Mod Iden 2021

Chapitre1 : Généralités
Chapitre 1
Modélisation et identification des systèmes
dynamiques
1. Terminologie et Définition :
1- Système:
Un système est un assemblage de composants ou éléments interconnectés afin

d’accomplir une fonction ou une tâche donnée. Il possède un ou plusieurs signaux d’entrée
exogènes (extérieures au système) et un ou plusieurs signaux de sortie.
Un système est dit mono-variable si son entrée, ainsi que la sortie considérée sont uniques.
Dans les autres cas le système est dit multi-variable.
Système monovariable Système multivariable
1.2. Système linéaire :
 Un système linéaire est un système pour lequel les relations entre les grandeurs d'entrée et
de sortie peuvent se mettre sous la forme d'un ensemble d'équations différentielles à
coefficients constants.
 Un système est linéaire s’il obéit au principe de superposition défini par les propriétés de
proportionnalité et d’additivité.
3
La proportionnalité : La réponse à une amplification du signal d’entrée par un facteur
k constant, engendre une amplification de la sortie par un même facteur k . En d’autres

termes si y (t ) correspond à u (t ) alors la réponse à ku (t ) est ky (t ) . On dit qu’il y a
proportionnalité de l’effet à la cause.
ku (t ) Système ky (t )
entrée sortie
Fig. 1.6 : La proportionnalité
Modélisation et Identification des Systèmes Dr : BOURAHALA Fayçal 1

.
L’additivité : Si les entrées u1 (t ),...,u n (t ) entraînent respectivement les réponses
y 1 (t ),..., y n (t ) alors l’entrée u1 (t )  ...  u n (t ) entraîne la réponse y 1 (t )  ...  y n (t ) .( la

sortie correspondante à la somme de plusieurs entrées est égale à la somme correspondant
à chacune des entrées).
n n
y
u1 (t )
entrées
Système
y 1 (t )
sorties
u i (t )
i 1
Système i 1
i (t )
u n (t ) y n (t )
entrée sortie
.Fig. 1.7 : L’additivité
- Les deux propriétés précédentes peuvent être étendue à des termes intégraux ou dérivés,
donc aux systèmes dynamiques.
Exemple d’équation différentielle :
y (t)  a1 y (t)  a0 y (t)  bu (t)
Cette équation peut être à coefficients constants ou à coefficients variables dans le

temps :
- Equation à coefficients constants ------- Système linéaire invariant dans le

temps (LTI)
- Equation à coefficients variables dans le temps ------- Système linéaire variant
dans le temps (LTV)
Système linéaire variant dans le temps (LTV):
Un tel système peut être écrit sous forme :
 D’une ou plusieurs équations

 D’une fonction de transfert
 D’une représentation d’état
 x (t )  A x(t)  Bu(t)

 y(t)  Cx(t)  Du(t)
Système linéaire invariant dans le temps (LTI):
- Représentation par équation différentielle
Soit u(t) et y(t) deux fonctions du temps (l’entrée et la sortie du système respectivement),

.
n
d y (t )
on note n la dérivée nème de la sortie y(t) par rapport au temps t
dt
Un système linéaire est régi par une équation différentielle à coefficients constants de la
manière suivante :
n n 1 m m 1
d y (t ) d y (t ) dy (t ) d u (t ) d u (t ) du (t )
an n  an 1 n 1   a1  a0 y (t )  bm m  bm 1 m 1   b1  b0u (t )
dt dt dt dt dt dt
- n est l’ordre du système

- u(t) : l’entrée
- y(t) : la sortie
- ai , b j sont des coefficients constants
Solution de l’équation différentielle (application de la transformée de

Laplace)
En appliquant à l’équation différentielle d’ordre n la TL en considérant les conditions initiales

nulles,
En appliquant la propriété de dérivation, on obtient :
an p n y (p)  an 1 p n 1y (p)  ....  a1 py (p)  a0 y (p)  bm p mu (p)  bm 1 p n 1u (p)  ....  b1 pu (p)  b0 u(p)
Soit par factorisation
a p n
n
 an 1 p n 1  ....  a1 p  a0  y (p)  bm p m  bm 1 p n 1  ....  b1 p  b0 u (p)
Ou encore
N (p) y (p) bm p  bm 1 p  ....  b1 p  b0 

m n 1
H (p)   
D (p) u (p) an p n  an 1 p n 1  ....  a1 p  a0 
H (p) : Appelée fonction de transfert Entrée/Sortie
1.3. Système non linéaire : est un système dont le comportement n’est pas linéaire, c’est-
à-dire soit ne satisfaisant pas le principe de superposition, soit la sortie n’est pas
proportionnelle à l’entrée.
.
Ce type du système peut être représenté sous forme :
- D’une équation différentielle :
équation de Rycati ay  by  cy 2  d  0
équation de Bernouli ay  by  cy   0
- D’une représentation d’état non linéaire
x (t )  f  x (t ),u (t ), t 


 y (t )  g  x (t ),u (t ), t 

Les systèmes non linéaires sont plus difficiles à étudier que les systèmes linéaires,
néanmoins, en linéarisant (c’est possible) un système NL autour d’un point d’équilibre, ou
d’une trajectoire, on obtient un système linéaire qui va présenter correctement le système non
linéaire au voisinage de ce point d’équilibre ou cette trajectoire.
2. Modélisation ? :
- Ensemble des procédures permettant d’obtenir un modèle

- Modéliser un système = capable de prédire le comportement du système
3. Modèle
- Un modèle est une structure mathématique pouvant représenter le système

étudié. Cette structure doit comporter des éléments d'ajustement.
- Description mathématique d’un processus réel.
Classification de modèle :
 Selon le caractère des régimes de fonctionnement

- Statique et Dynamique
 Selon la description mathématique
- Linéaire, Non linéaire
 Selon les propriétés dynamiques
- à paramètres localisés, à paramètres distribués
 Selon l’évolution des paramètres :
- Stochastique, Déterministe
 Selon le nombre de variables :
- Monovariable (SISO), Multivariable (MIMO)

.
4. Procédure de modélisation

.
Modélisation des systèmes dynamiques
1. Représentation des systèmes dynamiques :
1.1. Représentation par Equation différentielle
Exemple 1 : Système mécanique masse- ressort- amortisseur
Il s’agit de modéliser un mouvement d’une roue par rapport au châssis par l’intermédiaire
d’un amortisseur et un ressort. Ce système peut être représenté par une masse reliée en série à
un ressort et un amortisseur monté en parallèle.
K
f (t )
M

y (t )
Système masse- ressort- amortisseur
On note f (t ) la force exercée sur la masse M et y (t ) la position de cette masse par rapport à
l’équilibre. En appliquant le principe fondamental de la dynamique sur la masse M soumise
dy (t )
à l’action du ressort (  Ky (t ) ), de l’amortisseur (  ) et à la force f (t ) , on obtient
dt
l’équation suivante:
2
d y (t ) dy (t )
M   Ky (t )  f (t )
dt
2
dt
Exemple 2 : Considérons le circuit RLC suivant :

