).
À partir des relations ci-dessus et de la procédure d’identification on peut trouver celles des
autres FOPs. Par conséquent, on a :
MC
f3,3 = f2,1 donc f3,3 = f (Rr , 4Hr , Cp , TG , VC , MC , TC ) ;
TC
MC
f3,1 = f1,4 donc f3,1 = f (Cp , 4Hr , VG , VC , ṀG , MC , TC ) ;
TC
1
f1,1 = f2,1 donc f1,1 = f (Rr , 4Hr , Cp , TG , VC ) car λ09 ∈ R ;
λ09
67
MC 1 TC
f3,2 = f1,1 donc f3,2 = f (Rr , 4Hr , Cp , TG , VC , MC , TC) et f1,3 = f1,4 + (f1,5 +f1,1 )
TC 4x MC
donc f1,3 = f (Cp , 4Hr , VG , VC , Rr , ṀG , hr , A, σ, ε, MC , TG , TC , TB ).
Ainsi, au lieu de considérer certains paramètres constants, entre autre comme les coefficients
de transfert thermique, les surfaces de contact, l’angle au centre et la vitesse, on préfère les
représenter par des phénomènes donc des variables d’état qui les caractérisent ou décrivent
le mieux. À titre d’exemple, les surfaces de contact et l’angle au centre sont très dépendants
de la matière par rapport au mouvement du FRC et autres. Donc, on préfère dans ce cas les
représenter par la variable d’état masse de matière/clinker repartie. Et avec la même approche,
nous avons établi des organigrammes pour chaque FOP dont ceux représentés à la figure 4.5
(le reste sera fourni en annexe G).
Par ailleurs, la vitesse de rotation (ω) et le rayon (R) du four, la pression (P ), la constante des
gaz parfaits (Rg ), l’angle au repos (φ) (entre la surface libre du lit de matière et l’horizontal),
la constante pré-exponentielle (k0 ) et l’énergie d’activation (E) constituent pour nous les
paramètres constants. Ainsi, ces derniers peuvent être fournis aisément.
À la base de notre procédure d’identification et à l’aide d’outils mathématiques tel que le
développement limité ou asymptotique, nous avons tiré des expressions qui serviront de plate-
forme pour la modélisation des FOPs. Ainsi, des formes particulières issues de cette démarche
seront paramétrées pour aboutir aux formes générales.
68
Cp = f (TC , TG) f1,1 = f (Rr , 4Hr , VC , Cp, TG)
Rr = f (VC , VG, TG, MC , TC , k0, E, Rg ) 4Hr = f (TC , TG)
VC = f (h, R, !, ✓, ) R; !; ; k0; P ; E; Rg
h = f (MC , TG) VG = f (TG, A, P, Rg ) Paramètres

constants
✓ = f (MC ) A = f (MC )
f1,1 = f (MC , TG, TC )

Figure 1: Organigramme de la FOP f1,1 (x, t)
f2,2 = f (ṀC , VC , CpC )
1
ṀC = f (VC , MC ) VC = f (h, R, !, ✓, ) CpC = f (TC )
h = f (MC , TG) ✓ = f (MC ) R; !;
Paramètres
constants
f2,2 = f (MC , TG, TC )
Cp = f (TC , TG) f3,1 = f (4Hr , VC , Cp, VG, MC , TC , ṀG)
ṀG = f (MG, VG) VC = f (h, R, !, ✓, ) 4Hr = f (TC , TG)

1
MG = f (MC , VG) VG = f (TG, A, P, Rg )
h = f (MC , TG) R; !; ; k0; P ; E; Rg
✓ = f (MC ) Paramètres
constants A = f (MC )
f3,1 = f (MC , TG, TC )
Figure 4.5 – Organigramme des FOPs f1,1 , f2,2 et f3,1

1
69
4.3 Modélisation générale et calibrage

Dans cette phase de notre étude, nous aurons à paramétrer les formes particulières des FOPs.
Et par la suite, l’ensemble des équations du modèle dont celles des conditions aux frontières et
initiales sera discrétisé. Puis à l’aide d’un programme d’optimisation (minimisation), il s’agira
de faire le calibrage en obtenant les paramètres couplés aux formes particulières.
n+1 n n n n n
∂YX (x, t) YX,i − YX,i ∂YX (x, t) YX,i+1 − YX,i YX,i+1 − YX,i−1
= et = = (4.1)
∂t 4t ∂x 4x 24x
La discrétisation respective des équations (3.6) à (3.12) par la méthode des différences finies à
l’aide de l’équation (4.1) donne :
n+1 4t n n n
n 4t n
TG,i = 1− f12,i − 4tf15,i − 4tf16,i TG,i + f Tn n
+ 4tf13,i Mf,i +
4x 4x 12,i+1 G,i+1
n n
n 4t n n 4t n
4t f15,i − f11,i TC,i + f14,i+1 MC,i+1 − f M n + 4tf16,i
n n
TB,i (4.2)
4x 4x 14,i C,i
n+1 4t n n n
n 4t n
TC,i = 1− f22,i − 4tf24,i + 4tf25,i TC,i + f Tn +
4x 4x 22,i+1 C,i+1
n n
n n n
4t f21,i + f24,i TG,i − 4tf25,i TB,i (4.3)
n+1 4t n n 4t n
MC,i = 1+ f31,i MC,i − f Mn n
− 4tf32,i n
TC,i n
+ 4tf33,i n
TG,i (4.4)
4x 4x 31,i+1 C,i+1
Frontière x = 0
n 4x n 4x n n 4x n n 4x n
TG,2 = 1− f41,1 − f42,1 TG,1 + f41,1 TC,1 + f Tn (4.5)
φ11 φ11 φ11 φ11 42,1 B,1
n 4x n 4x n n 4x n n 4x n
TC,2 = 1+ f43,1 + f44,1 TC,1 − f43,1 TG,1 − f Tn (4.6)
φ21 φ21 φ21 φ21 44,1 B,1
Frontière x = LT
n n
TG,N +1 = TG,N −1 (4.7)
n n 24x n n 24x n n 24x n n

n
TC,N +1 = TC,N −1 + f51,N TG,N + f52,N TB,N − f51,N + f52,N TC,N (4.8)
φ31 φ31 φ31
n n 24x n
MC,N +1 = MC,N −1 + f Mn (4.9)
φ41 61,N C,N
Les indices i et n désignent respectivement les indices spatial et temporel, et l’indice N + 1

relève l’existence et la prise en compte de nœuds fictifs.
70
Les pas de discrétisation selon l’espace et le temps sont représentés respectivement par 4x
et 4t. Par ailleurs, on a : φ11 = Ṁap Cpap + Ṁf Cpf ; φ21 = ṀC CpC − Ṁwp Cpwp − Ṁas Cpas ;
φ31 = ṀC CpC + Ṁw Cpw et φ41 = 4Hw .
Les FOPs présentes dans les équations discrétisées sont fonction des variables d’état, comme
nous l’avions expliqué à travers la figure 4.5, et des paramètres calibrage. Elles sont de la forme
f,in = f,in (TC,i
n n
, TG,i n
, MC,i , Ck ) où Ck représente le facteur de calibrage de la k ième FOP.
Par ailleurs à l’aide de la procédure d’identification et d’outils mathématiques tel que le
T
développement limité/asymptotique, nous avons abouti, en posant T ∗ = [(K.m)/kg], aux
MC
expressions mathématiques suivantes (voir la démarche et le reste en annexe D).
h 1.18
f1,1 (TG , TC , TG∗ , TC∗ ) = C11 α10 TG∗ TC −10.125TG + −4 −
10
∗ ∗ ∗ ∗ ∗
i
α11 TG TC −TG −0.0018TG TC +0.0023TG TG (4.10)
α22 T ∗ 2
f2,2 (TG , TC , TG∗ , TC∗ ) = C22 ∗ C TG −TC T G +TC
3
(4.11)
TG TG∗

∗ ∗ α31 3.34TC∗ − TG∗ h ∗ ∗
∗
i
f3,1 (TG , TC , TG , TC ) = C31 0.36T G + 0.84TG +3 TC − 1.2TG +3.9 TG ·
TG∗ − 1 TC∗
h i
TC∗ − TG∗ + 550 − 0.472 + 4.14TG∗ TG + 0.0466 + 3.384TG∗ TC (4.12)
Les αk représentent l’ensemble des paramètres géométriques, opératoires et physiques estimables

du système de la k ième FOP. Le tableau 4.1 et l’annexe E donnent leurs unités ainsi que leurs
valeurs. Par ailleurs, les facteurs de calibrage du système seront fournis dans la suite à travers
la procédure d’ajustement.
αk Valeurs Unités
α10 3.864/109 m/K 2

α11 1.49/104 kg/K 3
α22 1.33/1014 m/(kg · K 3 )
α31 1.2/109 (W · m)/(J · K 3 )
Tableau 4.1 – Paramètres estimables du système
Remarque : Le raisonnement développé à la section 3.1 (voir la remarque), en ce qui concerne

les paramètres/coefficients des équations (3.1) à (3.5), reste valable également pour les para-
mètres estimables du système (voir tableaux 4.1 et E.1). Ainsi, le paramètre α31 associé au
bloc de variables d’état qu’il multiplie seront compris entre −0.126 et 1.687.
Par ailleurs, on peut expliquer que les petites valeurs obtenues au niveau des paramètres
71
(FOPs) et de leurs coefficients (αk ) viennent de la forme adoptée dans la modélisation (voir
équation (3.6) à (3.8)). Ceci résulte de la division faite avec le coefficient de la quantité de
Ṁ C
p
chaleur accumulée énoncée à la section 4.2, toutefois l’on pourrait faire cette même
V
remarque dans les travaux de Spang (1972) et de Shahriari et Tarasiewicz (2011).
4.3.1 Procédure d’ajustement et Calibrage des paramètres du modèle
On recherche un sous-espace qui minimise l’erreur de reconstitution, c’est-à-dire la distance

entre les mesures et leurs estimations par le modèle d’état (équations (4.2) à (4.9)). Minimiser
l’erreur de reconstitution revient à chercher un vecteur de dimension N (nombre d’échantillon)
qui approche au mieux le vecteur yk = [TGk ; TCk ; MCk ]T au sens des moindres carrées. Ceci
équivaut à chercher le vecteur ŷk = [T̂Gk ; T̂Ck ; M̂Ck ]T qui minimisent le critère suivant :
XN
1 2 1
J= kyk − ŷk k = [yk − ŷk ]T [yk − ŷk ]
(max Yk )2 (max Yk )2
k=1
 !2 !2 !2 
N
X
 TGk − T̂Gk +
TCk − T̂Ck
+
MCk − M̂Ck 
(4.13)
max TGk max TCk max MCk
k=1

où Yk ∈ TGk ; TCk ; MCk
Ainsi, lorsque la tolérance, Jmin , est dépassée, donc le critère n’est pas minimisé, on ajuste
alors les facteurs de calibrage (Ck ) pour d’autres estimations du modèle.
Par conséquent, cette opération est répétée jusqu’à ce que la condition liée à la tolérance soit
satisfaite, ainsi donc les derniers (Ck ) ajustés donnent les FOPs calibrées (voir Fig. 4.6).
En effet, on remarque que la structure et les paramètres du modèle à l’aide de cette procédure
deviennent ajustables, par conséquent le modèle proposé devient adaptatif dans un horizon à
déterminer
4.3.2 Résultats
En exploitant les mesures recueillies en industrie, il sera question ici de valider les différentes
phases de la plate-forme construite.
Dans cette phase de validation et de simulation, l’interpolation a été utilisée comme moyen
d’estimation pour les positions autre que celles des points de mesure (des capteurs et des
sondes). Ainsi, les facteurs de calibrage sont obtenus à travers la procédure d’ajustement qui
a été implémentée avec le langage C++ (voir annexe L). Le tableau 4.2 renferme quelques
résultats et le reste est fourni en annexe E.
Remarque : Une observation attentive de toutes les équations discréditées, de la forme

mathématique des FOPs proposées et de l’algorithme de la procédure d’ajustement révèle que
les résultats sont liés entre autre aux pas de discrétisation et aux valeurs initiales des facteurs
72
Début
Toutes les données du FRC: physiques, géométriques, mesures, etc.
Valeures restaurées Modèle Phénoménologique: Valeures calculées

yk N
X ŷk
1 T
Jj = [yk ŷk ] [yk ŷk ]
(maxYk )2 Ci⇤(i = 1, 2, .., 20)
k k=1
j =j+1
F Modification des
Jj 6 Jmin
Ci (i = 1, 2, ..., 20)
V
F OPi (i = 1, 2, ..., 20)
Fin
Figure 4.6 – Algorithme de la procédure d’ajustement
1 (Ding, 1999)
Ck Valeurs Unités
C11 0.177 kg/(s · m2 )
C22 0.52 m/s
C31 0021 kg/m
Tableau 4.2 – Facteurs de calibrage des fonctions opératoires
de calibrage. Le pas de temps (∆t) choisi, doit assurer la stabilité numérique et permettre
une représentation graphique dynamique et statique des résultats sur un support visuel (écran
d’ordinateur) (Ding, 1999).
Les résultats du tableau 4.2 et du tableau E.2, en annexe E, ont été obtenus après 2421 itérations
pour un pas de discrétisation du temps de ∆t = 13.5[s]. Quant au pas de discrétisation de
l’espace, il est maintenu à ∆x = 10[m]. Le coût total (voir équation (4.13)) obtenu est de
J = 0.000635.
Les FOPs calibrées sont alors obtenues par la suite et nous avons quelques-unes d’entre elles à
la figure 4.7. Le reste est fourni à l’annexe H.
Les profils des FOPs calibrées (Fig. 4.7) donnent dans l’ensemble les mêmes évolutions d’une part
73
F11 calibrée
−4
x 10
−1
−2
F11 [W/J]
−3
−4
−5
−6
2
1.5
120
1 100
80
0.5 60
40
20
t [min] 0 0
x [m]
F22 calibrée
−3
x 10
12
10
8
F22 [W.m/J]
−2
2
1.5
120
100
1 80
60
0.5 40
20
0 0
t [min] x [m]
F31 calibrée
0.3
0.25
0.2
F31 [W.m/J]
0.15
0.1
0.05
−0.05
2
1.5
120
1 100
80
0.5 60
40
20
t [min] 0 0
x [m]
Figure 4.7 – Quelques fonctions opératoires calibrées du modèle d’état
74
et d’autre part les mêmes valeurs que celles fournies par les premières simulations numériques
(voir Fig. 3.4) obtenues avec la procédure d’identification. Ainsi, les valeurs des paramètres de
calibrage obtenus sont donc acceptables pour la condition initiale ou l’état stationnaire utilisé.
Observons maintenant, Figure 4.8, les variables d’état obtenues avec les FOPs calibrées.
À l’instar des FOPs calibrées, on remarque également que les évolutions et valeurs des variables
d’état (Fig. 4.8) sont préservées par rapport à celles estimées (Fig. 3.5). Et ceci est plus
remarquable à la figure 4.9, où on a une comparaison entre les variables d’état estimées et
mesurées.
En effet, la figure 4.9 montre que dans l’ensemble les valeurs fournies par les paramètres (FOPs)
modélisés coïncident avec les données industrielles. Cependant, ce constat est plus nuancé
dans la zone de récupération et un peu moins au voisinage de la frontière entre les zones de
combustion et de calcination. Ceci vient d’une part du fait de la perte de chaleur importante
du clinker en sortant du four et d’autre part du fait de la décomposition intense de la matière
et de la formation des composantes du clinker au niveau de la fin de la zone de calcination. Par
conséquent, d’une manière générale, les variables d’état issues du modèle adaptatif reproduisent
l’évolution des phénomènes et les profils des données obtenues par la mesure. Ainsi, ceci montre
que la plate-forme de modélisation proposée est globalement fiable lorsqu’un état stationnaire
(condition initiale) du processus est disponible.
75
2000
1500
TC [K]
1000
500
0
2
1.5
1
120
0.5 100
80
60
t [min] 40
0 20
0
x[m]
2500
2000
1500
TG [K]
1000
500
0
2
1.5
0.5 120
100
80
60
40
t [min] 0 20
0
x[m]
1400
1200
1000
MC [kg/m]
800
600
400
200
2
1.5
1
120
100
0.5 80
60
40
t [min] 0 20
0
x[m]
Figure 4.8 – Variables d’état obtenues avec les FOPs calibrées
76
3000 1500
1400
MC estimée
TG estimée
2500 TC estimée 1200
MC mesurée
TG mesurée
2000 1000
TC mesurée
MC[kg/m]
TG, TC[K]
1500 800
1000 500
600
500 400
0 0
200
0 20 40 60 80 100 120
x[m]
Figure 4.9 – Comparaison entre les variables d’état mesurées et estimées
Nous allons pour finir, procéder à une brève étude comparative des résultats de cette plate-forme
à ceux obtenus par un modèle à paramètres constants ou/et empiriques. Les résultats utilisés ici
(voir Fig. 4.10a), en l’occurrence les profils de température, viennent des travaux de Mujumdar
et Ranade (2006). En effet, à travers un modèle unidimensionnel, ils simulent les processus
clés qui se produisent dans le lit de matière (dans un four à ciment) tout en introduisant deux
paramètres réglables (projection de particules de matière et la température maximale de la
flamme dans l’espace gazeux). Ainsi, les réactions solide-solide qui se produisent dans le four
ont été modélisées avec une approximation pseudo-homogène en plus des paramètres/équations
rencontrés dans la littérature (hauteur de lit de matière, transfert de chaleur, etc.). Le bilan
énergétique (y compris les transferts de chaleur par conduction, convection et rayonnement) a
été résolu sur la base d’une approximation de l’état quasi-stationnaire. Et concernant les deux
paramètres réglables, ils assument que la fraction du volume de solide qui est entrainée dans
l’espace gazeux n’excède pas 1%. La température maximale de la flamme est réglée en fonction
de la composition de C3 S à la sortie du four. La fourchette prévue de la température maximale
de la flamme est de 1900 [K] à 2400 [K]. Précisons enfin que leur modèle a été couplé à un
code CFD et appliqué à un four court rotatif de ciment (la précalcination et le refroidissement
respectivement de la matière et du clinker se font en dehors du four). Par conséquent, les profils
de température (Fig. 4.10b) issus de notre modèle concerneront les zones de calcination et
77
LATION OF ROTARY CEMENTChapitre
KILNS 4 : Modélisation/Approximation
175 des paramètres du modèle d’état
(a) Profils de température selon Mujumdar et Ranade (b) Profils de température selon notre
(2006) modèle phénoménologique
action profiles in cement kiln. (b) Typical temperature profiles in cement kiln.
useful to under- Typical predicted results for the net energy consumption
ncerns. Thus, the in the kiln for varying position of maximum flame tempera-
e a useful tool to ture are shown in Figure 9(d). Corresponding numbers for
1800
1600
g conditions on net energy consumption in kilns and position of coating
1400
formation with respect to maximum flame position are

1200
TC[K]
1000
800
600
2
400
1.5
200
0
20 1
40
60 0.5
80
100
120 0
t [min]
x [m]
(c) Profil de température selon notre modèle phéno-

ménologique avec collage de matière en 3D
Figure 4.10 – Profils de la température selon différents modèles
de combustion uniquement (rappelons que la longueur de ces zones est approximative, car la
complexité du système et son milieu/environnement rendent impossible la localisation exacte
des différentes zones).
La remarque qui se dégage après une première observation est que les deux résultats donnent
les mêmes évolutions/allures au niveau des profils de température. Cependant, on observe dans
un premier temps que la température du clinker (voir Fig. 4.10a) sortant n’est pas diminuée
comme c’est le cas de la température du gaz (Fig. 4.10a) et celles fournies par notre modèle
(voir Fig. 4.10b). Et dans un second temps, la température du clinker fournie par les travaux
de Mujumdar et Ranade (2006) a un pic allongé jusqu’à la sortie du clinker tandis que celui du
78
4.4 Conclusion
gaz est limité à un seul point de calcul. Ces deux constats peuvent s’expliquer difficilement
dans la pratique. Car, il est bien connu et vérifiable dans la littérature (voir Spang (1972)),
surtout au voisinage d’un état stationnaire, que les pics de température du gaz et de la matière
sont pratiquement au même endroit. Et en plus à la fin de la zone de combustion comme c’est
le cas ici (voir Fig. 4.10a) la température du clinker devrait décroître puisqu’il n’est plus soumis
à l’intense chaleur dégagée par la combustion du fuel (en sortant du four).
À travers les remarques énumérées ci-dessus, on se rend compte que ce modèle à paramètres
constants, empiriques et à deux paramètres réglables ne décrit pas totalement et dans l’ensemble
les évolutions phénoménologiques des variables d’état notamment celle de la température du
clinker. Et en plus, une description qui prend en compte le collage de matière, qui a d’ailleurs
été mentionné (Fig. 4.10a), n’est pas disponible dans ce modèle alors que le notre signale son
existence (collage de matière) (Fig. 4.10c).
4.4 Conclusion
Un effort particulier a été fait dans la modélisation des FOPs, en particulier en ce qui concerne
le comportement dynamique du FRC. Les résultats des différentes simulations justifient que
la structure du modèle d’état ainsi que la modélisation de ses paramètres (FOPs) proposés
décrivent très bien le comportement phénoménologique du système. Par ailleurs, la précision
de ce modèle dépend précisément de la manière dont les FOPs ont été modélisées et calibrées.
Toutefois, il est opportun de voir l’horizon de validité du modèle adaptatif énoncé à travers les
analyses suivantes. En effet, il faut d’emblée rappeler que l’une des conditions essentielles pour
un fonctionnement automatique du FRC est de maintenir stable à leur niveau optimal (ou
voulu par l’opérateur) les variables du système indépendamment des perturbations et temps
de retard (Hagemoen, 1993). Ainsi, la limite de validité envisagée ici peut être recherchée pour
un tel fonctionnent du système. L’indicateur de la présence de perturbation le plus ou visible
et usité dans l’industrie, est la diminution du débit de clinker sortant du FRC. Ceci intervient
lorsque, par exemple, à la suite de la formation d’anneaux de collage, la matière s’accumule à
un endroit. Et après un certain temps d’accumulation, la matière (clinker) sortante est affectée
et cela se traduit par une diminution de son débit.
Par ricochet, le temps de séjour ou temps de résidence moyen (TRM) de la matière est alors
allongé. Ainsi donc, le TRM peut être aisément pris comme horizon de validité. Ce choix
vient du fait d’une part de ce qui a été dit plus haut, et d’autre part par le fait qu’il est
intrinsèquement lié à la durée de la transformation de la matière (en clinker) et au degré des
réactions physico-chimiques.
Le TRM varie d’un four rotatif à un autre selon le type de matière utilisé, le type de clinker
souhaité, la longueur du four ou encore son fonctionnement. Il peut aller de 30 minutes (pour
les fours courts) à 2 heures (pour les fours longs (Lafarge, 2012)). On constate alors que cet
horizon de validité nécessite que le système soit maintenu dans un état stationnaire, c’est à dire
79
sans perturbation. Par conséquent, certaines précautions méritent d’être prises (par l’opérateur
par exemple) :
• Stabiliser les entrées du four du point de vue de l’alimentation
• Veiller à maintenir les mêmes quantités et compositions chimiques et/ou minéralogiques
de la matière et des combustibles.
• Etc.
Cependant, l’existence de perturbations doit nous amener à envisager la définition d’un autre
horizon de validité/temps plus court. Il sera alors question d’évaluer ou d’estimer un temps
moyen de formation de collage (TMFC), comme exemple de perturbation, afin de définir un
échantillon de temps ou une période d’échantillonnage (Tech , tel que Tech < T M F C) durant
lequel ou laquelle on lance la procédure d’ajustement. En cas de perturbation, le système
s’adapte automatique grâce au modèle adaptatif intégré (dans la commande).
Après avoir énoncé deux probables horizon de validité qui sont directement liés au système,
un troisième (horizon de validité) plus lié au modèle adaptatif est selon nous plus opportun.
L’intérêt et la pertinence de celui viennent du fait que le temps de retard est considérablement
réduit. En effet, l’idée est de prendre ou de considérer la modification/perturbation des FOPs
comme la limite de réaction. Ainsi, puisque les FOPs réagissent différemment (selon le/les
phénomène(s) décrit(s)) par rapport aux états du système, il serait plus convenable de définir
l’horizon de temps/validité par rapport aux changements/modifications de FOPs judicieusement
choisies. Ce choix vient du fait que les FOPs n’ont pas les mêmes importances et sensibilités
d’une part et d’autre part vient aussi du but recherché (dans la commande par exemple). Par
conséquent, pour tout changement concernant ces FOPs (choisies) la procédure d’ajustement
doit être actionnée afin de développer la commande (prédictive).
On constate qu’à travers ce type d’horizon de validité lié aux FOPs, on peut prédire les
éventuelles perturbations. Ainsi, le temps de retard qui provient de la mesure n’intervient plus
dans cette structure de commande.
Pour une prise en compte complète et précise de l’ensemble des perturbations par les équations
de base proposées (équations (1.3) et (1.4)), d’autres points de mesure doivent être ajoutés
notamment dans les endroits où la matière se décompose sous une température croissante/élevée.
De manière générale, ces endroits peuvent aller de la fin de la zone de préchauffage à la zone
de calcination. Ceci vient du fait qu’à un niveau de température (environ 460◦ C) de la matière
(dans ces endroits) contenant une certaine quantité de soufre ou de soude, une quantité de
matière font pour provoquer le(s) collage/anneaux de matière (Barham et Tran, 1990). Dans
la pratique, les pics de température provoqués par des perturbations (collage de matière,
chute de briques réfractaires, etc.) ou la mauvaise forme de la flamme sont constatés à travers
des systèmes de surveillance tel que les scanners (mesure de température sans contact par
infrarouge) (Raytek, 2007) qui fournissent en continu la mesure de la surface extérieure du
four.
80
Chapitre 5
Prédiction des fonctions opératoires en

conditions réelles du four
Dans cette dernière partie de notre étude, il s’agira d’aller au-delà de notre temps de calcul
observé lors des différentes simulations. En d’autres termes, le modèle sera testé avec la prise
en compte de perturbations. Par conséquent, on va estimer le comportement des FOPs en
présence de collage (Fig. 5.1) et de haute température.
Figure 5.1 – Collage de matière dans un four (Tran, 2007)
81
Chapitre 5 : Prédiction des fonctions opératoires en conditions réelles du four
5.1 Élaboration et complément d’instrumentation

