Rapportfinal Hendouzi

DEDICACE
Je dédie le fruit de ce travail à :
Mes parents
Mes amis
Ma famille
A mes formateurs et encadrant
i
REMERCIEMENTS
Je rends gloire à Dieu pour sa bonté et sa fidélité de m’avoir donné la connaissance, le

courage, la force et la santé durant la réalisation de ce mémoire.
J’exprime ma gratitude à Monsieur El GHARAD Abdellah, Professeur titulaire, Directeur

de l’Ecole Normale Supérieure de l’Enseignement Supérieur de Rabat.
Je suis particulièrement reconnaissant à Monsieur Najib BENNIS, Professeur et directeur

de ce mémoire qui a été pour moi plus qu’un encadreur. Je le remercie pour le temps qu’il m’a
accordé et ses précieux conseils malgré les fonctions diverses auxquelles il est rattaché ;
Je suis très reconnaissant à Monsieur Abdessamad NAITALI, Professeur, malgré ses

lourdes responsabilités, me fait l’honneur de présider le jury de ce mémoire ;
Je remercie également Monsieur Ahmed ESSADKI, professeur d’enseignement supérieur

à l’école normale supérieure de l’enseignement technique de Rabat et membre du Jury.
J’adresse aussi mes vifs remerciements aux personnes suivantes sans qui ce travail n’aurait
pas été réalisé :
Je remercie tous les Enseignants et tout le personnel de l’Ecole Supérieure de

l’Enseignement Supérieur pour la formation durant ces deux années.
Je témoigne toute ma reconnaissance à toute la grande famille qui m’a toujours assisté
durant mes études loin de mes parents.
J’adresse une pensée spéciale à mes parents pour leurs sacrifices durant ces longues années
d’études, et à mes frères et sœurs, pour avoir été et pour être toujours présents pour moi.
Enfin, je ne saurai oublier mes amis et tous ceux qui n’ont pas ménagé leur force pour
m’aider dans mes études et surtout pour l’accomplissement de ce travail.
ii
RESUME
Dans ce mémoire, nous présentons une méthodologie pour la mise au point pratique d’un
schéma de régulation pour la conduite automatique d’une colonne binaire de distillation. Ce
type de procédé industriel est fortement non linéaire, multivariable de forte interaction, et de
dimension très grande. Nous considérons un modèle dynamique non linéaire pour décrire la
conduite de la colonne dont nous nous inspirons pour élaborer à un modèle réduit par la
méthode d’agrégation. Celle-ci a permis l’élaboration de trois types de modèles réduits
respectivement à trois, quatre et cinq états. Parmi ces modèles, une fois linéarisé autour d’un
point de fonctionnement et évalué, nous avons retenu à modèle à cinq état pour l’élaboration
d’une commande linéaire.
La synthèse d’un compensateur d’ordre réduit est élaborée de manière à assurer la robustesse
vis-à-vis des incertitudes de modélisation et le rejet des principales perturbations affectant le
procédé. Il est calculé par minimisation de la norme  en utilisant la technique des LMIs.
Des simulations numériques sont montées sur un Benchmark obtenu à partir des équations
non linéaires reproduisant ainsi une conduite plus réaliste de la colonne. L’ensemble des
résultats obtenus sont encourageants pour la mise au point réelle de la méthodologie proposée.
iii
LISTE DES TABLEAUX
Tableau II.1 point de fonctionnement ...................................................................................... 25

Tableau II.2 les valeurs des fractions molaires liquides au point de fonctionnement .............. 26
Tableau II.3 les valeurs propres ............................................................................................... 29
Tableau IV.1 Point de fonctionnement..................................................................................... 48
Tableau V.1 Tableau V.1 résultats du critère d’optimisation pour chaque modèle réduit ....... 65
Tableau V.2 étalonnage des pondérations pour les deux régulateurs....................................... 75
iv
LISTE DES FIGURES
Figure I.1 Diagramme d’équilibre liquide-vapeur, pour un mélange binaire [1] ....................... 4
Figure I.2 Schéma minimale d'une colonne ............................................................................... 6
Figure I.3 Purification par flashes successifs ............................................................................. 7
Figure I.4 Principe de la distillation étagée à contre-courant ..................................................... 7
Figure I.5 Réalisation pratique d'une colonne de distillation [2] ............................................... 8
Figure I.6 Schéma d’une simple colonne de distillation [2] ...................................................... 9
Figure I.7 Echanges de matière sur le plateau i [2] .................................................................. 11
Figure II.1 les 5 variables de la commande ............................................................................. 14
Figure II.2 une colonne binaire classique ................................................................................. 20
Figure II.3 la fraction molaire liquide du premier plateau ...................................................... 26
Figure II.4 la fraction molaire liquide du dernier plateau ...................................................... 27
Figure II.5 l’évolution des fractions molaires liquides pour chaque plateau .......................... 28
Figure II.6 Zoom sur les modèles réduits non linéaire et linéarisé (plateau d’entête) ............ 29
Figure II.7 comparaison entre le modèle non linéaire et linéarisé .......................................... 30
Figure III. 1 Schémas de réduction de modèle ......................................................................... 32
Figure III.2 un compartiment de m plateaux ............................................................................ 35
Figure III.3 Notion de rétention dans le modèle physique et réduit ......................................... 36
Figure III.4 l’allure du modèle réduit à trois états et le modèle complet du premier plateau.
.................................................................................................................................................. 41
Figure III.5 comparaison entre modèle réduit à trois états et modèle complet du dernier
plateau ...................................................................................................................................... 42
Figure III.6 Comparaison entre le modèle non linéaire réduit à quatre états et le modèle
complet du premier plateau. .................................................................................................... 43
complet du pied de la colonne. ................................................................................................. 44
Figure III.8 le modèle réduit à cinq états et le modèle complet du premier plateau ............... 45
Figure III.9 le modèle réduit à cinq états et le modèle complet du dernier plateau ................ 46
Figure IV.1 Présentation de X31 non linéaire et X31 linéarisé ............................................... 50
Figure IV.2 comparaison entre modèles réduis non linéaire et linéarisé à 3 états ................... 51
Figure IV.3 comparaison entre X33L et X33du dernier plateau ............................................. 51
v
Figure IV.4 le comportement de X33 et X33L lors de la variation du débit d’alimentation .. 52
Figure IV.5 comparaison entre modèles non linéaire et linéarisé réduits à 4 états .................. 54
Figure IV.6 le comportement de X41 et X41L lors d’une variation du débit d’alimentation . 55
Figure IV.7 le comportement de X44 et X44L en absence de perturbations ........................... 56
Figure IV.8 le comportement de X44 et X44L lors d’une variation du débit d’alimentation .. 56
Figure IV.9 Présentation de X51 non linéaire et X51L linéarisé ........................................... 59
Figure IV.10 Présentation de X51 non linéaire et X51L linéarisé lors d’une variation de 10%
du débit d’alimentation............................................................................................................. 59
Figure V.1 Représentation générale des incertitudes de modélisation ..................................... 66
Figure V.2 Problème H∞ standard ............................................................................................ 67
Figure V.3 schéma pour la synthèse du régulateur R ............................................................... 72
Figure V.4 Schéma de la boucle fermée................................................................................... 73
Figure V.5 régulation d’ordre réduit du premier plateau ......................................................... 75
Figure V.6 régulation d’ordre réduit du dernier plateau .......................................................... 76
Figure V.7 régulation d'ordre complet du premier plateau ...................................................... 76
Figure V.8 régulation d’ordre complet du dernier plateau ....................................................... 77
Figure V.9 comparaison entre les deux régulations pour le premier plateau .......................... 78
Figure V.10 comparaison entre les deux régulations pour le dernier plateau ......................... 78
Figure A.1 Simulation du modèle complet de la colonne binaire à distillation ....................... 85
Figure A.2 Schéma Simulink des équations des plateaux du modèle complet ........................ 85
Figure A.3 Schéma de simulation d’un plateau ....................................................................... 86
Figure A.4 Simulation du modèle linéarisé complet ................................................................ 86
Figure A.5 Comparaison entre le modèle réduit à 5 états et complet à 12 états ..................... 87
Figure A.6 Schéma Simulink des équations des compartiments du modèle réduit à états ...... 87
Figure A.7 Schéma de simulation d’un compartiment ............................................................. 88
Figure A.8 Schéma de comparaison entre les modèles non linéaires réduit à 3 et 4 états et
complet à 12 états. .................................................................................................................... 88
Figure A.9 Schéma de Simulation des modèles réduits à 5, 4 et 3 états linéarisés .................. 89
Figure A.10 Schéma de comparaison du régulateur robuste d’ordre réduit et d’ordre complet.
.................................................................................................................................................. 90
vi
NOTATIONS
x Concentration molaire liquide

y Composition molaire vapeur
M Rétention liquide dans plateau
N Rétention liquide dans un compartiment
L Débit molaire liquide du reflux
V Débit molaire liquide de vapeur
ZF Concentration molaire liquide de la charge
F Débit molaire liquide de la charge
t Temps
P Pression
T Température
(.) Variation d’une variable
 Enthalpie
X Dérivée première de la variable X
 Symbole mathématique de la dérivée
G s  
Norme H∞ de la matrice G  s 
 Ensemble des nombres réels

 Valeur propre d’une matrice
X51 Fraction molaire du premier compartiment du modèle réduit à 5 états
X55 Fraction molaire du dernier compartiment du modèle réduit à 5 états
X51L Fraction molaire du premier compartiment linéarisée du modèle réduit à 5 états
X55L Fraction molaire du dernier compartiment linéarisée du modèle réduit à 5 états
vii
LMI Linear Matrix Inequality
LTI Linear Time Invariant
Matlab Matrix Laboratory
viii
TABLES DES MATIERES
DEDICACE ................................................................................................................................. i
REMERCIEMENTS .................................................................................................................. ii
RESUME ................................................................................................................................... iii
LISTE DES TABLEAUX ......................................................................................................... iv
LISTE DES FIGURES ............................................................................................................... v
NOTATIONS ........................................................................................................................... vii
INTRODUCTION GENERALE ................................................................................................ 1
Chapitre I. Généralité sur la distillation ..................................................................................... 3
I. Introduction : ...................................................................................................................... 3
II. Equilibre liquide vapeur ..................................................................................................... 3
1. Diagramme d’équilibre binaire ................................................................................ 3
2. Conditions thermodynamiques de l’équilibre ......................................................... 5
III. Distillation ....................................................................................................................... 5
1. Principe de la distillation ......................................................................................... 5
2. Schéma d’une distillation simple ............................................................................. 6
IV. Calcul d'une colonne simple ............................................................................................ 9
1. Dénombrement des degrés de liberté ....................................................................... 9
2. Plateaux adiabatiques : hypothèse de Lewis .......................................................... 11
V. Conclusion ........................................................................................................................ 12
Chapitre II. La colonne binaire à distillation ............................................................................ 13
I. Introduction et problématique : ........................................................................................ 13
1. Approche externe : ................................................................................................. 15
2. Le découplage statique : ......................................................................................... 15
3. Commande multivariable externe : ........................................................................ 16
4. L’approche interne : ............................................................................................... 17
5. La méthode du rejet des perturbations: .................................................................. 18
II. Construction du modèle de commande ............................................................................ 18
1. Le modèle de connaissance (Non linéaire) ............................................................ 18
2. Les hypothèses de modélisation............................................................................. 19
3. Propriétés en boucle ouverte du modèle (L, V) ..................................................... 22
III. Linéarisation du modèle non linéaire de la colonne ...................................................... 24
1. Application à une colonne semi-industrielle de 12 plateaux : ............................... 25
2. Linéarisation du modèle de la colonne à 12 états : .............................................. 28
IV. Conclusion ..................................................................................................................... 30
Chapitre III. Réduction Du Modèle Non Linéaire ................................................................... 32
I. Introduction ...................................................................................................................... 32
II. Réduction du modèle non linéaire (L, V) par la méthode d’agrégation .......................... 33
III. L’agrégation d’un compartiment :................................................................................. 34
IV. Les propriétés du modèle (L, V) de compartiment ....................................................... 35
V. L’agrégation d’une colonne et le choix des compartiments ............................................. 36
VI. Conclusion ..................................................................................................................... 47
Chapitre IV. Choix Du Modèle Non Linéaire Réduit Pour La Commande ............................. 48
I. Introduction ...................................................................................................................... 48
II. Linéarisation du modèle réduit non linéaire à trois états : ............................................... 48
III. Le modèle linéarisé du modèle non linéaire à quatre états : ......................................... 53
IV. Le modèle linéarisé du modèle non linéaire à cinq états :............................................. 57
V. Conclusion ........................................................................................................................ 61
Chapitre V. Synthèse D’un Régulateur Robuste ...................................................................... 62
I. Introduction ...................................................................................................................... 62
II. Choix du modèle réduit non linéaire pour la commande : ............................................... 63
1. Problématique : ...................................................................................................... 63
2. Critère d’optimisation : .......................................................................................... 63
3. Calcul de la norme H∞ ........................................................................................... 64
4. Choix du modèle réduit selon le critère d’optimisation ......................................... 65
III. Synthèse du régulateur robuste .................................................................................... 65
1. Synthèse H∞ standard ............................................................................................ 65
2. Le Théorème du petit gain ..................................................................................... 66
IV. Formulation du problème H∞ standard ......................................................................... 67
1. Problème H∞ standard optimal .............................................................................. 68
2. Problème H∞ standard sous optimal...................................................................... 68
3. Résolution par les équations de Riccati ................................................................. 68
4. Résolution par LMI ................................................................................................ 71
5. Avantage de la formulation .................................................................................... 71
V. Rejet de perturbations par régulateur robuste : ................................................................ 71
1. Synthèse du régulateur ........................................................................................... 74
2. Simulation en boucle fermée ................................................................................. 74
VI. Conclusion ..................................................................................................................... 79
CONCLUSION GENERALE .................................................................................................. 80
BIBLIOGRAPHIE ................................................................................................................... 81
ANNEXES ............................................................................................................................... 83
INTRODUCTION GENERALE
Les schémas de commande multivariable, ont été élaborés afin de répondre à la complexité
sans cesse croissante des procédés industriels. En effet, l'information nécessaire et requise
pour commander des systèmes multivariables, dépend de plusieurs concepts qui
n'apparaissent pas dans le cas monovariable. Ainsi, la notion de couplage, traduisant les
interactions entre les diverses entrées et sorties du procédé, reste une des multiples
particularités des systèmes multivariables. De ce fait, l'utilisation de plusieurs boucles de
commande monovariable et évoluant en parallèle pour contrôler un tel processus, ne saurait
être l'approche idéale. Par conséquent, il a fallu développer des outils de commande capables
d’appréhender de manière efficace les systèmes multivariables.
Le travail présenté dans ce rapport s’insère au cœur de l’automatique appliquée en ingénierie
des procédées chimiques et plus précisément le contrôle des colonnes de distillation.
La distillation est une opération de base dans les industries pétrochimiques et