L
R
i (t ) C V s (t )
V e (t )
Circuit RLC
On veut déterminer la relation liant la tension d’alimentation V e (t ) et la tension V s (t ) .
Pour des conditions initiales nulles, les équations électriques nous donnent:

.
di (t )
V e (t )  Ri (t )  L V s (t )
dt
1 t d
V s (t ) 
C  i (t )dt
0
or i (t )  C
dt
V s (t )
On obtient alors une équation différentielle reliant l’entrée à la sortie

d 2V s (t ) dV s (t )
LC 2
 RC V s (t ) V e (t )
dt dt
I.2. Représentation par modèle d’état (Forme canonique)
Représenter un système par un modèle d’état consiste à transformer une équation

différentielle d’ordre (n) à (n) équations différentielles d’ordre (1).
Exemple 1: système masse-ressort
2
d y (t ) dy (t )
M   Ky (t )  f (t ) L’ordre n=2
dt
2
dt
- L’entrée du système est la force f(t), Sa sortie le déplacement linéaire y(t).

- Il s’agit de transformer cette équation d’ordre 2 à 2 équations différentielle d’ordre 1.
On définit les variables d’état comme suit :
 x 1  y (t )  x 1  y (t )

  K 1
 x 2  y (t )  x 2  y (t )   y (t )  y (t )  u (t )
 M M M
x 1  x 2

 K  1
 x2   x1  x2  u (t )
 M M M
On va transformer l’équation diff d’ordre 2 à 2 équations diff d’ordre1 comme suit :
x 1  x 2

 K  1
 x2   x1  x2  u (t )
 M M M
La forme générale d’un système décrit par un modèle d’état est la suivante :
 dx (t )  A x (t )  Bu (t )
 dt (équation d'état)

 y (t )  Cx (t )  Du (t )
 (équation de sortie ou de mesure)

.
Avec : x : vecteur d’état, y : vecteur de mesure ou de sortie
x
 x (t)   x (t)   2
Dans cet exemple : x (t)   1   x (t)   1    K  1
 x 2 (t)   x 2 (t)    x1  x2  u (t )
 M M M
On déduit alors la représentation d’état suivante :
  0 1  x (t )  0 
 x (t )   x 1 (t )     1   1  u (t )
  
  x 2 (t )  
 K
 x 2 (t )     
  M M  M 
  x (t ) 
 y (t )  1 0  1   0u (t )
  x 2 (t ) 
Alors, le modèle d’état du système mécanique est :
 dx (t )  A x (t )  Bu (t )  0 1   0 
 dt  , C  1 0 et D  0
 avec A   K  ,B  1

 y (t )  Cx (t )  Du (t )     
  M M  M 
Exemple 2 : système électrique (circuit RLC)
2
d y(t ) dy(t )
LC  RC  y(t )  u (t ) (1)
dt 2
dt
On choisit deux variables d’états (n = 2):
dy (t )
x 1 (t )  y (t ) et x 2 (t )  . Alors, l’équation (1) conduit à :
dt
x 1  x 2
 x 1  y (t )  x 1  y (t ) x 1  x 2 
   1 R 1
 x 2  y (t )  x 2  y (t )  LCx 2  RCx 2  x 1  u (t )  x2   x1  x 2  u (t )
 LC L LC
On déduit la représentation d’état :
  0 1   0 
 x (t )   x 1 (t )      x 1 (t )  
 1  u (t )
   1
   x 2 (t )  
R
 x 2 (t )    
  LC L  LC 
  x (t ) 
 y (t )  1 0  1   0u (t )
  x 2 (t ) 

.
 0 1   0 
Avec A   1 R , B   1  , C  1 0et D  0
    
 LC L  LC 
I. 3. Représentation par fonction de transfert
La fonction de transfert est une fonction qui permet de calculer la sortie en fonction de
l’entrée. Prenons un exemple simple, un circuit électrique qui alimente une lampe avec un
générateur de tension. L’intensité de l’éclairage dépend du courant qui circule dans la lampe,
l’entrée est donc la tension et la sortie est l’intensité du courant dans la lampe.
- La lampe est assimilable à une résistance, on sait que U=R*I donc la fonction de
transfert donnant la sortie en fonction de l’entrée est 1/R.
- Les fonctions de transfert peuvent être beaucoup plus compliquées, elles peuvent
mettre en jeu des dérivées ou des intégrales (ces transformations sont linéaires).
- Pour simplifier l’étude de systèmes linéaires compliqués, on utilise la transformée de
Laplace E/S.
Transformée de Laplace :
La transformée de Laplace d'une fonction f(t), causale (nulle pour t<0)., est donnée par la
relation suivante

( ( )) ( ) 0
f (t )e  pt dt ,
- F(p) est la transformée de Laplace de f (t)) (F(p) existe si l’intégral existe)

- où la variable p est une variable complexe (variable de Laplace)
Exemple : Soit l’équation différentielle suivante :
d 3 y (t) d 2 y (t) dy (t)

2 3
 3 2
5  y (t)  7 u(t)
dt dt dt
Trouver la TL de cette équation ?
On suppose que les CI sont nulles, nous avons :
 d n y (t) 
  p Y (p)
n
L n
 dt 

.
 d 3 y (t) d 2 y (t) dy (t) 

L 2 3
3 2
5  y (t)   L 7 u(t) 
 dt dt dt 
L L
y (t) Y(p) u (t) U (p)
d n y (t) L n
 p Y (p)
dt n
2 p 3 Y(p)  3 p 2 Y(p)  5 p Y(p)  Y(p)  7 U(p)
  2 p 3  3 p 2  5 p  1Y (p)  7 U(p)
- Est une équation algébrique reliant y à u :

7
Y (p)  U (p)
2 p  3p 2  5 p  1
3
Transformée de Laplace inverse :
N (p) bm p  bm 1 p  ....  b1 p  b0 

m n 1
Soit H (p)  
D (p) an p n  an 1 p n 1  ....  a1 p  a0 
Pour calculer TL-1, on suit la procédure suivante :
- Décomposition en éléments simples

