Vous êtes sur la page 1sur 15

Université de Boumerdès - FHC

Cours d’Identifcation des Systèmes

Chapitre 1

Introduction à l’identification des systèmes

Pr Habbi H. FHC – Université de Boumerdès


Université de Boumerdès - FHC

Contenu
1. Notions de « système » et « modèle »

2. Types de modèles

3. Modélisation ou Identification?

4. Représentations mathématiques des systèmes

5. Classification des méthodes d’identification

6. Procédure générale d’identification

Pr Habbi H. FHC – Université de Boumerdès


Université de Boumerdès - FHC

1. Notions de “système” et “modèle”


 La notion de “système” est généralement utilisée pour désigner une “entité” dont
les éléments et les grandeurs caractéristiques déterminent son comportement

 L’appréhension d’un système s’effectue donc à partir des grandeurs (variables)


qui le caractérisent

 Les interactions fonctionnelles entre les variables d’un système occasionne des
effets spécifiques sur son comportement
 Une relation de “cause-effet” traduit un modèle de comportement que l’on utilise
pour représenter un système

 Une modèle de système décrit une relation de “cause-effet” et constitue donc un


outil de représentation qui permet d’étudier le comportement du système dans
son environnement

Pr Habbi H. FHC – Université de Boumerdès


Université de Boumerdès - FHC

1. Notions de “système” et “modèle”(Suite)


Perturbation(s)

Entrée(s) Système Sortie(s)

 La modélisation est le domaine qui s’intéresse à la recherche de modèles pour


les systèmes en vue de:

 L’analyse, la simulation, la prédiction du comportement…


 La synthèse de la commande
 La surveillance et le diagnostic de défauts
 ….

Pr Habbi H. FHC – Université de Boumerdès


Université de Boumerdès - FHC
1. Notions de “système” et “modèle”(Suite) Perturbations
Q1 T1 C
 Exemple : Four à l’huile chaude

T1, Q1, C T2 Q2 T2
FOUR
Huile Huile chauffée Entrée Sortie

Schéma fonctionnel
Fuel oil (Q2)

 Le four sert à chauffer l’huile pour qu’elle atteigne une température donnée (T2)
 Les grandeurs affectant la température de l’huile sont:
- Le débit massique Q1 de l’huile et la température d’entrée de l’huile T1
- La chaleur massique C et le débit du fuel oil (combustible) Q2
 Le schéma fonctionnel traduit la façon dont ces grandeurs interagissent dans le système :
- Variable d’entrée (Q2) : c’est la variable à manipuler pour modifier T2
- Variable de sortie (T2) : c’est la variable à régler
- Variables perturbatrices (Q1, T1, C): influent sur l’évolution de la température T2
Pr Habbi H. FHC – Université de Boumerdès
Université de Boumerdès - FHC

2. Types de modèles

Modèles mathématiques
(Relations mathématiques)

Modèles intuitifs ou verbaux Modèles graphiques


(Description, Perception) (Schéma-bloc, Tracés, graphs
orientés)

Système
(Procédé
Procédé))

Représentation

Pr Habbi H. FHC – Université de Boumerdès


Université de Boumerdès - FHC

2. Types de modèles (Suite)


 Modèle mathématique:
Ce type de modèle utilise des relations mathématiques pour décrire le
comportement Entrée/Sortie d’un système. Il est catégorisé en deux classe:
 Modèle de connaissance (Modélisation)
 Modèle de représentation (Identification)

 Modèle de connaissance: Il est déduit à partir des lois physiques (Lois de


Newton, Lois de Kirchoff, Lois de la thermodynamique, …)
Exemple 1: Système électrique R L

di (t ) +
V1 (t )  V2 (t )  Ri (t )  L i
dt V1 C V2
1 dV
V2 (t ) 
c idt  c 2  i (t )
dt
-

dV2 d 2V2 d 2V2 (t ) dV2 (t )


V1 (t )  V2 (t )  RC  LC 2  LC  RC  V2 (t )  V1 (t )
dt dt dt 2
dt
k1 k 2
Pr Habbi H. FHC – Université de Boumerdès
Université de Boumerdès - FHC
2. Types de modèles (Suite)

Exemple 2: Système thermodynamique


Le niveau ne peut rester constant par lui-même. Il faut Qe
pour cela que Q1 = Q2 en permanence. Or cela est
impossible vu la présence de perturbations.
h Qs
dh (t ) 
 q (t )  q (t ) dt S
S  ( qe (t )  q s (t ))  h(t )  e s
dt S

La surface du réservoir S et la densité du liquide ρ sont les paramètres du


modèle mathématique
Pour une variation constante de débit, qe-qs = Cste, il en résulte une variation
continuelle du niveau h(t).
Pour une variation constante du débit de sortie, qs = 0, le niveau h(t) varie en
fonction de la variation du débit d’entrée qe(t).