pharmaceutiques. C’est un phénomène chimique permettant la séparation des composants
d'un mélange en utilisant le fait que chaque composant a une température d'ébullition qui lui
est propre. Le procédé de distillation utilise la différence de volatilité (capacité à s'évaporer
dépendant de la température) entre les constituants afin de les séparer : le plus volatil a une
température d'ébullition la plus basse que le moins volatil.
Pour assurer une bonne conduite d’une colonne permettant d’obtenir une distillation de
qualité, un contrôle automatique est nécessaire. Les méthodes classiques ou avancées
appliquées à ce type de procédé de nature complexe peuvent conduire à des régulateurs ayant
un ordre comparable à celui du système. En pratique, des régulateurs d'ordres réduits sont
souvent exigés pour réduire la redondance dynamique et faciliter l'implantation pratique. Par
ailleurs, afin de réduire les effets des incertitudes de modélisation et d’assurer une bonne
régulation, il est naturel de s’orienter vers une méthode de synthèse robuste.
Le travail présenté dans ce rapport est une contribution à la mise en œuvre d’une
méthodologie pour le contrôle et la régulation d’une colonne binaire de distillation par
l’utilisation des outils adaptés à ce type de procédé. La synthèse proposée pour l’élaboration
1
d’un régulateur multivariable d’ordre réduit permet d’assurer un niveau de robustesse et de
performance.
Pour présenter notre travail, Nous avons organisé ce mémoire en plusieurs chapitres. Le
premier chapitre est consacré à la présentation du phénomène de distillation de manière
générale facilitant la compréhension de la modélisation dynamique d’une colonne de
distillation. Le second chapitre est consacré au survol de quelques approches qui existent
pour la commande d’un procédé de distillation ainsi les hypothèses d’obtention d’un modèle
de connaissance. Celui-ci est constitué de n équations non-linéaires. Afin d’utiliser quelques
outils de la théorie des systèmes linéaires, nous présentons une technique de linéarisation
autour d’un point de fonctionnement que nous appliquons ensuite à une colonne binaire de
distillation à 12 plateaux. Nous consacrons le troisième chapitre à la présentation et la
validation des modèles réduits permettant de simuler la conduite d’une colonne à distillation
et l’élaboration d’un régulateur linéaire d’ordre réduit. Dans le quatrième chapitre nous
proposerons une linéarisation des modèles réduits dans l’espace d’état et une comparaison
afin de justifier globalement leur aptitude à représenter une colonne autour d’un point de
fonctionnement. Le dernier chapitre sera consacré à une comparaison quantitative des
différents modèles réduits en utilisant norme H∞ comme indicateur de performance. Dans ce
même chapitre, nous présentons la mise en œuvre d’un régulateur robuste de dimension
restreinte basée sur l’approche H  puis calculé par la technique des LMIs. Enfin, nous
présentons quelques résultats de simulations. Celles-ci ont été élaborées en appliquant les
commandes issues du régulateur d’ordre réduit sur le Benchmark modélisant de manière plus
réaliste la conduite de la colonne (Modèle non linéaire d’ordre complet). L’objectif de ces
simulations est de montrer la faisabilité de notre approche appliquée à un système industriel
que nous estimons non trivial.
2
Chapitre I. Généralité sur la distillation
I. Introduction :
La qualité d’un produit est un enjeu indispensable pour gagner sa pérennité et sa

popularité, pour ceci que l’amélioration et le développement de nouveaux procédés ait été pris
en compte par les industriels.
Ce chapitre sera consacré à la présentation d’une opération courante utilisée dans

l’industrie pétrochimique, agroalimentaire et pharmaceutique celle de distillation.
Ainsi l'objet principal est de montrer comment la connaissance des équilibres de phases d'un
mélange permet de concevoir des opérations de distillation.
II. Equilibre liquide vapeur
Dans cette partie, on va s'intéresser à la notion d’équilibre liquide-vapeur et plus

particulièrement dans cas d’un mélange binaire afin de se borner au principal objectif, qui
n’est plus autre que la distillation d’un mélange binaire.
Toute substance liquide ou solide corps pur ou mélange peut se vaporiser théoriquement, dans
des conditions de température et de pression données.
La vaporisation peut avoir lieu, soit par :
 Evaporation : vaporisation du liquide sans formation de bulles, à des températures

variables sous une pression constante.
 Ebullition: vaporisation du liquide et formation de bulles, à une température constante
sous une pression fixe.
1. Diagramme d’équilibre binaire
La courbe ci-dessous représente un fuseau constitué par les courbes de rosée et de bulle
pour un mélange binaire A + B [1].
3
Chapitre I. Généralité Physique Sur La Distillation
Figure I.1 Diagramme d’équilibre liquide-vapeur, pour un mélange binaire [1]
Dans cette figure, x B représente la fraction molaire de B en phase liquide, y B la fraction
molaire de B en phase vapeur ; M1 représente une phase liquide unique de composition x1 ; si
l’on élève la température jusqu’à T2 , le mélange M 2 se sépare en deux phases l’une liquide de
composition x B , l’autre vapeur de composition y B ; si la température augmente encore en T3 ,
on obtient une seule phase vapeur de composition x1 = y1 .
La courbe d’équilibre yB = f(x B ) , à pression fixée, est déduite du fuseau précédent par
simple projection verticale. Pour x B et projection puis rappel sur la première bissectrice pour
yB .
4
2. Conditions thermodynamiques de l’équilibre
Pour prédire sur l’équilibre liquide-vapeur d’un mélange de n composant y compris les
mélanges binaires, une certaine analyse devra faite sur un nombre de paramètres physiques
extrinsèques et intrinsèques tels que :
La température T, la pression P, la fraction molaire du premier constituant en phase liquide,

xB et la fraction molaire du même constituant en phase vapeur yB . Soit donc [1]:
T l  T v
 l
P  P (I.1)
v
 l   v avec (1  i  n)
 i i
Une autre façon d’écrire cet équilibre, pour un mélange binaire [2]:
1l (T,P, x1 )  1v (T,P, y1 )

 l (I. 2)
2 (T,P, x1 )  2 (T,P, y1 )
v
Si on aboutira à un tel équilibre pour n’importe quel mélange, on peut facilement parler de la
notion de distillation.
III. Distillation
La distillation est la séparation par voie physique des divers constituants d’un mélange
liquide. La phase vapeur est produite par évaporation en fournissant de la chaleur au système.
Elle consiste en l’ébullition d’un mélange liquide suivie d’une condensation de vapeur afin de
sortir un liquide pur en tête du procédé de distillation ‘distillat’, ou des fractions liquides plus
ou moins riches en constituant du mélange vaporisé au fond du procédé de distillation
‘résidu’.
1. Principe de la distillation
Le principe de la distillation, comme méthode de séparation, est basé sur la différence de
volatilité des constituants du mélange à purifier.
5
Néanmoins le principe des différentes techniques de distillation fait appel aux lois
thermodynamiques qui régissent l’équilibre liquide - vapeur des corps purs et des mélanges
[3].
2. Schéma d’une distillation simple
Le terme distillation simple était autrefois dénommé Distillation.
C’est l’évaporation partielle d’un liquide qui permet au mieux d’obtenir une vapeur en
équilibre avec le liquide résiduel [2].
Soit un mélange binaire constitué de A, B à séparer (A étant le constituant le plus volatil).
On peut imaginer de placer ce mélange dans des conditions de pressions et de température

telles qu'il apparaisse deux phases (liquide et vapeur), la vapeur étant naturellement enrichie
en A, le liquide en B.
Figure I.2 Schéma minimale d'une colonne
On suppose que la vapeur ainsi le liquide qui quittent le ballon sont à l'équilibre, et on sait
donc déterminer les compositions des deux phases en fonction des conditions du procédé
(température, pression).
On parle pour un tel procédé de "distillation éclair" ou de "flash".
Sauf si les deux constituants A et B sont de volatilités très différentes, cette séparation sera
insuffisante : la vapeur sera en général loin de contenir du constituant A pur. Mais il suffit de
refroidir la vapeur obtenue pour la condenser partiellement, ce qui conduit à une nouvelle
phase vapeur encore enrichie en A. De même, en réchauffant le liquide issu du premier flash,
on le vaporise partiellement, et le liquide résiduel est encore enrichi en B.
6
Figure I.3 Purification par flashes successifs
On peut ainsi "empiler" des opérations de flash jusqu'à obtenir les produits A et B avec la
pureté voulue.
Naturellement, dans cet agencement, la quantité de produit A récupérée en sortie du

dernier flash est très inférieure à celle introduite ; il en va de même pour B.
D'où la nécessité de recycler vers les étages inférieurs, le liquide condensé dans les flashes
situés au-dessus de l'alimentation, et vers les étages supérieurs la vapeur produite dans les
flashes situés en dessous de l'alimentation. On obtient ainsi le schéma de principe de la
distillation.
Figure I.4 Principe de la distillation étagée à contre-courant
7
Dans cet exemple, on voit que la séparation sélective des constituants d'un mélange repose
sur l'existence d'un gradient de température entre le bas et le sommet de la colonne. Le plus
souvent, ce gradient de température est maintenu simplement en refroidissant le sommet de la
colonne de distillation (condensateur), et en réchauffant le fond (bouilleur) : il n'est pas
nécessaire d'apporter ou de soutirer de la chaleur sur chaque flash, l'étagement des
températures étant assuré par le mélange des fluides (vapeur et liquide qui se croisent à
chaque étage).
Le refroidissement du condensateur permet de créer une phase liquide, qui descende dans la
colonne, alors que le chauffage du bouilleur produit une phase vapeur qui remonte dans la
colonne : on parle donc de l’opération de séparation à contre-courant. La figure ci-dessous
montre un exemple (simplifié) de réalisation pratique d'une colonne de distillation : les
flashes sont simplement constitués par des plateaux (ou étages) où le liquide et la vapeur sont
en contact.
Figure I.5 Réalisation pratique d'une colonne de distillation [2]
8
IV. Calcul d'une colonne simple

1. Dénombrement des degrés de liberté
Nous limiterons notre étude au cas d'une colonne simple : colonne avec une seule
alimentation, pas de soutirage latéral (on ne sort que le distillat en tête et le résidu en pied), et
où seuls le condenseur (étage 1) et le rebouilleur (étage N ) sont les sièges de transferts
thermiques avec l'extérieur.
La pression est fixée, et on la suppose à peu près homogène dans toute la colonne.
L'alimentation (débit, composition, température, pression) est imposée.
Figure I.6 Schéma d’une simple colonne de distillation [2]
Soit le nombre de constituants présents dans la charge. Chaque plateau de cette colonne est
décrit par :
- n équations d'équilibre (une égalité entre potentiel chimique en phase liquide et en

phase vapeur pour chaque constituant).
9
- n équations de bilan de matière (une par constituant)