- Calcule des résidus
- Calcule de TL-1
a) Cas des racines simples :
Exemple : Soit la fonction de transfert suivante
2
F (p) 
( p  1)( p  2)
Trouver la transformée inverse de la fonction suivante :
2 C1 C2
F (p)    ,
( p  1)( p  2) ( p  1) ( p  2)
2 2
C 1   p  1 2 et C 2   p  2   2
 p  1 p  2  p 1
 p  1 p  2  p 2
2 2
F (p)  
( p  1) ( p  2)

.
t 2t
En prenant la transformée inverse de chacun des termes, on obtient : f (t )  (2e  2e )
b) Cas des racines multiples :
Exemple : Soit la fonction de transfert suivante
Trouver la transformée inverse de la fonction suivante :
p 1 C2 C1 D
F (p)     0
p  p  2
2
 p  2
2
 p  2 p
 p  p 1
C2 
1
0! 
 p  2 F ( p )
2
 p 2

1
2
, C1 
1 d
1! dp  p  2 2
F (p)  p 2

 p
2



1
4
  p 2
1
D 0   pF ( p )  p 0  ,
4
p 1 1/ 2 1/ 4 1/ 4
F (p)    
p  p  2
2
 p  2
2
 p  2 p
En utilisant la transformée inverse de chacun des termes, on obtient :
1 1 1
f (t )  te 2t  e 2t 
2 4 4
Exemple1 : la fonction de transfert du système masse-ressort
d 2 y (t) dy (t)
M 2
  Ky (t )  f (t)
dt dt
  Mp 2   p  K Y (p)  F (p)
Y (p) 1

F (p) Mp   p  K
2
C’est un système du 2éme ordre,
Y (p)  K U (p)
p 2
 2n p  n2 
1
1 M K
G (p)   
p  2n p  n2 
On aura donc
Mp 2   p  K K  2
p 
2
p
M M

.
 K
n  pulsation naturelle
 M
 
Donc   taux(coefficient d'amortissement)
 2 MK
 1
 K  K gain du système

Exemple 2.1 : Fonction de transfert du circuit RC
V e (t ) i (t ) C V s (t )
Circuit RC
Pour des conditions initiales nulles (système au repos à l’origine), les lois de la physique
régissant le comportement de ce système électrique conduisent aux équations suivantes
V e (t )  Ri (t ) V s (t ) (1)
Avec
1 t dV s (t )
V c (t ) 
C  i (t )dt
0
or i (t )  C
dt
dV s (t )
RC V s (t ) V e (t )
dt
Alors la fonction de transfert est donnée par :
V s (p) 1 K
G (p)   
V e ( p ) 1  RCp 1   p
Soit : K = 1, le gain et  = RC : constante de temps du système
où  = RC et K = 1.

.
c) Modélisation des systèmes mécanique :
Dans une dynamique en translation
dx ²(t)
 F (t)  M
n
i avec x(t) :le déplacement

i 1 dt ²
Dans le d’une dynamique en rotation
d  ²(t)
C (t)  J
n
i avec  :angle de rotation

i 1 dt ²
Théorème de la Exemple :
résultante dynamique Mouvement
n
n
d 2 x (t )
(position d’un solide en
 Fi (t )  M dt 2
 F ( p )  Mp
i 1
i
2
X (p)
translation i 1
Théorème de la n
dv (t ) n
résultante dynamique  F (t )  M
i 1
i
dt
 F ( p )  MpV ( p )
i
i 1
(vitesse
Théorème du Mouvement d’un

moment dynamique solide en rotation
(position)
Théorème du
moment dynamique
(vitesse)

.
Lois de frottements visqueux
Frottements visqueux
pour des solides en
translation
Frottements visqueux Frottements dans les

pour des solides en paliers d’un moteur à
rotation courant continu
Lois de comportement des ressorts
Ressorts en
compression de
raideur k
Ressorts en traction
de raideur k
Systèmes électriques
Résistor
Condensateur
Inductance

.

.
d) Modélisation des systèmes électrique :

Chapitre2 : Identification par les méthodes de base
..
Chapitre 2
Identification par les méthodes de base
II.1. Définition de l’identification :
 L’identification est l’étape où il s’agit de déterminer la valeur numérique des

paramètres du modèle qui se comportera au mieux comme le processus objet.
 L’identification d’un système c’est la détermination de son modèle mathématique
sur la base des observations expérimentales entrées/sorties. Le traitement
mathématique des réponses graphiques du système est appelé IDENTIFICATION.
Le modèle obtenu est dit de conduite ou de représentation.
 Identifier un procédé ou système consiste à proposer une structure entre son
entrée et sa sortie et à déterminer à partir du couple entrée-sortie, les valeurs des
paramètres du modèle. Le modèle ainsi trouvé doit, dans son domaine de validité,
se comporter comme la réalité (physique) ou au moins s’en approcher au plus
près.
 L’identification a pour but de déterminer un modèle mathématique, le plus
souvent de représentation, du système étudié à partir d’un ensemble de mesure
E/S du système.
II.2. Type de modèles : Il existe une multitude de types de modèles, selon les
applications. Les plus populaires sont les modèles de connaissance et les modèles de
représentation.
Les modèles de connaissance :

- Ce modèle est obtenu en écrivant toutes les équations différentielles qui régissent
le fonctionnement du système (en se basant sur les lois de la physique de la
chimie… (Newton, Kirchoff…)).
- Les paramètres d’un tel modèle ont une interprétation physique (température,
vitesse, frottement, longueur, résistance électrique, ect.
- Difficultés de décrire fidèlement les phénomènes complexes
- Hypothèses simplificatrices
- Dilemme- précision-simplicité
..
- Un modèle simple est faux, un modèle compliqué est inutilisable.
Les modèles de représentation :
- Modèle déterminé à partir de données expérimentales (données entrée-sortie).
- Modèle dont la structure et les paramètres sont sans rapport avec le système
réel.
- Les paramètres de ce modèle n’ont pas d’interprétation physique.
- La structure du modèle est fixée à priori, on parle de ‘boite noire’.
Dans ce chapitre, on va s’intéresser aux méthodes de base qui s’appuient sur

l’analyse graphique des courbes expérimentales en quelques points particuliers,
principalement, l’identification se fait à partir de la réponse indicielle.
Le modèle auquel nous nous intéressons est un modèle dynamique linéaire de

type fonction de transfert (modèle de représentation) et qui, souvent, décrit le
comportement du procédé autour d’un point de fonctionnement particulier. Il ne prend
en compte que les petites variations autour de ce point.
II.3. Méthodologie d’identification

