Académique Documents
Professionnel Documents
Culture Documents
Scientifique
Cours de:
Techniques de Commande
Sommaire
1. Stabilité ...................................................................................................................... 5
2. Précision .................................................................................................................... 5
a) La précision ................................................................................................................ 8
b) La rapidité ................................................................................................................... 8
c) La stabilité .................................................................................................................. 9
Stabilité ..................................................................................................................... 10
Poursuite................................................................................................................... 10
Régulation ................................................................................................................ 10
Commande ............................................................................................................... 11
I.6.1.1 Principe............................................................................................................. 12
I.6.1.2 Effet................................................................................................................... 14
I.6.2.1 Principe............................................................................................................. 14
I.6.2.2 Effet................................................................................................................... 15
I.6.3.1 Principe............................................................................................................. 16
I.6.3.2 Effet................................................................................................................... 17
I.6.4.1 Principe............................................................................................................. 18
I.6.4.2 Effet................................................................................................................... 19
I.6.5.1 Principe............................................................................................................. 19
I.6.5.2 Effet................................................................................................................... 21
I.6.6.1 Principe............................................................................................................. 21
I.6.6.2 Effet................................................................................................................... 22
Exercices
Exercice 04...................................................................................................................... 42
Exercice 05...................................................................................................................... 43
Références ................................................................................................................... 45
I.1. Introduction :
1. Stabilité :
2. Précision :
Il semble donc difficile d'obtenir un système, à la fois, précis (grand gain) et stable
(faible gain). Ce premier dilemme stabilité–précision impose donc l'emploi de systèmes
compensateurs, correcteurs, ou encore régulateurs dont le rôle sera de relever le gain
dans une certaine zone de fréquence et de la diminuer ailleurs.
Le rôle des correcteurs, qui peuvent être électriques, mécaniques, ou hydrauliques, est
donc de déformer le diagramme asymptotique ou la courbe de Nyquist pour leur donner
des marges de gain et de phase capables d'assurer la stabilité tout en conservant aux
basses fréquences un gain suffisamment grand pour que la précision soit bonne.
a) La précision :
1 : consigne
2 : système peu précis.
3 : système précis.
E2 : erreur statique liée à la courbe 2.
E3 : erreur statique liée à la courbe 3.
b) La rapidité :
C’est la capacité du système à atteindre dans les meilleurs délais son régime stable. La
rapidité d’un système est définie par son temps de réponse tr (plus tr est petit plus le
système est dit rapide).
Dans l’exemple suivant, la courbe noire (1) représente la consigne et la bleue (2)
représente la réponse du système. La valeur finale du système est nommée vf.
1 : consigne.
2 : valeur finale du système.
3 : droite à 95% de la valeur finale.
4 : droite à 105% de la valeur finale.
c) La stabilité :
Pour une consigne constante la sortie doit tendre vers une constante.
Stabilité :
Poursuite :
Régulation :
Le système est soumis à une (ou des) perturbation(s). Malgré celle-ci, il doit être :
Précis : la sortie doit atteindre « au plus près » le niveau de l'entrée même si
une perturbation vient tenter de l'en écarter ;
Rapide : il doit effacer l'influence de la perturbation. La sortie doit « revenir » le
plus vite possible au niveau souhaité. .
Commande :
L'objectif est que la variable commandée, représentée par la sortie s(t), ait un
comportement désiré sur un intervalle de temps donné. Il s'agit alors de déterminer le
signal de commande u(t) qui, dans cet intervalle, garantisse la sortie s(t) désirée.
I.6.1.1 Principe :
u (t ) K p . (t )
C ( p) Kp
( p)
U ( p)
Où K p : gain proportionnel.
I.6.1.2 Effet :
Le correcteur proportionnel P n'est généralement pas utilisé seul. On verra que tout
correcteur possède au moins l’action proportionnelle.
On constate que l'augmentation de Kp, entraîne :
• une amélioration de l’erreur statique,
• une décroissance du temps de montée,
• une faible amélioration du temps d’établissement,
• mais également une diminution de la marge de phase et une augmentation du
dépassement(augmentation de l’instabilité du système).
I.6.2.1 Principe :
K i . (t )
du (t )
dt
Où encore : u (t ) K i . (t ) dt
t
C ( p)
( p)
U ( p) Ki 1
p Ti p
Où :
K i : gain intégral.
I.6.2.2 Effet :
I.6.3.1 Principe :
u (t ) K p . (t ) K i . (t )dt
t
K 1
C ( p) K p i K p 1 i K p 1
( p)
U ( p) K
p Kp p Tn p
Où :
K p : gain proportionnel.
K i : gain intégral.
Ti
1
: constante de temps d’intégration.