 1 équation de bilan enthalpique.
 Il y a donc  r(2n +1)  équations descriptives du problème.
Les variables qui interviennent dans ces équations sont :
 les débits molaires partiels de chaque constituant quittant chaque plateau, en phase
liquide et vapeur, soit 2rn variables.
 les températures de chaque plateau, soit r variables.
 la puissance thermique reçue par le rebouilleur (dans le bilan enthalpique sur le
rebouilleur) et la puissance thermique cédée par le condenseur (dans le bilan
enthalpique sur le condenseur)
 On a donc r(2n +1) +1 variables décrivant le fonctionnement de la colonne. A ces
variables, il convient aussi d'ajouter le nombre de plateaux de la colonne, a priori
indéterminé.
 On a donc, en tout r(2n +1) équations, reliant r(2n +1) + 3 variables : le nombre de
degrés de libertés (variables que l'on peut s'imposer à peu près arbitrairement) est donc
de 3.
Les variables que l'on peut s'imposer dans la conception d'une colonne pourront par exemple
être :
 Une fraction molaire dans le distillat (pureté), une fraction molaire dans
le résidu (pureté), taux de reflux
 taux de récupération de deux constituants dans l'un ou l'autre des débits de sortie, taux
de reflux
 nombre d'étages, taux de reflux et débit de distillat
 quantités de chaleur échangées au condenseur et au rebouilleur, nombre d'étages...
On remarquera aussi que certaines variables ne peuvent pas être spécifiées simultanément,
par exemple les débits de distillat et de résidu (puisque leur somme est égale au débit total
d'alimentation, connu).
Lors des étapes de conception d'une colonne de distillation, on part habituellement de
performances de séparation, par exemple pureté du distillat et du résidu, ou taux de
récupération de deux constituants-clés dans le distillat ou le résidu, ce qui fixe deux variables.
Par le biais des équations de bilan de matière sur la colonne, les débits de distillat et
10
de résidu sont eux aussi déterminés. On choisira souvent comme troisième variable le taux de
reflux, que l'on pourra faire varier de façon à choisir une configuration plus économique
possible de la colonne.
2. Plateaux adiabatiques : hypothèse de Lewis
Cette hypothèse permet une simplification considérable du calcul d'une colonne de

distillation. Elle repose sur la constatation que les enthalpies de vaporisation molaires des
différents constituants que l'on sépare dans une colonne sont souvent assez proches (ou du
moins du même ordre de grandeur).
Considérons alors un plateau interne de la colonne (adiabatique), dans une séparation de

deux constituants A et B ( A étant le plus volatil).
Figure I.7 Echanges de matière sur le plateau i [2]
Sur le plateau (i) , le liquide qui descend du plateau (i -1) croise la vapeur montant du plateau
(i +1) . Un certain flux de constituant A passe du liquide à la vapeur sur le plateau; de même,
un certain flux de constituant B passe de la vapeur au liquide sur ce même plateau.
11
Or, la vaporisation d'un flux de A nécessite de l'énergie, alors que la condensation d'un flux de
B fournit de l'énergie. Les énergies mises en jeu par ces phénomènes de
vaporisation/condensation sont de loin les termes dominants dans le bilan énergétique du
plateau (les termes de chaleur sensible ou de chaleur de mélange sont négligeables devant les
énergies mises en jeu dans un changement de phase).
Le fait que le plateau soit adiabatique impose donc que l'énergie nécessaire pour la
vaporisation de A est égale à l'énergie cédée par la condensation de B sur le plateau.
Si nous admettons que les enthalpies de vaporisation molaires des deux constituants sont
proches, on en déduit que le flux de A évaporé est égal au flux de B condensé sur le plateau.
Si l'on regarde le débit de liquide traversant le plateau, cela signifie que chaque molécule
de A qu'il va perdre sera compensée par une molécule de B. Le débit molaire total de liquide
n'est donc pas modifié à la traversée du plateau (mais sa composition change). Il en va de
même pour le débit de vapeur.
Il en résulte donc :
Li  Li 1
 (I.3)
Vi  Vi 1
Les débits molaires de liquide et de vapeur sont constants dans chaque section de la colonne
(le raisonnement ci-dessus n'est pas valide pour le plateau d'alimentation).
V. Conclusion
L’étude qui a été présenté sur le phénomène d’équilibre liquide-vapeur trouve son
application dans l’opération de distillation. Ce phénomène sera au cœur de la modélisation
dynamique des colonnes binaires de distillation.
Dans le chapitre suivant, nous traitons le problème de la modélisation dynamique en vue

de la simulation et la commande.
12
Chapitre II. La colonne binaire à distillation
I. Introduction et problématique :
Le modèle de la colonne est de nature non linéaire Morari [4], dans lequel des équations
différentielles et algébrique apparaissent au cours de différentes étapes de modélisation.
Indépendamment du problème de la modélisation, une colonne à distiller peut être pilotée

par action sur plusieurs grandeurs.
Pierre ROUCHON et autres auteurs [6] ont bien évoqué les lois de commande pour une
colonne à distiller standard. Pour celle-ci, les cinq variables de réglage  Qc, D, R, L et V  , les
commandes, et les cinq variables à commander  P2 , M1 , Mn , y1 et y2  , les sorties.
La commande des compositions du distillat et du résidu s’inscrit dans un problème plus

vaste avec 5 commandes et 5 sorties Pierre Rouchon [5]. Seulement que la pression P2 est
considérée constante car elle est commandée par la puissance de condensation Qc . De ces
considérations le nombre de variables d’entrée et de sortie est diminué à 4. Les variables de
commandes sont D, R, L et V . Les sorties sont M1, Mn , y1 et y2 .
 dM1
 dt  V - L - D
  II.1
 dM n  L  F - V - R
 dt
Ces deux équations sont basées sur l’hypothèse de Lewis (voir Ch.1) avec une alimentation de
débit F liquide et à température de bulle. La régulation pourra faite sans aucun souci pour
 II.1 .
La figure ci-dessous montre bien la disposition des 5 variables de commande et de sorties

pour une colonne pseudo-binaire.
13
Chapitre II. La Colonne Binaire A Distillation
Figure II.1 les 5 variables de la commande
Un régulateur PI classique est envisagé pour commander soit L, D ou les deux , maintient
M1 autour de sa consigne. Un autre de type PI classique qui agit sur V,R ou les deux , ainsi il
est destiné pour maintenir M n autour de sa consigne. D’après Pierre Rouchon [5] ces
régulations de niveaux n’engendrent aucune difficulté.
Ainsi, la majorité des chercheurs se sont intéressé au problème à deux entrées et deux sorties
Morari [4]. A ce niveau la régulation indépendante des deux sorties y1 et y2 est laissée libre.
D’après Pierre Rouchon [5], qui a rassemblé dans sa thèse l’ensemble des travaux effectués
pour le choix d’une commande faisable et qui regroupe les critères de performance recherché
dans un système de type colonne à distillation. Jadis deux approches illustrées respectivement
par ‘une approche externe’, qui utilise uniquement les mesures y1 et y2 pour calculer les
14
commandes ; et une autre qualifiée ‘d’interne’ car elle fait intervenir des états (ou plus
généralement des états partiels selon la dénomination classique en théorie des systèmes) qui
peuvent être obtenus à partir de mesures à l’intérieur de la colonne.
Cette distinction correspond à la dichotomie classique en théorie de la commande des

systèmes entre l’approche externe par un modèle qui ne prend en compte que les relations
entre les entrées et les sorties, et l’approche interne par un modèle faisant intervenir la notion
d’état.
1. Approche externe :
Dans cette approche on trouve deux grands titres autour de la commande, le découplage
statique, qui consiste de s’intéresser uniquement aux relations statiques entre les 2
commandes restantes et les 2 sorties y1 et y2 ; ainsi la commande multivariable externe, qui
requiert un modèle entrée-sortie.
2. Le découplage statique :
Cette première approche est basée sur la loi statique entre les deux commandes restantes et
les 2 sorties y1 et y2. Dans la littérature en trouve plusieurs auteurs qui ont favorisé cette
approche tels que Bristol [7] pour la mesure du couplage statique, Shinskey [6] développe
cette méthode “Relative Gain Array”, RGA voir annexe 2.b. Récemment, Skogestad et Morari
[5] ont fait une synthèse des implications les plus importantes de la méthode RGA.
La suite logique consiste, une fois effectués les changements de variables réduisant les
couplages statiques, à commander les nouvelles sorties à partir des nouvelles commandes en
supposant le système diagonal.
De nombreux auteurs appellent cette approche “découplage interne” car elle a pour but
d’éliminer, par des manipulations algébriques sur les entrées et les sorties, les problèmes de
couplages.
Hormis une certaine limitation de cette approche qui se réside dans le principal
inconvénient qui est l’absence d’une justification théorique sérieuse Pierre Rouchon [5]. Afin
de se remédier à ce problème une autre approche dites approche multivariable externe élue
par plusieurs auteurs.
15
3. Commande multivariable externe :
Cette approche requiert un modèle entrée-sortie. A savoir que la plus part des auteurs se
base pour dégager un tel modèle sur des matrices de transfert [5]. Le seul problème avec cette
approche est la difficulté de dégager les matrices de transfert car les systèmes physiques sont
généralement non linéaires et de grandes dimension ce qui rendra la tâche ardue. Hormis des
publications récentes telles que Luyben [9], propose une méthode pour identifier les fonctions
de transfert de colonnes fonctionnant à haute pureté et dont le comportement est fortement
non linéaire. La méthode d’identification que propose Luyben repose sur la procédure de
“auto-tuning” d’Astrom et Hagglund [10], cette méthode permet de maintenir, pendant la
phase d’identification, le système dans une plage linéaire de fonctionnement, cette plage
pouvant être étroite. Parallèlement, Moudgalya et al. [11], ont développé une méthode
d’identification en se basant sur les réponses de sorties à la double impulsion fournie en
entrée. Cette procédure fournit les avantages pratiques et numérique d’une impulsion double
par rapport à une simple impulsion dans le cas d’un système linéaire simple,
asymptotiquement stable et à grande constante de temps [5], voir la thèse de Pierre Rouchon
page 76. Skogestad et Morari [12] ont parlé sur la notion de réduction du modèle à partir des
équations du modèle de connaissance. Cette réduction est bien adaptée aux systèmes stables.
Elle consiste, après un changement de coordonnées sur l’état linéarisé qui rend les grammiens
d’observabilité et de contrôlabilité identiques, à ne retenir que les directions selon lesquelles
les évolutions sont les plus lentes. Skogestad et Morari [12] indiquent que, pour des
fréquences pas trop importantes, i.e. des échelles de temps pas trop rapide, une bonne
description entrée-sortie peut être réalisée avec une modèle d’ordre inférieur ou égal à 5.
L’approche externe a été mise en valeur par plusieurs auteurs, on a fait apparaitre quelques
un en dessus et d’autres qui n’ont pas été évoqué peut être feront l’objet d’une recherche en
avenir.
Les avantages d’une telle approche d’après Pierre Rouchon [5] se résument dans la
simplicité de calcul, ainsi le plus nécessaire est les mesures des entries et des sorties. Ses
inconvénients, Pierre Rouchon [5] sont résidés dans la difficulté de résoudre le problème de
non linéarité et la dégénérescence entrée-sortie près du régime stationnaire, de même on ne
peut pas analyser les problèmes de stabilité interne.
16
Ainsi les réponses des sorties sont présentées par un grand retard. Pour ces raisons, les
auteurs essayent par une autre analyse qui est disponible par l’approche interne.
4. L’approche interne :
Cette approche ne peut être pas faite que si on a des informations internes sur la colonne
afin de calculer la loi de commande, Pierre Rouchon [5] cette dernière dépend de l’état, le
profil des compositions dans la colonne.
Les températures :
Rosenbrock [5] en 1962, a proposé de commander les compositions intermédiaires en
rectification et épuisement au lieu des compositions de tête et de pied de la colonne. Plus
récemment Waller et al. [14] ont partit de parler sur une démarche trouvée pratiquement sur
une colonne pilote quatre structures de régulation pour commander simultanément une
température en épuisement.
 D 
 D   L + D Tr 
 L Tr  D Tr   Tr 
→
 II.2 
→ →
→ →
  et  ,
 L +D et  
 V Te  V Te    V 
V Te   Te 
→
B 
Pour faire face à des perturbations de composition de charge, les deux schémas ci-dessous
seront privilégiés.
Et que face à des variations du débit d’alimentation, le schéma ci-dessous sera meilleur
 D 
 L  D  Tr 
   II.4 
V  Te 