..
Deux méthodes d’identification sont à considérer : essai en boucle ouverte (le procédé
étudié n’est pas asservi ou régulé) et essai en boucle fermée (un régulateur asservit ou
régule le système).
Deux méthodes d’identification sont à considérer : essai en boucle ouverte (le procédé
étudié n’est pas asservi ou régulé) et essai en boucle fermée (un régulateur asservit ou
régule le système).
I. Identification en boucle ouverte :
1.1 Méthodologie :
En l’absence de toute perturbation, on envoie un signal d’entrée U(t) connu (impulsion

échelon ou rampe) et on enregistre le signal de sortie Y(t) qui est analysé ensuite.
 Type de signaux d’entrées :

1. Impulsion de Dirac
2. Echelon unitaire (d’amplitude ou de position)
3. Rampe de pente a (Echelon de vitesse)

..
 Type de signaux de sorties Y(t) usuelles :

1. Courbe en S (système stable)
2. Courbe intégratrice (système instable)
3. Courbe avec oscillations S (système stable)
2. Méthode directe : confrontation de la réponse théorique et

expérimentale
2.1. Identification d’un système continu du premier ordre
A) . A partir d'une réponse indicielle :

..
Un système d’entrée x(t) et de sortie y(t) est du 1er ordre s’il est régit par une équation
différentielle du 1er ordre à coefficients constants :
- Équation différentielle
dy (t )
  y (t )  Kx (t )
dt
K : gain statique du système
 : Constante du temps du système
- Fonction de transfert
Y (p) K
Sa fonction de transfert est :  p  1Y ( p )  KX ( p )  
X (p)  p 1
- Réponse indicielle
Dans ce cas x (t)  u(t) signal échelon unitaire

K 1
Donc on put écrire Y (p)  G(p). U(p)  .
1 p p
K
alors Y (p) 
p 1   p 
la décomposition en éléments simples de Y (p) donne :
K K K K
Y (p)    
p 1 p p p  1

La réponse indicielle sera donc
  
1
y (t)  L1 Y (p)   K 1  e  u (t)
 
La représentation graphique de la réponse indicielle est donnée comme suit :

..
- A partir d'un essai de réponse indicielle sur un système, l'identification consiste à

reconnaître dans le comportement du système étudié, un système connu, puis à
en déterminer les caractéristiques.
- L'identification d'un premier ordre porte sur l'observation de la tangente inclinée
en zéro, de l'asymptote horizontale à l'infini et de l'absence de dépassement. Il y a
deux caractéristiques à déterminer : K et τ.
 La valeur de K est déterminée à partir de l'asymptote horizontale (ne pas
oublier de diviser par la valeur de l'échelon A).

..
 Temps de réponse : c’est le temps au bout duquel la sortie atteint sa valeur

asymptotique à 5% (près 0.95K, et y reste).
Cas particulier : si la condition initiale est non nulle ( y (0)  y 0 )

..
K
Un système du 1er ordre s’écrit comme suit : G (p)  soumis à une entrée échelon
1 p
e (t)  e 0u (t )
- La réponse indicielle sera y (t)  L1e 0u (t )
 
1

- Dans ce cas y (t)  L1 Y (p)   e 0 K 1  e  u (t)  y0
 
y (t)
e 0 K  y0
y0
B) A partir d'une réponse impulsionnelle :

..
C) A partir d'une réponse à une rampe :
t

Ka t     Ka e 

t

Ka e 
0 3
Ka t   

..
Ka(t )
Ka
D) A partir d'une réponse harmonique.
Elle permet de réaliser une excitation dans une large gamme de fréquences,
contrairement à l'échelon qui possède un spectre réduit. Le nombre de points de mesure
est élevé. L'analyse est donc beaucoup plus performante que l'analyse temporelle.
D.1. Utilisation des tracés asymptotiques des diagrammes de Bode d'un 1er
ordre :

..
Pour un système linéaire du 1er ordre :
1


..
1

D.2 Utilisation des tracés asymptotiques des diagrammes de Nyquist d'un

1er ordre :

..

..
2.2. Identification d’un système continu du second ordre:
L'identification d'un deuxième ordre pseudo-oscillant porte sur l'observation de la

tangente horizontale en zéro, de l'asymptote horizontale à l'infini, et des dépassements.
- Il y a trois caractéristiques à déterminer : K, ξ et ω. On utilise pour cela l'étude

mathématique de l'expression temporelle de la sortie.
Un système du 2ed ordre d’entrée x(t) et de sortie y(t) est décrit par une équation
différentielle du second ordre comme suit :
2
d y (t ) dy (t )
 2n  n y (t )  K n x (t )
2 2
2
dt dt
où ωn, ξ et K sont des constantes réelles positives. Ils ont la signification suivante :
- K est le gain statique du système.

- ωn la pulsation propre non amortie,
- ξ est le coefficient (ou facteur) d’amortissement du système,
Fonction de transfert :
Par application de la TL à l’équation précédente (en prenant des conditions initiales nulles) il
vient
K n
2
Y (p) K
G (p)   2 2 
X (p) p  2n p  n 1  2 p / n  p 2 / n2
Réponse indicielle :
La réponse indicielle (à un échelon unitaire), d’un système du 2nd ordre est :
1
L’entrée x (t) u(t) soit X ( p )
p
1 K n2
Alors on a G ( p )
p p2 2 np 2
n
L’étude des différentes formes de la sortie d’un système d’ordre deux s’effectue en
analysant les racines de son polynôme caractéristique (pôles), donnée par le
dénominateur de la fonction de transfert :

..
 p 2 2 
  2   p  1  0 (1)
 n n 
La nature de la réponse y(t) dépend du signe du déterminant du polynôme

caractérise :
 2 
2
     42  42 (  1)
2
(2)
 n  n n
Ainsi, on distingue 3 cas selon le signe du déterminant de l’équation (2)
Cas1 : si 1 , dans ce cas, l’équation (1) admet 2 racines réelles, la réponse est dite
apériodique.
Les deux racines p1 et p 2 sont telles que :
 p 2 2 
  2   p  1  0  p  2n p  n   p  p1  p  p 2   0
2 2
 n n 

Avec: p1  n     1 ,
2
 
p 2  n    2  1 
et en terme de constantes de temps :
 p 2 2 
  2   p  1  0  p  2n p  n  1   1 p 1   2 p   0
2 2
 n n 
1 1
1  2 
   
,
n    2  1 n    2  1
K K C C1 C2
Tels que Y ( p )    0 
 p 2 2  p 1   1 p 1   2 p  p 1 1
p 2  p  1 p p
 n n 
1 2
 1  1
Avec: C 0  pY ( p ) p 0  K , C 1   p  Y ( p ) , C 2   p  Y ( p )
  1  p 
1  
2  p 
1
1 2
On obtient le signal de sortie y (t ) en appliquant la transformée de Laplace sur
Y ( p ) , comme suit :

..
 