Partant de la complexité du système et d’un manque d’informations/mesures, en dehors de celles
utilisées précédemment, pour un tel fonctionnement, cette présente étude sera principalement
basée sur des interprétations phénoménologiques. Ainsi, un nouveau circuit thermique global
du système devra être proposé. Par ailleurs, il faut souligner que les profils de température
du système perturbé obtenus/proposés dans cette présente étude ont été réalisés à partir de
données industrielles (voir Fig. 5.2b).
x
Déchets
Point de mesure Gaz
Air primaire
Pâte de matière
Fuel
Combustible
Air secondaire
Clinker
xpre xdry x[m]
0 xcom xcal LT
(a) Répartition des points de mesure sur la surface extérieure du four
Température extérieure four: Stationnaire & perturbée

800
TApert1
750 TApert2
TAstat
700
1 Points de mesure
650
Température [K]
600
550
500
450
400
350
300
0 20 40 60 80 100 120
x [m]
(b) Données industrielles de la température extérieure du four (Tarasiewicz et Remy, 2003)
Figure 5.2 – Cas de points de mesure balayés par un scanner et la représentation des données
obtenues
82
5.1 Élaboration et complément d’instrumentation
Par le fait que l’ensemble des points de mesure a été obtenu après plusieurs semaines de collecte,
il sera difficile voir impossible d’identifier/connaitre l’ordre de mesure des différents points
de mesure. Cependant, leurs dispositions peuvent être interprétées à travers les transforma-
tions/comportements phénoménologiques du système. Celles-ci (dispositions) peuvent être
dues à des perturbations comme la formation d’anneaux de collage ou la chute de briques
réfractaires. Les deux cas de perturbation utilisés dans cette étude (voir Fig. 5.2b) peuvent
survenir respectivement par la formation d’anneaux de collage et un accroissement du débit de
fuel donc une augmentation de la température.
Les différentes simulations effectuées ici seront issues des profils de températures perturbées pro-
posées ci-dessus (Fig. 5.2b). Le profil de température de référence en bleu, qu’on a appelé profil
stationnaire (condition normale), fut utilisé dans les études antérieures (sans perturbation).
Avec la considération de perturbation, le collage dans notre cas, il est à noter que non seulement
le fonctionnement du système change mais aussi quelques paramètres géométriques/opératoires
du système sont modifiés. Ainsi, pour tenir compte de ces nouvelles configurations, un nouveau
circuit thermique (voir Fig. 5.3) du système est proposé.
Rrd1
RCV 3
q1
RCV 1 q
Rkcol Rk3 Rk2
TG TA TO
TB TAin
RCV 4 RCV 2
q2
Rrd2
q3
Rrd3 TC Rk1
Figure 5.3 – Schéma thermique global du système avec perturbation

1
Nous supposons dans notre étude que le transfert de chaleur observé dans la matière collée est
réduit à la conduction, car la matière collée réagit comme un isolant. Ceci vient du fait que le
collage de matière contribue à la réduction de la perte d’énergie.
Une application de la même démarche et des principes de calcul employés à la section 1.4 (sans
collage de matière) permet d’obtenir les FOPBs suivantes :
Re1 (Rk3 + Rk2 )
f0,3 (x, t) = , f0,4 (x, t) = ,
(Re1 + Rk2 + Rk3 ) (Re1 + Rk2 + Rk3 )
(Re3 + Rkcol )(Rk2 + Rk3 )
f0,2 (x, t) = ,
(Re2 + Rkcol )(Re3 + Rkcol ) + (Rk2 + Rk3 )(Re3 − Re2 )
83
(Re2 + Rkcol )(Rk2 + Rk3 )

f0,1 (x, t) = et
(Rk2 + Rk3 )(Re2 − Re3 ) − (Re2 + Rkcol )(Re3 + Rkcol )
(Re2 + Rkcol )(Re3 + Rkcol )
f0,0 (x, t) = .
(Re2 + Rkcol )(Re3 + Rkcol ) + (Rk2 + Rk3 )(Re3 − Re2 )
Il faut rappeler d’emblée que les résistances thermiques ci-dessus sont plus ou moins influencées
par le collage/d’anneaux de matière sur la paroi interne du four. Ceci est dû au fait que le
rayon interne du four et les surfaces de contact, pour ne citer que ceux-ci, sont modifiés/
influencés aux zones de collage. Par conséquent, les températures et les FOPBs exprimées dans
les équations (1.3) et (1.4) devront tenir compte de ces perturbations. Ainsi, les FOPBs seront
en fonction des nouvelles températures mesurées dont celles issues de la perturbation. Alors
dans les expressions mathématiques proposées au Chap. 3 à la section 3.1 (voir équations (3.1)
à (3.5)), seules les paramètres/coefficients sont maintenus inchangés (par simplification).
Et ce qui aboutit aux formes suivantes :
f0,1 = f0,1 (TApert , TBpert , TO , TGpert ) ; f0,2 = f0,2 (TApert , TBpert , TO , TGpert ) ;
f0,3 = f0,3 (TApert , TO ) ;f0,0 = f0,0 (TApert , TBpert , TO , TGpert ) et f0,4 = f0,4 (TApert , TO ).
Nous pouvons actualiser les équations (1.3) et (1.4) par celles-ci :
TApert =f0,3 (TApert , TO )TBpert + f0,4 (TApert , TO )TO (5.1)
TBpert =f0,2 (TApert , TBpert , TO , TGpert )TGpert + f0,1 (TApert , TBpert , TO , TGpert )TCpert +
f0,0 (TApert , TBpert , TO , TGpert )TApert (5.2)
4
a11 TApert + a12 TApert + a13 TO4 + a14 TO
f0,1 (TApert , TBpert , TO , TGpert ) = 4
b11 TApert + b12 TApert + b13 TO4 + b14 TO + b15 TBpert + b16 TGpert
4
a21 TApert + a22 TApert + a23 TO4 + a24 TO
a31 (TGpert − TBpert )

a41
f0,3 (TApert , TO ) = 3 2
b41 TApert + b42 TApert TO + b43 TApert TO2 + b44 TO3 + 1
a51
f0,4 (TApert , TO ) = 1 − 3 2
b51 TApert + b52 TApert TO + b53 TApert TO2 + b54 TO3 + 1
Avec les coefficients aij et bij qui gardent les mêmes valeurs qu’au Chap. 3 à la section 3.1 car
ils sont maintenus inchangés par simplification. L’indice Apert souligne que nous sommes en
84
5.2 Application et obtention des fonctions opératoires
présence de température perturbée

En définitive, la structure des équations (5.1) et (5.2) permettra de créer une base de données
(à l’instar des équations (1.3) et (1.4)) en présence de perturbation.

À l’aide des nouvelles expressions des équations de base (équations (5.1) et (5.2)), qui tiennent
compte des perturbations, et des profils de la température extérieure du four (Voir Fig. 5.2b),
nous obtenons les résultats aux figures 5.4 et 5.5 (code matlab est fournit en annexe K).
Les profils de température fournis par nos équations de base (équations (5.1) et (5.2)), observés
sur les figures 5.4 et 5.5, montrent leurs sensibilités à tout changement de température. Par
ailleurs, on observe qu’une augmentation de la température extérieure du four qui est due,
selon nos équations de base, à une augmentation de la température du gaz (augmentation du
fuel) engendre également une augmentation de celles des briques et du clinker. Toutefois, on
constate que pour une augmentation anormale de la température extérieure du four à une
zone imprévue, seulement celle des briques est visiblement modifiée (voir Fig. 5.4). En effet,
un tel cas peut survenir à travers la formation d’anneaux de collage à la suite de la fonte de
matière. Au fait, la matière collée même si celle-ci diminue quelque peu la quantité de matière,
ne réduit/augmente pas de manière conséquente la température de cette dernière.
Ainsi, les équations de base proposées renseignent effectivement sur les éventuels dysfonction-
nements (perturbations) qui peuvent se dérouler dans le système. D’autre part, nous proposons
en annexe I l’évolution des FOPBs en présence des perturbations citées ci-dessus.
L’évolution des perturbations (perturbation 1 et 2) est plus perceptible à travers les Figs. 5.6
et 5.7, ainsi on suit mieux les variations de la température au cours du temps dans les zones
de perturbation.
En ce qui concerne la masse repartie, contrairement aux autres qui viennent directement de la
collecte industrielle (voir Fig. 5.2b), l’évolution observée à la figure 5.8 a été obtenue à travers
une variation des données industrielles (profil stationnaire de la masse repartie) et cela à la
base d’interprétations phénoménologiques.
Il s’agira maintenant de tester le comportement des paramètres du modèle, c.-à-d. des FOPs,
lorsque le fonctionnement du système est perturbé. Par conséquent, les modèles mathématiques,
équations (4.10) à (4.12) et équations (D.1) à (D.10), des FOPs proposés au chap. 4 seront
utilisés avec pour paramètres de calibrage ceux obtenus par notre procédure d’ajustement.
Pour cela, les profils perturbés (Figs. 5.6 à 5.8) des variables d’état seront mis à contribution.
Cette étude portera sur les deux cas de perturbations énumérés plus haut. Ainsi, nous avons
considéré respectivement pour la première et deuxième perturbation, les profils stationnaires
de la température du gaz et de la masse repartie. Par la suite, les résultats (le reste est donné
en annexe J) suivants ont été obtenus.
85
Température brique: Stationnaire & perturbée

1200
TBpert1
1100 TBpert2
TBstat
1000
900
Températures [K]
800
700
600
500
400
300
0 20 40 60 80 100 120
x [m]
Figure 5.4 – Profils de températures perturbées des briques réfractaires
Température matière/clinker: Stationnaire & perturbée

2000
TCpert1
1800 TCpert2
TCstat
1600
1400
Températures [K]
1200
1000
800
600
400
200
0 20 40 60 80 100 120
x [m]
Figure 5.5 – Profils de températures perturbées du clinker
86
1800
1600
1400
1200
TC[K]
1000
800
600
2
400
1.5
200
0
20 1
40
60 0.5
80
100
120 0
t [min]
x [m]
Température clinker avec perturbation 2
2000
1800
1600
1400
TC [K]
1200
1000
800
600
2
400
1.5
200
0 1
20
40
60 0.5
80
100 0
120
t [min]
x [m]
Figure 5.6 – Profil de température perturbée du clinker en 3D
87
Température brique avec perturbation 1
800
700
600
TB [K]
500
2
400
1.5
300
0 1
20
40
60 0.5
80
100
120 0 t [min]
x [m]
Température brique avec perturbation 2
1200
1100
1000
900
TB [K]
800
700
600
500 2
400 1.5
300
1
0
20
40 0.5
60
80
100 0
120 t [min]
x [m]
Figure 5.7 – Profil de température perturbée des briques réfractaires en 3D
88
Masse repartie clinker avec perturbation
1400
1200
1000
MC [kg/m]
800
600
2
400
1.5
200
0
20 1
40
60 0.5
80
100
120 0 t [min]
x [m]
Figure 5.8 – Profil de la masse repartie perturbée du clinker en 3D
Nous avons constaté au niveau des résultats trois principales observations en ce qui concerne
les FOPs. On constate qu’une partie des FOPs reste inchangée, soit f1,5 (x, t) (voir Fig. 5.11,
perturbation 1), alors que quelqu’une, soit f2,2 (x, t) (voir Fig. 5.9, perturbation 1), seulement
sont très peu perturbées. Par contre, nous avons des FOPs qui sont fortement modifiées lorsque
le système est perturbé, notamment f3,1 (x, t) et f3,3 (x, t) (voir Figs. 5.10 et 5.12, perturbation
1 et 2) et f2,2 (x, t) (voir Fig. 5.9, perturbation 2).
En effet (en ce qui concerne perturbation 1), l’observation qu’on peut faire de la Fig. 5.11,
est que les anneaux de collage dans le four n’influencent pas assez les échanges de chaleur
entre le gaz et la matière lorsqu’on conserve la température du gaz. Ceci vient du fait que
l’énergie tend à être conservée (avec le collage de matière). Toutefois, le déplacement de la
matière aura tendance à être perturbé ce qui s’explique par la modification des FOPs de
déplacement (Fig. 5.9). Les FOPs qui impliquent des échanges ou diffusions de matière doivent
être nécessairement ou fortement modifiées lorsqu’un collage de matière s’opère dans le four.
Ceci est confirmé avec le comportement des FOPs (Figs. 5.10 et 5.12) qui représentent les
échanges et diffusions de matière dans le four.
Par ailleurs la perturbation 2 qui concerne l’accroissement de la quantité de fuel donc une
augmentation de la chaleur, modifie toutes les FOPs. Cette situation peut s’expliquer par
le fait que la quantité de chaleur qui règne dans chaque zone du four se trouve augmenter.
Ainsi les phénomènes physico-chimiques qui caractérisent chaque FOP seront modifiés d’où le
comportement de ces dernières.
89
F22 avec perturbation 1

−4
x 10
18
16
14
12
F22 [W.m/J]
10
−2
2
1.5
0.5
100 120
60 80
0 20 40
t [min] 0
x [m]

−3
x 10
2
1.5
1
F22 [W.m/J]
0.5
−0.5
−1
−1.5
−2
2
1.5
0.5
120
100
80
t [min] 60
0 40
20
0
x [m]
Figure 5.9 – Fonction opératoire f2,2 (x, t) en présence de perturbations
90
0.025
0.02
0.015
F31 [W.m/J]
0.01
0.005
−0.005
2
1.5
1
120
100
0.5 80
60
40
t [min] 0 20
0
x [m]
0.025
0.02
0.015
F31 [W.m/J]
0.01
0.005
−0.005
2
1.5
0.5 120
100
80
60
t [min] 0 20
40
0
x [m]
91

−4
x 10
6
4
F15 [W/J]
0
2
1.5
0.5 120
100
80
60
0 40
20
t [min] 0
x [m]

−4
x 10
6
4
F15 [W/J]
0
2
1.5
1
120
0.5 100
80
60
40
0 20
t [min] 0
x [m]
92
−5
x 10
0
−0.5
F33 [W.kg/J.m.K]
−1
−1.5
−2
2
1.5
1
120
100
0.5 80
60
40
t [min] 0 20
0
x [m]
−5
x 10
0
−0.5
F33 [W.kg/J.m.K]
−1
−1.5
−2
2
1.5
1
120
0.5 100
80
60
40
t [min] 0 20
0
x [m]
93
De manière globale, la plate-forme développée dans cette étude est basée sur 3 grandes étapes.
Nous avons le processus de mesure, à partir de systèmes de mesure installés sur le FRC en
quelques points, qui se caractérise par l’acquisition de données. Et à partir de ces mesures
fournies, la seconde étape est abordée avec la création de la base de données à l’aide du
processus d’instrumentation avec les équations (1.3) et (1.4). Par la suite, les procédures
d’identification et d’ajustement, qui constituent la dernière étape, sont lancées pour permettre
d’obtenir une représentation des variables d’état optimales.
5.3 Conclusion
Un ensemble de simulations en complément aux premières (voir section 4.1) a été effectué dans
cette partie de notre étude. Le modèle phénoménologique proposé a été soumis à deux situations
réelles de fonctionnement du système. Et au regard des résultats obtenus, on se rend compte
que les paramètres de notre modèle mathématique proposé en l’occurrence les FOPs, réagissent
bien aux différents cas de comportement dynamique réel du système. Ainsi, les résultats des
différentes simulations justifient que la structure du modèle d’état ainsi que la modélisation de
ses paramètres (FOPs) proposés décrivent très bien le comportement dynamique du système.
5.3.1 Extension à la commande automatique
Il est courant de constater qu’au niveau des cimenteries actuellement, l’opérateur est seul
responsable dans le pilotage du four rotatif de clinker. Car il n’est pas réellement soutenu par
un outil qui pourrait l’aider dans cette tâche, et la méthode utilisée dans ce cas est l’essai
et erreur. L’opérateur dispose en cela de vidéo-surveillances qui sont des images de quelques
parties du four visionnées de manière continue et/ou des interfaces graphiques qui affichent la
mesure des températures.
Par ailleurs, au cours des activités de recherches énoncées ci-dessus, nous avons pu concevoir un
modèle phénoménologique dont les paramètres sont ajustables afin d’exprimer le comportement
réel du système réel. Une procédure d’ajustement, à travers une minimisation d’erreur, selon
la méthode des moindres carrés a été mise sur pieds également. Et le critère ou l’indice de
performance de cette procédure est le coût défini par l’erreur de restitution énoncée plutôt.
Par conséquent, avec la rapidité d’ajustement qu’offre cette approche, le modèle proposé peut
constituer une base de départ pour la régulation du système réel puisqu’il (modèle adaptatif)
donne la possibilité d’adapter ses paramètres à l’évolution du système réel.
Ainsi, la plate-forme a pour finalité de mettre en place un régulateur pour le système à travers
les actionneurs (voir Fig. 5.13). L’idée de la régulation est de commander le four rotatif afin
d’obtenir un comportement qui satisfaire aux critères de performance qui peut être le temps,
l’énergie ou la qualité du clinker, etc. (dépend de l’industrie).
94
5.3 Conclusion
Four rotatif de clinker

Plate-forme
Acquisition de données
Création de base de données
Procédure d’identification
+
Procédure d’ajustement
Base de commande
Réseau d’actionneurs
Figure 5.13 – Illustration globale de la commande du four rotatif
Le rôle proposé à la plate-forme dans le processus de commande du four peut se définir comme
suit :
• Développer une famille de trajectoires (solutions de la procédure d’ajustement) qui
pourront être optimales (trajectoires) sous un critère de performance à définir.
• Ces trajectoires solutions servent de trajectoires références pour l’opérateur
• L’opérateur choisit une trajectoire (qui défini en fait un ensemble de variables d’état)
parmi les optimales pour la commande en temps réel.
La consigne que développe l’opérateur n’est rien d’autre qu’un ensemble de variables d’état
(optimales) fourni par la plate-forme ce qui montre son implication (plate-forme) dans le
processus de commande du FRC. Aussi, c’est cet ensemble de variables d’état qui va définir
les paramètres de la commande. Par ailleurs, dans la pratique, ce sont les actionneurs qui
sont les vecteurs/transporteurs de la commande dans le système réel. On corrige à chaque
fois la commande à l’aide du modèle au cours de la période d’échantillonnage définie (durant
laquelle la plate-forme intervient), cette correction constitue la base de la création du calcul de
la (future) loi de commande à appliquer au système via les actionneurs.
1 95
Conclusion
La finalité de cette thèse est de proposer une plate-forme mathématique à la base d’un modèle
adaptatif qui pourra être utilisée au niveau de la commande automatique d’un four rotatif de
clinker. Ce but nous a amené d’une part à redéfinir la structure des modèles mathématiques
afin qu’ils soient adaptés à la commande. Et d’autre part à introduire trois variables d’état qui
peuvent décrire correctement les principaux phénomènes (diffusions, déplacements, transferts
et échanges thermiques, etc.) qui se déroulent dans le four rotatif de clinker.
Les paramètres du modèle proposé sont des fonctions de trois variables d’état, qui tout en
remplaçant les paramètres mal connus et inaccessibles, décrivent les phénomènes physico-
chimiques qui caractérisent la complexité du système et sont définis comme des fonctions
opératoires. Il a été montré également que ces fonctions de trois (3) variables (d’état) sont
sensibles aux états du système (perturbations, etc.). Une procédure d’ajustement basée sur
la minimisation de l’erreur entre les variables d’état estimées et fournies par la mesure, a été
aussi développée dans cette étude.
Pour mettre en œuvre cette étude, un ensemble de dispositions est proposé d’emblée au niveau
du système lui même. Ainsi, des systèmes/équipements devront être disposés aux extrémités et à
certains endroits particuliers du four afin d’avoir des informations pertinentes. Les informations
sur la composition chimique et le débit de l’entité qui entre ou sort du four doivent être
recueillies. Un nombre minimal de points de mesure placé à des endroits stratégiques a été
également suggéré afin d’obtenir des données indispensables pour le modèle phénoménologique
ou de connaissance proposé.
Aussi, un complément d’instrumentation basée sur deux équations de base, nommée modèle
physique, a été capital dans le développement de cette approche. Ces équations de base qui
fournissent convenablement les différents échanges de chaleur entre l’intérieur et l’extérieur
du système, ont été obtenues à partir d’un bilan thermique en s’appuyant sur un circuit
thermique global du système. Ces différentes étapes furent importantes dans la conception de
la plate-forme en ce sens que la base de données a été obtenue à partir d’elles.
Nous avons opté pour un modèle d’état du système avec pour paramètres des fonctions opéra-
toires qui ont été déterminées numériquement préalablement. Cette approche offre plusieurs
avantages par rapport aux modèles existants, en ce sens que les variables d’état peuvent décrire
97
Conclusion
correctement les principaux phénomènes qui se déroulent dans le four. Le fait de pouvoir
identifier numériquement les FOPs, préalablement, permet de préserver les caractéristiques et
les paramètres/grandeurs inaccessibles ou mal connus du système (à la mesure à partir de l’état
optimal choisi, état stationnaire). En effet, la détermination numérique des FOPs, exécutée
dans notre étude est originale en ce sens que la procédure est basée sur des interprétations
phénoménologiques, dimensionnelles d’une part, et d’autre part elle est faite en couplant les
différentes équations aux dérivées partielles du modèle. Le fait ici de coupler ces équations
dans les calculs, est très important car on tient compte ainsi des interactions, échanges qui
existent dans le système. Le logiciel Matlab a été utilisé dans cette phase, pour la facilité avec
laquelle un code mathématique peut y être implémenté.
Une première série de tests a été effectuée avec des résultats acceptables sur la procédure
d’identification proposée. Au fait, il s’agissait d’observer les influences de quelques paramètres
(FOPs) du modèle sur les variables d’état. Ces résultats ont montré dans l’ensemble que la
structure du modèle d’état réagit bien lorsqu’un phénomène ou une réaction physico-chimique
(diffusion, échange de chaleur, etc.) du système varie.
Ainsi, à la suite de ces tests concluants, la modélisation des paramètres a été entamée. Ceci a
nécessité une série d’analyses des expressions des paramètres fournies dans la littérature afin
de montrer dans un premier temps l’ensemble des simplifications effectué (de la littérature)
et dans un second temps de présenter l’avantage de notre approche. Au fait, on montre dans
cette étape qu’on peut avoir les paramètres du modèle en fonction des variables d’état et par
ricochet, on réduit ainsi les simplifications donc les erreurs.
L’un des avantages de la procédure d’identification proposée est de permettre, à travers