B 
Pierre Rouchon [5], a indiqué que commander les températures ne signifie pas commander
les compositions des deux produits mais conduit en pratique à limiter les variations de ces
dernières.
17
5. La méthode du rejet des perturbations:
Cette approche, qui à partir d’un modèle physique, la commande est élaborée par retour
d’état qui rend les sorties insensibles aux perturbations. Takamatsu et al [15], ont été les
premiers à introduire cette méthode pour les colonnes.
En 1983, Gauthier et al. [16] ont étendu le travail de Takamatsu et al [15] à un modèle non
linéaire de la colonne. Ils ont montré que le système pourra rejeter les perturbations de
composition de charge par retour non linéaire d’état.
En conclusion générale, dans cette brève étude on peut dégager deux problématiques qui
pourront affecter la mise en marche d’une colonne de distillation:
 Au niveau de la structure du système à commander, celui-ci est non linéaire et de

grande dimension, les couplages commande-sortie peuvent être très mal conditionnés près
de l’état stationnaire.
 Le deuxième point est lié à l’application industrielle. Pierre Rouchon [5], les
perturbations affectant la composition de l’alimentation et son débit influent
considérablement sur la qualité du produit à distiller. Ce qui nécessite la mise en place
d’une régulation des sorties.
II. Construction du modèle de commande

1. Le modèle de connaissance (Non linéaire)
Nous appelons colonne binaire, une colonne à distiller qui sépare un mélange de 2
composés : en tête sort le distillat, le composé léger de la charge avec un peu du composé
lourd; en fond sort le résidu, le composé lourd de la charge avec un peu du composé léger.
Pour ce procédé, les seules équations dynamiques et non linéaires disponibles sont fondées
sur une modélisation physique. La modélisation de ce procédé est faite pour des fins de
simulations, ainsi de commande. Deux modèles qui se présentent, pour la simulation un
modèle dynamique très complet de la colonne qui prend en compte aussi bien
l’hydrodynamique du plateau que les régulations de niveaux et de pression. Ce modèle ne
serve pas à des fins de commande, il est mathématiquement trop complexe et trop lourd à
manipuler. De plus, il mélange des phénomènes très différents, comme l’hydrodynamique,
généralement rapide, et la dynamique des compositions, nettement plus lente.
18
Afin de commander notre procédé, en n’utilisant pas un modèle complet, hormis un modèle
moins complet qui tiendra en compte les transitions liées aux différentes compostions.
2. Les hypothèses de modélisation

D’après Pierre Rouchon [5], les hypothèses liées à la modélisation sont :
 Sur chaque plateau les phases liquide et vapeur sont homogènes et à l’équilibre
thermodynamique ;
 sur chaque plateau, la rétention molaire liquide est constante, la rétention vapeur est
négligeable ; dans la colonne, la pression est constante et uniforme.
 sur chaque plateau, à l’exception du ballon de reflux et du fond de la colonne, le flux
molaire total liquide (resp. vapeur) entrant est égal au flux molaire total liquide (resp.
vapeur) sortant ; la charge est liquide et à sa température de bulle.
La figure ci-dessous montre bien une colonne binaire de n plateaux, y compris en tête le
ballon de reflux et le condenseur, au milieu un plateau dit d’alimentation et au pied là où se
trouve le bouilleur. Les rétentions liquides, les compositions respectivement liquides et
vapeurs sont indiqués sur la colonne.
19
Figure II.2 une colonne binaire classique
Ces hypothèses sont raisonnables Pierre Rouchon [5], autour d’un régime statique : La
conception des plateaux est faite pour que le contact entre le liquide et la vapeur soit d’une
grande importance ; loin de l’engorgement, la géométrie du plateau assure un volume de
rétention liquide quasiment indépendant du débit ; en pratique, les régulations de la pression
20
de tête et des niveaux du ballon de reflux et du fond sont suffisamment rapides et stables pour
que leurs dynamiques puissent être négligées.
Sous les hypothèses précédentes, les équations d’état du procédé sont constituées
uniquement par les équations de bilan sur chaque plateau d’un des deux composés :
 dx 1
M1 dt = Vy(x 2 ) - Vx1

 pour j = 2,..., jF  1:
 dx
M j j = Lx j1  Vy(x j1 )  Lx j  Vy(x j )
 dt
 dx jF
M jF = Lx jF1  Vy(x jF1 )  (L  F)x jF  Vy(x jF )  z F F  II.5
 dt
 pour j = jF +1,...,n- 1:

 dx j
M j dt = (L + F)x j1  Vy(x j1 )  (L  F)x j  Vy(x j )

M dx n = (L + F)x  (L  F  V)x  Vy(x )
 n dt n 1 n n
Avec
 j l’indice du plateau ( 1  j  n , j  1 correspond au ballon de reflux, j  jF au plateau

d’alimentation, j  n au fond, (3  jF  n - 1) ;
 (M j ) j1,...,n les rétentions liquides (constantes).

 x j la fraction molaire liquide du plateau j ;
 y(x j ) la fraction molaire vapeur du plateau j, c’est une fonction thermodynamique qui
traduit l’équilibre thermodynamique liquide-vapeur a pour expression :

x j
y(x j )  (II.6)
1  (  1)x j
Où :
 x j la fraction molaire liquide du plateau j
  est la volatilité relative des deux constituants,   1 est une condition pour une
meilleure distillation.
21
Remarque:
L’inversion formelle des équations d’équilibre thermodynamique fournit la fonction y en

même temps que la température sur le plateau j, Tj  (x j ) .
 F le débit molaire de la charge, z F sa composition ;
 L le débit de reflux, V le débit de vapeur sortant du rebouilleur.

 Les deux commandes sont L et V. Les perturbations sont F et z F . Les deux sorties sont
y1  x1 et y2  xn , respectivement la composition du distillat et la composition du
résidu.
Pour des raisons physiques évidentes, deux hypothèses ont été introduite Pierre Rouchon [5]:
 H1 les débits sont positifs, i.e. F > 0, L > 0, V > 0, V - L > 0 et L + F - V > 0 Rappelons
que z F  ]0, 1[ par définition.
 H2 la fonction y satisfait x  0, 1 , y( x)  0, 1 , si x  0 alors y( x)  0 et
x  1 alors y( x)  1 .
3. Propriétés en boucle ouverte du modèle (L, V)

Les propriétés d’un modèle un plus compliqué que  II.5 sont démontrées par Rosenbrock
[13] en 1962, soient l’unicité et la stabilité asymptotique globale. Nous allons réutiliser ces
résultats pour démontrer des propriétés analogues sur le modèle  II.5 . Le théorème 1 ci-
dessous énonce des propriétés qualitatives du modèle  II.5 . Tout d’abord, pour chaque jeu
d’entrées ayant un sens physique, il existe un point stationnaire unique ayant un sens
physique. Si ces entrées sont constantes au cours du temps, le système revient naturellement à
ce point stationnaire, et ce quel que soit le point de départ. A partir de n’importe quel régime
stationnaire, la réaction du système à un échelon sur l’une des entrées L, V ou z F est
monotone.
22
Théorème II.1 Considérons le système  II.5 . Supposons que H1 et H2 sont vérifiées et

que dy / dx  0 pour tout x dans [0, 1]. Alors,
a. Pour toute condition initiale dans [0, 1]n , la solution maximale en temps est définie pour t
dans [0,  [ et reste dans [0, 1]n ;
 0, 1
n
b. pour chaque F, zF , L et V , il existe un unique point stationnaire x dans
dépendant régulièrement de  F, z F , L, V  ; si de plus y  x   x pour tout x dans 0, 1 ,
alors le point stationnaire vérifie

0  x1  x 2  ...  x n-1  x n  1  II.7 
c. si F, z F , L et V sont constants, alors l’unique point stationnaire est globalement
0, 1
n
asymptotiquement stable (i.e. pour toute condition initiale dans , la solution
converge vers le point stationnaire quand t tend vers   ) ; de plus, pour tout x dans
0, 1
n
le Jacobien du système par rapport à x ayant n valeurs propres réelles, distinctes
et strictement négatives ;
d. si F, z F , L et V sont constants et si au temps t  0 les n composantes de dx / dt sont
positives (resp. négatives), alors, pour tous t  0 , les n composantes de dx / dt restent
positives (resp. négatives) ; si l’on suppose en plus que y  x   x pour tout x dans
0, 1 , la réponse de l’état du système à un échelon sur l’une des entrées zF , L et V est
monotone, i.e. la solution correspondante  x j  t   j  1,..., n de  II.5 est telle que, à chaque
instant t 0 , soit pour tout j dans 1,..., n dxj / dt  0 , soit pour tout
j dans 1,..., n dxj / dt  0 .
Remarque :
Pour plus de détails sur la démonstration du théorème 1 voir Pierre Rouchon [5], pages
(83-84-85).
Afin de pouvoir analyser les équations du modèle  II.5 en procèdera à une linéarisation
autour d’un point de fonctionnement.
23
III. Linéarisation du modèle non linéaire de la colonne
Un procédé non linéaire pourra être considéré comme linéaire (un système pour lequel
l’entrée X  t  et la sortie Y  t  sont liées par une équation différentielle linéaire à
coefficients constants) autour d’un point de fonctionnement  X0 , Y0  si les déviations
respectivement de l’entrée et de la sortie X et Y restent petites. En effet on linéarise les

termes non linéaires dans le modèle du procédé par un développement en série de Taylor et
on s’arrête à l’ordre 1.
Où Y  t   Y  Y et X  t   X  X
0 0
En appliquant le développement de Taylor à l’ordre 1 des équations du modèle  II.5 , nous
obtenons les équations linéarisées ci-dessous.

En désignant par (.) les variations de toutes les grandeurs mises en jeu autour d’un point de
fonctionnement.
Afin de commander une colonne, plusieurs configurations à envisager voir (introduction et

problématique) en dessus. Le choix de la commande L, V est souvent retenue compte tenu de
la sensibilité immédiate de la composition du produit à distiller à ces deux variables. Elle est
également préférée pour la simplicité qu’elle offre pour son implantation par rapport à
d’autres configurations possibles. Le vecteur de mesure sera défini par la concentration
molaire liquide en bas (résidu) et en haut de la colonne (distillat).leurs régulations reflètent la
qualité de la distillation.
Le système d’équations ci-dessus peut alors se mettre sous la forme de la représentation d’état
suivante :
 x  t   Ax  t   Bp w p  t   Bu u  t 

  II.9 
 y  t   Cx  t 

Où A nn , B nm , C pn et p  2, m  4
24
Dans la représentation ci-dessus, le vecteur d’état est présenté par x  X1...Xn  , le vecteur
T
de commande est u  L...V et le vecteur de perturbations mesurables est représenté par

T
w p  F...Zf  . Le vecteur de sortie est y(t)  X1  t  X n  t   , celui-ci représente

T T
respectivement les concentrations molaires liquide en tête et au pied de la colonne.

Afin de mettre la représentation  II.9  dans la norme d’écriture, on procède à une
représentation dite compacte suivante :
B   Bp Bu  D  0
 x  t   Ax  t   Bv  t 
 
 avec   II.10 
 y  t   Cx  t   Dv  t 
T
   T T
v =  w p u 
1. Application à une colonne semi-industrielle de 12 plateaux :
Il s’agit ici d’une colonne binaire semi-industrielle à 12 plateaux [13], sont notés
respectivement 1 pour le plateau d’entête (condenseur), 8 pour le plateau d’alimentation et 12
pour le plateau de pied (bouilleur). Le modèle non linéaire de la colonne a été réalisé sous
l’environnement de Matlab.
Le tableau suivant indique les valeurs au point de fonctionnement des différentes variables
agissant sur la commande de la colonne.
Fo z Fo Lo Vo o M o1 Moi (2...11) M o12
22.9 0.36 12.71 19.97 2.79 0.9 0.15 1.5
Tableau II.1 point de fonctionnement

Avec :
Fo : Débit molaire liquide d’alimentation en mol/min
z F o : Concentration d’alimentation en mol fraction
Lo : Débit molaire liquide du reflux kmol/min

V o : Débit molaire liquide de vapeur kmol/min
25
Moi(i 1,...,n) : Rétentions liquides de matières en chaque plateau Kmol
Résultats de simulation du modèle complet à 12 états :
Le tableau ci-dessous regroupe les valeurs des sorties du modèle simulé de la colonne se
sont des compositions de chaque plateau de celle-ci :
x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12
0.9524 0.8777 0.7732 0.6502 0.5317 0.4377 0.3738 0.3349 0.2883 0.2250 0.1528 0.0850
Tableau II.2 les valeurs des fractions molaires liquides au point de fonctionnement
Les courbes ci-dessous montrent l’allure des différentes sorties du modèle de la colonne.
fraction molaire liquide du premier plateau

1
0.9
0.8
0.7
fraction molaire liquide
0.6
0.5
0.4
0.3
0.2
0.1
0
0 0.5 1 1.5 2 2.5 3
temps(min)
Figure II.3 la fraction molaire liquide du premier plateau
26
fraction molaire liquide du dernier plateau