1  1  1 
Y (p)  K K   1 .  2
. 
p 1   1 p 1   2 p   p 1   2 p  1 1   2 p  1 
 1  2 
En appliquant Laplacien inverse à cette équation, on obtient la réponse indicielle

comme suit :
1  t /  t / 
y (t )  K   1 e 1
 2 e  2
 p 1   2 1   2 
À la Figure 3.8, on a représenté la réponse d’un système du second ordre pour

différentes valeurs du coefficient d’amortissement ξ.
Figure: Réponse indicielle d’un système d’ordre 2 avec ξ >1
Cas 2) Déterminant nul (Δ = 0 ⇔ ξ = 1)
dans ce cas
K n2 K C0 C2 C1
Y (p)   2   
p  p  2n p  n  p  p  n  p  p  n   p  n 
2 2 2
Finalement, la réponse y(t) a pour expression :
y (t )  K 1  1  nt e n 
 t
(3.23)

..
Comme dans le cas précédent, nous obtenons une réponse apériodique qui tend
très rapidement (régime critique) vers l’asymptote K (voir Figure 3.8).
Cas 3) Déterminant négatif (Δ< 0 ⇔ < ξ <1)
Dans ce cas le dénominateur de Y(p) possède deux pôles complexes conjugués :

p1  n    2  1 ,  
p 2  n   j  2  1 
On obtient cette fois :
  
   t
   
y (t )  K 1 
e n
1
sin  1   2
t    avec   arctan  
 1
2 n 2
  
La figure II.12 présente la réponse en régime pseudopériodique amorti (0 < m < 1) d’un
système linéaire du second ordre pour K = 1,  = 0,22 rad/s, et m = 0,18

..
Le gain statique du système est calculé de la même manière qu’un système
y (t ) y finale
d’ordre un, c’est-à-dire K    y finale
u (t ) 1
Tableau 3.1 : Formules liants les paramètres d’un système d’ordre 2 avec
les caractéristiques de sa réponse indicielle

Temps de monté tm 
2n 1  
2
1  100 
Temps de réponse à n% (ξ < 0.7) tr 
n  n 
ln 

Temps du premier maximum (pic) t pic 
n 1   2
2
Pseudo-période Tp 
n 1   2
  
D%  100 exp 
Dépassement  1   2 
 
Résumé

..
2.3. Identification d’un système de seconde ordre en boucle fermée.

(seconde méthode de Ziegler-Nichols)
La méthode de Ziegler et Nichols en boucle fermée consiste à déterminer la limite de

pompage du système en boucle fermée. Le pompage est défini par l'apparition d'oscillations
entretenues et en général indésirables.
Cette méthode nécessite alors de boucler le système sur un simple régulateur proportionnel
dont on augmente le gain jusqu’à amener le système à osciller de manière permanente ; on se
trouve ainsi à la limite de stabilité du système.
Après avoir relevé le gain critique Kc et la période d’oscillation Tc de la réponse. on peut

calculer les paramètres du régulateur choisi à l’aide du tableau suivant :

..
Régulateur P PI série PI // PID série PID // PID mixt

Kp Kc Kc Kc Kc Kc Kc
0.6 Kc
2 2.2 2.2 3.3 1.7 1.7
Ti Max Tc 2Tc Tc 0.85Tc Tc
 0.5Tc
1.2 Kc 4 Kc 2
Td 0 0 0 Tc K cTc Tc
 0.12Tc
4 13.3 8
Les valeurs proposées par Ziegler et Nichols ont été testées dans de très nombreuses situations
et il faut souligner qu’ici également elles conduisent à un temps de montée relativement court
assorti d’un dépassement élevé.
Dans ce cas, le régulateur PID (mixte) obtenu à une fonction de transfert comme suit :
Cette situation n’étant pas toujours satisfaisante, on est amené à corriger légèrement les
coefficients proposés et, en particulier, à diminuer le gain Kp.

..
Exemple :

Chapitre2 : Méthode de Strejc et Broîde)
..
Chapitre 3
Méthode de Strejc et Broîde)
3.1 Identification à partir de la réponse indicielle
3.1 Méthode rapide (procédés du premier ordre à retard)
Dans ce cas la fonction de transfert a la forme suivante
Ke  s
H (s )  .
1  Ts 
y (t )
y
Echelon
T
Réponse de la mesure
A partir des figures, on calcule :
y
- Le gain statique : K 
u
- Le retard :   t 1  t 0
- La constante de temps : T  t 2  t 1

..
3.2. Méthode rapide (procédés du deuxième oscillants avec retard)
3.3. Identification des systèmes d’ordre supérieur à retard (Méthode de Strejc):
3.3.1. Méthode 1 : (ordre entier)
Le modèle : Cette méthode peut s’appliquer aux systèmes dont la réponse indicielle
ne présente pas de dépassement. On identifie à une fonction de la forme :
Ke  s
H (s ) 
1  Ts 
n
on dispose de la réponse Y(t) (variation de la sortie) suite à un échelon d’entrée U(t).

..

..
La réponse de ce système est tracée dans la figure 2.6 en trait pointillé.
On peut noter la grande ressemblance avec celle du système de départ alors qu’on a
identifié un deuxième ordre avec retard au lieu d’un troisième ordre.

..
3.3.2. Méthode 2: (ordre fractionnaire)
Ke  s
La fonction de transfert est de la forme H (s ) 
1  Ts 
n
Mode opératoire : (calcule des paramètres)
 Relever Δy et Δu .
Δy
 Calculer le gain statique K 
Δu
 Tracer la tangente au point d’inflexion.
 Relever graphiquement les valeurs de T1 et T2.
 Calculer T1/T2.
 Porter sur le nomogramme les 2 points (T1/T2 et T2) et tracer une droite reliant ces
deux points.
 Relever n (ordre du modèle) et T (constante de temps du modèle) généralement, on
arrondit cette valeur à l'entier le plus proche.

Calculer le retard T1 réel-T1ordre entier(après arrondissement à la valeur la plus proche en
nomogramme de T1/T2)
On obtient ainsi un modèle à ordre fractionnaire… cet ordre fractionnaire n’a pas de réalité
physique mais il est particulièrement intéressant pour le calcul des actions du régulateur.