quelques outils mathématiques tels que le développement asymptotique et l’approximation
linéaire, d’obtenir des expressions paramétriques des fonctions opératoires. Un algorithme
de minimisation de l’erreur relative de reconstitution, inspiré de Ding (1999), a été conçu et
implémenté dans le langage C++. Ainsi, cet algorithme est basé sur l’exploitation simultanée
des phénomènes physico-chimiques (du système) et les mesures.
En outre, la procédure d’ajustement a été lancée à partir de la base de données crée à l’aide de
la base de connaissances proposée (équations (1.3) et (1.4)). Les résultats obtenus, notamment
les fonctions opératoires calibrées et les variables d’état estimées, sont encourageants quant
à la capacité d’adaptation du modèle. Car, non seulement, les évolutions et les valeurs sont
acceptables mais également, le temps d’exécution est satisfaisant.
A l’aide de données, qui produisent des situations réelles du four rotatif du clinker, une série
de simulations a été effectuée également. Une fois de plus, l’ensemble des résultats montre que
le modèle phénoménologique à travers ses paramètres réagit très bien, car les différentes causes
de perturbations (appliquées) sont visibles au niveau des FOPs concernées. Aussi, l’évolution
des fonctions opératoires est perceptible aussi bien selon le temps que l’espace, toute chose qui
témoigne de la sensibilité, mais aussi de la robustesse du programme.
98
Ces différents résultats obtenus montrent en somme que la structure de notre modèle, de
même que ses paramètres sont sensibles et précis tout en s’adaptant lorsqu’on actionne le
programme d’ajustement. En plus, nous avons montré qu’il était préférable de prendre un
temps de validité lié aux FOPs qui non seulement rendent compte d’éventuelles perturbations
mais mieux (elles) sont capables d’attirer l’attention sur l’horizon de validité du modèle. Et
pour finir, une extension à la commande a été abordée dans le but de montrer l’applicabilité
de la plate-forme dans ce domaine.
Les différentes applications effectuées ont permis de répondre aux attentes d’un modèle
adaptatif :
• La précision : basé sur l’approche phénoménologique comme l’attestent les résultats, le
modèle décrit convenablement la dynamique du système.
• L’adaptation : l’erreur de restitution, quand on compare les variables d’état estimées et
fournies, peut être compensée par ajustement des fonctions opératoires.
• L’utilité : la plate-forme fournit à la base du modèle offre des commodités suffisantes
pour une application au niveau de la commande automatique en temps réel du système.
Au terme de cette thèse, nous pouvons conclure que les objectifs ont été atteints et mieux,
nous offrons un modèle adaptatif qui pourrait servir dans la commande automatique du four
rotatif de clinker.
Recommandations
Cette étude menée dans le cadre de notre thèse, nous a montré qu’il est possible de commander
autrement le four rotatif de clinker, c’est à dire une commande automatique à la base d’un
modèle adaptatif et non d’une commande adaptative à la base de mesures ou d’un modèle
générique. Car la nuance doit être faite au niveau du type de modèle employé dans la commande.
En effet, ce que nous rencontrons comme commande dans la littérature traite de commande
à partir de la mesure, d’une part, puisque c’est à partir d’elle (mesure) que la commande
s’applique. On comprend par là que la mesure est faite pour la commande. Et d’autre part, le
modèle (générique) utilisé est conçu pour être paramétré. Ainsi, il suffit de paramétrer (selon
le système) le modèle pour qu’il soit opérationnel. On comprend par là qu’il s’agit de modèle à
paramètres constant.
Alors que ce que nous avons traité/proposé ici, est une commande à partir d’un modèle adaptatif
(à paramètres ajustables/adaptatifs) puisque c’est à partir ce dernier (modèle adaptatif) que la
commande s’applique. Il faut comprendre par là que la mesure est faite pour le modèle et non
pour la commande.
Bien que, le complément d’instrumentation proposé donne des résultats convenable, nous
préconisons le renforcement de la base de données à travers l’introduction d’un type de système
de mesure capable de fournir des données sur la masse de matière repartie dans le four. En effet,
ce type de mesure est surtout nécessaire au niveau de la zone de combustion afin d’améliorer la
99
Conclusion
précision des paramètres (FOPs) liés aux phénomènes physico-chimiques de la matière. Ainsi,
les informations précises sur la température et la masse repartie pourront être obtenues.
L’intérêt final et majeur de notre travail étant l’application des résultats à l’échelle industrielle,
nous recommandons dans le cadre d’études ultérieures, l’utilisation de la plate-forme proposée
comme support dans la commande automatique du four rotatif de clinker.
100
Annexe A
Compositions minéralogique et
chimique du clinker
En effet, bien que la chimie du clinker soit bien connue actuellement, il n’est pas de même
pour sa minéralogie qui demeure encore mal connue. Ainsi, le tableau A.1 ne donne que les
principaux composants minéralogiques du clinker.
Minimum Maximum
Alite C3 S 45.0 79.7
Bélite C2 S 5.7 29.8
Aluminate C3 A 1.1 14.9
Aluminoferrite C4 AF 2.0 16.5
Périclase M gO 0 5.8
Chaux libre CaO 0.6 2.8
Tableau A.1 – Composition minéralogique du clinker (SCAEK, 2012)
101
Annexe A : Compositions minéralogique et chimique du clinker
Minimum Maximum
Perte au feu 0.2 1.1
SiO2 20.0 24.3
Al2 O3 3.7 7.1
F e2 O3 1.7 5.7
CaO 61.0 68.1
M gO 1.7 4
SO3 0.05 1.3
K2 O 0.05 1.4
N a2 O 0.05 0.7
T iO2 0.15 0.4
M n 2 O3 0.05 1.2
P2 O5 0.05 0.6
Cl 0 0.1
F 0.01 0.3
CaO libre 0.6 2.8
Module silicique 1.8 3.9
Module aluminoferrique 0.7 2.8
Indice de saturation 84.8 100.8
Tableau A.2 – Composition chimique du clinker (SCAEK, 2012)
102
Annexe B
Obtention des équations du modèles

d’état du système (Tarasiewicz et
Shahriari, 2008)
On peut considérer (ayant supposé la voie humide) que dans chaque zone de transformations,
la frontière entre le gaz et la matière diffère (voir Figs. B.1 et B.2).
Figure B.1 – Coupe transversale du four dans la zone de séchage

Où : ω est la vitesse de rotation du four , {ri (x, t), ϕi (x, t)}i=1···N est la position des
tr
min
particules, AG (x, t) est la surface du gaz dans la coupe transversale du four m2 , RI est le
rayon extérieur des briques réfractaires du four [m], R est le rayon intérieur du four sans
anneaux de soufre et/ou d’alcali [m], β est l’angle de la position de matière dans le four sans
releveurs et sans chaines [deg], φ, est l’angle de remplissage du four [deg], HC est la hauteur
de
J
remplissage du four [m], Q̂gi (x, t) est l’énergie thermique reçu par les briques du gaz ,
s·m
J
Q̂gb (x, t) est l’énergie thermique reçu par la matière du gaz , Q̂ib (x, t) est l’énergie
s·m
J
thermique reçu par la matière des briques des côtés du gaz et des briques , Q̂io (x, t)
s·m
103
Annexe B : Obtention des équations du modèles d’état du système (Tarasiewicz et Shahriari,
2008)
Figure B.2 – Coupe transversale du four dans la zone de décarbonatation

J
est l’énergie thermique reçu par le cylindre en acier des briques , Q̂os (x, t) est l’énergie
s ·m
J
thermique reçu par le cylindre en acier du four vers l’air ambiant
s·m
Remarque
La transformation de l’énergie thermique a lieu par conduction, par convection et par rayonne-
ment. La conduction comprend aussi la transmission à travers des corps contigus ; la convection
consiste en une transmission par mélange et transport ; le rayonnement de la chaleur est de
même nature que le rayonnement lumineux.
Dans l’étude du système de production du clinker concernant le flux contre-courant du gaz

et de la matière et des transformations chimiques, on doit tenir compte d’une relation entre
la pression et la vitesse du gaz. Cette relation peut être exprimée par l’équation de force
d’impulsion :
∂ ∂ 2
∂P (x, t) τ (x, t)
[ρG (x, t) · νG (x, t)] = ρG (x, t) · νG (x, t) + − + ρG (x, t) · g (B.1)
∂t ∂x ∂x Π(x, t)
hmi
Où : νG (x, t) est la la vitesse linéaire du gaz , P (x, t) est la pression dans le four [P a],
s
N
τ (x, t) est la tension de cisaillement entre la matière et le gaz , Π(x, t) est le périmètre
mh2 i
m
intérieur du four remplit de la matière [m], g est la gravitation 9.81 2 , ρG (x, t) est la densité
s
kg
du gaz .
m3
Pour que la transformation chimique de matière soit relativement
rapide,
il faut avoir une
m3 m3 m
connaissance de débit ṀC (x, t) = MC (x, t) · νC (x, t) = · de matière reparti
s m s
sur l’axe x du four, où νC (x, t) est une vitesse linéaire de la matière opposée à la direction
du gaz. En effet, si le four est incliné selon un angle α, la vitesse νC ( · ) est définie par la
relation trigonométrique νC (x, t) = νR (x, t) · cos α (voir Fig. B.3), où νR ( · ) généralement est
une fonction des formes du revêtement intérieur et de la vitesse de rotation ω du four.
104
x
Figure B.3 – Allure du débit de la matière ṀC (x, t) = AC (x, t) · ρC (x, t) · νC (x, t) x+δx
Le débit ṀC (x, t) de la matière du four (voir Figs. B.1, B.2 et B.3) montre que la variation
numérique de la valeur repartie de MC (x, t)|0<x<Lx dépend beaucoup de technique et de
technologie de production du clinker.
Maintenant, il est possible de formuler
des équations qui décrivent l’énergie thermique trans-
J
portée par le gaz et la matière :
s
j k
Q̇G (x, t) − Q̇G (x + δx, t) ⇔ ρG (x, t) · CpG (x, t) · ṁG (x, t) · TG (x, t) δx (B.2)
j k
Q̇C (x + δx, t) − Q̇C (x, t) ⇔ ρC (x, t) · CpC (x, t) · ṀC (x, t) · TC (x, t) δx (B.3)

kg J
Où : ρG (x, t) est la densité du gaz , CpG (x, t) est la chaleur spécifique du gaz ,
m3 kg · deg
TG (x, t) est la la température du gaz [deg].

ṁG (x, t) = mG (x, t) · νG (x, t) = f (O2 , CO2 , H2 Ovap , N2(rac) , SO2(comb) )0<x<Lx est le débit

kg kg m kg
du gaz = · , ρC (x, t) est la densité de la matière , CpC (x, t) est la chaleur
s m s m3
J
spécifique de la matière , TC (x, t) est la la température de la matière [deg],
kg · deg
ṀC (x, t) = MC (x, t) · νC (x, t) = f (H2 O, CaCO3 , SiO2 , Al2 O3 , F e2 O3 , CaOM gO, CaSO4 )0<x<Lx

kg kg m
est le débit de la matière = · .
s m s
L’énergie thermique transportée par le gaz et la matière résulte de l’accumulation de chaleur
105
2008)
selon la relation :
∂TG (x, t)
Q̇aG (x, t) ⇔ ρG (x, t) · CpG (x, t) · AG (x, t) · δx · (B.4)
∂t
∂TC (x, t)
Q̇aC (x, t) ⇔ ρC (x, t) · CpC (x, t) · AC (x, t) · δx · (B.5)
∂t
Naturellement dans les notations précédentes sur les distributions de la chaleurs dans le four,
on aura d’ailleurs à modéliser l’évolution des températures du gaz et de la matière selon la
convection, la conduction et le rayonnement :
• transmission de l’énergie thermique par rayonnement peut être déterminée, en accord avec la
loi de Stefan-Boltzmann pour le clinker et les briques du gaz dans les zones de la décarbonatation
et de la clinkérisation, a la forme suivante :
 


 [TG (x, t)]3 + 



 T (x, t) [T (x, t)]2 + 

x∈xD C G
Q̇C
rG (x, t) ⇔ A C
rG (x, t) · ε G · ε C · σ · TG (x, t) − TC (x, t)
x∈xC 

 TG (x, t) [TC (x, t)]2 + 



 

[TC (x, t)]3 +
(B.6)
 


 [TG (x, t)]3 + 



 T (x, t) [T (x, t)]2 + 

x∈xD B G
Q̇B
rG (x, t) x∈xC
C
⇔ ArG (x, t) · εG · εB · σ · TG (x, t) − TB (x, t)
 TG (x, t) [TB (x, t)]2 +
 


 

 [T (x, t)]3 + 
B
(B.7)
 


 [TB (x, t)]3 + 



 T (x, t) [T (x, t)]2 + 

x∈xD C B
Q̇C
rB (x, t) x∈xC ⇔ AC
rB (x, t) · ε B · ε C · (1 − ε G ) · σ · TB (x, t)−TC (x, t)
 2 
T
 B
 (x, t) [TC (x, t)] + 


 

[T (x, t)]3 +
C
(B.8)
• transmission l’énergie thermique par conduction dans les briques :
∂TB (x, t)
Q̇kB (x, t)0<x<Lx ⇒ −kB (x, t) · 2π [RI − R(x)] · δx · (B.9)
∂x
• transmission l’énergie thermique par conduction dans la zone de séchage :

∂ ∂TC (x, t)
Q̇C ⇒ kdS (x, t) · AdS (x, t) · δx · (B.10)
dS (x, t) x∈xs
∂x ∂x
106
• transmission l’énergie thermique par combustible dans la zone de combustion (formation de
clinker) :
∂TG (x, t)
Q̂G
af (x, t) Lx −2<x<Lx ⇒ FG [TG (x, t)] · (B.11)
∂x
p
Où : FG ( · ) = ṁap (x, t) · Cpa (Tap ) + ṁas (x, t) · Cpa s (T ) + ṁ (x, t) · C (T ), ṁ ( · ) est le
as f ap
pf f
kg kg
débit de l’air primaire , ṁas ( · ) est le débit de l’air secondaire , ṁf ( · ) est le débit
s s
kg p
de combustible , Cpa ( · ); Cpa
s ( · ) sont les chaleurs spécifiques des l’air primaire et l’air
s
J J
secondaire respectivement , Cpf ( · ) est la chaleur de combustible , Tap ; Tas
kg · deg kg · deg
sont les températures des l’air primaire et l’aire secondaire [deg], Tf est la température de
combustible [deg].
• transmission l’énergie thermique par combustion dans la zone de formation du clinker :
∂ ṀG (x, t) ∂ ṀG (x, t) ∂TG (x, t)

Q̂f (x, t) ⇒ Hf (x, t) · ⇒ Hf (x, t) · · (B.12)
∂x ∂TG (x, t) ∂x

J
Où : Hf (x, t) est la chaleur de la réaction de combustion ,
kg
kg
ṀG (x, t) = Ṁa (x, t) + ṁf (x, t) est le débit du gaz avec Ṁa (x, t) = ṁap (x, t) + ṁas (x, t).
s
• transmission l’énergie thermique par convection :
x∈xP
Q̇C
cG (x, t) x∈x ⇒ 2R(x)δx · hg (x, t) · [TG (x, t) − TC (x, t)] (B.13)
S

x∈xP φ(x)
Q̇B
cG (x, t) ⇒ 2R(x) 1 − δx · h(x, t) · [TG (x, t) − TB (x, t)] (B.14)
x∈xS 360

Q̇O
B (x, t) 0<x<Lx ⇒ 2πRI δx · hx (x, t) · [TB (x, t) − TO ] (B.15)

φ(x) φ(x)
Où : AC
rG (x, t) = AC
rB (x, t) = 2R(x) sin( B B
)δx, ArG (x, t) = AcG (x, t) = 2πR(x) 1 − δx.
2 360
εB ; εC ; εG sont les émissivités
des briques, du clinker
et du gaz respectivement, σ est la constante
J
de Stefan-Boltzmann 5.67 · 10−8 , kB (x, t) est le coefficient de conductivité des
s · m2 · (deg)4
J
briques , TB (x, t) est la température des briques [deg].
s · m · deg
107
2008)
j k
J
hg (x, t) = f ṁG ( · ), ṀC ( · ), ρC ( · ), dp est le coefficient général de convection
s · m2 · deg
avec dp comme diamètre moyen des particules de la pâte.
j k J
h(x, t) = f ṁG ( · ), ṁH2 O(vap) ( · ), µ̂( · ), P r est le coefficient de convection où
s · m2 · deg
kg
µ̂( · ) est la viscosité dynamique du gaz et P r est le nombre de Prandtl.
m·s
J
hx (x, t) = f bη(x, t), µ(x, t), σ, P r, εO c est le coefficient fusionné de convection
2 s · m2 · deg
m
où µ( · ) est la viscosité cinématique , P r est le nombre de Prandtl, εO est l’émissivité du
s
cylindre en acier et η( · ) = f (P r), TO (x, t) est la température de l’air ambiant [deg], xS , xP
sont respectivement les zones de séchage et de préchauffage.
Maintenant, on distingue trois cas dans le choix des équations de masse :
Prémier cas, on va déduire l’équation de l’eau de la pâte qui se trouve dans la zone de
séchage :

dMH2 O (x, t) Q̂C C C
cG (x, t) + Q̂rG (x, t) + Q̂rB (x, t) MK − MH2 O (x, t)
−ṀC (x, t) − 1−α =0
dx λS (x, t) MK − M D x∈xS
(B.16)
ṀC (x, t) − ṀP (x, t)

Où : MH2 O (x, t)=
b est l’humidité de la matière dans le four [%] avec ṀF ( · )
ṀC (x, t)
J
le débit de la pâte sèche, λS (x, t) est la conductivité calorifique de la matière ,
C kg
α, MK , MD (voir equation B.2) et Q̇cG ( · ) = Q̂C cG · δx ; Q̇rG ( · ) = Q̂rG · δx ; Q̇rB
−1 C C −1 C (·) =

J
Q̂C · δx−1 sont les énergies thermiques reçues par la pâte dans l’intervalle δx .
rB
s·m
Deuxième cas, on peut préciser la définition de la teneur du gaz en combustible :
ṀG (x, t) − Ṁa (x, t)
Mf (x, t)=b
ṀG (x, t)
Alors, l’équation pour la teneur en combustible dans la zone de formation de clinker sera :
Q̂f (x, t) + Q̂G

af (x, t)
Mf (x, t) − Mf (x + δx, t) = · Mf (x, t) · δx (B.17)
ṀG (x, t) · QfR (x, t)
Avec la dérivation on obtient l’équation pour le gaz :

G
dMf (x, t) Q̂f (x, t) + Q̂af (x, t)
ṀG (x, t) + · Mf (x, t) = 0 (B.18)
dx Qf (x, t)
R

J
Où : QfR (x, t) est la chaleur de la réaction de combustion .
kg
Troisième cas, on précise la définition de la teneur en calcium CaCO3 , c.-à.-d. MCaCO3t (x,t) :

ṀG (x, t) − ṀCaO (x, t) kg
t
MCaCO3 (x, t) x∈x =b ; ṀCaO (x, t) = MCaO (x, t) · νC ; MCaO (x, t) ;
D
ṀC (x, t) m
108

ṀC (x, t) = f (CaCO3 , SiO2 , Al2 O3 , F e2 O3 , CaOM gO, CaSO4 ) ; 66%, 22%, 5%, 4%, 2%, 1%
et on déduit l’équation pour la teneur en calcium dans cette zone :
t t Q̂C C C
cG (x, t) + Q̂rG (x, t) + Q̂rB (x, t) − Q̂aC (x, t)
MCaCO (x, t) − MCaCO (x + δx, t) = ·
3 3
ṀC (x, t) · QCaO
R (x, t)
t
MCaCO 3
(x, t) · δx (B.19)
Avec la dérivation on obtient l’équation pour la chaux libre CaO :
t (x, t) Q̂C
dMCaCO (x, t) + Q̂C C
rG (x, t) + Q̂rB (x, t) − Q̂aC (x, t)
− ṀC 3
− cG CaO
t
· MCaCO (x, t)x∈x = 0
dx QR (x, t) 3 C
(B.20)
Où :
∂TC (x, t)
Q̂aC (x, t) = FC [TC (x, t)] ; FC [ · ] = ṁCaCO3 ( · ) · CPCaCO3 ( · ) + ṁSiO2 ( · ) · CPSiO2 ( · )+
∂x
ṁAl2 O3 ( · ) · CPAl2 O3 ( · ) + ṁF e2 O3 ( · ) · CPF e2 O3 ( · ) + ṁCaOM gO ( · ) · CPCaOM gO ( · )+
ṁCaSO4 ( · ) · CPCaSO4 ( · )

kg (·)
ṁ( · ) ( · ) sont les masses de matière constituées, ṀC (x, t) , CP ( · ) sont les chaleurs
s
J J
spécifiques des matières , QR (x, t) est la chaleur à production de CaO
CaO , xC
kg · deg kg
est la zone de formation du clinker.
Ensuite, après avoir obtenu la chaux libre (CaO), on déduit, les équations de : silicate tricalcique
(65%), silicate di calcique (20%), alumine tricalcique (10%) et ferro-aluminate calcique (5%), à
la forme d’équation (voir équation (B.18)) expliquée ci-dessus.
Remarque :
L’analyse de CaO permet également un pilotage rétroactif du four rotatif : lorsque la teneur
en chaux libre est trop importante, cela signifie que ce four n’est pas assez chaud. En général,
elle peut être inférieure à 2% en masse dans le clinker.
En introduisant, l’équation (B.20) dans les équations (B.4) et (B.5) et en posant

ṀG (x, t)
ρG (x, t) = , les quantités relatives de H2 O(vap,gaz) et CO2 dans
νG (x, t) · AG · r(x, t) · ϕ(x, t)δx
le gaz peuvent être calculées.
109
2008)
Il est évident qu’à partir des équations d’échange de chaleur et de masse (équations (B.1)
à (B.20)), qui sont les phénomènes physiques et chimiques dans le FRC, sont extrêmement
liées et nécessitent une caractérisation précise et exacte de ces phénomènes dans le cadre d’un
modèle basé sur la commande optimale.
En outre, ce système d’équations (équations (B.1) à (B.20)) est très compliqué à aborder
analytiquement et fastidieux du point de vue du traitement. À cet égard, nous présentons dans
ce travail la notation des fonctions opératoires (FOPs) pour modéliser le système complexe du
FRC avec précision tout en conservant la structure du modèle simple (Tarasiewicz et Kudra,
2004).
Pour
proposer la structure du modèle, on choisit trois variables d’état
TG (x, t), TC (x, t), MC (x, t) par lesquelles tout phénomène dans le FRC peut décrire correc-
tement (Tarasiewicz et al., 1994). Avec un réaménagement des coefficients des variables d’état
et leurs dérivées (et l’introduction des fonctions opératoires) on aboutit aux équations aux
dérivées partielles suivantes :
∂TG (x, t) ∂TG (x, t)

= −f1,1 (x, t)TC (x, t) + f1,2 (x, t) + f1,3 (x, t)Mf (x, t)−
∂t ∂x
∂MC (x, t)
f1,5 (x, t) TG (x, t) − TC (x, t) − f1,6 (x, t) TG (x, t) − TB (x, t) + f1,4 (x, t) (B.21)
∂x
∂TC (x, t) ∂TC (x, t)

= f2,1 (x, t)TG (x, t) + f2,2 (x, t) + f2,4 (x, t) TG (x, t) − TC (x, t) +
∂t ∂x
∂MG (x, t)
f2,5 (x, t) TC (x, t) − TB (x, t) + f2,3 (x, t) (B.22)
∂x
∂MC (x, t) ∂MC (x, t)

= −f3,1 (x, t) − f3,2 (x, t)TC (x, t) + f3,3 (x, t)TG (x, t) (B.23)
∂t ∂x
110
Annexe C
Obtention des équations aux frontières
Cette partie de l’étude est capitale en ce sens qu’elle englobe les deux parties du modèle
global du FRC. Le modèle global est composé du modèle interne et du modèle externe. Le
modèle interne décrit la structure complète du système pouvant inclure des parties qui ne
contribuent pas directement aux entrées et sorties observables, alors que le modèle externe
concerne uniquement par la description du comportement des entrées et sorties du système.
Ainsi, le modèle interne concerne notre système à paramètre reparti (l’intérieur du four) et
quant au modèle externe, il concerne les frontières et est à paramètres concentrés. Toutefois,
une remarque capitale s’impose au niveau des frontières. En effet, il faut remarquer que de part
et d’autre d’une frontière, on se retrouve soit au niveau du modèle interne ou soit au niveau
du modèle externe. Ainsi, d’un côté d’une frontière, on est à paramètres repartis et de l’autre
côté à paramètres concentrés. Ce qui va nous amener à définir pour chaque extrémité/frontière
deux voisinages droite et gauche ou 00 +00 et 00 −00 (voir Fig.C.1).
Gaz
Matière
0 0+ LT L+
T
0 LT x
Figure C.1 – Illustration du voisinage des frontières du système
Dans cette annexe on considère les notations suivantes : Qi : chaleur transférée i ; qi chaleur
Qi
transférée i par unité de longueur ; Ti : température de i ; Ṁi : dédit massique de i. Où qi =
∆x
111
Matière
Annexe C : Obtention des équations aux frontières