Pr Habbi H. FHC – Université de Boumerdès


Université de Boumerdès - FHC

2. Types de modèles (Suite)

 Modèle de représentation: Il est déduit à partir des observations


entrée/sortie collectées par la voie expérimentale (Mesures, courbes
enregistrées, …). Les paramètres de ce modèle peuvent être ajustés de manière
à approcher au mieux le comportement réel du système. Il s’obtient par des
essais d’identification.
Exemple: Système électrique
R L
V1 V2
+ i Modèle
V1 C V2
- Données Entrée/Sortie
V (t ),V (t ),V (t ),,V (t )
1 0 1 1 1 2 1 f
d V2 (t ) dV2 (t ) V (t ),V (t ),V (t ),,V (t )
2

k1  k 2
 V2 (t )  V1 (t ) 2 0 2 1 2 2 2 f
dt 2
dt
k1 , k 2 : Paramètres du modèle à déterminer en utilisant les mesures expérimentales
(données) des tensions V1 et V2
Pr Habbi H. FHC – Université de Boumerdès
Université de Boumerdès - FHC
3. Modélisation ou Identification ?
 Modéliser … (White-Box)
 C’est caractériser “exactement” la dynamique du système par l’utilisation des
premiers principes de la physqiue
 C’est aboutir une structure de modèle interprétable (transparente)
 C’est parfois difficile à élaborer pour des systèmes présentant des dynamiques
complexes et/ou des paramètres inconnus
 Pourrait conduire à des modèles difficilement manipulables pour la commande
 Identifier … (Black-Box)
 C’est construire un modèle de représentation à structure simple et facile à
manipuler pour la commande en utilisant des données expérimentales
 C’est réduire la comlplexité du problème de modélisation et le ramener
à un domaine de validité réduit, ce qui simplifie l’analyse et la synthèse
 Un modèle identifié manque de transparence physique car ses paramètres
peuvent ne pas avoir de sens physique
 Modéliser & Identifier …  Modèle Grey-Box : Physique + Expérimentation
Pr Habbi H. FHC – Université de Boumerdès
Université de Boumerdès - FHC
4. Représentations mathématiques des systèmes
4.1 Représentations non paramétriques
 Réponse impulsionnelle h(t): C’est la réponse à une impulsion de Dirac; elle
s’obtient par le produit de convolution y = h*u
t t
u (t )   (t ) y (t )

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

h(t)
t

k k

y ( k )   h( k  l )u (l )   h(l )u ( k  l ) (Discret) 

l 0 l 0 (t )  0, t  0;
  (t )  1


 Réponse indicielle: C’est la réponse à un échelon


t


u (t )
y (t )  h ( ) d (Continu) y (t )

0 t t
k

y ( k )   h (l )
0 g(t)
(Discret)
l 0

Pr Habbi H. FHC – Université de Boumerdès


Université de Boumerdès - FHC
4.1 Représentations non paramétriques (Suite)
 Réponse harmonique: C’est la réponse exprimée dans le domaine fréquentiel
Y( f )
Cas continu: H ( f ) 
 U( f )
H( f ) 
0
h( ) exp  2jf  d  TF Continu U( f )
H(f)
Y( f )
Y ()
Cas discret: H (  ) 

U ()
H ()   h(l ) exp 2jl 
l 0
 TF Discrète

4.2 Représentations paramétriques u y


Système
 Equation différentielle / aux différences:
Cas continu:
y (t )  a1 y (t )    an y ( n ) (t )  b0u (t )  b1u (t )    bm u ( m ) (t ); ( m  n)
Cas discret:
y ( k )  a1 y ( k  1)    an y ( k  n)  b0u ( k )  b1u ( k  1)    bm u ( k  m); ( m  n)

Pr Habbi H. FHC – Université de Boumerdès


Université de Boumerdès - FHC
4.2 Représentations paramétriques (Suite)
 Fonction de transfert: Transformée de Laplace
Y ( s ) b0  b1 s    bm s m
Cas continu: H ( s )   ; (m  n) u y
U ( s ) 1  a1 s    an s n
Système
Y ( z ) b0  b1 z 1    bm z  m
Cas discret: H ( z )   ; (m  n)
U ( z ) 1  a1 z 1    an z  n
Transformée en Z
 Equation d’état:
Cas continu:  x (t )  Ax (t )  Bu (t )
 Cas discret:  x ( k  1)  Ad x ( k )  Bd u ( k )
 y (t )  Cx (t )  Du (t )  y ( k )  C d x ( k )  Dd u ( k )

4.3 Représentation stochastique


Bruit système
Bruit de mesure
 x ( k  1)  Fx ( k )  Gu ( k )  v ( k )
v w

 y ( k )  Hx ( k )  w( k ) u y
Système
v ( k ), w( k ) : Variables stochastiques ou aléatoires
(moyenne et variance)

Pr Habbi H. FHC – Université de Boumerdès


Université de Boumerdès - FHC

5. Classification des méthodes d’identification

Méthodes non
paramétriques

Réponse temporelle
(Indicielle, Impulsionnelle)
Analyse spectrale
(Entrée aléatoire, Tracé de
Réponse fréquentielle Bode,…)
(Entrée sinusoidale, TF,…)
Corrélation
(Entrée = Bruit blanc)

Méthodes
paramétriques

Moindres Carrés
(MC simples, MC récursifs)
Variable instrumentale
Basées sur l’erreur de
prédiction
Pr Habbi H. FHC – Université de Boumerdès
Université de Boumerdès - FHC
6. Procédure générale d’identification
Signaux de Test
Début
Signaux non périodiques
- Définition du protocole d’expérimentation u (t ) u (t )
Connaissances
(Boucle ouverte, Boucle fermée, Type
à priori t t
d’excitation, Mesures disponibles,…)
- Choix de la structure du modèle

- Génération des signaux de test Signaux périodiques


- Acquisition des données de mesure u (t ) u (t )

- Traitement : Choix de la méthode t t


d’identification (Critères, paramétrage, …)

Validation du modèle obtenu (Critère


d’équivalence Système/Modèle)
Signal Stochastique (SBPA)
u (t )

Non Oui t
OK? Fin

Pr Habbi H. FHC – Université de Boumerdès

Vous aimerez peut-être aussi