..
T1 T2
T2 T

..
Exemples .
K K
H(p) = e  . p H(p) =
(1  T . p ) n
(1  T . p ) n
Exemple 1: système à retard Exemple 2: système sans retard.
y=30 u=10 y=30 u=10
T1=30 T2=200 =10 T1=30 T2=200
K= 3 K= 3
T1/T2=0.15 T1/T2=0.15
n =2.4 T=60 n =2.4 T=60
3.e 10. p 3
(1  60. p) 2.4 (1  60. p) 2.4
modèle à ordre entier :
 choisir n=2 (entier inférieur) modèle à ordre entier :

 tracer la nouvelle droite (n=2 T2=200)  choisir n=2 (entier inférieur)
 relever : T1/T2 =0.105  calculer la cte de temps pour n entier :
T=70 n. T =cte
calculer le temps mort fictif 2.4*60 =2*T  T = 72

T1 réel-T1ordre entier
30 - 0.105*200 = 9
3
3.e 19. p
(1  72. p) 2
(1  70. p) 2

..
3.4 : Modèle de Strejc pour intégrateur : (Systèmes naturellement instables)
3.4.1 Méthode rapide pour un procédé intégrateur
Les systèmes contenant un intégrateur ont une réponse indicielle en rampe, en régime
permanent. L’asymptote de cette réponse est une droite d’équation y = a(t - t1) de pente
a et qui coupe l’axe des abscisses pour t = t1 (voir figure).
On identifie la réponse du système réel à la réponse d’un système intégrateur pur avec
retard c’est à dire avec la fonction de transfert suivante :
Ke  s
H (s ) 
s
Les paramètres de ce système sont donnés comme suit:
a
K  et   t 1
u
Avec u est l’amplitude de l’échelon appliqué en entrée.
3.4.2. Identification des systèmes d’ordre supérieur avec intégrateur
# Ordre fractionnaire :
Si on envoie un signal échelon à un élément intégrateur, une fois le transitoire terminé,

on obtient un signal évoluant linéairement, c’est-à-dire selon une droite.
On constate qu’il peur y avoir un retard naturel. La détermination de ce retard est bien
sûr une source d’erreur qu’il faut minimiser.
Le modèle proposé par Strejc est de la forme suivante :

..
Ke  s
H (s ) 
s 1  Ts 
n
Les paramètres à identifier sont donc :
- Le gains statique k,
- Le retard τ
- La constante du temps T
- et l’ordre n.
Principe de l’identification :
 Tracer la droite correspondant au régime permanant, celle-ci coupe l’axe des

temps en A
 Tracer la parallèle de cette droite passant par l’origine (le point 0).
 Enfin, tracer la perpendiculaire en A à l’axe des temps, celle-ci coupe la réponse
en B et la parallèle en C.
Réponse Y(t) du système intégrateur suite à un échelon Du :
C
y(t)
y
t
t0 A t
 Déterminer la pente de l’asymptote (relever y et t et calculer la pente )

 Δy
 Calculer le gain dynamique K  avec  est la pente de la droite  .
u Δt
 Relever le temps t0 (intersection de l’asymptote oblique et de l’axe horizontal).

..
 Placer les points A, B et C et calculer AB / AC
 Tracer sur le nomogramme la droite passant par AB/AC et le point central.
 Relever n (ordre)
t0
 Calculer la constante de temps : T 
n
 Le temps de retard  est calculé comme suit : Calculer T à partir de  = (A-0) -
nT
# Ordre entier:
 Placer les points A, B et C et calculer AB / AC

 Tracer sur le nomogramme la droite passant par AB/AC et le point central.
 Relever n’ (ordre fractionnaire)
 L’ordre n est l’entier directement inférieur à n’
t0
 Calculer la constante de temps : T 
n
 Le temps de retard  est calculé comme suit :  = (n’ -n)T

..
Remarque : pour le calcul de l’ordre du système n , on peut utiliser d’autre méthode
AB
AC
(voir le tableau)

..
3.5. Identification à partir de la réponse indicielle du système du 1er ordre retardé
ou du second ordre non résonnant - Méthode de Broïda
Principe de la méthode :
La méthode de Broïda consiste à assimiler le procédé régulé à un système du premier

ordre avec retard dont la fonction de transfert est :
Il s'agit de déterminer les coefficients :

➢ K : gain statique du procédé
➢ T : constante de temps
➢ tau : temps mort d'identification (temps de retard)
- L’essai d’identification s’effectue en imposant un échelon de commande au

procédé
- Ceci est possible en utilisant le régulateur industriel en mode MANUEL (boucle
ouverte)

T
- La détermination directe de  et T n'est pas toujours aisée sur une courbe réelle :
on préfère mesurer t2 et t1 et calculer  et T

..
y
u
y u
 T
Les valeurs de Tet de  sont calculées à partir des relations suivantes :
Démonstration :
Afin de déterminer des valeurs de ces paramètres, Broîda fait correspondre la réponse
indicielle à identifier et la fonction de transfert du 1er ordre affectée d'un retard en deux
points t1 et t2 d'ordonnées correspondant à 28% et 40% de la valeur finale de la sortie
du système (excitée par un échelon l’amplitude E0) est :
t 
e  s   
G (s )  KE 0  y (t )  KE 0  1  e T 
s 1  Ts   
Il suit de cette hypothèse, on trouve les systèmes d'équation suivants :
t  t 
 1  1 t 
y 28 (t )  0.28KE 0  KE 0 1  e T   e T
 0.72   1  ln(0.72)  0.328
  T
 t 1    0.328T
De même

..
t  t 
  2   2 t 
y 40 (t )  0.4 KE 0  KE 0 1  e T   e T
 0.6   2  ln(0.6)  0.51
  T
 t 2    0.51T
t 1    0.328T ..........(1)

t 2    0.51T .............(2)
Résolvant cette ensemble d’équation,
1
(2)  (1),t 2  t 1  0.182T  T  t 2  t 1   5.55 t 2  t 1  ,
0.182
T  5.55 t 2  t 1 
D’autre coté
de(1),  t 1  0.328T    t 1  0.328  5.55 t 2  t 1 

   t 1  1.8 t 2  t 1 
   2.8t 1  1.8t 2
  2.8t 1  1.8t 2
Résumée (Calcul des paramètres du modèle) :
Ke  s
- La fonction de transfert H (s ) 
1  Ts 
- La constante de temps T  5.55 t 2  t 1 
- Le temps de retard   2.8t 1  1.8t 2

y
- Le gain statique K 
u
Remarque :
1- En pratique, la prise en compte du retard pur est di-cile dans une synthèse de
correcteur. On utilise
donc l'approximation suivante :
Ke  s K 1   s  K
H (s ) 
1  Ts 1  Ts 1  Ts 1   s 