Ki
I.6.3.2 Effet :
K p et K i sont tous deux réglables. K i ajuste l'action intégrale, tandis que K p affecte à la
fois les actions intégrale et proportionnelle.
I.6.4.1 Principe :
d ( t )
u (t ) K d .
dt
C ( p) K d . p Td . p
( p)
U ( p)
Où :
K d : gain dérivé,
I.6.4.2 Effet :
I.6.5.1 Principe :
d ( t )
u (t ) K p . (t ) K d .
dt
C ( p) K p K d . p K p 1 d . p K p 1 Td p
( p) Kp
U ( p) K
Où :
K p : gain proportionnel.
K d : gain dérivé,
I.6.5.2 Effet :
I.6.6.1 Principe :
d ( t )
u (t ) K p . (t ) K i . (t )dt K d .
t
0
dt
K 1 1
C ( p) K p i K d . p K p 1 d . p i K p 1 Td . p
( p) Kp
U ( p) K K
p K p p Ti p
Où :
K p : gain proportionnel.
K i : gain intégral.
K d : gain dérivé,
Td
Kd
: constante de temps de dérivation.
Kp
Ti
Kp
: constante de temps d’intégration.
Ki
I.6.6.2 Effet :
Tableau I.1 : Effets des correcteurs P, I, et D sur les régimes statique et dynamique
du système en boucle fermée.
Il est à noter que ces corrélations ne sont pas exactement précises, car Kp, Ki et Kd
sont dépendants les uns des autres. En fait, le changement de l'une de ces variables
peut modifier l'effet de l'autre. Le tableau précédent n'est à utiliser que comme
référence lorsqu'il s'agit de déterminer les valeurs de K p , K i et K d .
transitoire.
Finalement, il faut se rappeler qu'il n'est pas obligatoire d'insérer les 3 correcteurs dans
un même système si cela n'est pas nécessaire. Si un correcteur PI donne des
performances satisfaisantes pour la sortie, il n'est alors pas nécessaire de rajouter un
correcteur D au système. Construire le correcteur aussi simplement que possible.
II.1 Introduction :
La logique floue (en anglais : Fuzzy Logic) est une extension de la logique booléenne
créée par le professeur Lotfi Zadeh en 1965 en se basant sur sa théorie mathématique
des ensembles flous, qui est une généralisation de la théorie des ensembles
classiques. En introduisant la notion de degré dans la vérification d'une condition,
permettant ainsi à une condition d’être dans un autre état que vrai ou faux, la logique
floue confère une flexibilité très appréciable aux raisonnements qui l'utilisent, ce qui
rend possible la prise en compte des imprécisions et des incertitudes.
Un des intérêts de la logique floue pour formaliser le raisonnement humain est que les
règles sont énoncées en langage naturel.
Voici par exemple quelques règles de conduite qu'un conducteur suit, en supposant
qu'il tienne à son permis (tableau II.1) :
Toute une série de notions fondamentales sont développées dans la logique floue.
Ces notions permettent de justifier et de démontrer certains principes de base. Dans ce
qui suit, on ne retiendra que les éléments indispensables à la compréhension du
principe du réglage par logique floue.
a) Représentation classique
b) Représentation floue
: Degré d’appartenance.
Les opérateurs flous décrivent comment des ensembles flous interagissent ensembles.
On regardera certaines opérations communes, comme le complément, l’intersection et
l’union.
Le complément permet de vérifier de combien un élément n’appartient pas à un
ensemble. Comme exemple, si on a l’ensemble des températures élevées, le
complément est l’ensemble des températures qui ne sont pas élevées. Si A est
l’ensemble flou, son complément : A est :
Alors, pour les systèmes mal connus ou complexes (non-linéaire), un contrôleur flou
s’avère très intéressant.
Le régulateur par logique floue a une structure identique à un système à réglage par
feedback classique (ou réglage par contre-réaction), (figure II.3).
Fuzzification.
Inférence floue.
Défuzzification.
Base de
connaissances
Fuzzification Défuzzification
II.6.1 Fuzzification :
Elle présente la première étape de traitement flou, son objectif est de transformer
les variables déterministes d’entrée en variables linguistiques, en définissant des
fonctions d’appartenance pour différentes variables d’entrée.
L’inférence floue est le processus de formulation de la relation entre les entrées et les
sorties par logique floue. Cette relation offre une base avec laquelle la décision est prise
par le système flou.
II.6.3 Défuzzification :
II.7.1 Avantages :
II.7.2 Inconvénients :
On suppose que le système est linéaire et ayant une fonction de transfert H(s)=1/(s+2).
C’est un système de contrôle de température avec un élément de chauffage et de
ventilation. La température désirée est de 20°C. La température extérieure est de 10°C
et son effet intervient au niveau de l’intégrateur. On modélise le système avec
Matlab/Simulink.