0.09
0.08
0.07
0.06
0.05
0.04
0.03
0.02
0.01
0
0 0.5 1 1.5 2 2.5 3
temps(min)
Figure II.4 la fraction molaire liquide du dernier plateau
Le ballon de reflux est riche de composants volatil, de ceci la composition liquide du

premier plateau est presque atteint le 1.
La valeur de la fraction molaire liquide du fond de la colonne très petite par rapport à
celle du condenseur, c’est tout à fait logique car lorsqu’on descend dans la colonne les
compositions molaires du constituant se diminuent.
Dans La figure suivante, où les différentes évolutions des concentrations molaires liquides
sont représentées. On observe une diminution des valeurs finales des concentrations molaires
liquides du haut vers le bas de la colonne. Ceci pourra dire que l’entête de la colonne est plus
riche en produit volatil que le bas.
27
fractions molaire liquides des plateaux 1,2,3,...,12

1
plateau1
plateau2
0.8
plateau3
plateau4
plateau5
0.6
plateau6
plateau7
0.4 plateau8
plateau9
plateau10
0.2 plateau11
plateau12
0
0 0.5 1 1.5 2 2.5 3
Temps(min)
Figure II.5 l’évolution des fractions molaires liquides pour chaque plateau
2. Linéarisation du modèle de la colonne à 12 états :

En appliquant le développement de Taylor d’ordre 1 pour une colonne binaire à 12 états,
on obtient un modèle linéarisé. Les figures ci-dessous montrent les résultats des simulations
du modèle linéarisé de la colonne à 12 états. Ces simulations ont montré pour une variation de
débit d’alimentation ou de la concentration à l’ordre de 10%, le modèle linéarisé représente
fort bien le modèle non linéaire de la colonne.
 x12  t   A12 x12  t   B12 v  t  B12   B12p B12u  D12  0

  
 avec   II.11
 y12  t   C12 x12  t   D12 v  t 
T
 v =  w p u 
T T
Où A12 nn , B12 nm , C12 pn et p  2, m  4
Avec A12 , B12 et C12 sont données dans les ANNEXES.
28
Les valeurs propres de la matrice d’état du système  II.5 sont regroupées dans le
tableau ci-dessous:
1 2 3 4 5 6 7 8 9 10 11 12
773.89 567.37 372.63 314.47 261.79 200.45 134.22 83.83 50.86 3.38 10.05  18.68
Tableau II.3 les valeurs propres
Les valeurs propres sont tous à partie réelle négative, ce qui reflète la stabilité asymptotique
en boucle ouverte du système.
Figure II.6 Zoom sur les modèles réduits non linéaire et linéarisé (plateau d’entête)
Le zoom en haut présente la comparaison entre le modèle non linéaire complet et son modèle
linéarisé. Toutes simulations faites avaient montré une meilleure représentation du modèle
linéarisé malgré les perturbations au niveau de l’entrée.
29
Figure II.7 comparaison entre le modèle non linéaire et linéarisé
Ces figures nous permettent de conclure la possibilité de déplacer à l’analyse par la théorie
des systèmes linéaires puisque la linéarisation a montré ces résultats pour ce modèle non
linéaire.
IV. Conclusion
Dans ce chapitre on a vu comment le choix d’une configuration de commande est

déterminante sur le processus de distillation Ce point a fait l’objet de plusieurs travaux de
recherche comme il est indiqué dans les références bibliographiques. Il s’ensuit que la
configuration (L, V) semble la plus utilisée.
D’autre part on a passé vers une modélisation dynamique de la colonne, ainsi une
application de celle-ci sur une colonne binaire de 12 plateaux.
Les résultats de simulation de ce modèle nous ont permis de conclure sur les évolutions des
concentrations molaires liquides (sorties). En effet, Il a paru que les valeurs finales de celles-
ci ont diminué l’une par rapport à l’autre. La plus grande valeur est trouvée pour le premier
plateau et la plus petite valeur pour le dernier plateau.
30
Dans ce même chapitre on a laissé l’analyse par modèle non linéaire et on a procédé à une
linéarisation autour d’un point de fonctionnement, celle-ci a donné de bonnes résultats
lorsqu’on appliqua une variation de 10% sur le débit ou la concentration d’alimentation.
Hormis de telle modélisation est satisfaisante et offre une meilleur commande lorsqu’il
s’agissait d’une colonne de petite taille, ce modèle deviendra plus compliqué pour la
commande lorsque la dimension de la colonne est plus importante. Par exemple dans
l’industrie les colonnes contiennent des dizaines de plateau (80 plateaux) ce qui rendra la
tâche ardue pour la commande. Pour cette raison en d’autres, la réduction du modèle a suscité
l’intérêt de plusieurs chercheurs. Ce point sera l’objet du chapitre suivant.
31
Chapitre III. Réduction Du Modèle Non Linéaire
I. Introduction
Dans le chapitre précédent, le modèle ainsi obtenu présente un nombre important de

variables d’états. La régulation du système à partir de ce modèle nécessitera un régulateur de
grande dimension. Pour cette raison la réduction apparait nécessaire à ce stade. Quatre
stratégies peuvent être envisagées dans le but d’obtenir des modèles d’ordres réduits comme il
est éclaircit dans la figure ci-dessous :
- Considérer un régulateur d’ordre fixe lors de sa conception sans faire appel aux
techniques directes de réduction.
- Réduire le modèle du système à commander et concevoir un régulateur en se basant
sur le modèle réduit ainsi obtenu.
- Maintenir l’ordre du modèle du système à commander et réduire ensuite l’ordre du
régulateur.
- Considérer éventuellement les deux dernières stratégies à la fois.
Modèle du Régulateur
système Synthèse sans contrainte d’ordre élevé
d’ordre élevé d’ordre
Réduction Synthèse Réduction

avec
De modèle contrainte De modèle
d’ordre
Modèle du Régulateur
système Synthèse sans contrainte d’ordre réduit
d’ordre réduit d’ordre
Figure III. 1 Schéma de réduction de modèle
32
D’après la figure ci-dessus, on peut envisager deux chemins différents, soit de procéder à
une réduction du modèle en boucle ouverte afin d’aboutir à un régulateur d’ordre réduit, soit
d’envisager un régulateur d’ordre fixe lors de la conception de celui-ci en boucle fermée. Les
procédures directes permettant l’obtention d’un régulateur d’ordre fixe sont intéressantes
puisqu’à la différence des deux autres approches, elles permettent au concepteur d’imposer
non seulement une contrainte de degré à la solution mais également exiger un certain niveau
de performance relative à la synthèse du régulateur. Néanmoins imposé une contrainte sur
l’ordre est un problème difficile à résoudre, cependant il peut être traité de manière
satisfaisante par des méthodes heuristiques disponibles dans la littérature.
Hormis la différence entre un régulateur d’ordre complet et un régulateur d’ordre fixe n’est
pas généralement très significative. Pour ces raisons une réduction de modèle boucle ouverte
par des méthodes qui se basent sur des théories mathématiques (la méthode d’agrégation) puis
la synthèse d’un régulateur robuste vis-à-vis les incertitudes de modélisation. Ceci est
l’objectif de ce chapitre.
II. Réduction du modèle non linéaire (L, V) par la méthode

d’agrégation
Les modèles réduits qui vont être étudié dans ce chapitre sont tirés de la
modélisation par méthode d’agrégation de Lévine et Rouchon (1991) [17]. La
méthode est basée sur le partitionnement de la colonne en Nc compartiments,
où chaque compartiment comprend un certain nombre de plateaux consécutifs.
En attribuant la rétention totale de tous les plateaux d'un compartiment à un seul
Plateau dit "plateau agrégé". Dans un compartiment, une séparation temps-échelle
provoquée par la différence entre le plateau de grande rétention et
celui de petite rétention est explicitée dans le modèle. Cette séparation temps-échelle peut
être utilisée pour réduire la commande dynamique du modèle
en appliquant les hypothèses quasi-stationnaires pour les plateaux à l'intérieur de chaque
compartiment.
33
Dans leur calcul, Lévine et Rouchon (1991) [17] effectuaient une étape de simplification
non commenté, qui résulte d'un traitement mathématique basé sur l'hypothèse quasi-
stationnaire. Grâce à cette simplification, la procédure de réduction n'est pas une vraie
méthode de perturbation singulière voir annexe 3. Toutefois, la structure du modèle réduit, qui
conserve la structure Jacobien tridiagonal du modèle original, est numériquement favorable.
Pour des raisons de simplicité, nous présentons d’abord la méthode dans le cas d’un
compartiment de m plateaux. Ensuite, nous l’appliquons à la colonne entière.
III. L’agrégation d’un compartiment :
Sous les mêmes hypothèses qui ont été faite pour le modèle de connaissance (L, V)
(chapitre 2), en se basant sur la figure III.2, les équations d’un compartiment de m plateaux
sont :
M1 .x1  Lx 0  Vy(x 2 )  Lx1  Vy(x1 )


M 2 .x 2  Lx1  Vy(x 3 )  Lx 2  Vy(x 2 ) (3.1)


M .x  Lx
 m 1 m 1 m  2  Vy(x m )  Lx m 1  Vy(x m 1 )
M m .x 2  Lx m 1  Vy(x m 1 )  Lx m  Vy(x m )

Avec :
 
- Mi
1i  m
les rétentions liquides.
- x i la composition liquide sur le plateau i
- L et V les flux liquide et vapeur rentrant dans la section, x 0 et y  x m1  leurs
compositions respectives.
34
Figure III.2 un compartiment de m plateaux
IV. Les propriétés du modèle (L, V) de compartiment
Le modèle (L, V) d’un compartiment (3.5) possède des propriétés qualitatives voisines de
celles du modèle (L, V) de la colonne. Dans sa thèse Pierre Rouchon [18] a démontré
l’existence et l’unicité du point stationnaire ainsi la stabilité asymptotique globale du modèle
non linéaire réduit.
Remarque :
Le principe de réduction est simple : comme le montre la figure 3.3, il consiste à concentrer
les rétentions sur un seul plateau agrégé ja et à utiliser comme modèle réduit le modèle
physique correspondant à ce nouveau profil de rétentions.
35
Bien que cette méthode de réduction soit simple, la complexité numérique du modèle n’est
pas diminuée : le système différentiel de départ est remplacé par un système algébro-
différentiel de même dimension. Pour la simulation dynamique, une telle réduction ne
présente pas d’intérêt. En revanche pour la commande, la réduction est effective puisque la
dimension différentielle du système diminue. De plus, par construction, les gains statiques
ainsi que la signification physique des variables sont préservés.
Figure III.3 Notion de rétention dans le modèle physique et réduit
V. L’agrégation d’une colonne et le choix des compartiments
Pour utiliser la méthode de réduction précédente sur une colonne complète, il suffit de
découper la colonne en compartiments. Le découpage doit tenir compte, dans une certaine
mesure, du profil de rétentions.
Pour bien comprendre l’influence de la réduction sur la commande, nous considérons à partir
de maintenant les 3 types de modèles réduits suivants :
- le modèle en 5 compartiments, ballon de reflux 1, un compartiment de rectification 2 à
jr, un compartiment autour de l’alimentation jr + 1 à js − 1, un compartiment d’épuisement
js à n − 1, le fond de la colonne n ; les plateaux d’agrégation sont r dans {2, . . . , jr}, jF
dans {jr + 1, . . . , js − 1} et s dans {js, . . . , n − 1} ;
36
- le modèle en 4 compartiments, ballon de reflux 1, un compartiment de rectification 2 à

jr, un compartiment autour de l’alimentation jr + 1 à js − 1, le fond de la colonne n ; les
plateaux d’agrégation sont r dans {2, . . ., jr}, jF dans {jr + 1, . . ., n − 1}.
- le modèle en 3 compartiments, un compartiment de rectification incluant le ballon de
reflux 1, un compartiment autour de l’alimentation 2 à n − 1, un compartiment
d’épuisement incluant le fond de la colonne n ; les plateaux d’agrégation sont 1, j dans {2, .
. ., n−1} et n.
D’une façon plus générale nous présentons les trois modèles sous la forme suivante :
 Le modèle agrégé non linéaire à trois compartiments :

Les équations représentant le modèle agrégé à trois compartiments sont les suivantes :
N1 X1  VY2 (X 2 )  VX1
N 2 X 2  LX1  VY3 (X3 )   L  F  X1  VY2 (X 2 )  Fz F  III.2 
N3 X3   L  F  X 2  VX3   L  F  X3  VY3 (X 3 )
Où
N1  M1
N 2   i 2 Mi  III.3
n 1
N3  M n
X1  x1
1
  III.4 
n 1
X2  i2
xi
N2
X3  x n
3 Xi
Yi (Xi )   III.5 
1   3  1 Xi
Avec
- N1 représente la rétention dans le plateau d’entête, N 3 la rétention liquide dans le
compartiment incluant le plateau d’alimentation et N 4 la rétention liquide du fond de

la colonne.
37
- X1 représente la fraction molaire liquide du plateau d’entête, X 3 la fraction molaire
liquide du compartiment incluant le plateau d’alimentation et X 4 la fraction molaire

liquide du fond de la colonne.
- Y (X ) représente la composition vapeur respectivement des compartiments
i i i 1,...,3
1, 2 et 3.
-  3 Le coefficient de volatilité relatif aux compositions vapeur du modèle non linéaire
réduit à 3 états.
 le modèle agrégé non linéaire à quatre compartiments :
Les équations représentant le modèle agrégé à quatre compartiments sont les suivantes :
N1 X1  VY2 (X 2 )  VX1
N 2 X 2  LX1  VY3 (X 3 )  LX 2  VY2 (X 2 )
N3 X3  LX 2  VY4 (X 4 )   L  F  X 3  VY3 (X 3 )  Fz F  III.6 
N 4 X 4   L  F  X3  VX 4   L  F  X 4  VY4 (X 4 )
Où
N1  M1
N 2   i F 2 Mi
J 1
N3   i J Mi  III.7 
n 1
N4  Mn
X1  x1
1