LT L+
0 0+ T
Frontière x = 0 0 LT x
TG |x TG |x+ x TC |x
ṀC |x
Ṁap |x Ṁap |x+ x
Ṁas |x
ṀF |x ṀF |x+ x
Ṁwp |x
Q1 Q2
Figure C.2 – Volume de contrôle 1 (Phase gazeuse)
Le bilan de chaleur donne :

1
Ṁap hap |x + ṀF hF |x + Q1 = Ṁap hap |x+∆x + ṀF hF |x+∆x
On obtient alors
∂(Ṁap hap ) ∂(ṀF hF )
+ = q1
∂x ∂x
Comme hi = Cpi TG et considérant le fait que les débits massiques et les capacités thermiques
varient très peu alors on aboutit à :
∂TG
(Ṁap Cpap + ṀF CpF ) = q1
∂x
La chaleur fournie ici est essentiellement issue du clinker chaud qui sort et des briques réfractaires
chaudes. Ainsi, ces échanges de chaleur seront représentés par des FOPs. Cette démarche a
l’avantage de ne pas négliger par hypothèse un type de transfert de chaleur d’une part et
d’autre part elle englobe tous les paramètres liés à ces transferts. Par conséquent, on se retrouve
avec l’expression ci-dessous.
∂TG
(Ṁap Cpap + ṀF CpF ) = f4,1 (TC − TG ) + f4,2 (TB − TG )
∂x
Étant donné que nous sommes à la frontière x=0, on se retrouve avec finalement :
∂T
G +
Ṁap Cpap + ṀF CpF = f (0 , t) T (x, t) − T (x, t) ++
∂x x=0−
4,1 C G
x=0

f4,2 (0+ , t) TB (x, t) − TG (x, t) +
x=0
112
Matière
0 0+ LT L+
T
0 LT x
TC |x TC |x+ x
ṀC |x ṀC |x+ x
Ṁas |x Ṁas |x+ x
Ṁwp |x Ṁwp |x+ x
Q2
Figure C.3 – Volume de contrôle 2 (Phase solide)

1
Ṁas has |x + Ṁwp hwp |x + ṀC hC |x+∆x = Ṁas has |x+∆x + Ṁwp hwp |x+∆x + ṀC hC |x + Q2
On obtient alors
∂(ṀC hC ) ∂(Ṁwp hwp ) ∂(Ṁas has )
− − = q2
∂x ∂x ∂x
En suivant les mêmes approches que dans la phase gazeuse, on obtient :
∂TC
(ṀC CpC − Ṁwp Cpwp − Ṁas Cpas ) = f4,3 (TC − TG ) + f4,4 (TC − TB )
∂x
Soit :
∂T
C
ṀC CpC − Ṁwp Cpwp − Ṁas Cpas = f4,3 (0+ , t) TC (x, t) − TG (x, t) ++
∂x x=0− x=0

f4,4 (0+ , t) TC (x, t) − TB (x, t) +
x=0
Frontière x = LT
Ṁw hw |x + ṀC hC |x + Q3 = Ṁw hw |x+∆x + ṀC hC |x+∆x + Ṁd hd + Ṁwp hwp
113
Matière
0 0+ LT L+
T
Annexe C : Obtention des équations aux frontières x

0 LT
TC |x+ x TC |x
ṀC |x+ x ṀC |x
Ṁw |x+ x Ṁw |x
Ṁwp Q3 Ṁd
Figure C.4 – Volume de contrôle 3 (Phase solide)
On aboutit à :
1
∆(Ṁw hw ) + ∆(ṀC hC ) + Ṁd hd + Ṁwp hwp − Q3 = 0
Le bilan de solide sec donne :
ṀC |x = ṀC |x+∆x + Ṁd alors ṀC |x − ṀC |x+∆x = Ṁd donc Ṁd = −∆(ṀC )
Le bilan d’eau donne :
Ṁw |x = Ṁw |x+∆x + Ṁwp alors Ṁw |x − Ṁw |x+∆x = Ṁwp donc Ṁwp = −∆(Ṁw )
Quant on remplace ces deux dernières expressions dans l’équation du bilan de chaleur on
trouve :
∆(Ṁw hw ) + ∆(ṀC hC ) − hd ∆ṀC − hwp ∆Ṁw − Q3 = 0
Lorsqu’on divise cette équation par ∆x puis la tendre vers 0, on obtient :
∂(ṀC hC ) ∂(Ṁw hw ) ∂ ṀC ∂ Ṁw

+ − hd − hwp − q3 = 0
∂x ∂x ∂x ∂x
Après dérivation, on a :
∂hC ∂hw ∂ ṀC ∂ Ṁw

ṀC + Ṁw − (hC − hd ) − (hw − hwp ) − q3 = 0
∂x ∂x ∂x ∂x
114
Comme les débris de matière ou poussière et la matière sont à la même température alors
hC − hd = 0. Et en posant ∆Hw = hwp − hw comme chaleur latente de vaporisation, on trouve :
∂hC ∂hw ∂ Ṁw

ṀC + Ṁw − ∆Hw − q3 = 0
∂x ∂x ∂x
Étant donné que la matière est formée d’eau alors on peut écrire que Ṁw = λṀC où λ
représente le pourcentage d’eau dans la matière. Alors on aura :
∂hC ∂hw ∂ ṀC

ṀC + Ṁw − λ∆Hw − q3 = 0
∂x ∂x ∂x
Ainsi en terme thermique on peut négliger ∆Hw ∂∂x

ṀC
devant q3 , alors on se retrouve avec :
∂TC
(ṀC CpC + Ṁw Cpw ) = q3
∂x
∂TC
Soit (ṀC CpC + Ṁw Cpw ) = f5,1 (TG − TC ) + f5,2 (TB − TC )
∂x
Étant donné que nous sommes à la frontière x = LT , on se retrouve avec finalement :
∂T
C
ṀC CpC + Ṁw Cpw = f5,1 (L−
T , t) TG (x, t) − TC (x, t) +
∂x +
x=LT x=L−
T

f5,2 (L−
T , t) TB (x, t) − TC (x, t)
x=L−
T
Pour le cas massique on peut négliger q3 devant ∆Hw ∂∂x

ṀC
, on a ainsi :
∂TC ∂ ṀC
(ṀC CpC + Ṁw Cpw ) = λ∆Hw
∂x ∂x
Soit :
∂(VC MC ) ∂TC
λ∆Hw = (VC CpC + λVC Cpw ) MC
∂x ∂x
Étant donné que la vitesse comme les échanges de chaleur n’est pas connue correctement (voir
étude bibliographique), il serait aussi opportun d’introduire une FOP qui représentera le mieux
cette relation. Ainsi, à la frontière x = LT , on se retrouve avec finalement :

∂MC (x, t) −
4Hw = f6,1 (LT , t)M C (x, t)
∂x x=L+ x=L−
T
T
115
Annexe D
Expressions mathématiques des

fonctions opératoires
La dizaine d’équations fournie par la procédure d’identification ajoutée aux équations (3.6) à (3.8)
prises à l’état stationnaire, forment un système d’équations où les FOPs sont nos inconnues. Une
résolution algébrique est réalisée afin de déterminer ces FOPs en fonction des variables d’état
et de leurs dérivées. Pour chaque FOP ainsi obtenue, on applique des développements limités à
l’ordre 1 aux variables d’état et leurs dérivées jusqu’à obtenir une expression simple/satisfaisante
(les expressions proposées).
α12 TC∗ 2
f1,2 (TG , TC , TG∗ , TC∗ ) = C12 TG − TC TG + T 3
C (D.1)
TG∗ TG∗
∗ − T∗ h

α 14 3.34T C G
i
f1,4 (TG , TC , TG∗ , TC∗ ) = C14 0.36TG
∗
+ 0.84TG
∗
+3 TC − 1.2TG
∗
+3.9 TG ·
TG∗ − 1
h i
TC∗ − TG∗ + 550 − 0.472 + 4.14TG∗ TG + 0.0466 + 3.384TG∗ TC (D.2)

f1,5 (TG , TC , TG∗ , TC∗ ) = C15 α15 TC + TG TC2 + TG2 (D.3)
h 1.18
f2,1 (TG , TC , TG∗ , TC∗ ) = C21 α210 TG∗ TC −10.125TG + −4 −
10
∗ ∗ ∗ ∗ ∗
i
α211 TG TC −TG −0.0018TG TC +0.0023TG TG (D.4)

117
Annexe D : Expressions mathématiques des fonctions opératoires
h T∗ 1.18
f3,2 (TG , TC , TG∗ , TC∗ ) = C32 α320 G∗ TC −10.125TG + −4 −
TC 10
TG∗ ∗ i
α321 ∗ TC −TG∗ −0.0018TG∗ TC +0.0023TG∗ TG (D.6)
TC

nα
∗ h
∗
130 3.34TC − TG i
f1,3 (TG , TC , TG∗ , TC∗ ) =
C13 0.36TG
∗
+ 0.84T ∗
G +3 TC − 1.2TG
∗
+3.9 TG ·
∆x TG∗ − 1
h i
TC∗ − TG∗ + 550 − 0.472 + 4.14TG∗ TG + 0.0466 + 3.384TG∗ TC +
1.18
α133 TC∗ TC + TG TC2 + TG2 + α131 TC∗ TG∗ TC −10.125TG + −4 −
10
o
α132 TC∗ TG∗ TC∗ −TG∗ −0.0018TG∗ TC +0.0023TG∗ TG (D.8)

h T∗ 1.18
f3,3 (TG , TC , TG∗ , TC∗ ) = C33 α330 G∗ TC −10.125TG + −4 −
TC 10
TG∗ ∗ i
α331 ∗ TC −TG∗ −0.0018TG∗ TC +0.0023TG∗ TG (D.10)
TC
118
Annexe E
Paramètres estimables du système et

les facteurs de calibrage des fonctions
opératoires
119
Annexe E : Paramètres estimables du système et les facteurs de calibrage des fonctions
opératoires
αk Valeurs Unités
α12 4.44/1014 m/(kg · K 2 )

α130 1.2/109 (m2 · K 2 )/kg 2
α131 3.864/109 K/m
α132 1.49/104 K 2 /kg
α133 3.33/1014 K
α14 1.2/109 kg/K 2
α15 3.33/1014 1/K 2
α16 1/1014 1/K 2
α210 1.16/109 m/K 2
α211 0.45/104 kg/K 3
α24 3.33/1014 1/K 2
α25 1/1014 1/K 2
α320 3.864/109 1/K
α321 1.49/104 (m · K 2 )/kg
α330 1.16/109 1/K
α331 0.45/104 (m · K 2 )/kg
Tableau E.1 – Paramètres estimables restants du système
120
Ck Valeurs Unités
C12 0.122 m/s
C13 0.186 (W · K)/J
C14 0.0244 W/(J · K)
C15 0.417 W/(J · K)
C16 0.366 W/(J · K)
C21 0.134 kg/(s · m2 )
C24 0.462 W/(J · K)
C25 0.37 W/(J · K)
C32 0.112 kg/(s · m · K)
C33 0.082 kg/(s · m · K)
Tableau E.2 – Facteurs de calibrage restants des fonctions opératoires
121
Annexe F
Fonctions opératoires identifiées
L’identification des fonctions opératoire a été exécutée à l’aide du logiciel matlab. Ceci, à
cause de la facilité avec laquelle l’implémentation d’un code mathématique est fait. Nous avons
utilisé respectivement comme valeurs des pas de discrétisation d’espace et temps ∆x = 10[m]
et ∆t = 0.081[s].
Les fonctions opératoires identifiées restantes sont données ci-dessous :
0.04
0.035
0.03
0.025
F12 [W.m/J]
0.02
0.015
0.01
0.005
−0.005
2
1.5
1
120
100
0.5 80
60
40
0 20
t [min] 0
x[m]
123
Annexe F : Fonctions opératoires identifiées
−3
x 10
20
15
F13 [W.m.K/J.kg]
10
−5
2
1.5
120
1 100
80
0.5 60
40
20
t [min] 0 0
x[m]
−3
x 10
1
0.9
0.8
0.7
0.6
F15 [W/J]
0.5
0.4
0.3
0.2
0.1
0
2
1.5
0.5
100 120
60 80
0 40
t [min] 0 20
x[m]
−4
x 10
2
0
F32 [W.kg/J.m.K]
−1
−2
−3
−4
−5
2
1.5
0.5
100 120
60 80
0 40
t [min] 0 20
x[m]
124
−4
x 10
1
0.5
F21 [W/J]
−0.5
−1
−1.5
−2
2
1.5
0.5
100 120
60 80
t [min] 0
20 40
0
x[m]
−4
x 10
3
2
F16 [W/J]
0
2
1.5
0.5 120
100
80
60
t [min] 0 20
40
0
x[m]
−3
x 10
1
0.8
0.6
F24 [W/J]
0.4
0.2
0
2
1.5
0.5
100 120
60 80
t [min] 0
20 40
0
x[m]
125
Annexe F : Fonctions opératoires identifiées
0.2
0.15
F14 [W.m2.K/J.kg]
0.1
0.05
−0.05
2
1.5
0.5
100 120
t [min] 0 60 80
20 40
0
x[m]
−4
x 10
3
2
F25 [W/J]
0
2
1.5
0.5
120
100
60 80
t [min] 0 40
20
0
x[m]
−4
x 10
2
0
F32 [W.kg/J.m.K]
−1
−2
−3
−4
−5
2
1.5
0.5
100 120
60 80
0 40
t [min] 0 20
x[m]
Figure F.1 – Fonctions opératoires identifiées restantes du modèle d’état
126
Annexe G
Organigrammes des fonctions

opératoires
Les fonctions opératoires f1,5 , f1,6 , f2,4 et f2,5 , ayant la même décomposition, sont représentées
par la FOP fi,j .
Paramètres ;" fi,j = f (hr , V, TG , TB , TC , A, , ") TB = f (TC , TG , TA )

constants
hr = f (kr , De , ReD , Re! , ✓, !) V = f (TG , A, P, Rg , h, R, !, , ✓) TA
kr = f (TG , TC ) Re! = f (⇢G , !, µG , De ) ✓ = f (MC )
De = f (MC ) ReD = f (⇢G , VG , µG , De ) µG = f (TG ) Fourni
⇢G = f (TG ) VG = f (TG , A, P, Rg ) P ; !; Rg ; ; R
A = f (MC ) h = f (MC , TG ) Paramètres

constants
fi,j = f (MC , TG , TC )
127
Annexe G : Organigrammes des fonctions opératoires
f1,2 = f (ṀG , VG , CpG )
ṀG = f (VG , MG ) VG = f (TG , A, P, Rg ) CpG = f (TG )
MG = f (MC , TG ) A = f (MC ) Rg ; P
Paramètres
constants
f1,2 = f (MC , TG , TC )
Cp = f (TG , TC ) f3,2 = f (Rr , VC , Cp , TG , Hr , TC , MC )
Rr = f (VG , MC , VC , TG , k0 , TC , E, Rg ) Hr = f (TC , TG )
VC = f (h, R, !, ✓, ) R; !; ; E; Rg ; P ; k0
h = f (MC , TG ) VG = f (TG , A, P, Rg )
Paramètres
✓ = f (MC ) constants
A = f (MC )
f3,2 = f (MC , TG , TC )
128
Cp = f (TG , TC ) f1,4 = f (VC , Cp , VG , Hr , ṀG ) Hr = f (TC , TG )
ṀG = f (MG , VG ) VG = f (TG , A, P, Rg ) VC = f (h, R, !, ✓, )
MG = f (MC , VG ) A = f (MC ) h = f (MC , TG )
R; !; ; E; Rg ; P ; k0 ✓ = f (MC )
Paramètres
constants
f1,4 = f (MC , TG , TC )
Cp = f (TG , TC ) f2,1 = f (Rr , VC , Cp , TG , Hr )
VC = f (h, R, !, ✓, ) R; !; ; E; Rg ; P ; k0
Paramètres
A = f (MC )
f2,1 = f (MC , TG , TC )
129
Annexe G : Organigrammes des fonctions opératoires
Cp = f (TG , TC ) f3,3 = f (Rr , VC , Cp , TG , Hr , TC , MC )
VC = f (h, R, !, ✓, ) R; !; ; E; Rg ; P ; k0
Paramètres
A = f (MC )
f3,3 = f (MC , TG , TC )
Paramètres
Cp = f (TG , TC ) f1,3 = f (hr , VC , Rr , VG , TG , MC , TC , A, , Cp , ", Hr , ṀG ) P ; k0 ; Rg ; "; E;
constants
Hr = f (TG , TC ) hr = f (kr , De , ReD , Re! , ✓, !) Rr = f (VG , MC , VC , TG , k0 , TC , E, Rg ) ṀG = f (MG , VG )
kr = f (TG , TC ) Re! = f (⇢G , !, µG , De ) ReD = f (⇢G , VG , µG , De ) VG = f (TG , A, P, Rg )
✓ = f (MC ) ⇢G = f (TG ) µG = f (TG ) VC = f (h, R, !, ✓, ) MG = f (MC , VG )
De = f (MC ) h = f (MC , TG ) A = f (MC )
!; ; R
Paramètres
constants
f1,3 = f (MC , TG , TC )
Figure G.1 – Organigrammes des fonctions opératoires restantes
130
Annexe H
Fonctions opératoires calibrées
Les données des FOPs calibrées recueillies à travers l’exécution du programme/code en C++,
ont été exportées dans le logiciel Matlab pour les représentations graphiques. Les figures
restantes sont les suivantes :
F12 calibrée
−3
x 10
12
10
8
F12 [W.m/J]
−2
2
1.5
120
100
1 80
60
0.5 40
20
t [min] 0 0
x [m]
131
Annexe H : Fonctions opératoires calibrées
F13 calibrée
−3
x 10
5
F13 [W.m.K/J.kg]
3
−1
2
1.5
1 120
100
80
0.5 60
40
t [min] 20
0 0
x [m]
F15 calibrée
−4
x 10
8
5
F15 [W/J]
0
2
1.5
1
120
100
0.5 80
60
40
t [min] 0 20
0
x [m]
F32 calibrée
−4
x 10
−0.5
F32 [W.kg/J.m.K]
−1
−1.5
−2
−2.5
−3
2
1.5
1 120
100
80
0.5 60
40
20
t [min] 0 0
x [m]
132
F21 calibrée
−5
x 10
−0.5
F21 [W/J]
−1
−1.5
−2
2
1.5
120
1 100
80
0.5 60
40
20
t [min] 0 0
x [m]
F16 calibrée
−4
x 10
2
F16 [W/J]
0
2
1.5
1 120
100
80
0.5 60
40
0 20
t [min] 0
x [m]
F24 calibrée
−3
x 10
1.4
1.2
1
F24 [W/J]
0.8
0.6
0.4
0.2
0
2
1.5
1
120
100
0.5 80
60
40
t [min] 0 20
0
x [m]
133
Annexe H : Fonctions opératoires calibrées
F14 calibrée
0.14
0.12
F14 [W.m2.K/J.kg]
0.1
0.08
0.06
0.04
0.02
−0.02
2
1.5
1
120
100
0.5 80
60
40
t [min] 0 20
0
x [m]
F25 calibrée
−4
x 10
3
2
F25 [W/J]
0
2
1.5
1
120
100
0.5 80
60
40
20
t [min] 0 0
x [m]
F32 calibrée
−4
x 10
−0.5
F32 [W.kg/J.m.K]
−1
−1.5
−2
−2.5
−3
2
1.5
1 120
100
80
0.5 60
40
20
t [min] 0 0
x [m]
Figure H.1 – Fonctions opératoires calibrées restantes du modèle d’état
134
Annexe I
Fonctions opératoires de base

perturbées
Fonction Opératoire F03: Stationnaire & perturbée

0.65
0.6
F03pert1
0.55 F03pert2
F03stat
F03
0.5
0.45
0.4
0 20 40 60 80 100 120
x [m]
135
Annexe I : Fonctions opératoires de base perturbées

0.6
F04pert1
F04pert2
0.55 F04stat
0.5
F04
0.45
0.4
0.35
0 20 40 60 80 100 120
x [m]
0.95
0.9
0.85
F00pert1
F00
0.8 F00pert2
F00stat
0.75
0.7
0.65
0 20 40 60 80 100 120
x [m]
136
−3 Fonction Opératoire F01: Stationnaire & perturbée
x 10
5.5
F01pert1
5 F01pert2
F01stat
4.5
3.5
F01
2.5
1.5
0.5
0 20 40 60 80 100 120
x [m]
F02pert1
0.3 F02pert2
F02stat
0.25
0.2
F02
0.15
0.1
0.05
0 20 40 60 80 100 120
x [m]
Figure I.1 – Fonctions opératoires de base
137
Annexe J
Fonctions opératoires en présence de

perturbation
139
Annexe J : Fonctions opératoires en présence de perturbation
−5
x 10
−1
−2
−3
F11 [W/J]
−4
−5
−6
−7
−8
−9
2
1.5
1 120
100
80
0.5 60
40
0 20
0
t [min]
x [m]

−4
x 10
0
−0.2
−0.4
F11 [W/J]
−0.6
−0.8
−1
2
1.5
1
120
0.5 100
80
60
40
0 20
t [min] 0
x [m]
140
−3
x 10
2.5
2
F12 [W.m/J]
1.5
0.5
−0.5
2
1.5
1 120
100
80
0.5 60
40
20
t [min] 0 0
x [m]
−3
x 10
4
2
F12 [W.m/J]
−1
−2
−3
2
1.5
1
120
100
0.5 80
60
40
t [min] 0 20
0
x [m]
141
−4
x 10
15
10
F13 [W.m.K/J.kg]
−5
2
1.5
0.5 120
100
80
60
t [min] 40
0 20
0
x [m]

−4
x 10
14
12
10
F13 [W.m.K/J.kg]
−2
2
1.5
0.5
100 120
80
t [min] 0 40 60
0 20
x [m]
142
−4
x 10
20
15
F14 [W.m2.K/J.kg]
10
−5
2
1.5
0.5 120
100
80
60
t [min] 0 20
40
0
x [m]