Step = 20°C;
Step1 = -1.5°C;
Integrator: CI = 10;
Lower saturation limit = 10;
Transport Delay = 1;
PID (1;0;1);
Correcteur PID
21
20
19
18 X: 17.2
Température (°C)
Y: 17
17
16
15 Température mesurée
Température de référence
14
13
12
11
10
0 5 10 15 20 25
Temps (sec)
On considère alors le même système de la figure II.5, mais ici on remplace le « PID
Controller » par « Fuzzy Logic Controller », (Figure II.7):
Pour construire notre régulateur flou (Fuzzy Logic Controller), on commence tout
d’abord par définir l’entrée et la sortie, On prendra pour entrée l’erreur, c’est l’écart de
température et pour sortie la commande (On commence en tapant fuzzy à la ligne de
commande, on obtient alors le fis Editor de Matlab).
Ensuite on définira les plages de variations (les ensembles flous) et les fonctions
d'appartenances en utilisant l’interface (Edit Membership function) ; et ceci et pour
l’entrée et pour la sortie.
Les fonctions d’appartenances utilisées sont de type trimf (triangulaires). Une fois le
type de fonction d’appartenance choisi ainsi que la plage de variation on appellera
chaque partie de la fonction d’appartenance par un nom significatif on aura alors :
Degree of membership
Degree of membership
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0 0
22
X: 20.48
Y: 19.98
20
Température (°C)
X: 20.48
18
Y: 17
16
PID
14 Référence
Flou
12
10
0 5 10 15 20 25
Temps (sec)
D’après la figure II.10, on remarque que la régulation par un correcteur flou a les
meilleures performances que le correcteur PID dans ce cas.
On pourrait encore modifier les fonctions d'appartenance du contrôleur flou pour obtenir
une meilleur performance.
III.1 Introduction :
Les lois de commande classique du type PI donnent des bons résultats dans le cas des
systèmes linéaires à paramètres constants. Pour des systèmes non linéaires où ayant
des paramètres non constants, ces lois de commande classique peuvent être
insuffisantes car elles sont non robustes surtout lorsque les exigences sur la précision
et autres caractéristiques dynamiques du système sont strictes, on doit faire appel à
des lois de commande insensibles aux variations de paramètres aux perturbations et
aux non linéarités.
Les lois de la commande dite à structure variable constituent une bonne solution à
ces problèmes liés à la commande classique. La commande à structure variable (CSV)
est par nature une commande non linéaire. La caractéristique principale de ces
systèmes est que leur loi de commande se modifie d’une manière discontinue.
Le mode glissant (en anglais : sliding mode), est un mode de fonctionnements
particulier des systèmes de réglage à structure variable. La théorie de ces systèmes à
été étudiée et développée en union soviétique, tout d’abord par le professeur
EMELYANOV, puis par d’autres collaborateurs comme UTKIN à partir des résultats des
études du mathématicien FILIPOV sur les équations différentielles à second membre
discontinu.
Le contrôle par mode glissant consiste à amener la trajectoire d’état d’un système
vers la surface de glissement et de la faire commuter à l’aide d’une logique de
commutation autour de celle-ci jusqu’au point d’équilibre, d’où le phénomène de
glissement.
d
n 1
S(x)
dt
e (IV.1)
Avec:
: coefficient positif,
x d : valeur désiré.
n : ordre du système, c’est le plus petit entier positif représentant le nombre de fois qu’il
faut dériver afin de faire apparaître la commande.
S(x) est une équation différentielle linéaire autonome dont la réponse ‘‘ e ’’ tend vers zéro pour
un choix correct du gain et c’est l’objectif de la commande.
Les conditions d’existence et de convergence sont les critères qui permettent aux
différentes dynamiques du système de converger vers la surface de glissement et d’y
rester indépendamment de la perturbation. On présente deux types de conditions qui
sont :
Cette approche est la plus ancienne, elle est proposée et étudiée par Emilyanov et
Utkin. Elle est donnée sous la forme :
S(x).S(x) 0
.
(III.2)
La fonction de LYAPUNOV, C’est une fonction scalaire positive ; V(x) 0 , pour les
variables d’état du système. Elle est utilisée pour estimer les performances de la
commande pour l’étude de la robustesse, elle garantit la stabilité du système non
linéaire et l’attraction de la variable à contrôler vers sa valeur de référence; elle a la
forme suivante :
V(x)
1 2
S (x) (III.3)
2
Et sa dérivée par :
V(x) S(x).S(x)
. .
(III.4)
La loi de la commande doit faire décroître cette fonction ( V(x) 0 ). L’idée est de choisir
.
une fonction scalaire S(x) pour garantir l’attraction de la variable à contrôler vers sa
valeur de référence, et concevoir une commande ‘‘ U ’’ tel que le carré de la surface
correspond à une fonction de Lyapunov.