J F 1
X2  i2
xi
N2
1
  III.8 
n 1
X3  iJF
xi
N3
X4  x n
 4 Xi
Yi (Xi )   III.9 
1    4  1 Xi
Avec

compartiment de rectification, N 3 la rétention liquide dans le compartiment incluant le
plateau d’alimentation et N 4 la rétention liquide au fond de la colonne.
38
- X1 représente la fraction molaire liquide du plateau d’entête, X 2 la fraction molaire liquide

du compartiment de rectification, X 3 la fraction molaire liquide du compartiment incluant
le plateau d’alimentation et X 4 la fraction molaire liquide du fond de la colonne.
- Y (X ) représente la composition vapeur respectivement des compartiments 1, 2,
i i i 1,...,4
3 et 4.
-  4 le coefficient de volatilité relatif aux compositions vapeur du modèle non linéaire
 le modèle agrégé non linéaire à cinq compartiments :

Les équations représentant le modèle agrégé à cinq compartiments sont les suivantes :
N1 X1  VY2 (X 2 )  VX1
N 2 X 2  LX1  VY3 (X 3 )  LX 2  VY2 (X 2 )
N3 X3  LX 2  VY4 (X 4 )   L  F  X 3  VY3 (X 3 )  Fz F  III.10 
N 4 X 4   L  F  X3  VY5 (X 5 )   L  F  X 4  VY4 (X 4 )
N5 X5   L  F  X 4  VX 5   L  F  X 5  VY5 (X 5 )
Où
N1  M1
N 2   i F 2 Mi
J 1
N3   i s J M i  III.11
J 1
N 4   iJ Mi
n 1
N5  M n
X1  x1
1

J F 1
X2  i2
xi
N2
1
  III.12 
Js 1
X3  iJF
xi
N3
1

n 1
X4  i  Js
xi
N4
X5  x n
5 Xi
Yi (Xi )   III.13
1   5  1 Xi
39
Avec
compartiment de rectification, N 3 la rétention liquide dans le compartiment incluant le
plateau d’alimentation, N 4 la rétention liquide dans le compartiment d’épuisement, N 5 la

rétention liquide au fond de la colonne.
- X1 représente la fraction molaire liquide du plateau d’entête, X 2 la fraction molaire
liquide du compartiment de rectification, X 3 la fraction molaire liquide du compartiment
incluant le plateau d’alimentation, X 4 la fraction molaire liquide du compartiment
d’épuisement, X 5 la fraction molaire liquide du fond de la colonne.
- Y (X ) représente la composition vapeur respectivement des compartiments 1,

i i i 1,...,5
2, 3, 4 et 5.
-  5 le coefficient de volatilité relatif aux compositions vapeur du modèle non linéaire
Par la suite l’analyse de cette méthode de réduction sera faite sur un modèle non linéaire
d’une colonne binaire de distillation à 12 plateaux :
- le modèle agrégé non linéaire à trois compartiments :
Dans cette application, en gardant la même structure de l’équation (III.2) seulement les
changements vont être appliqués sur la définition des fractions molaires liquides, les
rétentions liquides et les compostions molaires vapeur.
Par la suite on a :
N1  M1 X1  x1
1 3 Xi
N 2   i2 Mi , X 2  
11 11
x i et Yi (Xi )  pour i = 1, 2 et 3
N2 i2
1   3  1 Xi
N 3  M12
X 3  x12
Remarque :
La simulation de ce modèle a été faite sous l’environnement de Matlab Simulink. Pour plus
d’information (voir annexes. Figure A.8).
40
comparaison des fractions molaires liquides

1
0.9 Xm1
X31
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 1 2 3 4 5 6 7 8 9 10
temps(min)
Figure III.4 l’allure du modèle réduit à trois états et le modèle complet du premier plateau.
La figure présentée ci-dessus dévoile l’analogie dans les deux régimes (transitoire et
permanent) des courbes présentés par le rouge pointillé et le bleu. Ce qui montre fort bien
que la réduction par le modèle non linéaire agrégé à trois états ainsi obtenu ci-dessus présente
des résultats satisfaisant.
Ce résultat est obtenu en comparant les deux premiers plateaux de la colonne ainsi obtenu
pour les deux modèles.
Afin de conclure sur un tel modèle réduit en tant qu’un modèle représentatif de la colonne,
il doit vérifier l’analogie des autres compartiments et surtout le dernier plateau. Car on aura
besoin par la suite du premier et du dernier plateau pour la commande.
41
La dernière étape consiste à comparer les modèles réduit à trois états et complet à douze
états du plateau du fond de la colonne.

0.09
Xm3
0.08 X33
0.07
0.06
0.05
0.04
0.03
0.02
0.01
0
0 1 2 3 4 5 6 7 8 9 10
temps(min)
Figure III.5 comparaison entre modèle réduit à trois états et modèle complet du dernier
plateau
Dans la figure III.5 le modèle réduit non linéaire à trois états du plateau de fond de la
colonne est représentatif malgré quelques différences dans le régime transitoire.
On peut conclure que le modèle non linéaire réduit à trois états est un modèle représentatif
de la colonne malgré quelques différences qui sont dû aux erreurs de modélisation.
- Le modèle agrégé non linéaire à quatre compartiments :
De la même façon que précédemment. Le modèle non linéaire réduit à quatre états est
obtenu.
Ce modèle garde la même structure des équations (III.3). Seulement les changements vont
être appliqués sur la définition des fractions molaires liquides, les rétentions liquides et les
compostions molaires vapeur.
42
Par la suite nous avons :

X1  x1
N1  M1
1

6
X2  xi
N 2   i2 Mi
6
i2
N2  4 Xi
, et Yi (Xi )  pour i = 1, 2 ,3 et 4
N 3   i 7 M i
11
1 1    4  1 Xi

11
X3  i7
xi
N3
N4  Mn
X4  x n
La simulation de ce modèle a été faite sous l’environnement de Matlab Simulink. Pour plus
d’information (voir annexes Figure A.8).
1
0.9 Xm1
X41
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 1 2 3 4 5 6 7 8 9 10
temps(min)
complet du premier plateau.
Le résultat de comparaison obtenu pour les deux premiers plateaux de la colonne

modélisés respectivement par les deux modèles réduit à 4 états et complet de douze états.
Il reste seulement à comparer le fond de la colonne pour les deux modèles. La figure ci-
dessous présente ce résultat.
43

0.09
0.08 Xm4
X44
0.07
0.06
0.05
0.04
0.03
0.02
0.01
0
0 1 2 3 4 5 6 7 8 9 10
temps(min)
complet du pied de la colonne.
Le modèle non linéaire réduit à quatre états du fond de la colonne présente un bon résultat
malgré une petite déviation dans le régime transitoire qui est dû aux erreurs de modélisation.
- Le modèle agrège non linéaire à cinq compartiments :
Dans cette application de ce modèle à une colonne binaire de distillation à douze états, en
préserve la même structure du modèle général (III.4). Seulement les changements vont être
appliqués sur la définition des fractions molaires liquides, les rétentions liquides et les
compostions molaires vapeur.
44
Par la suite nous avons :
X1  x1
N1  M1 1

J F 1
X2  xi
N 2   i2 Mi
J F 1 i2
N2
1 5 Xi
N 3   i s J M i , X 3  
J 1 J s 1
x i et Yi (Xi )  pour i = 1,...,5
F
N3 iJF
1   5  1 Xi
N 4   iJ Mi
n 1
1

n 1
s
X4  i  Js
xi
N5  M n N4
X5  x n
La figure ci-dessous présente l’allure des deux courbes respectivement pour le modèle non
linéaire réduit à cinq états et celui non linéaire complet de la colonne binaire à distillation.
1
0.9 Xm5
X51
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 1 2 3 4 5 6 7 8 9 10
temps(min)
Figure III.8 le modèle réduit à cinq états et le modèle complet du premier plateau
Le modèle non linéaire réduit à 5 états préserve les mêmes caractéristiques que le modèle
complet non linéaire de la colonne binaire à distillation.
Dans la figure ci-dessous en présentant la simulation faite sur le plateau du fond avec les deux
modèles respectivement le modèle non linéaire réduit et celui non linéaire complet du procédé
de distillation.
45

0.09
0.08 Xm5
X55
0.07
0.06
0.05
0.04
0.03
0.02
0.01
0
0 1 2 3 4 5 6 7 8 9 10
temps(min)
Figure III.9 le modèle réduit à cinq états et le modèle complet du dernier plateau
Le modèle non linéaire réduit à 5 états du dernier compartiment préserve les mêmes
caractéristiques que le modèle physique de la colonne et surtout les valeurs finales.
L’ensemble des résultats de comparaison obtenue montre qu’à partir d’un modèle de
connaissance on peut concevoir des réductions pour aboutir à des modèles réduits
représentatif du procédé. Ceci pourrait être trouvé en se basant sur l’ensemble des démarches
bien expliquées en haut.
46
VI. Conclusion
La méthode de réduction présentée est celle que proposent beaucoup d’auteurs ([18], [19])
puisqu’elle produit un modèle compartimenté de la colonne. La justification d’une telle
méthode est faite par des considérations d’échelles de temps et nous montrons que notre
modèle réduit est un modèle lent ; ainsi nous avons démontré que les propriétés qualitatives
du système sont préservées par la réduction. De même on n’a pas besoin d’approximer le
système par un système bilinéaire ni d’identifier les paramètres du modèle réduit à partir de
trajectoires du modèle complet.
En conclusion, cette méthode de réduction est simple et rigoureuse. Elle peut s’étendre, au
moins formellement, à des colonnes multi-composées, à d’autres procédés de séparation
multi-étagés Pierre Rouchon [5]. Pour la simulation, elle ne présente pas beaucoup d’intérêt.
En revanche, pour la commande, elle fournit des modèles dynamiques non linéaires de petite
dimension qui préservent les phénomènes lents et asymptotiques. Par rapport aux modèles
utilisés dans la littérature pour calculer une commande en qualité, les modèles ((3.2), (3.3),
(3.4)) sont les seuls qui soient de taille restreinte et qui, en même temps, possèdent les mêmes
propriétés qualitatives que celles du modèle de connaissance (L, V).
Dans le chapitre suivant on va procéder à une linéarisation des modèles vu précédemment

et on va présenter parmi ces trois modèles non linéaire réduit lequel qui convient à la
commande du système tout en se basant sur un critère de renommé pour son choix.
47
Chapitre IV. Choix Du Modèle Non Linéaire Réduit Pour La
Commande
I. Introduction
Le système d’équations différentielles de chaque modèle non linéaire réduit respectivement

((3.2), (3.3), (3.4)) Chapitre 3) montre la dépendance entre les différents compartiments de la
colonne. Il s’agit de modèles fortement non linéaire et le nombre de variables dépendent de la
dimension de la colonne, ce qui rend le problème de mise en œuvre d’une commande difficile.
Une linéarisation basée sur un développement mathématique de Taylor à l’ordre de 1

autour d’un point de fonctionnement présente l’intérêt de s’orienter vers l’analyse par la
théorie des systèmes linéaires.
Dans ce chapitre on s’enchaine avec les résultats présentés dans le chapitre III pour une
réduction de la colonne binaire à distillation de douze états.
Les simulations ainsi faites ont tiré profit du tableau ci- dessous qui présente les différents
points de fonctionnement de chaque modèle non linéaire réduit.
αi i  3, 4,5 L V F ZF
Modèle NL réduit à trois états 20.525 12.71 9.353 22.9 0.36
Modèle NL réduit à quatre 8.935 12.71 19.97 22.9 0.36