−4
x 10
20
15
F14 [W.m2.K/J.kg]
10
−5
2
1.5
0.5 120
100
80
60
t [min] 40
0 20
0
x [m]
143
−5
x 10
7
5
F16 [W/J]
0
2
1.5
1
120
100
0.5 80
60
40
t [min] 0 20
0
x [m]
−5 F16 avec perturbation 2

x 10
8
5
F16 [W/J]
0
2
1.5
0.5
100 120
0 60 80
40
t [min] 0 20
x [m]
144
−5
x 10
0
−0.5
F21 [W/J]
−1
−1.5
−2
2
1.5
1
120
100
0.5 80
60
40
t [min] 0 20
0
x [m]
−5
x 10
0
−0.5
F21 [W/J]
−1
−1.5
−2
2
1.5
1
120
100
0.5 80
60
40
t [min] 0 20
0
x [m]
145
−5
x 10
6
4
F24 [W/J]
0
2
1.5
1
120
100
0.5 80
60
40
t [min] 0 20
0
x [m]
−5
x 10
5
F24 [W/J]
0
2
1.5
1 120
100
0.5 80
60
40
0 20
t [min] 0
x [m]
146
−5
x 10
2.5
2
F25 [W/J]
1.5
0.5
0
2
1.5
1
120
100
0.5 80
60
40
0 20
t [min] 0
x [m]
−5
x 10
3
2.5
2
F25 [W/J]
1.5
0.5
0
2
1.5
0.5
100 120
60 80
0 20 40
t [min] 0
x [m]
147
−5
x 10
0
−1
F32 [W.kg/J.m.K]
−2
−3
−4
−5
−6
−7
2
1.5
1
120
0.5 100
80
60
40
t [min] 0 20
0
x [m]
−5
x 10
−1
−2
F32 [W.kg/J.m.K]
−3
−4
−5
−6
−7
−8
2
1.5
1 120
100
80
0.5 60
40
20
t [min] 0 0
x [m]
Figure J.1 – Fonctions opératoires en présence de perturbation
148
Annexe K
Programme de calcul avec Matlab
IDENTIFICATION DES FONCTIONS OPÉRATOIRES ∗
clear all
sig=5.67*10^(-8);
Dx=10;
xi=[0:Dx:120];
dxi=0:120/(length(xi)-2):120;
Nf=length(xi);
Dt=0.081;
tt=linspace(0,2,3*Nf);
Ntt=length(tt);
xic=[0:1.5:120];%
%tempearture clinker
Tc=273+[200 ; 780 ; 1470 ; 1290 ; 1100 ; 850 ; 350 ; 40];
Xc=[0 ; 6.5 ; 20 ; 30 ; 40 ; 60 ; 80 ; 120];
T_C=interp1(Xc,Tc,xi,’pchip’);
%temperature gaz
Tg=273+[50 ; 380 ; 1600 ; 1770 ; 1400 ; 1200 ; 980 ; 410];
Xg=[0 ; 2 ; 15 ; 20 ; 30 ; 40 ; 60 ; 120];
T_G=interp1(Xg,Tg,xi,’pchip’);
%temperature brique
Tb=[358.1;502.3;788.9;611.6;527.8;455.2;406.6;377.4];
Xbc=[1;5;19.8;40.2;59.4;80.1;100.2;115.8];
∗. Remerciement à Kyarash Shahriari, P.Eng, pour les données du programme
149
Annexe K : Programme de calcul avec Matlab
T_Bc=interp1(Xbc,Tb,xi,’pchip’);
%temperature acier
Ta=[308.3;540.4;504.7;469.7;429.1;392.9;365.7;344.5];
Xa=[0;20;29.4;40.1;60;80;100.1;120];
T_A=interp1(Xa,Ta,xi,’pchip’);
%Masse repartie fuel

mF=[0,0,0,0,0,0,0,0,0,0,0,0,0,1.09949628099833,0.692767197797814,0.436496601797386,
0.275026421554493,0.173287792485908,0.109184633443261,0.0687947143253541,
0.0433459596818309,0.0273112874900981,0.0172082110960723,0.0108424961376994,
0.00683160625120754,0.00430443722357098,0.00271212642098459,0.00170884818185371,
0.00107670574868136,0.000678407410063735,0.000427448831394310,0.000269325630513375,
0.000169695855793589,0.000106921437141455,6.73687266370238e-05,4.24474777933412e-05,
2.67451748156687e-05,1.68515165825209e-05,1.06177511677587e-05,6.68999963940203e-06,
4.21521416993675e-06,2.65590903679387e-06,1.67342690723333e-06,1.05438762211262e-06,
6.64345274274528e-07,4.18588604603095e-07,2.63743006368044e-07,1.66178373331522e-07,
1.04705152729528e-07,6.59722970463936e-08,4.15676197791382e-08,2.61907966140381e-08,
1.65022156891017e-08,1.03976647470001e-08,6.55132827177916e-09,4.12784054582986e-09,
2.60085693540885e-09,1.63873985037966e-09,1.03253210919124e-09,6.50574620653734e-10,
4.09912033990179e-10,2.58276099736448e-10,1.62733801800681e-10,1.02534807810426e-10,
6.46048128685524e-11,4.07059996006181e-11,2.56479096512032e-11,1.61601551596904e-11,
1.01821403122815e-11,6.41553130613460e-12,4.04227801598337e-12,2.54694596266374e-12,
1.60477179231104e-12,1.01112962078858e-12,6.37089407312999e-13,4.01415312701332e-13,
2.52922512007711e-13,1.59360629891782e-13,1.00409450143099e-13,6.32656741184191e-14,
3.98622392210468e-14,2.51162757349541e-14,1.58251849148800e-14,9.97108330203652e-15,
6.28254916141085e-15,3.95848903974981e-15,2.49415246506414e-15,1.57150782950727e-15,
9.90170766540983e-16,6.23883717601176e-16,3.93094712791398e-16,2.47679894289746e-16,
1.56057377622205e-16,9.83281472246956e-17,6.19542932474973e-17,3.90359684396952e-17,
2.45956616103666e-17];
xmf=[0,1.25,2.5,3.75,5,6.25,7.5,8.75,10,11.25,12.5,13.75,15,16.25,17.5,18.75,20,21.25,
22.5,23.75,25,26.25,27.5,28.75,30,31.25,32.5,33.75,35,36.25,37.5,38.75,40,41.25,42.5,
43.75,45,46.25,47.5,48.75,50,51.25,52.50,53.75,55,56.25,57.5,58.75,60,61.25,62.5,63.75,
65,66.250,67.5,68.750,70,71.25,72.5,73.75,75,76.25,77.5,78.75,80,81.25,82.5,83.75,85,
86.25,87.5,88.750,90,91.25,92.5,93.75,95,96.25,97.5,98.75,100,101.25,102.5,103.75,105,
106.25,107.5,108.75,110,111.25,112.5,113.75,115,116.25,117.5,118.75,120];
MassF=interp1(xmf,mF,xi,’pchip’);
150
%Débit massique
dmm=[13.75 ; 14 ; 14.45 ; 14.7 ; 14.75 ; 14 ; 13 ; 12; 11; 10; 9.4];
Xm=[0 ; 3.5 ; 12 ; 20 ; 24 ; 46 ; 63 ; 76; 91.5; 108.5; 120];
DMass=interp1(Xm,dmm,xi,’pchip’);
% hauteur du lit de matière

Bd=[0.25 ; 0.255 ; 0.265 ; 0.29 ; 0.2185 ; 0.150];
Xb=[0 ; 7.5 ; 24 ; 46.5 ; 90 ; 120];
Bed_depth=interp1(Xb,Bd,xi,’pchip’);
% masse volumique
Sd=[3280 ; 3520 ; 3210 ; 2800 ; 2250];
XSD=[0 ; 25 ; 56 ; 80 ; 120];
Solid_density=interp1(XSD,Sd,xi,’pchip’);
% angle au centre
R=1.875;
alpha=acos(1-Bed_depth/R);
Filling_degree=(alpha-sin(alpha).*cos(alpha))/pi;
%Masse repartie matiere

Mass=pi*R^2*(Filling_degree.*Solid_density);
MassFF=interp1(xi,Mass,xic,’pchip’);
T_BcFF=interp1(xi,T_Bc,xic,’pchip’);
T_GFF=interp1(xi,T_G,xic,’pchip’);
T_CFF=interp1(xi,T_C,xic,’pchip’);
MassFueFF=interp1(xi,MassF,xic,’pchip’);
%Vitesse matiere
Vm=DMass./Mass;%
Acgc=2*R*sin(alpha/2);
Hcgc=45;Eps=0.9;
Cpc=1200;
AA1=(Vm./(DMass*Cpc)).*(Acgc*Hcgc+sig*Acgc*Eps*Eps.*(T_G.^2+T_C.^2).*(T_G+T_C));
L06=T_C./Mass;L04=1/Dx;L05=L06;L08=0.3;L09=0.3;L03=0.3;
L07=0.3;L00=Mass./T_C;L01=L00;L02=L00;
151
diffT_G=diff(T_G);
diffT_C=diff(T_C);
diffMass=diff(Mass);
Val_dT_G = diffT_G./(ones(1,length(xi)-1)*Dx);
Val_dT_C = diffT_C./(ones(1,length(xi)-1)*Dx);
Val_dMass = diffMass./(ones(1,length(xi)-1)*Dx);
dT_G=interp1(dxi,Val_dT_G,xi,’pchip’);
dT_C=interp1(dxi,Val_dT_C,xi,’pchip’);
dMass=interp1(dxi,Val_dMass,xi,’pchip’);
Aa1=-T_C+L06.*MassF;
Bb1=dT_G;
Cc1=(L04.*MassF+dMass);
D01=AA1.*(L05.*MassF-T_G+T_C-L08.*T_G+L08.*T_Bc);
Aa2=L09.*T_G;
Bb2=L03.*dT_C;
D02=AA1.*(T_G-T_C+L07.*T_C-L07.*T_Bc);
Aa3=L00.*T_C-L01.*L09.*T_G;
Cc3=L02.*dMass;
for jk=1:length(tt)
for ik=1:length(xi)
Aa11=Aa1(ik);Aa22=Aa2(ik);Aa33=Aa3(ik);
Bb11=Bb1(ik);Bb22=Bb2(ik);
Cc11=Cc1(ik);Cc33=Cc3(ik);
D011=D01(ik);D022=D02(ik);
[X,Y,Z]=solve(’Aa11*X+Bb11*Y+Cc11*Z+D011’,’Aa22*X+Bb22*Y+D022’,’Aa33*X+Cc33*Z’);
F11(ik,jk)=subs(X);
F12(ik,jk)=subs(Y);
F14(ik,jk)=subs(Z);
F15(ik,jk)=AA1(ik);
F32(ik,jk)=L00(ik).*F11(ik,jk);
F21(ik,jk)=L09.*F11(ik,jk);
F33(ik,jk)=L01(ik).*L09*F11(ik,jk);
F31(ik,jk)=L02(ik).*F14(ik,jk);
152
F13(ik,jk)=L04.*F14(ik,jk)+L05(ik).*F15(ik,jk)+L06(ik)*F11(ik,jk);
F24(ik,jk)=F15(ik,jk);
end
end
FF11=interp1(xi,F11,xic,’pchip’);
figure (1)
[xc,yc]=meshgrid(xic,tt);
mesh(xc,yc,FF11’);
xlabel(’\fontname{Times}\fontsize{14} x[m]’)
ylabel(’\fontname{Times}\fontsize{14} t [min]’)
zlabel(’\fontname{Times}\fontsize{14} F_1_1 [W/J]’)%
grid on
figure (2)
zlabel(’\fontname{Times}\fontsize{14} F_1_2 [W.m/J]’)%
grid on
figure (3)
153
zlabel(’\fontname{Times}\fontsize{14} F_1_3 [W.m.K/J.kg]’)%
grid on
figure (4)
zlabel(’\fontname{Times}\fontsize{14} F_1_4 [W.m^2.K/J.kg]’)%
grid on
figure (5)
grid on
figure (6)
grid on
figure (7)
grid on
figure (8)
154
grid on
figure (9)
grid on
figure (10)
grid on
figure (11)
grid on
figure (12)
zlabel(’\fontname{Times}\fontsize{14} F_3_2 [W.kg/J.m.K]’)%
grid on
figure (13)
155
zlabel(’\fontname{Times}\fontsize{14} F_3_3 [W.kg/J.m.K]’)%
grid on
ESTIMATION DES VARIABLES D’ETAT
dMap=2.52;DHc=1987;
dMf=1.379;
dMc=1037.18432107472*0.0108210519529773;
dMas=15.33;
dMwp=0.3*dMc;
Cpap=1200;
Cpf=1000;
Cpc=627;
Cpas=1200;
Cpwp=1110;
Dx=0.4;
Q11=dMap*Cpap+dMf*Cpf;
Q12=dMc*Cpc-dMwp*Cpwp-dMas*Cpas;
Q21=dMc*Cpc+dMwp*Cpwp;
Q22=DHc;
for j=1:Ntt
F41(:,j)=10.54326418725*ones(1,Nf);
F42(:,j)=12.2238864113*ones(1,Nf);
F43(:,j)=9.54326418725*ones(1,Nf);
F44(:,j)=13.6671659234*ones(1,Nf);
F51(:,j)=11.1876785611230*ones(1,Nf);
F52(:,j)=16.7563035683369*ones(1,Nf);
F61(:,j)=15.3082857259498*ones(1,Nf);
Mf(:,j)=MassF;
T_Bcd(:,j)=T_Bc;
end
%CONDITIONS INITIALES
156
for i=1:Nf
T_Gd(i,1)=T_G(1,i);
T_Cd(i,1)=T_C(1,i);
Massd(i,1)=Mass(1,i);
end
%matrice Ai(t)
for t1=1:Ntt
for i=2:(Nf-2)
A(:,:,i,t1)=[(F12(i,t1)/Dx-F15(i,t1)-F16(i,t1)) (F15(i,t1)-F11(i,t1))
F14(i,t1)/Dx
(F21(i,t1)+F24(i,t1)) (F25(i,t1)+F22(i,t1)/Dx-F24(i,t1)) 0
F33(i,t1) -F32(i,t1) -F31(i,t1)/Dx];
end
A(:,:,1,t1)=[((-F12(1,t1)*F41(1,t1)/Q11)-F15(1,t1)-F16(1,t1)-
(F12(1,t1)*F42(1,t1)/Q11)) (F12(1,t1)*F41(1,t1)/Q11)-F11(1,t1)+
F15(1,t1) F14(1,t1)/Dx
(-F22(1,t1)*F43(1,t1)/Q12)+F21(1,t1)+F24(1,t1) (F22(1,t1)*
F43(1,t1)/Q12)+F25(1,t1)-F24(1,t1)+(F22(1,t1)*F44(1,t1)/Q12) 0
F33(1,t1) -F32(1,t1) -F31(1,t1)/Dx];
A(:,:,Nf,t1)=[-F15(Nf,t1)-F16(Nf,t1)+F12(Nf,t1)/Dx -F11(Nf,t1)+
F15(Nf,t1) F14(Nf,t1)/Dx-F14(Nf-1,t1)/Dx+(F61(Nf,t1)*F14(Nf-1,t1)/Q22)
F21(Nf,t1)+F24(Nf,t1)+(F22(Nf-1,t1)*F51(Nf,t1)/Q21) F22(Nf,t1)/Dx-
F24(Nf,t1)+F25(Nf,t1)-F22(Nf-1,t1)/Dx-(F22(Nf-1,t1)*F51(Nf,t1)/Q21)-
(F22(Nf-1,t1)*F52(Nf,t1)/Q21) 0
F33(Nf,t1) -F32(Nf,t1) -F31(Nf,t1)/Dx];
A(:,:,Nf-1,t1)=[0 0 0
0 0 0
0 0 0];
An1(:,:,t1)=[-(F51(Nf,t1)*Dx/Q21)*(-F11(Nf-1,t1)+F15(Nf-1,t1))
(-F11(Nf-1,t1)+F15(Nf-1,t1))*(1+(F51(Nf,t1)*Dx/Q21)+
(F52(Nf,t1)*Dx/Q21)) (1-(F61(Nf,t1)*Dx/Q22))*F14(Nf-1,t1)/Dx
-(F51(Nf,t1)*Dx/Q21)*(F22(Nf-1,t1)/Dx-F24(Nf-1,t1)+
F25(Nf-1,t1)) (F22(Nf-1,t1)/Dx-F24(Nf-1,t1)+F25(Nf-1,t1))*(1+
(F51(Nf,t1)*Dx/Q21)+(F52(Nf,t1)*Dx/Q21)) 0
(F51(Nf,t1)*Dx/Q21)*(F32(Nf-1,t1)) -(1+(F51(Nf,t1)*Dx/Q21)+(F52(Nf,t1)
157
*Dx/Q21))*(F32(Nf-1,t1)) -(1-(F61(Nf,t1)*Dx/Q22))*(F31(Nf-1,t1)/Dx)];
%matrice Ai-1(t)
for i=1:(Nf-1)
B(:,:,i,t1)=[-F12(i,t1)/Dx 0 -F14(i,t1)/Dx
0 -F22(i,t1)/Dx 0
0 0 F31(i,t1)/Dx];
end
B(:,:,Nf,t1)=[0 0 0
0 0 0
0 0 0];
for i=2:(Nf-2)
C(:,i,t1)=[F13(i,t1)*Mf(i,t1)+F16(i,t1)*T_Bcd(i,t1)
-F25(i,t1)*T_Bcd(i,t1)
0];
end
C(:,1,t1)=[F13(1,t1)*Mf(1,t1)+F16(1,t1)*T_Bcd(1,t1)+(F12(1,t1)*F42(1,t1)/Q11)*
T_Bcd(1,t1)-F25(1,t1)*T_Bcd(1,t1)-(F22(1,t1)*F44(1,t1)/Q12)*T_Bcd(1,t1)
0];
C(:,Nf-1,t1)=[F13(Nf-1,t1)*Mf(Nf-1,t1)+F16(Nf-1,t1)*T_Bcd(Nf-1,t1)-
(-F11(Nf-1,t1)+F15(Nf-1,t1))*(F52(Nf,t1)*Dx/Q21)*T_Bcd(Nf,t1)
-F25(Nf-1,t1)*T_Bcd(Nf-1,t1)-(F22(Nf-1,t1)/Dx-F24(Nf-1,t1)+
F25(Nf-1,t1))*(F52(Nf,t1)*Dx/Q21)*T_Bcd(Nf,t1)
F32(Nf-1,t1)*(F52(Nf,t1)*Dx/Q21)*T_Bcd(Nf,t1)];
C(:,Nf,t1)=[F13(Nf,t1)*Mf(Nf,t1)+F16(Nf,t1)*T_Bcd(Nf,t1)
-F25(Nf,t1)*T_Bcd(Nf,t1)+(F22(Nf,t1)*F52(Nf,t1)/Q21)*T_Bcd(Nf,t1)
0];
end
for t1=1:Ntt
jk=0;
for j=1:Nf
for i=1:3
jk=jk+1;
Co(jk,t1)=C(i,j,t1);% on fixe la colonne et non la ligne
158
end
end
end
for t1=1:Ntt
MatB(:,t1)=Co(:,t1);
Maq=zeros(3*Nf,3*Nf,t1);
end
for t1=1:Ntt
k=0;
kt=1;
while kt<(Nf+1)
for j=1:3
Maq(j+k,j+k,t1)=A(j,j,kt,t1);
Maq(1+k,(k+2):(k+3),t1)=A(1,2:3,kt,t1);
Maq(2+k,(k+1),t1)=A(2,1,kt,t1);
Maq(2+k,(k+3),t1)=A(2,3,kt,t1);
Maq(3+k,(k+1):(k+2),t1)=A(3,1:2,kt,t1);
if kt<=(Nf-1)
Maq(4+k,(k+1):(k+3),t1)=B(1,1:3,kt+1,t1);
Maq(5+k,(k+1):(k+3),t1)=B(2,1:3,kt+1,t1);
Maq(6+k,(k+1):(k+3),t1)=B(3,1:3,kt+1,t1);
end
end
kt=kt+1;
k=k+3;
end
end
for t1=1:Ntt
for i=1:3
for j=1:3
Maq(3*Nf-(6-i),3*Nf-(3-j),t1)=An1(i,j,t1);
end
end
end
for t1=1:Ntt
k1=0;
159
for i=1:Nf
TTM(k1+1,1,t1)=T_Gd(i,1) ;
TTM(k1+2,1,t1)=T_Cd(i,1) ;
TTM(k1+3,1,t1)=Massd(i,1) ;
k1=k1+3;
end
end
% La tolerance
Toler=1e-3;
jkk=1;
for tk=1:Ntt
tpp(1,tk)=0;
Hpas=0.05;
for j=1:(3*Nf-1)
Kp1(:,tk)=Hpas*(Maq(:,:,tk)*TTM(:,j,tk)+MatB(:,tk));
Kp2(:,tk)=Hpas*(Maq(:,:,tk)*(TTM(:,j,tk)+Kp1(:,tk)/2)+MatB(:,tk));
Kp3(:,tk)=Hpas*(Maq(:,:,tk)*(TTM(:,j,tk)+Kp2(:,tk)/2)+MatB(:,tk));
Kp4(:,tk)=Hpas*(Maq(:,:,tk)*(TTM(:,j,tk)+Kp3(:,tk))+MatB(:,tk));
TTM(:,j+1,tk)=TTM(:,j,tk)+(1/6)*(Kp1(:,tk)+2*Kp2(:,tk)+2*Kp3(:,tk)+Kp4(:,tk));
tpp(j+1,tk)=tpp(j,tk)+Hpas;
end
if (jkk<(3*Nf-1))
% Test
erro=norm(TTM(:,jkk+1,tk)-TTM(:,jkk,tk));
if erro>Toler
break
end
break
end
jkk=jkk+1;
break
end
160
% Temps maximal de calcul pour la procédure d’identification
TempsFinal=jkk*max(tpp(:));
for tk=1:Ntt
k2=0;
for j=1:3*Nf
for i=1:Nf
T_G1(i,j,tk)=TTM(k2+1,j,tk) ;
T_C1(i,j,tk)=TTM(k2+2,j,tk) ;
Mass1(i,j,tk)=TTM(k2+3,j,tk) ;
k2=k2+3;
end
i=0;
k2=0;
end
end
Mass1cot(:,:,1)=interp1(xi,Mass1(:,:,1),xic,’pchip’);
T_C1cot(:,:,1)=interp1(xi,T_C1(:,:,1),xic,’pchip’);
T_G1cot(:,:,1)=interp1(xi,T_G1(:,:,1),xic,’pchip’);
figure (14)
[xc,yc]=meshgrid(xic,tpp(:,1));%
mesh(xc,yc,Mass1cot’);%
zlabel(’\fontname{Times}\fontsize{14} M_C [kg/m]’)%
figure (15)
[xc,yc]=meshgrid(xic,tpp(:,1));
mesh(xc,yc,T_C1cot’);
%
zlabel(’\fontname{Times}\fontsize{14} T_C [K]’)%
figure (16)
[xc,yc]=meshgrid(xic,tpp(:,1));
mesh(xc,yc,T_G1cot’);
161
%
zlabel(’\fontname{Times}\fontsize{14} T_G [K]’)%
OBTENTION DES TEMPÉRATURES ET FONCTIONS

OPÉRATOIRES DE BASE PERTURBÉES EN 2D
clear all
clc
sig=5.67*10^(-8);
Dx=0.10;%0.01
xi=[0:Dx:120];
%temperature air ambiant

T_O=(273+27)*ones(1,length(xi));
% Gas Temprature
Tg=273+[50 ; 380 ; 1600 ; 1770 ; 1400 ; 1200 ; 980 ; 410];
Xg=[0 ; 2 ; 15 ; 20 ; 30 ; 40 ; 60 ; 120];
%
% Gas Temprature perturbée (2)

Tg2=273+[50 ; 390 ; 1680 ; 1870 ; 1490 ; 1250 ; 1000 ; 420];
Xg2=[0 ; 2 ; 15 ; 20 ; 30 ; 40 ; 60 ; 120];
T_G2=interp1(Xg2,Tg2,xi,’pchip’);
Tc=273+[200 ; 780 ; 1470 ; 1290 ; 1100 ; 850 ; 350 ; 40];
Xc=[0 ; 6.5 ; 20 ; 30 ; 40 ; 60 ; 80 ; 120];
%temperature brique
Tb=[358.1;502.3;788.9;611.6;527.8;455.2;406.6;377.4];
Xbc=[1;5;19.8;40.2;59.4;80.1;100.2;115.8];
162
%temperature four/acier
Ta=[308.3;524.8;540.4;502.6;410.1;344.5];
Xa=[0 ; 15 ; 20 ; 30 ; 70 ; 120];
%temperature four perturbée 2

xmq2=[10 ;110;310;456;575;735]./6;
Taq2=[358 ;643;453;413;393;378];
T_Aq2=interp1(xmq2,Taq2,xi,’pchip’);

xai=[10:0.01:735]./6;
xmq=[10;105;340;360;385;410;430;455;575;635;675;735]./6;
Taq1=[358;533;381;381;381;393;411;413;393;338;318;318];
T_Aq1=interp1(xmq,Taq1,xi,’pchip’);
%point de mesure
xx=[0 ;15 ; 20 ;40 ;60;70;80;100; 120];
for k=1:length(xx)
idx(k) = find(xi==xx(k));
T_Am0(k)=T_A(idx(k));
T_Am(k)=T_Aq1(idx(k));
T_Am2(k)=T_Aq2(idx(k));
T_Gm(k)=T_G(idx(k));
T_Gm2(k)=T_G2(idx(k));
T_Bm(k)=T_Bc(idx(k));
end
T_Aa0=interp1(xx,T_Am0,xi,’pchip’);
T_Aa=interp1(xx,T_Am,xi,’pchip’);
T_Gg=interp1(xx,T_Gm,xi,’pchip’);
T_Gg2=interp1(xx,T_Gm2,xi,’pchip’);
163
T_Bb=interp1(xx,T_Bm,xi,’pchip’);
F030=0.786563071297989./(1.874459241773309e-09*T_Aa0.^3 +
1.874459241773309e-09*T_Aa0.^2.*T_O + 1.874459241773309e-09*T_Aa0.*T_O.^2 +
1.874459241773309e-09*T_O.^3 + 1);
F03=0.786563071297989./(1.874459241773309e-09*T_Aa.^3 +
1.874459241773309e-09*T_Aa.^2.*T_O + 1.874459241773309e-09*T_Aa.*T_O.^2 +
1.874459241773309e-09*T_O.^3 + 1);
F032=0.786563071297989./(1.874459241773309e-09*T_Aa2.^3 +
1.874459241773309e-09*T_Aa2.^2.*T_O + 1.874459241773309e-09*T_Aa2.*T_O.^2 +
1.874459241773309e-09*T_O.^3 + 1);
F040=1-0.786563071297989./(1.874459241773309e-09*T_Aa0.^3 +
1.874459241773309e-09*T_Aa0.^2.*T_O + 1.874459241773309e-09*T_Aa0.*T_O.^2 +
1.874459241773309e-09*T_O.^3 + 1);
F04=1-0.786563071297989./(1.874459241773309e-09*T_Aa.^3 +
1.874459241773309e-09*T_Aa.^2.*T_O + 1.874459241773309e-09*T_Aa.*T_O.^2 +
1.874459241773309e-09*T_O.^3 + 1);
F042=1-0.786563071297989./(1.874459241773309e-09*T_Aa2.^3 +
1.874459241773309e-09*T_Aa2.^2.*T_O + 1.874459241773309e-09*T_Aa2.*T_O.^2 +
1.874459241773309e-09*T_O.^3 + 1);
T_Bpert=(T_Aa-F04.*T_O)./F03;
T_Bpert2=(T_Aa2-F042.*T_O)./F032;
F010=(1/(0.85))*(0.014011655805209*(8.782263000000000e-09*T_Aa0.^4 + 1*T_Aa0
-8.782263000000000e-09*T_O.^4 - 1*T_O))./((8.782263000000000e-09*T_Aa0.^4 +
1*T_Aa0 - 8.782263000000000e-09*T_O.^4 - 1*T_O - 3.685224839400428*T_Bb +
3.685224839400428*T_Gg));
F020=(0.985988344194791*(8.782263000000000e-09*T_Aa0.^4 + 1*T_Aa0 -
8.782263000000000e-09*T_O.^4 - 1*T_O))./((8.782263000000000e-09*T_Aa0.^4 +
1*T_Aa0 - 8.782263000000000e-09*T_O.^4 - 1*T_O - 3.685224839400428*T_Bb +
164
3.685224839400428*T_Gg));
F000=(T_Gg-T_Bb)./(2.383101000000000e-09*T_Aa0.^4 + 0.271353864032539*T_Aa0 -
2.383101000000000e-09*T_O.^4 - 0.271353864032539*T_O - 1*T_Bb + 1*T_Gg);
F01=(1/(0.85))*(0.014011655805209*(8.782263e-09*T_Aa.^4 + 1*T_Aa -
8.782263e-09*T_O.^4-1*T_O))./((8.782263e-09*T_Aa.^4+1*T_Aa-8.782263e-09*T_O.^4-
1*T_O - 3.685224839400428*T_Bpert + 3.685224839400428*T_Gg));
F02=(0.985988344194791*(8.782263e-09*T_Aa.^4 + 1*T_Aa - 8.782263e-09*T_O.^4 -