..
1
Cette approximation reste valable jusqu'à la pulsation w 

2- Le modèle de Broïda donne un modèle correct (Modèle optimal) si T  4


3- Selon la valeur du rapport on détermine le type de correcteur à utiliser
T
 \T
3.5.1. Exemple d’application de la méthode de Broïda
On reprend le système suivant dont la fonction de transfert est :
100
H (s ) 
 s  1s  4 s  5
Ce système est excité par un signal échelon unitaire :
y
Le gain K est déterminé comme dans la méthode de Strejc. k 
u
La méthode de Broïda donne le modèle suivant

..
5
- Le gain statique K  5
1
La constante de temps T  5.55 t 2  t 1   5.55  0.9939  0.7730  1.226
- Le temps de retard
  2.8t 1  1.8t 2  2.8  0.7730  1.8  0.9939  0.3753s
La fonction de transfert sera donc comme suit :
5e 0.375s
H (s ) 
1  1.22s 
On trace les courbes de réponse du système réel et du modèle de Broida et on obtient :
La concordance des deux points d’intersection est bien vérifiée.

..
3.6. Identification des systèmes à non minimum de phase (Modèle de Strejc)
Certains systèmes physiques ont une réponse indicielle normalisée de la forme suivante

..

..

..

Chapitre4 : Méthode des moindres-carrés
.
Chapitre 4
Méthode des moindres-carrés
II. Ajustement du modèle par les moindres-carres
u (t )
x (t )
Choix du modèle :
 Modèle linéaire
 Le modèle est linéaire par rapport à ses paramètres p i s'il vérifie
x (t , 1 p1  2 p 2 )  1x (t , p1 )  2 x (t , p 2 )
 Un modèle linéaire par rapport à ses paramètres a une expression du type

x (t )  a1f 1 (t )  a2 f 2 (t )  .....
Avec f 1 (t) et f 2 (t) sont les "formants" du modèle
Exemple : x (t )  a0  a1t  a2t 2  ..... x (t )  A cos(10t )  B sin(10t )
II.7. Ecriture matricielle du problème des moindres-carrés :
Soit x(t) le modèle linéaire par rapport à ses paramètres:

x (t )  a1f 1 (t )  a2 f 2 (t )  .....  ak f k (t )
Soit X l'ensemble des valeurs prises par le modèle et Y les mesures :
 x (t 1 )   x (t 2 )  a1f 1 (t1 )  a2f 2 (t1 )  .....  ak f k (t1 )   y (t 1 ) 

 x (t )   x (t )  a f (t )  a f (t )  .....  a f (t )   y (t ) 
X   2 
  2 1 1 2 2 2 2 k k 2 
,Y   1 
 ...   .....   ... 
     
 x (t n )   x (t n )  a1f 1 (t n )  a2f 2 (t n )  .....  ak f k (t n )   y (t n ) 

.
Ou encore
n Abscisse Mesure Modèle

1 t1 y s (t 1 ) x (t 1 )  a1f 1 (t1 )  a2f 2 (t1 )  .....  ak f k (t1 )
2 t2 y s (t 2 ) x (t 2 )  a1f 1 (t 2 )  a2f 2 (t 2 )  .....  ak f k (t 2 )
… …. …. ….
n tn y s (t n ) x (t n )  a1f 1 (t n )  a2f 2 (t n )  .....  ak f k (t n )
On pose
 f 1 (t1 ) f 2 (t1 ) ... f k (t1 )  a1 

 f (t ) f (t ) .... f (t )  a 
 et      X  H 
2 
H  1 2 2 2 k 2
 ... ... ... ...  ....

   
f 1 (t n ) f 2 (t n ) ... f k (t n )  ak 
L'erreur quadratique cumulée s'écrit:
 1 
n n  
E    y (t i )  x (t i )     i2 équivalent E   1  2 ...  n   2 
2
i 1 i 1  ... 
 
n 
Sachant que E  Y  X et que X  H 
Alors l’erreur cumulée s’écrit comme suit :
E  Y  H   Y H 
T
La minimisation du critère se fait pour :

  
 a 
 1
  
E 
 a2   0
  
 ... 
  
 
 ak 
La solution optimale sera obtenue pour :
E
  H T Y  H    Y  H  
T
H

En remarquant que E est scalaire, on obtient :

.
E
 2 H T Y  H  

La solution optimale est :
ˆ   H T H 
1
H TY
L’erreur d’observation : Y obs  Y Y m
L’erreur d’estimation : E est  ˆ  
II.8. Exemple d’application
SOLUTION
1-
n Abscisse Mesure Modèle
1 t1  0 y s (t 1 )  1 x (t 1 )  a1  0b
2 t2  1 y s (t 2 )  2 x (t 2 )  a  b
3 t3  2 y s (t 3 )  2 x (t 3 )  a  2b
Ecriture du problème sous forme matricielle

.
 x 1 (t )  1 0   y 1 (t )   1 
 
X   x 2 (t )   1 1     H  et Y   y 2 (t )    2 
a
    b     
 x 3 (t )  1 2    x 3 (t )   2 
 
H
La solution optimale par la méthode du moindres-carrés
ˆ   H T H 
1
H TY
ˆ   H T H 
1
H TY
1 0 
1 1 1    3 3 1  5  3
1 1    H T H  
1
H H 
T
 
 
 0 1 2  1 2   3 5 6  3 3 
 
1
1 1 1     5
H Y 
T
 2  
 0 1 2   2   6 
 
aˆ
ˆ     H T H 1 H TY  1  5
 
3  5 1 7 

On obtient alors ˆ
b  6  3 3  6  6  3
aˆ  7 / 6 
ˆ   
Finalement on trouve ˆ
b  1/ 2 
ˆ ˆ
Le modèle estimé devient alors, x (t )  a  bt  7 / 6  1 / 2t
Analyse de la méthode des moindres-carrés
II.9 Pondération du critère J

Définition du critère d'erreur quadratique pondéré :
Principe : Avec N mesures aux instants discrets t 1 ,..., t n , l’erreur s’écrit:
E Y  H 
Cette équation matricielle comporte N lignes, toutes les erreurs de prédiction  (t 1 ),....,  (t n )
ne doivent pas nécessairement avoir la même importance dans le critère quadratique.
Il est possible de les pondérer, par exemple comme suit:
E Q  QE  Q Y  H  
Où Q est une matrice de pondération de dimension (N ×N).