états
Modèle NL réduit à cinq états 6.532 12.71 19.97 22.9 0.36
Tableau IV.1 Point de fonctionnement
II. Linéarisation du modèle réduit non linéaire à trois états :
La linéarisation de ce modèle abouti aux équations suivantes :
48
Chapitre IV. Choix Du Modèle Non Linéaire Réduit Pour La Commande
Y2
N1X1  V 0 X1  V 0 X 2   Y20  X10  V
X 2 0
  Y2 
 N 2 X 2  L0 X1   L0  F0  V 0  X 2 
   X
 2 0 
 (IV.1)
 0 Y3
V X X 3   ZF  X 2  F  F ZF   Y3  Y2  V   X1  X 2  L
0 0 0 0 0 0 0
 3 0
  Y3 
 N 3 X 3   L0  F0  X 2   L0  F0  V 0  V 0  X 3   Y3  X 3  V
0 0
 X 3
  0 

  X 2  X 3  L   X 2  X 3  F
0 0 0 0
La représentation d’état :
  
 x 3  t   A3 x 3  t   B3 v  t  B3   B3p B3u  D3  0
 avec  (IV.2)
 y3  t   C3 x 3  t   D3 v  t  T T
 v =  w p u 
T
Où:
T
x 3  X1 X2 X3 
 V 0 V 0 Y2 
 0 
 N1 N1 X 2 0 
 0 
L  Y2  1 V 0 Y3 
  L0  F0  V 0 
A3   N 2 
 X 2 0 
N2 N 2 X 3 0 
 

 0
L 0
 F0   0
 L  F  V  V 0 Y3
 1 


0 0
 N3  X N 3 
 3 0 
 
 

0 0 0
Y0
2  X10  

 N1 
 0 
  ZF  X 2  X X  Y  Y20  1 0
0 0 0 0
F0  0
C3  
1 2 3
B3  
1 
 et

N2 N2 N2 N2
 0 0
  X 2  X 30 
0
X 0
X 0
 Y 0
 X 30  
 0
2 3

3

 N3 N3 N3 
 
49
La simulation de ce modèle a été faite sous l’environnement de Matlab-Simulink (voir

ANNEXE Figure A.9).
En l’absence de variation sur les entrées de perturbations, la figure suivante montre le résultat
de simulation.
Figure IV.1 Présentation de X31 non linéaire et X31 linéarisé
Dans la figure Le modèle non linéaire retrouve bien son point de fonctionnement
En présence d’une variation (ex : 10%), la figure ci-dessous montre la réaction du modèle
réduit à cette variation.
50
Zoom sur les modèles linéarisé et linéaire réduits à 3 états (prmier plateau)
1
0.99 linéarisé
non linéaire
0.98
0.97
0.96
0.95
0.94
0.93
0.92
0.91
0.9
6 7 8 9 10 11 12
Temps(min)
Figure IV.2 comparaison entre modèles réduis non linéaire et linéarisé à 3 états
Visuellement le modèle réduit à trois états non retrouve bien son point de fonctionnement.
Les figures ci-dessous présentes La simulation du fond de la colonne pour les deux modèles
Modèles réduits linéarisé et non linéaire à 3 états (dernier plateau)

0.09
0.08 linéarisé
non linéaire
0.07
0.06
0.05
0.04
0.03
0.02
0.01
0
0 2 4 6 8 10 12 14 16 18 20
Temps(min)
Figure IV.3 comparaison entre X33L et X33du dernier plateau
51
Dans ce cas aucune modification n’a été faite sur les entrées de perturbation de la colonne.
On déduit que la courbe présentant le modèle non linéaire X33 retrouve son point de
fonctionnement.
Si en appliquant une variation de 10%, le résultat de cette variation est présenté ci-dessous :
Zoom sur le Modèle réduit non linéaire et réduit linéarisé à 3 états (dernier plateau)
0.1
Linéarisé
0.098
non linéaire
0.096
0.094
0.092
0.09
0.088
0.086
0.084
0.082
0.08
6 7 8 9 10 11 12
Temps(min)
Figure IV.4 le comportement de X33 et X33L lors de la variation du débit d’alimentation
Globalement ce résultat n’est pas satisfaisant puisque le modèle non linéaire ne retrouve
pas son point de fonctionnement. Ceci est dû aux erreurs lors de la modélisation ou au choix
des plateaux à compartimenter.
52
III. Le modèle linéarisé du modèle non linéaire à quatre états :
Les équations du modèle linéarisé réduit à trois états :
Y2
N1X1   V 0 X1  V 0 X 2   Y20  X10  V
X 2 0
  Y2 
 N 2 X 2  L0 X1   L0  V 0  X 2 
  X 2 0 


 0 Y3
 V X X 3   Y3  Y2  V   X1  X 2  L
0 0 0 0
 3 0
  0 0 Y3
 0 Y4
 N 3 X 3  L X 2   L  F  V X  X 3  V X
 0 0
X 4   Y30  X 30  V
  3 0  4 0

   X 2  X 3  L   ZF  X 3  F  F ZF
0 0 0 0 0

  0 0 Y4

 N 4 X 4   L  F  X 3   L  F  V  V X
  X 4   Y4  X 4  V  IV.3 
0 0 0 0 0 0
  4 0 

   X 3  X 4  L   X 3  X 4  F
0 0 0 0

  
 x 4  t   A 4 x 4  t   B4 v  t  B4   B4p B4u  D4  0
 avec   IV.4 
 y 4  t   C4 x 4  t   D4 v  t 
T T
 v =  w p u 
T
T
x 4  X1 X2 X3 X4 
 V 0 V 0 Y2 
 0 0 
 N1 N1 X 2 0 
 0 
L  Y2  1 V 0 Y3 
  L0  V 0  0
N  X2 N2 N 2 X 3 
 2  0  0

 L0  Y3  1 Y4 
A4   0   L0  F0  V 0  V0 
 N3  X3 N3 X 4 
 0  0
 
  Y4  
 0 0 L0
 F0    L0  F0  V 0  V 0
 X4
  
  0  
 
 
 
 
53

0 0 0
Y0
2  X10  

 N1 


B4   0
X 0
1  X 02   Y3  Y2   et C  1
0 0
0 0 0
0  4 0 1 

N2 N2
  0 0
  X 30  X 04  X 0
 X 04   Y30  Y40  
 0
3
 
 N3 N3 N3 
 
De la même façon que le modèle réduit à trois états linéarisé en présentant les résultats de
simulation de la linéarisation du modèle non linéaire réduit à quatre états.
La figure ci-dessous présente la comparaison entre le modèle non linéaire et celui linéarisé à
quatre états en absence d’une variation sur l’une des deux perturbations présentées à l’entrée
de la colonne.
Modéle réduit non linéaire et réduit linéarisé à 4 états (premier plateau)

1
0.9 Linéarisé
non linéaire
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 2 4 6 8 10 12 14 16 18 20
Temps(min)
Figure IV.5 comparaison entre modèles non linéaire et linéarisé réduits à 4 états
En l’absence d’une variation sur l’alimentation de la colonne dite perturbation le modèle

non linéaire réduit à 4 états pour le plateau d’entête X41 retrouve son point de
fonctionnement.
54
Zoom sur le modèle réduit non linéaire et réduit linéarisé à 3 états (premier plateau)
1
Linéarisé
0.99
non linéaire
0.98
0.97
0.96
0.95
0.94
0.93
0.92
0.91
0.9
6 7 8 9 10 11 12
Figure IV.6 le comportement de X41 et X41L lors d’une variation du débit d’alimentation
L’application d’une variation sur une des entrées de perturbation. La figure en bas présente
le résultat de cette simulation :
La figure en haut présente le comportement du modèle non linéaire réduit à quatre états
ainsi son modèle linéarisé. Celui-ci représente bien la forme du modèle d’origine à une
variation sur l’une des entrées de perturbations.
Hormis il faut vérifier le comportement du dernier plateau, les deux figures ci-après
représente le comportement des deux modèles en présence d’une variation sur l’une des deux
entrées de perturbations (ZF et F).
55
Modéle réduit non linéaire et réduit linéarisé à 4 états (dernier plateau)

0.09
0.08 Linéarisé
non linéaire
0.07
0.06
0.05
0.04
0.03
0.02
0.01
0
0 2 4 6 8 10 12 14 16 18 20
Temps(min)
Figure IV.7 le comportement de X44 et X44L en absence de perturbations
En absence d’une perturbation les deux modèles ont le même comportement en régime
permanent.
Zoom sur le modèle réduit non linéaire et réduit linéarisé à 3 états (derniier plateau)
0.12
0.115
0.11 linéarisé
non linéaire
0.105
0.1
0.095
0.09
0.085
0.08
6 7 8 9 10 11 12
Temps(min)
Figure IV.8 le comportement de X44 et X44L lors d’une variation du débit d’alimentation
56
Comme pour le modèle non linéaire à trois étas, le modèle non linéaire à quatre états ne
présente pas de résultat lors de la variation des entrées de perturbation au niveau du dernier
plateau d’alimentation.
IV. Le modèle linéarisé du modèle non linéaire à cinq états :
Les équations du modèle linéarisé réduit à cinq états :

Y2
N1X1  V 0 X1  V 0 X 2   Y20  X10  V
X 2 0
  Y2 
 N 2 X 2  L0 X1   L0  V 0  X 2 
  X 2 0 


 0 Y3
V X X 3   Y3  Y2  V   X1  X 2  L
0 0 0 0
 3 0
  Y3  Y4
 N 3 X 3  L0 X 2   L0  F0  V 0  X 3  V 0 X 4   Y30  Y40  V
 X   X  IV.5 
  3 0  4 0

  X 2  X 3  L   ZF  X 3  F  F ZF
0 0 0 0 0
  Y4  Y5
 N 4 X 4   L0  F0  X 3   L0  F0  V 0  X 4  V 0 X 5   Y40  Y50  V
 X 4 0  X 5 0
 

  X 3  X 4  L   X 3  X 4  F
0 0 0 0
  Y5 
 N 5 X 5   L0  F0  X 4   L0  F0  V 0  V 0  X 5   Y5  X 5  V
0 0
 X 5 0 
 

  X 4  X 5  L   X 4  X 5  F
0 0 0 0
  
 x 5  t   A5 x 5  t   B5 v  t  B5   B5p B5u  D5  0
 avec   IV.6 
 y5  t   C5 x 5  t   D5 v  t  T T
 v =  w p u 
T

T
x 5  X1 X2 X3 X4 X5 
57
 V 0 V 0 Y2 
 0 0 0 
 N1 N1 X 2 0 
 0 
 L  Y2  1 V 0 Y3 
  L0  V 0  0 0
N  X2 N2 N 2 X 3 
 2  0  0

 L0  Y3  1 Y4 
A5   0   L0  F0  V 0  V0 0 
 N3  X3 N3 X 4 
 0  0
 
  0 0 Y4
 
 0 0 0 L0
 F0   L  F  V  V

0 0
 
X 4 0  
 
 
 
 
 

0 0 0
Y 0
2  X10  

 N1 

 X 0
1  X 02   Y3  Y2  
0 0
0 0
N2 N2 
 
  Z0F  X30  X 0
 X30   Y3  Y4   et C  1
0 0 
0 0 0 0 
B5  
2
0
 0 1 
F
 N3 
4
N3 N3  0 0 0
 0 
  X3  X 4  X  X 04   Y40  Y50  
0 0
3
 0  
 N4 N4 N4 
  X0  X0  X 0
 X 50   Y5  X 5  
0 0
 4 5
0
4
 
 N5 N5 N5 
 
La simulation a été faite sous l’environnement de Matlab-Simulink voir (Annexes Figure A.9)
Les figures ci-dessous montrent les résultats de simulation. Dans les ordonnées en trouve
les valeurs des fractions molaires liquides et en abscisse le temps de simulation qui était
exprimé en minutes. Les deux courbes sont respectivement pour le modèle non linéaire réduit
à 5 états présenté en bleu et le modèle linéarisé est présenté en rouge pointillé ainsi elles sont
dénommées respectivement pour le modèle réduit non linéaire à 5 états par X5i pour i=1 et 5
et pour le modèle linéarisé X5iL pour i=1 et 5 ; L pour dire linéarisé et i=1 et 5 pour dire le
compartiment 1 et le compartiment 5.
58
Modéle réduit non linéaire et réduit linéarisé à 5 états ( plateau d'entête)

1
0.9 Linéarisé
non linéaire
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 2 4 6 8 10 12 14 16 18 20
Temps(min)
Figure IV.9 Présentation de X51 non linéaire et X51L linéarisé
En absence d’une variation sur les entrées de perturbations, la fraction molaire liquide du
plateau d’entête du modèle linéarisé garde la même forme que celle du modèle non linéaire
Dans la figure IV.10 nous avons appliqué une variation de 10 % du débit d’alimentation :
Modèles linéarisé et non linéaire réduit à 5 états (plateau d'entête)
Linéarisé
Non linéaire
0.965
0.96
0.955
0.95
6 7 8 9 10 11 12
Temps(min)
du débit d’alimentation
59
Modéle réduit non linéaire et réduit linéarisé à 5 états ( plateau du fond)