1*T_O))./((8.782263e-09*T_Aa.^4 + 1*T_Aa - 8.782263e-09*T_O.^4 - 1*T_O -
3.685224839400428*T_Bpert + 3.685224839400428*T_Gg));
F00=(T_Gg-T_Bpert)./(2.383101e-09*T_Aa.^4 + 0.271353864032539*T_Aa -
2.383101e-09*T_O.^4 - 0.271353864032539*T_O - 1*T_Bpert + 1*T_Gg);
F012=(1/(0.85))*(0.014011655805209*(8.782263e-09*T_Aa2.^4 + 1*T_Aa2 -
8.782263e-09*T_O.^4 - 1*T_O))./((8.782263e-09*T_Aa2.^4 + 1*T_Aa2 -
8.782263e-09*T_O.^4 - 1*T_O - 3.685224839400428*T_Bpert2 +
3.685224839400428*T_Gg2));
F022=(0.985988344194791*(8.782263e-09*T_Aa2.^4 + 1*T_Aa2 - 8.782263e-09*T_O.^4 -

1*T_O))./((8.782263e-09*T_Aa2.^4 + 1*T_Aa2 - 8.782263e-09*T_O.^4 - 1*T_O -
3.685224839400428*T_Bpert2 + 3.685224839400428*T_Gg2));
F002=(T_Gg2-T_Bpert2)./(2.383101e-09*T_Aa2.^4 + 0.271353864032539*T_Aa2 -
2.383101e-09*T_O.^4 - 0.271353864032539*T_O - 1*T_Bpert2 + 1*T_Gg2);
TTc=(T_Bpert-F02.*T_Gg-F00.*T_Aa)./F01;
TTc2=(T_Bpert2-F022.*T_Gg2-F002.*T_Aa2)./F012;
xij=[0:10:120];
T_CCc=interp1(xi,TTc,xij,’pchip’);
T_Bcc=interp1(xi,T_Bpert,xij,’pchip’);
T_CCc2=interp1(xi,TTc2,xij,’pchip’);
T_Bcc2=interp1(xi,T_Bpert2,xij,’pchip’);
165
save TempBriquePert2.txt -ASCII T_Bcc2

save TempClinkerPert2.txt -ASCII T_CCc2
save TempBriquePert.txt -ASCII T_Bcc
save TempClinkerPert.txt -ASCII T_CCc
figure(1)
ylabel(’\fontname{Times}\fontsize{14} Températures [K]’);

xlabel(’\fontname{Times}\fontsize{14} x [m]’);
title(’\fontname{Times}\fontsize{14} Température brique: Stationnaire & perturbée’)
hold on
plot(xi,T_Bpert,’m’,’lineWidth’,1.0001)
plot(xi,T_Bpert2,’r’,’lineWidth’,1.0001)
plot(xi,T_Bc,’b’,’lineWidth’,1.0001)
legend(’\fontname{Times}\fontsize{14} T_B_p_e_r_t_1’,’\fontname{Times}\fontsize{14}
T_B_p_e_r_t_2’,’\fontname{Times}\fontsize{14} T_B_s_t_a_t’)
grid on
figure(2)
ylabel(’\fontname{Times}\fontsize{14} Températures [K]’);

title(’ \fontname{Times}\fontsize{14}Température matière/clinker:
Stationnaire & perturbée’)
hold on
plot(xi,TTc,’m’,’lineWidth’,1.0001)
plot(xi,TTc2,’r’,’lineWidth’,1.0001)
plot(xi,T_C,’b’,’lineWidth’,1.0001)
legend(’\fontname{Times}\fontsize{14} T_C_p_e_r_t_1’,’\fontname{Times}\fontsize{14}
T_C_p_e_r_t_2’,’\fontname{Times}\fontsize{14} T_C_s_t_a_t’)
grid on
166
figure(3)
ylabel(’\fontname{Times}\fontsize{14} F_0_3’);
title(’ \fontname{Times}\fontsize{14}Fonction Opératoire F_0_3:
hold on
plot(xi,F03,’m’,’lineWidth’,1.0001)
plot(xi,F032,’r’,’lineWidth’,1.0001)
plot(xi,F030,’b’,’lineWidth’,1.0001)
legend(’\fontname{Times}\fontsize{14} F_0_3_p_e_r_t_1’,’\fontname{Times}
\fontsize{14} F_0_3_p_e_r_t_2’,’\fontname{Times}\fontsize{14} F_0_3_s_t_a_t’)
grid on
figure(4)
hold on
\fontsize{14}F_0_4_p_e_r_t_2’,’\fontname{Times}\fontsize{14} F_0_4_s_t_a_t’)
grid on
figure(5)
167
hold on
axis([0 120 0.02 0.33])
grid on
figure(6)
hold on
axis([0 120 0.0004 0.0055])
grid on
figure(7)
hold on
168
axis([0 120 0.65 0.974])

grid on
OBTENTION DES FONCTIONS OPÉRATOIRES PERTURBÉES
clear all
clc
sig=5.67*10^(-8);
Dx=0.10;%2.5
xi=[0:Dx:120];
dx=10;
%temperature air ambiant

T_O=(273+27)*ones(1,length(xi));
% Gas Temprature
Tg=273+[50 ; 380 ; 1600 ; 1770 ; 1400 ; 1200 ; 980 ; 410];
Xg=[0 ; 2 ; 15 ; 20 ; 30 ; 40 ; 60 ; 120];
% Gas Temprature perturbée (2)

Tg2=273+[50 ; 390 ; 1680 ; 1870 ; 1490 ; 1250 ; 1000 ; 420];
Xg2=[0 ; 2 ; 15 ; 20 ; 30 ; 40 ; 60 ; 120];
T_G2=interp1(Xg2,Tg2,xi,’pchip’);
Tc=273+[200 ; 780 ; 1470 ; 1290 ; 1100 ; 850 ; 350 ; 40];
Xc=[0 ; 6.5 ; 20 ; 30 ; 40 ; 60 ; 80 ; 120];
%temperature brique
Tb=[358.1;502.3;788.9;611.6;527.8;455.2;406.6;377.4];
Xbc=[1;5;19.8;40.2;59.4;80.1;100.2;115.8];
169
%temperature four/acier
Ta=[308.3;524.8;540.4;502.6;410.1;344.5];
Xa=[0 ; 15 ; 20 ; 30 ; 70 ; 120];
xmq2=[10 ;110;310;456;575;735]./6;
Taq2=[358 ;643;453;413;393;378];
T_Aq2=interp1(xmq2,Taq2,xi,’pchip’);

xai=[10:0.01:735]./6;
xmq=[10;105;340;360;385;410;430;455;575;635;675;735]./6;
Taq1=[358;533;381;381;381;393;411;413;393;338;318;318];
T_Aq1=interp1(xmq,Taq1,xi,’pchip’);
% Solid density
Sd=[3280 ; 3520 ; 3210 ; 2800 ; 2250];
XSD=[0 ; 25 ; 56 ; 80 ; 120];
Solid_density=interp1(XSD,Sd,xi,’pchip’);
% Bed depth
Bd=[0.25 ; 0.255 ; 0.265 ; 0.29 ; 0.2185 ; 0.150];
Xb=[0 ; 7.5 ; 24 ; 46.5 ; 90 ; 120];
Bed_depth=interp1(Xb,Bd,xi,’pchip’);
XbPert=[0; 10; 20; 30; 40; 50; 60; 70; 80; 90; 100; 110; 120];
BdPert=[0.245; 0.24456520392768997; 0.25562217292693171; 0.26671878300588850;
0.2785977966927359; 0.2789185808323245; 0.2679193505164346; 0.2761213877208324;
0.2439548762728952; 0.22185; 0.1997814271684472; 0.1784777414988377; 0.15];
Bed_depthPert=interp1(XbPert,BdPert,xi,’pchip’);
% Filling degree
R=1.875;
alpha=acos(1-Bed_depth/R);
alphaPert=acos(1-Bed_depthPert/R);
170
Filling_degree=(alpha-sin(alpha).*cos(alpha))/pi;
Filling_degreePert=(alphaPert-sin(alphaPert).*cos(alphaPert))/pi;
ha=5;
eps=0.9;
ra=1.85;
Rcv3=(1/(2*pi*ra*Dx*ha));
%point de mesure
xx=[0 ;15 ; 20 ;40 ;60;70;80;100; 120];
for k=1:length(xx)
idx(k) = find(xi==xx(k));
T_Am0(k)=T_A(idx(k));
T_Am(k)=T_Aq1(idx(k));
T_Am2(k)=T_Aq2(idx(k));
T_Gm(k)=T_G(idx(k));
T_Gm2(k)=T_G2(idx(k));
T_Bm(k)=T_Bc(idx(k));
end
T_Aa=interp1(xx,T_Am,xi,’pchip’);
T_Gg=interp1(xx,T_Gm,xi,’pchip’);
T_Gg2=interp1(xx,T_Gm2,xi,’pchip’);
T_Bb=interp1(xx,T_Bm,xi,’pchip’);
Rrd2=1./(eps*sig*2*pi*ra*Dx*(T_Aa.^2+T_O.^2).*(T_Aa+T_O));
Rrd22=1./(eps*sig*2*pi*ra*Dx*(T_Aa2.^2+T_O.^2).*(T_Aa2+T_O));
171
Re1=((Rcv3.*Rrd2)./(Rcv3+Rrd2));
Re12=((Rcv3.*Rrd22)./(Rcv3+Rrd22));
F030=0.786563071297989./(1.874459241773309e-09*T_Aa0.^3 +
1.874459241773309e-09*T_Aa0.^2.*T_O + 1.874459241773309e-09*T_Aa0.*T_O.^2 +
1.874459241773309e-09*T_O.^3 + 1);
F03=0.786563071297989./(1.874459241773309e-09*T_Aa.^3 +
1.874459241773309e-09*T_Aa.^2.*T_O + 1.874459241773309e-09*T_Aa.*T_O.^2 +
1.874459241773309e-09*T_O.^3 + 1);
F032=0.786563071297989./(1.874459241773309e-09*T_Aa2.^3 +
1.874459241773309e-09*T_Aa2.^2.*T_O + 1.874459241773309e-09*T_Aa2.*T_O.^2 +
1.874459241773309e-09*T_O.^3 + 1);
F040=1-0.786563071297989./(1.874459241773309e-09*T_Aa0.^3 +
1.874459241773309e-09*T_Aa0.^2.*T_O + 1.874459241773309e-09*T_Aa0.*T_O.^2 +
1.874459241773309e-09*T_O.^3 + 1);
F04=1-0.786563071297989./(1.874459241773309e-09*T_Aa.^3 +
1.874459241773309e-09*T_Aa.^2.*T_O + 1.874459241773309e-09*T_Aa.*T_O.^2 +
1.874459241773309e-09*T_O.^3 + 1);
F042=1-0.786563071297989./(1.874459241773309e-09*T_Aa2.^3 +
1.874459241773309e-09*T_Aa2.^2.*T_O + 1.874459241773309e-09*T_Aa2.*T_O.^2 +
1.874459241773309e-09*T_O.^3 + 1);
T_Bpert=(T_Aa-F04.*T_O)./F03;
T_Bpert2=(T_Aa2-F042.*T_O)./F032;
F010=(1/(0.85))*(0.014011655805209*(8.782263000000000e-09*T_Aa0.^4 + 1*T_Aa0
-8.782263000000000e-09*T_O.^4 - 1*T_O))./((8.782263000000000e-09*T_Aa0.^4 +
1*T_Aa0 - 8.782263000000000e-09*T_O.^4 - 1*T_O - 3.685224839400428*T_Bb +
3.685224839400428*T_Gg));
F020=(0.985988344194791*(8.782263000000000e-09*T_Aa0.^4 + 1*T_Aa0 -
8.782263000000000e-09*T_O.^4 - 1*T_O))./((8.782263000000000e-09*T_Aa0.^4 +
172
1*T_Aa0 - 8.782263000000000e-09*T_O.^4 - 1*T_O - 3.685224839400428*T_Bb +
3.685224839400428*T_Gg));
F000=(T_Gg-T_Bb)./(2.383101000000000e-09*T_Aa0.^4 + 0.271353864032539*T_Aa0 -
2.383101000000000e-09*T_O.^4 - 0.271353864032539*T_O - 1*T_Bb + 1*T_Gg);
F01=(1/(0.85))*(0.014011655805209*(8.782263000000000e-09*T_Aa.^4 + 1*T_Aa
-8.782263000000000e-09*T_O.^4 - 1*T_O))./((8.782263000000000e-09*T_Aa.^4 +
1*T_Aa - 8.782263000000000e-09*T_O.^4 - 1*T_O - 3.685224839400428*T_Bpert +
3.685224839400428*T_Gg));
F02=(0.985988344194791*(8.782263000000000e-09*T_Aa.^4 + 1*T_Aa -
8.782263000000000e-09*T_O.^4 - 1*T_O))./((8.782263000000000e-09*T_Aa.^4 +
1*T_Aa - 8.782263000000000e-09*T_O.^4 - 1*T_O - 3.685224839400428*T_Bpert +
3.685224839400428*T_Gg));
F00=(T_Gg-T_Bpert)./(2.383101000000000e-09*T_Aa.^4 + 0.271353864032539*T_Aa -
2.383101000000000e-09*T_O.^4 - 0.271353864032539*T_O - 1*T_Bpert + 1*T_Gg);
F012=(1/(0.85))*(0.014011655805209*(8.782263000000000e-09*T_Aa2.^4 + 1*T_Aa2
-8.782263000000000e-09*T_O.^4 - 1*T_O))./((8.782263000000000e-09*T_Aa2.^4 +
1*T_Aa2 - 8.782263000000000e-09*T_O.^4 - 1*T_O - 3.685224839400428*T_Bpert2 +
3.685224839400428*T_Gg2));
F022=(0.985988344194791*(8.782263000000000e-09*T_Aa2.^4 + 1*T_Aa2 -
8.782263000000000e-09*T_O.^4 - 1*T_O))./((8.782263000000000e-09*T_Aa2.^4 +
1*T_Aa2 - 8.782263000000000e-09*T_O.^4 - 1*T_O - 3.685224839400428*T_Bpert2 +
3.685224839400428*T_Gg2));
F002=(T_Gg2-T_Bpert2)./(2.383101000000000e-09*T_Aa2.^4+0.271353864032539*T_Aa2-
2.383101000000000e-09*T_O.^4 - 0.271353864032539*T_O - 1*T_Bpert2 + 1*T_Gg2);
TTc=(T_Bpert-F02.*T_Gg-F00.*T_Aa)./F01;
TTc2=(T_Bpert2-F022.*T_Gg2-F002.*T_Aa2)./F012;
xij=[0:10:120];
T_G0=interp1(xi,T_G,xij,’pchip’);
173
T_Gpert=interp1(xi,T_G2,xij,’pchip’);
T_C0=interp1(xi,T_C,xij,’pchip’);
T_Cpert=interp1(xi,TTc,xij,’pchip’);
T_Cpert2=interp1(xi,TTc2,xij,’pchip’);
Filling_degree=interp1(xi,Filling_degree,xij,’pchip’);
Solid_density=interp1(xi,Solid_density,xij,’pchip’);
Filling_degreePert=interp1(xi,Filling_degreePert,xij,’pchip’);
ddt=0.05;
tempss=[0:ddt:2];
DiffT_G=(T_G0-T_Gpert)/length(tempss);
DiffT_C=(T_C0-T_Cpert)/length(tempss);
DiffT_C2=(T_C0-T_Cpert2)/length(tempss);
T_Gr=zeros(length(xij),length(tempss));
T_Gr(:,1)=T_G0;
T_GVar=zeros(length(xij),length(tempss));
T_GVar(:,1)=T_G0;
T_CVar=zeros(length(xij),length(tempss));
T_CVar2=zeros(length(xij),length(tempss));
T_CVar(:,1)=T_C0;
T_CVar2(:,1)=T_C0;
%Solid mass==Masse repartie matiere

Mass=pi*R^2*(Filling_degree.*Solid_density);
MassPert=pi*R^2*(Filling_degreePert.*Solid_density);
DiffMass=(Mass-MassPert)/length(tempss);
174
MassVar=zeros(length(xij),length(tempss));
MassVar(:,1)=Mass;
Massr=zeros(length(xij),length(tempss));
Massr(:,1)=Mass;
for i=1:length(xij)
for j=2:length(tempss)
T_Gr(i,j)=T_G0(i);
Massr(i,j)=Mass(i);
end
if (DiffMass(i)>0)
MassVar(i,j)=Mass(i)-DiffMass(i)*j;
else
MassVar(i,j)=Mass(i)+abs(DiffMass(i))*j;
end
end
if (DiffT_G(i)>0)
T_GVar(i,j)=T_G0(i)-DiffT_G(i)*j;
else
T_GVar(i,j)=T_G0(i)+abs(DiffT_G(i))*j;
end
end
if (DiffT_C(i)>0)
T_CVar(i,j)=T_C0(i)-DiffT_C(i)*j;
else
T_CVar(i,j)=T_C0(i)+abs(DiffT_C(i))*j;
end
end
if (DiffT_C2(i)<0)
175
T_CVar2(i,j)=T_C0(i)-DiffT_C2(i)*j;
else
T_CVar2(i,j)=T_C0(i)+abs(DiffT_C2(i))*j;
end
end
end
F11=zeros(length(xij),length(tempss));F12=zeros(length(xij),length(tempss));
F33=zeros(length(xij),length(tempss));
F11g=zeros(length(xij),length(tempss));F12g=zeros(length(xij),length(tempss));
F33g=zeros(length(xij),length(tempss));
a11=0.109;a12=0.081;a13=0.072;a14=0.011;a15=0.497;a16=0.225;a21=0.076;
a22=0.162;a24=0.063;a25=0.085;a31=0.115;a32=0.130;a33=0.101;
for i=1:length(xij)
% perturbation 1
F11(i,j)=a11*((3.864e-9*T_Gr(i,j)/MassVar(i,j))*(T_CVar(i,j)-10.125*T_Gr(i,j)+
1.18e-4)-((1.49e-4*T_Gr(i,j)/(MassVar(i,j)*MassVar(i,j)))*(T_CVar(i,j)-
T_Gr(i,j)-0.0018*T_Gr(i,j)*T_CVar(i,j)+0.0023*T_Gr(i,j)*T_Gr(i,j))));
F12(i,j)=a12*4.44e-14*T_CVar(i,j)*MassVar(i,j)*(T_Gr(i,j)-T_CVar(i,j))*((T_Gr(i,j)*
176
T_Gr(i,j))+(T_CVar(i,j)*T_CVar(i,j)*T_CVar(i,j)))/(T_Gr(i,j)*T_Gr(i,j));
F14(i,j)=a14*1.2e-9*(3.34*T_CVar(i,j)-T_Gr(i,j))*(0.36*T_Gr(i,j)+(0.84*T_Gr(i,j)
+3*MassVar(i,j))*T_CVar(i,j)-(1.2*T_Gr(i,j)+3.9*MassVar(i,j))*T_Gr(i,j))*
(T_CVar(i,j)-T_Gr(i,j)+550*MassVar(i,j)-(0.472*MassVar(i,j)+4.14*T_Gr(i,j))*
T_Gr(i,j)+(0.0466*MassVar(i,j)+3.384*T_Gr(i,j))*T_CVar(i,j))/(MassVar(i,j)*
MassVar(i,j)*(T_Gr(i,j)-MassVar(i,j)));
F15(i,j)=a15*3.33e-14*(T_Gr(i,j)+T_CVar(i,j))*((T_Gr(i,j)*T_Gr(i,j))+
(T_CVar(i,j)*T_CVar(i,j)));
F16(i,j)=a16*1e-14*(T_Gr(i,j)+T_CVar(i,j))*((T_Gr(i,j)*T_Gr(i,j))+
F21(i,j)=a21*((1.16e-9*T_Gr(i,j)/MassVar(i,j))*(T_CVar(i,j)-10.125*
T_Gr(i,j)+1.18e-4)-((0.45e-4*T_Gr(i,j)/(MassVar(i,j)*MassVar(i,j)))*
(T_CVar(i,j)-T_Gr(i,j)-0.0018*T_Gr(i,j)*T_CVar(i,j)+0.0023*T_Gr(i,j)*
T_Gr(i,j))));
F22(i,j)=a22*1.33e-14*T_CVar(i,j)*MassVar(i,j)*(T_Gr(i,j)-T_CVar(i,j))*
((T_Gr(i,j)*T_Gr(i,j))+(T_CVar(i,j)*T_CVar(i,j)*T_CVar(i,j)))/(T_Gr(i,j)*
T_Gr(i,j));
F24(i,j)=a24*3.33e-14*(T_Gr(i,j)+T_CVar(i,j))*((T_Gr(i,j)*T_Gr(i,j))+
F25(i,j)=a25*1e-14*(T_Gr(i,j)+T_CVar(i,j))*((T_Gr(i,j)*T_Gr(i,j))+
F31(i,j)=a31*1.2e-9*(3.34*T_CVar(i,j)-T_Gr(i,j))*(0.36*T_Gr(i,j)+
(0.84*T_Gr(i,j)+3*MassVar(i,j))*T_CVar(i,j)-(1.2*T_Gr(i,j)+3.9*MassVar(i,j))*
T_Gr(i,j))*(T_CVar(i,j)-T_Gr(i,j)+550*MassVar(i,j)-(0.472*MassVar(i,j)+4.14*
T_Gr(i,j))*T_Gr(i,j)+(0.0466*MassVar(i,j)+3.384*T_Gr(i,j))*T_CVar(i,j))/
(T_CVar(i,j)*MassVar(i,j)*(T_Gr(i,j)-MassVar(i,j)));
F32(i,j)=a32*((3.864e-9*T_Gr(i,j)/T_CVar(i,j))*(T_CVar(i,j)-10.125*T_Gr(i,j)+
1.18e-4)-((1.49e-4*T_Gr(i,j)/(MassVar(i,j)*T_CVar(i,j)))*(T_CVar(i,j)-
F33(i,j)=a33*((1.16e-9*T_Gr(i,j)/T_CVar(i,j))*(T_CVar(i,j)-10.125*T_Gr(i,j)+
177
1.18e-4)-((0.45e-4*T_Gr(i,j)/(MassVar(i,j)*T_CVar(i,j)))*(T_CVar(i,j)-
F13(i,j)=a13*((1/a14)*F14(i,j)/dx+(T_CVar(i,j)/MassVar(i,j))*(F15(i,j)/a15+
F11(i,j)/a11));
% perturbation 2
F11g(i,j)=a11*((3.864e-9*T_GVar(i,j)/Massr(i,j))*(T_CVar2(i,j)-10.125*
T_GVar(i,j)+1.18e-4)-((1.49e-4*T_GVar(i,j)/(Massr(i,j)*Massr(i,j)))*(T_CVar2(i,j)-
T_GVar(i,j)-0.0018*T_GVar(i,j)*T_CVar2(i,j)+0.0023*T_GVar(i,j)*T_GVar(i,j))));
F12g(i,j)=a12*4.44e-14*T_CVar2(i,j)*Massr(i,j)*(T_GVar(i,j)-T_CVar2(i,j))*
((T_GVar(i,j)*T_GVar(i,j))+(T_CVar2(i,j)*T_CVar2(i,j)*T_CVar2(i,j)))/
(T_GVar(i,j)*T_GVar(i,j));
F14g(i,j)=a14*1.2e-9*(3.34*T_CVar2(i,j)-T_GVar(i,j))*(0.36*T_GVar(i,j)+
(0.84*T_GVar(i,j)+3*Massr(i,j))*T_CVar2(i,j)-(1.2*T_GVar(i,j)+3.9*Massr(i,j))*
T_GVar(i,j))*(T_CVar2(i,j)-T_GVar(i,j)+550*Massr(i,j)-(0.472*Massr(i,j)+4.14*
T_GVar(i,j))*T_GVar(i,j)+(0.0466*Massr(i,j)+3.384*T_GVar(i,j))*T_CVar2(i,j))/
(Massr(i,j)*Massr(i,j)*(T_GVar(i,j)-Massr(i,j)));
F15g(i,j)=a15*3.33e-14*(T_GVar(i,j)+T_CVar2(i,j))*((T_GVar(i,j)*T_GVar(i,j))+
(T_CVar2(i,j)*T_CVar2(i,j)));
F16g(i,j)=a16*1e-14*(T_GVar(i,j)+T_CVar2(i,j))*((T_GVar(i,j)*T_GVar(i,j))+
F21g(i,j)=a21*((1.16e-9*T_GVar(i,j)/Massr(i,j))*(T_CVar2(i,j)-10.125*T_GVar(i,j)+
1.18e-4)-((0.45e-4*T_GVar(i,j)/(Massr(i,j)*Massr(i,j)))*(T_CVar2(i,j)-
T_GVar(i,j)-0.0018*T_GVar(i,j)*T_CVar2(i,j)+0.0023*T_GVar(i,j)*T_GVar(i,j))));
F22g(i,j)=a22*1.33e-14*T_CVar2(i,j)*Massr(i,j)*(T_GVar(i,j)-T_CVar2(i,j))*
((T_GVar(i,j)*T_GVar(i,j))+(T_CVar2(i,j)*T_CVar2(i,j)*T_CVar2(i,j)))/
(T_GVar(i,j)*T_GVar(i,j));
F24g(i,j)=a24*3.33e-14*(T_GVar(i,j)+T_CVar2(i,j))*((T_GVar(i,j)*T_GVar(i,j))+
F25g(i,j)=a25*1e-14*(T_GVar(i,j)+T_CVar2(i,j))*((T_GVar(i,j)*T_GVar(i,j))+
178
F31g(i,j)=a31*1.2e-9*(3.34*T_CVar2(i,j)-T_GVar(i,j))*(0.36*T_GVar(i,j)+
(0.84*T_GVar(i,j)+3*Massr(i,j))*T_CVar2(i,j)-(1.2*T_GVar(i,j)+3.9*Massr(i,j))*
T_GVar(i,j))*(T_CVar2(i,j)-T_GVar(i,j)+550*Massr(i,j)-(0.472*Massr(i,j)+
4.14*T_GVar(i,j))*T_GVar(i,j)+(0.0466*Massr(i,j)+3.384*T_GVar(i,j))*
T_CVar2(i,j))/(T_CVar2(i,j)*Massr(i,j)*(T_GVar(i,j)-Massr(i,j)));
F32g(i,j)=a32*((3.864e-9*T_GVar(i,j)/T_CVar2(i,j))*(T_CVar2(i,j)-
10.125*T_GVar(i,j)+1.18e-4)-((1.49e-4*T_GVar(i,j)/(Massr(i,j)*T_CVar2(i,j)))*
(T_CVar2(i,j)-T_GVar(i,j)-0.0018*T_GVar(i,j)*T_CVar2(i,j)+
0.0023*T_GVar(i,j)*T_GVar(i,j))));
F33g(i,j)=a33*((1.16e-9*T_GVar(i,j)/T_CVar2(i,j))*(T_CVar2(i,j)-
10.125*T_GVar(i,j)+1.18e-4)-((0.45e-4*T_GVar(i,j)/(Massr(i,j)*T_CVar2(i,j)))*
(T_CVar2(i,j)-T_GVar(i,j)-0.0018*T_GVar(i,j)*T_CVar2(i,j)+0.0023*T_GVar(i,j)*
T_GVar(i,j))));
F13g(i,j)=a13*((1/a14)*F14g(i,j)/dx+(T_CVar2(i,j)/Massr(i,j))*(F15g(i,j)/a15+
F11g(i,j)/a11));
end
end
xije=[0:1.125:120];
F11e(:,j)=interp1(xij,F11(:,j),xije,’pchip’);
179
F11eg(:,j)=interp1(xij,F11g(:,j),xije,’pchip’);
end
figure (1)
mesh(xije,tempss,F11e’)
zlabel(’\fontname{Times}\fontsize{14} F_1_1 [W/J]’);