Le critère quadratique des moindres carrés dans ce cas s’écrit :
J    E QT E Q  Y  H   Q T Q Y  H  
T
Le vecteur des paramètres estimés devient alors

.
dJ  
 0  2 H T Q T Q Y  H    0
d
 H T Q T QY  H T Q T QH 
 ˆ   H T Q T QH 
1
H T Q T QY
Choix de la matrice de pondération

La matrice de pondération Q doit être
- Définie positive : toutes les valeurs propres sont strictement positives
- Symétrique
Un critère de choix indique que les mesures plus anciennes possèdent une influence réduite
dans le calcul des paramètres actuels. L’influence des mesures plus anciennes est
artificiellement réduite par l’introduction du facteur d’oubli λ, par exemple:
  N 1 0  0 
 
 0   0
Q Q
T
   1  
 
 0 0  0
Remarque : Si Q est la matrice identité, on aura le critère des moindres carrés conventionnel
II.10. Biais de l'estimation des paramètres :
Le biais d'un estimateur est l'espérance de l'écart entre l’estimation et les vraies
valeurs.
Biais  b  E (ˆ   )
L'estimateur sans biais fournit une valeur non-décalée par rapport à la vraie
valeur
b=0 : Estimateur non biaisé (pas d'erreur d'estimation);
b  0 Estimateur biaisé c’est-à-dire v et H séquences corrélées et également v est
de moyenne non nulle

.
Seul E (v )  0 peut être nul pour que l’estimation soit sans biais.
Dans les cas usuels (bruit à valeur moyenne nulle ou bruit blan), l'estimateur des
moindres-carrés est sans-biais : la valeur estimée des paramètres est proche de la
vraie valeur en moyenne.
Si le bruit n’est pas blanc, cet estimateur est biaisé
Il fournit une estimation non-décalée par rapport aux vraies valeurs.
Mais en général (en présence d’un bruit coloré), l’estimateur des MC est biaisé
Solutions au problème de biais asymptotique de l’estimateur des MC
- Choix d’autres structures de modèles pour le bruit
- Méthode de la variable instrumentale (VI)
II.11. Variance de l'estimation des paramètres:
La variance d’une variable scalaire est définie comme suit:
Matrice de variance/covariance d'une grandeur vectorielle

.
est définie comme suit :
Variance de l'estimateur des moindres-carrés (pour un bruit centré):
- Cas du bruit blanc sur les mesures

.
II.12. Estimateur du maximum de vraisemblance
On prend comme matrice de pondération l'inverse de la matrice de variance-covariance du
bruit, ce qui a pour effet de minimiser le poids des mesures à bruit élevé.

Mod Iden 2021

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

Mod Iden 2021

Transféré par

Droits d'auteur :

Formats disponibles

Chapitre1 : Généralités

Un système est un assemblage de composants ou éléments interconnectés afin

Système monovariable Système multivariable

1.2. Système linéaire :

La proportionnalité : La réponse à une amplification du signal d’entrée par un facteur

k constant, engendre une amplification de la sortie par un même facteur k . En d’autres

Modélisation et Identification des Systèmes Dr : BOURAHALA Fayçal 1

y 1 (t ),..., y n (t ) alors l’entrée u1 (t )  ...  u n (t ) entraîne la réponse y 1 (t )  ...  y n (t ) .( la

y (t)  a1 y (t)  a0 y (t)  bu (t)

Cette équation peut être à coefficients constants ou à coefficients variables dans le

- Equation à coefficients constants ------- Système linéaire invariant dans le

Système linéaire variant dans le temps (LTV):

Un tel système peut être écrit sous forme :

 D’une ou plusieurs équations

Système linéaire invariant dans le temps (LTI):

- Représentation par équation différentielle

Modélisation et Identification des Systèmes Dr : BOURAHALA Fayçal 2

- n est l’ordre du système

Solution de l’équation différentielle (application de la transformée de

En appliquant à l’équation différentielle d’ordre n la TL en considérant les conditions initiales

En appliquant la propriété de dérivation, on obtient :

N (p) y (p) bm p  bm 1 p  ....  b1 p  b0 

H (p) : Appelée fonction de transfert Entrée/Sortie

- D’une équation différentielle :

- D’une représentation d’état non linéaire

- Ensemble des procédures permettant d’obtenir un modèle

- Un modèle est une structure mathématique pouvant représenter le système

 Selon le caractère des régimes de fonctionnement

Modélisation et Identification des Systèmes Dr : BOURAHALA Fayçal 4

Modélisation et Identification des Systèmes Dr : BOURAHALA Fayçal 5

Modélisation des systèmes dynamiques

1. Représentation des systèmes dynamiques :

1.1. Représentation par Equation différentielle

Exemple 1 : Système mécanique masse- ressort- amortisseur

Système masse- ressort- amortisseur

Exemple 2 : Considérons le circuit RLC suivant :

On veut déterminer la relation liant la tension d’alimentation V e (t ) et la tension V s (t ) .

Modélisation et Identification des Systèmes Dr : BOURAHALA Fayçal 6

On obtient alors une équation différentielle reliant l’entrée à la sortie

I.2. Représentation par modèle d’état (Forme canonique)

Représenter un système par un modèle d’état consiste à transformer une équation

Exemple 1: système masse-ressort

- L’entrée du système est la force f(t), Sa sortie le déplacement linéaire y(t).

On définit les variables d’état comme suit :

On va transformer l’équation diff d’ordre 2 à 2 équations diff d’ordre1 comme suit :

Modélisation et Identification des Systèmes Dr : BOURAHALA Fayçal 7

On déduit alors la représentation d’état suivante :

Alors, le modèle d’état du système mécanique est :

Exemple 2 : système électrique (circuit RLC)

On choisit deux variables d’états (n = 2):

On déduit la représentation d’état :

Modélisation et Identification des Systèmes Dr : BOURAHALA Fayçal 8

I. 3. Représentation par fonction de transfert

- F(p) est la transformée de Laplace de f (t)) (F(p) existe si l’intégral existe)

Exemple : Soit l’équation différentielle suivante :

d 3 y (t) d 2 y (t) dy (t)

Trouver la TL de cette équation ?

On suppose que les CI sont nulles, nous avons :

Modélisation et Identification des Systèmes Dr : BOURAHALA Fayçal 9

 d 3 y (t) d 2 y (t) dy (t) 

- Est une équation algébrique reliant y à u :

Transformée de Laplace inverse :

N (p) bm p  bm 1 p  ....  b1 p  b0 