Pour que la fonction V(x) puisse décroître, il suffit d’assurer que sa dérivée est
négative. D’où la condition de convergence exprimée par :
S(x).S(x) 0
.
dernière est très importante dans le réglage par mode glissant. Elle permet d’éliminer
les effets d’imprécisions du modèle et de rejeter les perturbations extérieures.
Nous avons donc :
U = U eq U n (III.5)
Où :
Elle peut être aussi interprétée autrement comme étant une valeur moyenne que prend la
commande lors de la commutation rapide entre les valeurs U max et U min (Figure III.1).
U n : Commande discrète.
Généralement la commande discrète U n en mode glissant peut prendre la forme de type relais
Où :
k : est un gain.
sgn(S(x))
S(x)
-1
s at( )
-1
Exercices
transfert H ( p )
1 p
K
. On propose de l’asservir avec un correcteur proportionnel de
u (t ) K p y (t ) K i (r ( ) y ( ))d .
t
Exercice 04 :
Le moteur est dit « à vide » s’il ne fournit aucun couple, et « en charge » lorsqu’il fournit
un couple de C = 10 Nm.
1) Pour une tension d’alimentation de v = 10V, calculer la vitesse de rotation à vide n0
et en charge n1 . En déduire la variation relative de vitesse due à la charge.
Pour améliorer le comportement de ce moteur vis-à-vis de la charge, on asservit sa
vitesse à l’aide d’une génératrice tachymétrique selon le schéma fonctionnel suivant :
2) Retrouver sur ce schéma fonctionnel les blocs qui traduisent l’équation précédente
décrivant le moteur.
Exercice 05 :
Le système étudié est un enregistreur graphique analogique qui asservit la position d’un
stylo à la tension à enregistrer ue(t).
On note x(t) la position du stylo qui sera exprimée en centimètres dans toute l’étude, et
« A » l’amplification.
Références
17. N. Madni, M.F Benkhoris, ‘‘Sliding mode control of asynchronous motor drive,’’
Power Electronics and variable speed drives. 21-23 September 1998.
Conference publication N°.456, IEEE 1998.
18. K. K. Young, ‘‘Controller design a manipulator using theory of variable structure
systems,’’ IEEE Trans. Syst. MAN. Cybe. Vol. SMC-8, N°. 2, 1978.
19. F. Harashima, H. Hashimoto, S. Kondo, ‘‘Mosfet converter fed position servo
system with sliding mode control,’’ IEEE Trans. Idust. Applic. Vol. 32, N°. 3, pp.
238-244, 1985.
20. D. Benattous, A.Golea, R. Abdelssemed, ‘‘Commande à structure variable par
mode glissant pour la commande vectorielle d’un moteur asynchrone,’’ ICEL98,
5-7 Octobre 1998, USTOran, Algérie.
21. H. Hashimoto, H. Yamamoto, D. Yanagisawa and F. Harachima, ‘‘Brushless
servomotor control using VSS approach,’’ IEEE TAS Annuel Meeting, 1986, pp.
72-79.
22. C. Namuduri and P.C. Sen, ‘‘A servo control system using a self controlled
synchronous motor (SCSM) with sliding mode controller,’’ IEEE IAS Annuel
Meeting, 1986, pp. 56-65.
23. Y. Ho Edwardy and Pareshc. Sen, ‘‘A microcontroller based induction motor drive
system using variable structure strategy with decoupling,’’ IEEE Trans On Ind.
Elect., Vol. 37 N°3, June 1990, pp. 227-235.
24. Youcef BEKAKRA, Djilani BEN ATTOUS, ‘‘Speed and Flux Control for DFOC of
Doubly Fed Induction Machine using Sliding Mode Controller,’’ Acta
Electrotechnica et Informatica, Vol. 10, No. 4, 2010, pp. 75-81.
25. Djilani BEN ATTOUS, Youcef BEKAKRA, ‘‘Speed Control of a Doubly Fed
Induction Motor using Fuzzy Logic Techniques,’’ International Journal on
Electrical Engineering and Informatics (IJEEI), Vol. 2, No. 3, 2010, pp. 179-191.
26. S. Drid, ‘‘Contribution à la Modélisation et à la Commande Robuste d’une
Machine à Induction Double Alimentée à Flux Orienté avec Optimisation de la
Structure d’Alimentation : Théorie & Expérimentation,’’ Thèse de doctorat de
l’université de Batna Novembre 2005.
27. Youcef BEKAKRA, «Etude et commande du moteur asynchrone à double
alimentation (MADA) par différentes techniques avancées », Mémoire de
Magister, Centre Universitaire d’El-Oued, Juin 2010.