ylabel(’\fontname{Times}\fontsize{14} t [min]’);
title(’\fontname{Times}\fontsize{14} F_1_1 avec perturbation 1’)
figure (2)
zlabel(’\fontname{Times}\fontsize{14} F_1_2 [W.m/J]’);

figure (3)
180
zlabel(’\fontname{Times}\fontsize{14} F_1_3 [W.m.K/J.kg]’);

figure (4)
zlabel(’\fontname{Times}\fontsize{14} F_1_4 [W.m^2.K/J.kg]’);

figure (5)
figure (6)

figure (7)

181
figure (8)

figure (9)

figure (10)
figure (11)

figure (12)
182
zlabel(’\fontname{Times}\fontsize{14} F_3_2 [W.kg/J.m.K]’);

figure (13)

figure (14)
mesh(xije,tempss,F11eg’)

figure (15)

figure (16)
zlabel(’\fontname{Times}\fontsize{14} F_1_3 [W.m.K/J.kg]’);

183
figure (17)
zlabel(’\fontname{Times}\fontsize{14} F_1_4 [W.m^2.K/J.kg]’);

figure (18)
figure (19)

figure (20)

figure (21)
184

figure (22)

figure (23)
figure (24)

figure (25)

185
figure (26)

186
Annexe L
Programme de calcul avec le langage

C++
//
// main.cpp
// Calibration
//
// Created by Yoboué N’ZI on 2013-06-10.
// Copyright (c) 2013 Dar el Fikh. All rights reserved.
//
#include <cstdlib>
#include <iostream>
#include <vector>
#include <cmath>
#include <ctime>
#include <cstdio>
#include <fstream>
#include <string>
using namespace std;
/* Renvoie un nombre aléatoire entre 0 et 1 */

double rand_0_1(){ return 0.00001*rand()/(double)RAND_MAX; }
//genere un nombre compris entre [aa bb]

//double trand_a_b(double aa, double bb){return 0.00001*(rand()/(double)RAND_MAX)*
(bb-aa)+aa;}
double Qrand_a_b(double aa, double bb)
187
Annexe L : Programme de calcul avec le langage C++
{
return (rand()/(double)RAND_MAX) *(bb-aa)+aa;
}
//recherche du minimum
double Mini(double dd1,double dd2)
{
if (dd1>dd2)
{
return dd2;
}
else
{
return dd1;
}
}
//recherche du maximum
double long Maxi(double long dd11,double long dd22)
{
if (dd11>dd22)
{
return dd11;
}
else
{
return dd22;
}
}
double long Jcout=1000000;

double long dx=10.;
int toucher, NbreInt;
double long dt0=0.081,dt=0.081,dt1,dt2,dt3,Incretemps=0,Incretemps1=0;
double long const A1=0.23;
double long const A2=-2.12;
int NbreEspace=13;
int NbreTemps=309;
188
double long Tmax=1;
double long const epsilonTg=0.1;
double long const epsilonTc=1.;
double long const epsilonTm=1.;
double long *diffVal1;
double long *xi, *xxi;//espace

double long *tps;//temps
double long* T_C1;//temperature clinker
double long* T_G1;//temperature gaz
double long* MassF1;//masse repartie de fuel
double long* Mass1;//masse repartie de matiere
double long* T_Bc1;//temperature briques refractaires
double long a11, a12, a13, a14, a15, a16, a21, a22, a24, a25, a31, a32,
a33,a41, a42, a43, a44, a51, a52, a61;//20 parametres aij
double long **T_Gg, **T_Cc, **Massm, **T_Bc, **Mf;

double long **T_G, **T_C, **Mass, **d1, **d2, **d3, **TTg, **TTc, **MMc;
double long **dg1, **dc1, **dm1, **ErG, **ErC, **ErM, **EE;
double long **F41, **F42, **F43, **F44,**F51, **F52, **F61, **F62;

double long a11R, a12R, a13R, a14R, a15R, a16R, a21R, a22R, a24R, a25R,
a31R, a32R, a33R;double long a41R, a42R, a43R, a44R, a51R, a52R, a61R;
//creation de fichier: début

string const nomFichier("/Volumes/DocNZI/ProgThese/ProgCalibration/
N’ZI Y. G./resultats.txt");ofstream monFlux(nomFichier.c_str());
// obtention du nombre d’éléments du fichier à lire

double long ObtenirNbreElt(string NomFichierDonner)
{
int i=0;
ifstream fichier(NomFichierDonner, ios::in);
if(fichier)
{
double entier1;
//string chaine1, chaine2;
189
while (fichier >> entier1)

{/*on lit jusqu’à l’espace et on stocke ce qui est
lu dans la variable indiquée */
i=i+1;
}
fichier.close();
}
else
cerr << "Impossible d’ouvrir le fichier !" << endl;
return i;
}
// lire les données à partir d’un fichier
double long* LireDonner(string NomFichierDonner,int NbreEltFich)
{
double long* TempG;
TempG=new double long[NbreEltFich];
ifstream fichier(NomFichierDonner, ios::in);
if(fichier)
{
double entier1;
//string chaine1, chaine2;
int i=0;
while (fichier >> entier1)
{/*on lit jusqu’à l’espace et on stocke ce qui est lu dans
la variable indiquée */
TempG[i]=entier1;
i=i+1;
}
fichier.close();
}
else
cerr << "Impossible d’ouvrir le fichier !" << endl;
return TempG;
}
190
void PasDtDx(double long dx,double long dt, double long Tmax)
{
delete [] xi;
xi=NULL;
xi=new double long[NbreEspace];
for (int i=0;i<NbreEspace;i++)

{
xi[i]=i*dx;
cout<<xi[i]<<endl;
}
cout<<" "<<endl;
NbreTemps=Tmax/dt+1;
delete [] tps;
tps=NULL;
tps=new double long[NbreTemps];
for (int i=0;i<NbreTemps;i++)

{
tps[i]=i*dt;
cout<<tps[i]<<endl;
}
cout<<" "<<endl;
}
void Allocation(double long **&var,int NbreEspe, int NbreTps)

{
var=new double long*[NbreEspe];
for(int i=0;i<NbreEspe;i++)
{
var[i]=new double long [NbreTps];
}
}
double long ValF11(int i,int k)

{
double long F11=a11*((3.864*pow(10,-9)*T_Gg[i][k]/Massm[i][k])*(T_Cc[i][k]-
10.125*T_Gg[i][k]+1.18*pow(10,-4))-((1.49*pow(10,-4)*T_Gg[i][k]/(Massm[i][k]*
191
Massm[i][k]))*(T_Cc[i][k]-T_Gg[i][k]-0.0018*T_Gg[i][k]*T_Cc[i][k]+0.0023*
T_Gg[i][k]*T_Gg[i][k])));
return F11;
}

{
double long F12=a12*4.44*pow(10.,-14.)*T_Cc[i][k]*Massm[i][k]*(T_Gg[i][k]-
T_Cc[i][k])*(pow(T_Gg[i][k],2)+pow(T_Cc[i][k],3))/pow(T_Gg[i][k],2);
return F12;
}

{
double long F14=a14*1.2*pow(10.,-9.)*(3.34*T_Cc[i][k]-T_Gg[i][k])*(0.36*
T_Gg[i][k]+(0.84*T_Gg[i][k]+3*Massm[i][k])*T_Cc[i][k]-(1.2*T_Gg[i][k]+
3.9*Massm[i][k])*T_Gg[i][k])*(T_Cc[i][k]-T_Gg[i][k]+550*Massm[i][k]-
(0.472*Massm[i][k]+4.14*T_Gg[i][k])*T_Gg[i][k]+(0.0466*Massm[i][k]+
3.384*T_Gg[i][k])*T_Cc[i][k])/(Massm[i][k]*Massm[i][k]*(T_Gg[i][k]-Massm[i][k]));
return F14;
}

{
double long F15=a15*3.33*pow(10.,-14.)*(T_Gg[i][k]+T_Cc[i][k])*
(pow(T_Gg[i][k],2)+pow(T_Cc[i][k],2));
return F15;
}

{
double long F16=a16*pow(10.,-14.)*(T_Gg[i][k]+T_Cc[i][k])*
return F16;
}

{
192
double long F21=a21*((1.16*pow(10,-9)*T_Gg[i][k]/Massm[i][k])*
(T_Cc[i][k]-10.125*T_Gg[i][k]+1.18*pow(10,-4))-((0.45*pow(10,-4)*
T_Gg[i][k]/(Massm[i][k]*Massm[i][k]))*(T_Cc[i][k]-T_Gg[i][k]-0.0018*
T_Gg[i][k]*T_Cc[i][k]+0.0023*T_Gg[i][k]*T_Gg[i][k])));
return F21;
}

{
double long F22=a22*1.33*pow(10.,-14.)*T_Cc[i][k]*Massm[i][k]*(T_Gg[i][k]-
T_Cc[i][k])*(pow(T_Gg[i][k],2)+pow(T_Cc[i][k],3))/pow(T_Gg[i][k],2);
return F22;
}

{
double long F24=a24*3.33*pow(10.,-14.)*(T_Gg[i][k]+T_Cc[i][k])*
return F24;
}

{
double long F25=a25*pow(10.,-14.)*(T_Gg[i][k]+T_Cc[i][k])*
return F25;
}

{
double long F31=a31*1.2*pow(10.,-9.)*(3.34*T_Cc[i][k]-T_Gg[i][k])*(0.36
*T_Gg[i][k]+(0.84*T_Gg[i][k]+3*Massm[i][k])*T_Cc[i][k]-(1.2*T_Gg[i][k]+
3.9*Massm[i][k])*T_Gg[i][k])*(T_Cc[i][k]-T_Gg[i][k]+550*Massm[i][k]-
(0.472*Massm[i][k]+4.14*T_Gg[i][k])*T_Gg[i][k]+(0.0466*Massm[i][k]+
3.384*T_Gg[i][k])*T_Cc[i][k])/(T_Cc[i][k]*Massm[i][k]*(T_Gg[i][k]-Massm[i][k]));
return F31;
193
{
double long F32=a32*((3.864*pow(10,-9)*T_Gg[i][k]/T_Cc[i][k])*(T_Cc[i][k]-
10.125*T_Gg[i][k]+1.18*pow(10,-4))-((1.49*pow(10,-4)*T_Gg[i][k]/
(Massm[i][k]*T_Cc[i][k]))*(T_Cc[i][k]-T_Gg[i][k]-0.0018*T_Gg[i][k]*T_Cc[i][k]+
0.0023*T_Gg[i][k]*T_Gg[i][k])));
return F32;
}

{
double long F33=a33*((1.16*pow(10,-9)*T_Gg[i][k]/T_Cc[i][k])*(T_Cc[i][k]-
10.125*T_Gg[i][k]+1.18*pow(10,-4))-((0.45*pow(10,-4)*T_Gg[i][k]/
(Massm[i][k]*T_Cc[i][k]))*(T_Cc[i][k]-T_Gg[i][k]-0.0018*T_Gg[i][k]*T_Cc[i][k]+
0.0023*T_Gg[i][k]*T_Gg[i][k])));
return F33;
}

{
double long F13=a13*((1/a14)*ValF14(i,k)/dx+(T_Cc[i][k]/Massm[i][k])*
(ValF15(i,k)/a15+ValF11(i,k)/a11));
return F13;
}
double long CalculCout(int k)// k doit varier avec le nombre

d’iteration (pas de temps)
{
double long CalJcout=0;
for (int i=0;i<NbreEspace; i=i+1)

{
cout<<"i["<<i<<"]"<<i<<endl;
double long Tg01=T_G1[i];
double long Tg02=T_Gg[i][k+1];
double long Tc01=T_C1[i];

double long Tc02=T_Cc[i][k+1];
double long Mc01=Mass1[i];
194
double long Mc02=Massm[i][k+1];
CalJcout=CalJcout+pow((T_C1[i]-T_Cc[i][k+1])/Maxi( Tc01, Tc02),2)+

pow((T_G1[i]-T_Gg[i][k+1])/Maxi( Tg01, Tg02),2)+pow((Mass1[i]-Massm[i][k+1])/
Maxi( Mc01, Mc02),2); }
return CalJcout;
}
//change aij de d1, d2 et d3
void ChangeAijd1()
{
a12=a12-Qrand_a_b(pow(10., -3.),pow(10, -2));a15=a15-
Qrand_a_b(pow(10., -3.),pow(10., -2.));
a16=a16-Qrand_a_b(pow(10., -3.),pow(10., -2.));
}
void ChangeAijd2()
{
a22=a22-Qrand_a_b(pow(10., -3.),pow(10., -2));
a24=a24-Qrand_a_b(pow(10., -3),pow(10., -2));
}
void ChangeAijd3()
{
}
int main()
{
cout<<"Début de la calibration"<<endl;
cout<<" "<<endl;
//recupération de T_G
string NomFichierDonner="/Volumes/DocNZI/ProgThese/DonneTg.txt";
int NbreEltFichmm=ObtenirNbreElt(NomFichierDonner);
T_G1=LireDonner(NomFichierDonner, NbreEltFichmm);
195
//recupération de T_C
NomFichierDonner="/Volumes/DocNZI/ProgThese/DonneeTc.txt";
NbreEltFichmm=ObtenirNbreElt(NomFichierDonner);
T_C1=LireDonner(NomFichierDonner, NbreEltFichmm);
//recupération de M_C
NomFichierDonner="/Volumes/DocNZI/ProgThese/DonneeMass.txt";
Mass1=LireDonner(NomFichierDonner, NbreEltFichmm);
//recupération de T_B
NomFichierDonner="/Volumes/DocNZI/ProgThese/DonneeTb.txt";
T_Bc1=LireDonner(NomFichierDonner, NbreEltFichmm);
//recupération de Masse Fuel

NomFichierDonner="/Volumes/DocNZI/ProgThese/DonneeFuel.txt";
MassF1=LireDonner(NomFichierDonner, NbreEltFichmm);
//recupération de coordonnées espace

NomFichierDonner="/Volumes/DocNZI/ProgThese/DonneeEspace.txt";
xxi=LireDonner(NomFichierDonner, NbreEltFichmm);
NbreEspace=NbreEltFichmm;
//valeur initiales des parametres aij

a11=40*pow(10.,-1.);a12=85*pow(10.,-1.);a13=11*pow(10.,-1);a14=27.*pow(10.,-1.);
a15=88*pow(10.,-1.);a16=88*pow(10.,-1.);a21=6*pow(10.,-1.);a22=88*pow(10.,-1.);
a24=88*pow(10.,-1.);a25=12*pow(10.,-1.);a31=4.5*pow(10.,-1.);a32=15*pow(10.,-1.);
a33=12*pow(10.,-1.);a41=9*pow(10.,-1);a42=4*pow(10.,-1.);a43=4*pow(10.,-1.);
a44=110*pow(10.,-1.);a51=6*pow(10.,-1.);a52=3*pow(10.,-1.);a61=15*pow(10.,-1.);
cout<<"entrer la valeur de dt "<<" "<<endl;

cin>> dt;
dt0=dt;
cout<<" "<<endl;
cout<<"entrer temps max"<<" "<<endl;
196
cin>> Tmax;
cout<<" "<<endl;
PasDtDx(dx,dt,Tmax);
NbreInt=0;
Incretemps=0;
continuer1:;
Allocation(F41 ,NbreEspace,NbreTemps);Allocation(F42 ,NbreEspace,NbreTemps);
Allocation(F43 ,NbreEspace,NbreTemps);Allocation(F44 ,NbreEspace,NbreTemps);
Allocation(F51 ,NbreEspace+1,NbreTemps);Allocation(F52 ,NbreEspace+1,NbreTemps);
Allocation(F61 ,NbreEspace+1,NbreTemps);
diffVal1=new double long[NbreEspace];
//conditions aux frontières

for (int k=0;k<NbreTemps; k=k+1)
{
F41[0][k]=10.54326418725*a41;
F42[0][k]=12.2238864113*a42;
F43[0][k]=9.54326418725*a43;
F44[0][k]=13.6671659234*a44;
F51[NbreEspace][k]=11.1876785611230*a51;
F52[NbreEspace][k]=16.7563035683369*a52;
F61[NbreEspace][k]=15.3082857259498*a61;
}
Allocation(T_Gg ,NbreEspace+1,NbreTemps+1);
Allocation(T_Cc ,NbreEspace+1,NbreTemps+1);
Allocation(Massm ,NbreEspace+1,NbreTemps+1);
Allocation(T_Bc ,NbreEspace+1,NbreTemps+1);
Allocation(Mf ,NbreEspace+1,NbreTemps+1);
Allocation(T_G ,NbreEspace+1,NbreTemps+1);
Allocation(T_C ,NbreEspace+1,NbreTemps+1);
Allocation(Mass ,NbreEspace+1,NbreTemps+1);
//conditions initiales
{
T_Gg[i][0] =T_G1[i];
197
T_Cc[i][0]=T_C1[i];
Massm[i][0]=Mass1[i];
}
for ( int k=0;k<NbreTemps; k=k+1)

{
{
T_Bc[i][k]=T_Bc1[i];
Mf[i][k]=MassF1[i];
T_G[i][k]=T_G1[i];
T_C[i][k]=T_C1[i];
Mass[i][k]=Mass1[i];
}
T_G[NbreEspace][k]=T_G[NbreEspace-1][k];
T_C[NbreEspace][k]=T_C[NbreEspace-1][k];
Mass[NbreEspace][k]=Mass[NbreEspace-1][k];
}
Allocation(d1,NbreEspace+1,NbreTemps+1);Allocation(d2,NbreEspace+1,NbreTemps+1);
Allocation(d3,NbreEspace+1,NbreTemps+1);Allocation(dg1,NbreEspace+1,NbreTemps+1);
Allocation(dc1,NbreEspace+1,NbreTemps+1);Allocation(dm1,NbreEspace+1,NbreTemps+1);
Allocation(TTg,NbreEspace+1,NbreTemps+1);Allocation(TTc,NbreEspace+1,NbreTemps+1);
Allocation(MMc,NbreEspace+1,NbreTemps+1);
int k=0;
NbreInt=NbreInt+1;
Incretemps=Incretemps+dt;
aller:;

{
T_Gg[i][k+1]=(1-dt*ValF12(i,k)/dx-dt*ValF15(i,k)-dt*ValF16(i,k))*T_Gg[i][k]+
(dt*ValF12(i+1,k)/dx)*T_Gg[i+1][k]+dt*ValF13(i,k)*Mf[i][k]+(dt*ValF15(i,k)-
dt*ValF11(i,k))*T_Cc[i][k]+(dt*ValF14(i+1,k)/dx)*Massm[i+1][k]-
(dt*ValF14(i,k)/dx)*Massm[i][k]+dt*ValF16(i,k)*T_Bc[i][k];
T_Cc[i][k+1]=(1-dt*ValF22(i,k)/dx-dt*ValF24(i,k)+dt*ValF25(i,k))*T_Cc[i][k]+
198
(dt*ValF21(i,k)+dt*ValF24(i,k))*T_Gg[i][k]+(dt*ValF22(i+1,k)/dx)*T_Cc[i+
1][k]-dt*ValF25(i,k)*T_Bc[i][k];
Massm[i][k+1]=(1+dt*ValF31(i,k)/dx)*Massm[i][k]-(dt*ValF31(i+1,k)/dx)*
Massm[i+1][k]-dt*ValF32(i,k)*T_Cc[i][k]+dt*ValF33(i,k)*T_Gg[i][k];
d1[i][k]=(1-dt*ValF12(i,k)/dx-dt*ValF15(i,k)-dt*ValF16(i,k));
d2[i][k]=(1-dt*ValF22(i,k)/dx-dt*ValF24(i,k)+dt*ValF25(i,k));
d3[i][k]=(1+dt*ValF31(i,k)/dx);
T_Gg[1][k]=(1-dx*F41[0][k]/A1-dx*F42[0][k]/A1)*T_Gg[0][k]+dx*F41[0][k]*
T_Cc[0][k]/A1+dx*F42[0][k]*T_Bc[0][k]/A1;
T_Cc[1][k]=(1+dx*F43[0][k]/A2+dx*F44[0][k]/A2)*T_Cc[0][k]-dx*F43[0][k]*
T_Gg[0][k]/A2-dx*F44[0][k]*T_Bc[0][k]/A2;
T_Gg[NbreEspace][k]=T_Gg[NbreEspace-2][k];
T_Cc[NbreEspace][k]=T_Cc[NbreEspace-2][k]+(2*dx*F51[NbreEspace-1][k]/A3)*
T_Gg[NbreEspace-1][k]+(2*dx*F52[NbreEspace-1][k]/A3)*T_Bc[NbreEspace-1][k]-
(2*dx*(F51[NbreEspace-1][k]+F52[NbreEspace-1][k])/A3)*T_Cc[NbreEspace-1][k];
Massm[NbreEspace][k]= Massm[NbreEspace-2][k]+(2*dx*F61[NbreEspace-1][k]/
A4)*Massm[NbreEspace-1][k];
T_Gg[1][0] =T_G1[1];
T_Cc[1][0]=T_C1[1];
Massm[1][0]=Mass1[1];
//test stabilité équation diff: début

if (!(d1[i][k]>0 && d2[i][k]>0 && d3[i][k]>0))
{
//cout<<"une autre valeur de dt sera donnée automatiquement "<<endl;
dt1=(1-dt*ValF12(i,k)/dx-dt*ValF15(i,k)-dt*ValF16(i,k));
dt2=(1-dt*ValF22(i,k)/dx-dt*ValF24(i,k)+dt*ValF25(i,k));
dt3=(1+dt*ValF31(i,k)/dx);
if (dt1<=0)
{
ChangeAijd1();
cout<<" ChangeAijd1 "<<endl;
199
}
if (dt2<=0)
{
ChangeAijd2();
}
if (dt3<=0)
{
ChangeAijd3();
}
cout<<" dt1 est "<<dt1<<endl;
cout<<"d1["<<i<<"]["<<k<<"]"<<d1[i][k]<<endl;
cout<<"d2["<<i<<"]["<<k<<"]:"<<d2[i][k]<<endl;
cout<<"d3["<<i<<"]["<<k<<"]:"<<d3[i][k]<<endl;
cout<<" ** continuer1"<<endl;
goto continuer1;
}
//test stabilité équation diff: fin
TTg[i][k]=T_Gg[i][k+1];
TTc[i][k]=T_Cc[i][k+1]; //penser à augmenter Tmax lorsque l’erreur
survient à ce niveau EXC_BAD_ACCESS
MMc[i][k]=Massm[i][k+1];
}
//Calcul du coût
Jcout=CalculCout(k);
//test du coût
if (!(Jcout<0.0009)) //plus Jcout sera petite et plus Tmax sera grande et

aussi plus dt sera aussi grande et plus Tmax sera grande
{
if (a11<pow(10., -1))
{
a11=a11+Qrand_a_b(pow(10., -2),pow(10., -1));
200
cout<<" a11 petit est "<<a11<<endl;
}
else
{
cout<<" a11 grand est "<<a11<<endl;
}
if (a13<pow(10., -1))
{
}
else
{
}
if (a14<pow(10., -1))
{
}
else
{
}
if (a21<pow(10., -1))
{
}
else
{
}
if (a33<pow(10., -1))
{
}
else
{
201
}
if (a32<pow(10., -1))
{
}
else
{
}
if (a41<pow(10., -1))
{
}
else
{
}
if (a42<pow(10., -1))
{
}
else
{
}
if (a43<pow(10., -1))
{
}
else
{
}
if (a44<pow(10., -1))
{
}
else
{
202
}
if (a51<pow(10., -1))
{
}
else
{
}
if (a61<pow(10., -1))
{
}
else
{
}
if (a52<pow(10., -1))
{
}
else
{
}
k=k+1;
goto aller;
}
a11R=a11;a12R=a12;a13R=a13;a14R=a14;a15R=a15;a16R=a16;a21R=a21;a22R=a22;
a24R=a24;a25R=a25;a31R=a31;a32R=a32;a33R=a33;a41R=a41;a42R=a42;a43R=a43;
a44R=a44;a51R=a51;a52R=a52;a61R=a61;
//création du fichier de stockage

if(monFlux)
{
monFlux <<"a11 "<<a11R<<endl<<"a12 "<<a12R<<endl<<"a13 "<<a13R<<endl

<<"a14 "<<a14R<<endl<<"a15 "<<a15R<<endl<<"a16 "<<a16R<<endl<<"a21
"<<a21R<<endl<<"a22 "<<a22R<<endl<<"a24 "<<a24R<<endl<<"a25 "<<a25R
203
<<endl<<"a31 "<<a31R<<endl<<"a32 "<<a32R<<endl<<"a33 "<<a33R<<endl

<<"a41 "<<a41R<<endl<<"a42 "<< a42R<<endl<<"a43 "<<a43R<<endl<<"a44
"<<a44R<<endl<<"a51 "<<a51R <<endl<<"a52 "<<a52R<<endl<<"a61 "<<a61R<<endl;
monFlux <<" "<<endl<<"Le nombre total d’itération: "<<NbreInt<<endl;

monFlux <<" "<<endl<<" Le coût total: "<<Jcout<<endl;
monFlux <<" "<<endl<<" Le pas de temps entré: "<<dt0<<endl;
monFlux <<" "<<endl<<" Le temps max entré: "<<Tmax<<endl;
}
else
{
cout << "ERREUR: Impossible d’ouvrir le fichier." << endl;
}
cout<<"Fin de Calibration"<<endl;
return 0;
}
204
Annexe M
Température extérieure du four

obtenue par infrarouge/scanner
Figure M.1 – Mesure de la température extérieure du four par infrarouge (Tarasiewicz et

Remy, 2003)
205
Bibliographie
Ahmed Hared, I. 2007, Optimisation d’un procédé pyrolyse en four tournant : Application
à la production de charbons actifs, thèse de doctorat, Institut National Polytechnique de
Toulouse, Toulouse, France.
Akerman, K., P. Hoffmann et W. Zablotny. 1966, «Mechanism and rate of passage of materials
in rotary kilns», Br. Chem. Eng, vol. 11, p. 26–29.
Barham, D. et H. Tran. 1990, «An overview of ring formation in lime kilns», dans Tappi Pro-
ceedings, 1990 Pulping Conference, p. 259–264. URL http://www.tappi.org,1990-01-01.
Baste, T., M. Bouffard, C. Horlait, R. Lacroix, S. Marcellin et T. Oliveira. 2008, «Projet IFIP
S2 :le ciment, fabrication et prise», Consulté le 14/07/2012. URL http://lebeton.free.
fr/ciment.html.
Batzias, F. 2006, «Rotary cement kiln control for reducing NOx emissions to atmosphere»,
dans Emerging Technologies and Factory Automation, 2006. ETFA’06. IEEE Conference on,
IEEE, p. 879–886.
Beér, J. et N. Chigier. 1972, Combustion aerodynamics, Applied Science Publishers Ltd.
Blumberg, W. 1995, Selektive Konvektions-und Kontakttrocknung im Drehrohr, 3 : [Fortschritt-

Berichte VDI], VDI-Verlag, ISBN 9783183384037. URL http://books.google.ca/books?
id=UwXRAAAACAAJ.
Boateng, A. et P. Barr. 1996, «A thermal model for the rotary kiln including heat transfer within
the bed», International Journal of Heat and Mass Transfer, vol. 39, no 10, p. 2131–2147.
Bogue, R. 1947, The chemistry of Portland cement, Reinhold publishing corporation.
Bui, R., S. Tarasiewicz et A. Charette. 1982, «A computer model for the cement kiln», IEEE
Trans. Ind. Appl. (USA), vol. IA-18, no 4, p. 424 – 30, ISSN 0093-9994.
Charef, A. 2006, «Fabrication du ciment blanc : Aspects physico-chimiques du ciment

blanc», Consulté le 10/10/2013. URL http://charef.canalblog.com/archives/2006/12/
12/3412851.html.
207
BIBLIOGRAPHIE
Chen, W. Z., C. H. Wang, T. Liu, C. Y. Zuo, Y. H. Tian et T. T. Gao. 2009, «Residence time and
mass flow rate of particles in carbon rotary kilns», Chem. Eng. Process. (Switzerland), vol. 48,
no 4, p. 955 – 60, ISSN 0255-2701. URL http://dx.doi.org/10.1016/j.cep.2009.01.002.
Descoins, N., J.-L. Dirion et T. Howes. 2005, «Solid transport in a pyrolysis pilot-scale
rotary kiln : preliminary results - stationary and dynamic results», Chem. Eng. Process.
(Switzerland), vol. 44, no 2, p. 315 – 21.
Ding, F. 1999, Étude de la commande moderne à paramètres repartis : application au séchage

du bois, thèse de doctorat, Université Laval, Québec, Canada.
Fallahpour, M., A. Fatehi, B. Araabi et M. Azizi. 2007, «A supervisory fuzzy control of

back-end temperature of rotary cement kilns», dans Control, Automation and Systems, 2007.
ICCAS’07. International Conference on, IEEE, p. 429–434.
GDT. 2012, «Ségrégation : fiche du Grand Dictionnaire Terminologique», Consulté le

08/10/2012. URL http://gdt.oqlf.gouv.qc.ca/Resultat.aspx.
Gorog, J., T. Adams et J. Brimacombe. 1983, «Heat transfer from flames in a rotary kiln.»,
Metallurgical transactions. B, Process metallurgy, vol. 14 B, no 3, p. 411 – 424, ISSN 03602141.
Guenther, R. 1966, «Untersuchungen an turbulenten strahlflammen», Int Zeitschrift fuer

Gaswaerme, vol. 15, no 8, p. 247 – 253.
Guillod, T. 2008, «Interpolations, courbes de bezier et b-splines», Consulté le 01/03/2013. URL

http://www.sens-neuchatel.ch/bulletin/no34/art3-34.pdf.
Guruz, H. et N. Bac. 1981, «Mathematical modelling of rotary cement kilns by the zone
method.», Canadian Journal of Chemical Engineering, vol. 59, no 4, p. 540 – 548.
Hagemoen, S. 1993, «An expert system application for lime kiln automation», dans Conference
Record of 1993 Pulp and Paper Industry Technical Conference (Cat. No.93CH331-6), New
York, NY, USA, p. 91 – 7. URL http://dx.doi.org/10.1109/PAPCON.1993.255821.
Heiligenstaedt, W. 1971, «Thermique appliquée aux fours industriels, tom1», Dunot, Paris.
Henein, H., J. Brimacombe et A. Watkinson. 1983, «Experimental study of transverse bed

motion in rotary kilns», Metallurgical and Materials Transactions B, vol. 14, no 2, p. 191–205.
Hijazi, H., R. Tsimba et I. SA. 2011, «Réalisation d’une plateforme virtuelle de simulation»,
Consulté le 04/05/2012. URL http://projets-ima.plil.net/mediawiki/images/1/12/
Rapport-plateforme-virtuelle.pdf.
Hottel, H. et A. Sarofim. 1967, Radiative transfer, McGraw-Hill, New York, USA.
Incropera, F. P., A. S. Lavine et D. P. DeWitt. 2007, Fundamentals of Heat and Mass Transfer,
John Wiley & Sons Incorporated.
208
BIBLIOGRAPHIE
Järvensivu, M., K. Saari et S. Jämsä-Jounela. 2001, «Intelligent control system of an industrial

lime kiln process», Control Engineering Practice, vol. 9, no 6, p. 589–606.
Kada, B. et S. Tarasiewicz. 2004, «Analysis and identification of distributed parameter model

for wood drying systems», Drying technology, vol. 22, no 5, p. 933–946.
Ketslakh, G. et I. Tsibin. 1978, «Heat transfer by radiation in rotary kilns», Refractories,

vol. 19, no 1-2, p. 17 – 19, ISSN 00343102.
Kramers, H. et P. Croockewit. 1952, «The passage of granular solids through inclined rotary
kilns», Chemical Engineering Science, vol. 1, no 6, p. 259–265.
Kreith, F. et W. Black. 1980, Basic heat transfer, Harper and Row, New York, USA.
Lafarge. 2012, «La fabrication du ciment», Consulté le 19/11/2013. URL http://www.

lcc-toulouse.fr/jirec2012/IMG/pdf/JIREC_LafargeCiments.pdf.
Lebas, E., F. Hanrot, D. Ablitzer et J. Houzelot. 1995, «Experimental study of residence time,
particle movement and bed depth profile in rotary kilns», The Canadian Journal of Chemical
Engineering, vol. 73, no 2, p. 173–180.
Liu, X. et E. Specht. 2006, «Mean residence time and hold-up of solids in rotary kilns», Chemical
engineering science, vol. 61, no 15, p. 5176–5181.
Lockwood, F., B. Shen et T. Lowes. 1995, «Numerical study of petroleum coke fired cement
kiln flames», dans Combustion Technologies for a Clean Environment, Selected Papers of the
3rd International Conference, Lisbon, p. 1493–1516.
Lyons, J., H. Min, P. Parisot et J. Paul. 1962, «Experimentation with a wet-process rotary
cement kiln via the analog computer», Industrial & Engineering Chemistry Process Design
and Development, vol. 1, no 1, p. 29–33.
Mamdani, E. 1974, «Application of fuzzy algorithms for control of simple dynamic plant»,
Electrical Engineers, Proceedings of the Institution of, vol. 121, no 12, p. 1585–1588.
Mastorakos, E., A. Massias, C. Tsakiroglou, D. Goussis, V. Burganos et A. Payatakes. 1999,

«CFD predictions for cement kilns including flame modelling, heat transfer and clinker
chemistry», Applied Mathematical Modelling, vol. 23, no 1, p. 55–76.
Mellmann, J. 2001, «The transverse motion of solids in rotating cylinders—forms of motion

and transition behavior», Powder Technology, vol. 118, no 3, p. 251–270.
Mujumdar, K., K. Ganesh, S. Kulkarni et V. Ranade. 2007, «Rotary cement kiln simulator
(RoCKS) : Integrated modeling of pre-heater, calciner, kiln and clinker cooler», Chemical
Engineering Science, vol. 62, no 9, p. 2590–2607.
209
BIBLIOGRAPHIE
Mujumdar, K. et V. Ranade. 2006, «Simulation of rotary cement kilns using a one-dimensional

model», Chemical Engineering Research and Design, vol. 84, no 3, p. 165–177.
Mujumdar, K. S. et V. V. Ranade. 2008, «CFD modeling of rotary cement kilns», Asia-Pacific

Journal of Chemical Engineering, vol. 3, no 2, p. 106–118.
Naner, Y., Z. Deze, L. Fang et Y. Xiaoming. 1997, «Real-time expert production guiding and
control system based on multimedia computer information processing», dans Intelligent
Processing Systems, 1997. ICIPS’97. 1997 IEEE International Conference on, vol. 1, IEEE,
p. 787–791.
OQLF. 2012, «Office Québécois de la Langue Française», Consulté le 08/10/2012. URL

http://www.gdt.oqlf.gouv.qc.ca/index.aspx.
Ozisik, M. 1985, Heat transfer, McGraw-Hill New York.
Pani, A., V. Vadlamudi, R. Bhargavi et H. Mohanta. 2011, «Neural network soft sensor
application in cement industry : Prediction of clinker quality parameters», dans Process
Automation, Control and Computing (PACC), 2011 International Conference on, IEEE, p.
1–6.
Perron, J. 1989, Modélisation mathématique d’un four de calcination du coke de pétrole, thèse
de doctorat, Université de Montréal, Montréal, Canada.
Raytek. 2007, «Système de surveillance de la température pour fours tournats», Consulté le

04/01/2013. URL http://www.motralec.com/telecharger/Raytek_CS-200.pdf.
Ronco, J. 1965, «Tecnologia de las operaciones y 10s procesos de la industria quimica», Industria
y Quimica, vol. 20, no 6, p. 60–614.
Saeman, W. 1951, «Passage of solids through rotary kilns», Chemical Engineering Progress,
vol. 47, no 10, p. 508 – 514.
Sass, A. 1967, «Simulation of heat-transfer phenomena in a rotary kiln», Industrial & Enginee-
ring Chemistry Process Design and Development, vol. 6, no 4, p. 532–535.
SCAEK. 2012, «Société des ciments de ain el kébira : La composition chimique des clinkers,
chapitre 3», Consulté le 24/03/2013. URL http://www.scaek.dz/documents/16.pdf.
Shahriari, K. et S. Tarasiewicz. 2011, «Modelling of a clinker rotary kiln using operating

functions concept», The Canadian Journal of Chemical Engineering, vol. 89, no 2, p. 345–
359.
Spang, I., H.A. 1972, «A dynamic model of a cement kiln», Automatica (UK), vol. 8, no 3, p.
309 – 23.
210
BIBLIOGRAPHIE
Spurling, R., J. Davidson et D. Scott. 2001, «The transient response of granular flows in an
inclined rotating cylinder», Chemical Engineering Research and Design, vol. 79, no 1, p.
51–61.
Sullivan, J., C. Maiter et O. Ralston. 1927, «Passage of solid particles through rotary cylindrical
kilns», United States Department of the Interior – Bureau of Mines – Technical Papers, p.
42 –.
Tarasiewicz, S., J.-C. Gille, F. Leger et P. Vidal. 1994, «Modelling and simulation of com-
plex mechanical systems with applications to a steam-generating system. 1. mathematical
modelling», Int. J. Syst. Sci. (UK), vol. 25, no 12, p. 2393 – 2402.
Tarasiewicz, S. et T. Kudra. 2004, «Estimation of moisture distribution in wood drying system

based on dry and wet-bulb temperatures», Proceedings of International Workshop and
Symposium on Industrial Drying,2004, 20-24 December, Mumbai, IWSID : pp. 1-7.
Tarasiewicz, S. et M. Remy. 2003, «Modeling and parameter identifications of a clinker

rotary kiln», Rapport technique, International Collaboration between Laval University, Mons
University and Cement Industry, Mons-Belgium and Québec-Canada.
Tarasiewicz, S. et K. Shahriari. 2008, «Operating functions approach to model heat exchange

in a clinker rotary kiln : Case study for initial and boundary conditions», Rapport technique,
LACM-Laval University, CRIB-Laval University and Lafarge North America, Inc, Québec,
Canada.
Tarasiewicz, S. et K. Shahriari. 2008a, «Operating functions for process modeling : Application

to clinker rotary kiln dynamics», Control Syst. Mag.(submitted).
Tran, H. 2007, «Lime kiln chemistry and effects on kiln operations», dans TAPPI Kraft Recovery
Course 2007, vol. 1, St. Petersburg, FL, United states, p. 114 – 150.
Tscheng, S. 1978, Convective heat transfer in a rotary kiln, thèse de doctorat, University of
British Columbia, Vancouver, BC.
Tscheng, S. et A. Watkinson. 1979, «Convective heat transfer in a rotary kiln», Canadian

Journal of Chemical Engineering, vol. 57, no 4, p. 433 – 443.
Viola, A., R. Baratti et A. Teodosi. 1986, «Analysis and simulation of the alumina calcination
process in a rotary kiln», Light Metals 1986., vol. 2, p. 179–189.
Wahlster, M., H. Jost, H. Serbent et G. Meyer. 1963, «Untersuchungen über die materialbewe-
gung im drehrohrofen», Techn. Mitt. Krupp, Forsch.-Ber, vol. 21, no 1, p. 5–14.
Watkinson, A. et J. Brimacombe. 1982, «Limestone calcination in a rotary kiln», Metallurgical

and Materials Transactions B, vol. 13, no 3, p. 369–378.
211
BIBLIOGRAPHIE
Wikimedia Commons. 2011, «The 27 products in the family of common cements», Consulté
le 10/10/2013. URL http://upload.wikimedia.org/wikipedia/commons/a/aa/Norme_
EN-197-1-2000.pdf.
Zablotny, W. 1965, «The movement of the charge in rotary kilns», International Chemical
Engineering, vol. 5, no 2, p. 360–366.
Zadeh, L. 1965, «Fuzzy sets», Information and Control, vol. 8, no 3, p. 338 – 353.
Zhou, X. et T. Chai. 2007, «Pattern-based hybrid intelligent control for rotary kiln process»,
dans Control Applications, 2007. CCA 2007. IEEE International Conference on, IEEE, p.
31–35.
212

Élaboration D'une Plate-Forme de Calculs Numériques D'un Modèle D'état À La Base D'une Approche Phénoménologique: Cas D'un Four Rotatif de Clinker

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Élaboration D'une Plate-Forme de Calculs Numériques D'un Modèle D'état À La Base D'une Approche Phénoménologique: Cas D'un Four Rotatif de Clinker

Transféré par

Droits d'auteur :

Formats disponibles

Élaboration d’une plate-forme de calculs numériques

d’un modèle d’état à la base d’une approche

Yoboué Guillaume N’zi

Doctorat en génie mécanique

© Yoboué Guillaume N’zi, 2014

Par conséquent, à travers la rapidité de la procédure d’ajustement et l’adaptation des paramètres

Table des matières vii

Liste des tableaux xi

Liste des figures xiii

Liste des abréviations et des sigles xvi

1 Présentation du système à la base du FRC 7

3 Développement d’un modèle mathématique à l’aide des phénomènes physico-

4 Modélisation/Approximation des paramètres du modèle d’état 61

5 Prédiction des fonctions opératoires en conditions réelles du four 81

A Compositions minéralogique et chimique du clinker 101

B Obtention des équations du modèles d’état du système (Tarasiewicz et

C Obtention des équations aux frontières 111

D Expressions mathématiques des fonctions opératoires 117

E Paramètres estimables du système et les facteurs de calibrage des fonc-

F Fonctions opératoires identifiées 123

G Organigrammes des fonctions opératoires 127

H Fonctions opératoires calibrées 131

I Fonctions opératoires de base perturbées 135

J Fonctions opératoires en présence de perturbation 139

K Programme de calcul avec Matlab 149

L Programme de calcul avec le langage C++ 187

M Température extérieure du four obtenue par infrarouge/scanner 205

1.1 Critères chimiques de composition du clinker (SCAEK, 2012) . . . . . . . . . . . . 14

4.1 Paramètres estimables du système . . . . . . . . . . . . . . . . . . . . . . . . . . . 71

A.1 Composition minéralogique du clinker (SCAEK, 2012) . . . . . . . . . . . . . . . . 101

E.1 Paramètres estimables restants du système . . . . . . . . . . . . . . . . . . . . . . . 120

2.1 Mouvement de glissement/patinage (slipping) (Mellmann, 2001) . . . . . . . . . . . 24

4.1 Influence de quelques FOPs sur les variables d’état . . . . . . . . . . . . . . . . . . 62

5.1 Collage de matière dans un four (Tran, 2007) . . . . . . . . . . . . . . . . . . . . . 81

5.7 Profil de température perturbée des briques réfractaires en 3D . . . . . . . . . . . . 88

B.1 Coupe transversale du four dans la zone de séchage . . . . . . . . . . . . . . . . . . 103

C.1 Illustration du voisinage des frontières du système . . . . . . . . . . . . . . . . . . 111

F.1 Fonctions opératoires identifiées restantes du modèle d’état . . . . . . . . . . . . . 126

G.1 Organigrammes des fonctions opératoires restantes . . . . . . . . . . . . . . . . . . 130

H.1 Fonctions opératoires calibrées restantes du modèle d’état . . . . . . . . . . . . . . 134

I.1 Fonctions opératoires de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137

J.1 Fonctions opératoires en présence de perturbation . . . . . . . . . . . . . . . . . . . 148

M.1 Mesure de la température extérieure du four par infrarouge (Tarasiewicz et Remy,

Liste des abréviations et des sigles

α Diffusion thermique, Coefficient d’absorption thermique

a, O Air, Air ambiant

Dennis R. Petersen, Unlocking the

Je remercie, tout d’abord, la Banque Islamique de développement (BID) dont le soutien

Mes remerciements vont également à l’endroit de la Directrice des programmes, Professeure

J’exprime également ma gratitude envers tout le corps enseignant de l’UFR Mathématiques et

Le clinker étant l’élément essentiel du ciment donc du béton, détermine qualitativement et

En outre, la non-homogénéité des variables/paramètres de modélisation du FRC, leurs variations

1. Élaboration d’une base de données à l’aide d’un complément d’instrumentation et d’une

2. Identification numérique des paramètres du modèle

†. 1st IFAC Workshop on Control of Systems Modeled by Partial Differential Equations.

Enfin, le dernier chapitre permet de mettre à contribution la plate-forme proposée à travers

Présentation du système à la base du

cascade dans le gaz,

• la voie semi-sèche, en partant de la voie sèche, on humidifie la farine pour en faire

Figure 1.2 – Aspect du clinker refroidi (Baste et al., 2008)

1.1 Description du système

Figure 1.3 – Représentation globale du système

1.2 Alimentation du système et équipements disposés aux