0.09
0.08 Linéarisé
non linéaire
0.07
0.06
0.05
0.04
0.03
0.02
0.01
0
0 2 4 6 8 10 12 14 16 18 20
Temps(min)
Lorsqu’une variation du débit d’alimentation ou sa concentration, le modèle linéarisé suit

la nouvelle consigne ainsi que le modèle réduit à 5 états non linéaire.
Remarque :
Le changement de base de temps a pour but la permission de l’éclairage de la simulation.
En appliquant la même variation pour visualiser le comportement de la fraction molaire

liquide du dernier compartiment. La figure ci-dessous présente le résultat de simulation.
60
Zoom sur l'évolution des modèles linéarisé et non linéaire réduit à 5 états (fond de la colonne)
0.14
linéarisé
0.13 non linéaire
0.12
0.11
0.1
0.09
0.08
6 7 8 9 10 11 12
Temps(min)
Lorsqu’on a appliqué une variation importante de 10 % sur le débit d’alimentation, le

modèle linéarisé X55L reproduit bien la forme du modèle original, mais lorsqu’en se
déplaçant dans l’échelle de temps les variations s’apparaissent.
V. Conclusion
Ce chapitre a été consacré à la linéarisation des différents modèles réduits ainsi trouvés.
L’objectif principal de cette linéarisation n’est plus que de s’approcher de l’analyse par la
théorie des systèmes linéaire qui présente des intérêts facilitant la tâche.
Par la suite en se basant sur ce travail pour choisir un modèle qui convient pour la commande.
Pour faire ceci le chapitre suivant illustre un critère permettant de choisir le modèle réduit
pour la commande ainsi dans ce même chapitre on va présenter une synthèse d’un régulateur
robuste obtenu pour le modèle réduit tout en le comparant au régulateur du modèle d’ordre
complet.
61
Chapitre V. Synthèse D’un Régulateur Robuste
I. Introduction
Le développement des systèmes complexes exigent de temps en temps l’amélioration des

contrôleurs en visant à garantir une bonne précision.
Cette performance peut être obtenue grâce à la synthèse d’un contrôleur adéquat en se
basant sur le modèle physique du procédé. Ce modèle est généralement complexe ce qui fait
un investissement de temps de calcul sera augmenté. A cet effet une réduction du modèle
physique est envisagée pour obtenir des modèles réduits reproduisant les caractéristiques
qualitatives du modèle réel.
Hormis il existe un nombre exhaustif de méthodes qui parlaient sur la réduction, nous
avons été basé sur une méthode qui est bien expliquée dans les anciens chapitres, la méthode
d’agrégation puisqu’elle aboutit à des modèles réduits comparables au modèle de la colonne.
Auparavant nous avons travaillé sur trois modèles réduits respectivement à trois états, à quatre
états et à cinq états. Seulement nous étions retrouvés face à la question du choix du modèle
réduit représentatif du modèle réel pour la commande. Pour ce faire nous avons établi une
comparaison en se basant sur un critère d’évaluation, cette optimisation a été faite par la
norme H  [22]. Une fois le critère d’optimisation selon cette norme ainsi obtenu est minimal
pour un modèle réduit, nous procédons à une synthèse en boucle fermée du régulateur
robuste.
Enfin pour fructifier ce travail nous avons fait une comparaison entre le régulateur du
modèle complet ainsi celui du modèle réduit.
62
II. Choix du modèle réduit non linéaire pour la commande :
1. Problématique :
Avant d’entamer le fond de ce chapitre, on rappel la problématique liée à la réduction du

modèle.
Considérons un système G(s) linéaire invariant dans le temps (LTI) de représentation d'état
minimale:
 x(t)  Ax(t)  Bu(t)

 (V.1)
 y(t)  Cx(t)  Du(t)
Où A  nn , B  nm , C  pn et D  pm
Le problème de réduction de modèle consiste à déterminer une représentation d’état réduite :
 x r (t)  A r x r (t)  Br u(t)

 (V.2)
 yr (t)  Cr x r (t)  Dr u(t)
Où Ar  rr , Br  rm , Cr  pr et Dr  pm avec r < n de fonction de transfert Gr(s) de

manière à ce que le comportement du modèle réduit soit aussi proche que possible de celui du
modèle original selon un certain critère à définir.
Dans notre travail nous avons formulé cette problématique de façon qu’on disposait des
modèles réduits, autrement nous n’avons pas besoin d’aller les rechercher, seulement en
partant d’un critère d’optimisation pour extraire le meilleur modèle représentant du système.
2. Critère d’optimisation :
Soit G(s)  (A, B,C, D), A nn une représentation d’état d'un système
asymptotiquement stable dont l'ordre doit être réduit. Le problème de réduction optimale
selon la norme   consiste à chercher une fonction de transfert asymptotiquement stable
G r (s)  (Ar , Br ,Cr , Dr ), Ar rr , de degré r < n, solution du problème d'optimisation
suivant :
Min G( s )  G r ( s ) 
(V.3)
G (s)
r
63
Les cas  = H (norme de Hankel),  =  (norme H  ) et  = 2 (norme H 2 ) .
Une représentation d'état de G(s)  G r (s)  (A , B , C , D ) se déduit aisément des
représentations d'état de G(s) et G r (s) définies respectivement par (5.1) et (5.2). Cette
représentation s’obtient en écrivant :
  x t 
x e  t      A e x e  t   Be u  t 
  x r  t  (V.4)

e  t   y  t   y r  t   C e x e  D e u  t 
A 0 B 
A B   
G(s)  G r (s)    0 Ar
D  
Br  (V.5)
 C  C C r D  Dr 

3. Calcul de la norme H∞
En automatique, nous limiterons au cas des systèmes linéaires à temps continu de

dimension finie dont la matrice de transfert possède des termes qui sont des fractions
rationnelles à coefficients réels. Nous considérons le sous-espace des matrices de transfert
G(s) de dimension n  n strictement propre et sans pôle sur l’axe imaginaire noté H n ou
tout simplement H  [1].
Définition V.01: La norme H∞ étendue aux matrices de transfert de l’espace H  est la plus
grande valeur singulière définie par :
G 
 sup  G  j  (V.6)

G  est appelé norme H∞ de la matrice de transfert G(s)
Interprétation : La norme H∞ de la matrice de transfert G(s) d’un système linéaire à temps

continu asymptotiquement stable représente donc une mesure du gain maximal atteinte sur
l’ensemble des fréquences, par la plus grande valeur singulière de G  j [22].
64
4. Choix du modèle réduit selon le critère d’optimisation
L’application du critère d’optimisation est obtenue par résolution numérique sous Matlab.
Dans un premier temps en saisissant les nouvelles matrices et en fait appel à une commande
obtenir un espace d’état (cette commande s’écrit : « fonction  ss  Ae, Be,Ce, De  », dans
un deuxième temps en calcul la norme H  par la commande gamma  norm(fonction, Inf ) .

Ce calcul a été fait pour les trois modèles réduits.
Dans Le tableau ci-dessous on présente les différentes valeurs de gamma ainsi obtenues :
Norme 
G  s   G3  s   1.9679
G s   G4 s   1.6911
G  s   G5  s   1.0410
Tableau V.1 Tableau V.1 résultats du critère d’optimisation pour chaque modèle réduit
Remarque :
Les notations G 3  s  , G 4  s  et G 5  s  sont respectivement les représentations d’états des
modèles réduits non linéaires à trois états, quatre états et cinq états dont leurs formes ont été
présenté dans le chapitre VI.
L’objectif du calcul d’un critère optimal consiste à la minimisation de celui-ci. D’après les
résultats présentés dans le tableau en haut la représentation d’état du modèle réduit non
linéaire à 5 états en comparaison avec le modèle complet de la colonne minimise ce critère.
En conséquence on peut le choisir pour la commande.
La dernière dans ce projet consiste à trouver un régulateur robuste qui sert à stabiliser le
système vis-à-vis des erreurs de modélisation ainsi les perturbations imaginées à l’entrée.
III. Synthèse du régulateur robuste

1. Synthèse H∞ standard
La synthèse H∞ par approche standard constitue une méthode de construction de

correcteurs utilisant des outils fréquentiels.
65
Le système en boucle fermée, décrit également par des incertitudes, doit couramment
satisfaire des exigences formulées en termes d’objectifs de commande. Celles-ci sont alors
réalisées grâce à l’étude des marges de stabilité et au modelage de transferts entrée/sortie du
modèle de synthèse de façon que le système commandé possède de bonnes propriétés de
stabilité et de performance.
Le théorème du petit gain est l’outil principal duquel les moyens d’analyse ont pris essor afin
de mettre en œuvre une stratégie de commande basée sur l’optimisation H∞.
2. Le Théorème du petit gain
Le théorème du petit gain appliqué à l’analyse de la robustesse face à des erreurs de

modélisation non structurées. Considérons le système interconnecté présenté sur la Figure
(V.2).
Théorème V.1.1 Supposons H  s   H et soit   0 . Le système interconnecté de la
Figure (V.2) est bien posé et stable de manière interne [3] pour toute matrice   s   H
1
telle que   s   si et seulement si H11  s     , où H11  s  est le transfert entre v  et z 


Grâce au théorème précédent, l’approche H∞ permet théoriquement de prendre en compte a
priori la robustesse lors de la synthèse d’un correcteur. Toutefois la condition énoncée par le
théorème est nécessaire et suffisante si aucune structure n’est imposée à la matrice ∆(s). Vis-
à-vis d’incertitudes physiques dont les transferts ont une structure particulière, la condition est
seulement suffisante. Il s’avère alors que souvent la formulation ne peut engendrer de
résultats satisfaisants en pratique.
w y
Figure V.1 Représentation générale des incertitudes de modélisation
66
IV. Formulation du problème H∞ standard
Le problème H∞ standard est présenté sur la Figure V.3
Figure V.2 Problème H∞ standard
La matrice de transfert P  s  modélise les interactions dynamiques entre les entrées  w , u  et
les sorties  e , y  .
Le vecteur w contient les entrées extérieures telles que les signaux de référence, les
perturbations et les bruits. Le vecteur u représente les commandes; e contient les sorties à
réguler et y les grandeurs mesurables disponibles pour construire la commande.
Mettre le problème sous forme standard revient donc à choisir les entrées et les sorties à
réguler en fonction des spécifications et à intégrer des filtres de pondération fréquentielle.
Ceux-ci doivent traduire les objectifs de performance et de robustesse de la commande.
La matrice de transfert entre w et e du système en boucle fermée est obtenue par la

Transformation Fractionnaire Linéaire inférieure :
Fl (P(s), K(s)) = Pew (s) + Peu K(s)(I - Pyu K(s))-1Pyw (s) (V.7)
67
La synthèse H∞ du correcteur est définie par les problèmes suivants :
1. Problème H∞ standard optimal
Trouver tous les correcteurs K  s  qui stabilisent le système bouclé de la Figure V.3, et
minimisent Fl (P,K)  .
2. Problème H∞ standard sous optimal
Étant donné   0 , trouver tous les correcteurs K  s  qui stabilisent le système en boucle
1
fermée de la Figure V.3, et assurent Fl (P,K)  .


La valeur de  est en général appelée niveau H∞ ;  min est le niveau H∞ optimal.
Il existe plusieurs méthodes pour résoudre le problème H∞ standard. L’approche qui est
présentée ici utilise les équations de Riccati. Cette méthode sera privilégiée dans la suite des
travaux car elle est peu coûteuse en temps de calcul. Elle consiste à rechercher la valeur
optimale de γ par dichotomie.
La matrice d’interconnexion P  s  de la Figure V.3 est décrite par la représentation d’état
suivante:
 x  t   A Bw Bu   x  t  
    
 e  t     Ce Dew Deu   w  t  
(V.8)
 y  t   C y D yw D yu   u  t  

avec x  n ; w  n w ; e  ne ; y   y ; u  n u .
n
La résolution du problème H∞ standard peut être soit par les équations de Riccati soit par
une méthode assez récente basée sur les inégalités matricielles linéaires (LMI).
3. Résolution par les équations de Riccati
La méthode de résolution par les équations de Riccati utilise l’algorithme de Glover-Doyle.

Celui-ci a été mis en œuvre dans les années 80. [7], [8].Cet outil est à la base des applications
de la synthèse H∞.
68
Soit le problème H∞ standard et les hypothèses suivantes :
H1)  A , Bu  est stabilisable et  Cy , A  est détectable.
H2) rang  Deu   n u et rang  Dyw   n y .
 A  jIn Bu 
H3)   rang   n  nu .
 Ce Deu 
 A  jI n Bw 
H4)   rang   n  ny .
 Cy D yw 
Notons que l’hypothèse H1 constitue l’hypothèse classique de toute méthode de synthèse

utilisant les variables d’état. Elle assure la stabilité du système en boucle fermée. H2 est une
condition suffisante et garantit que le correcteur soit propre. H3 entraîne que Peu  s  n’a pas
de zéro sur l’axe imaginaire. Il en est de même pour H4 et Pyw  s  .
Dans la suite, on ajoute les hypothèses simplificatrices suivantes, dites hypothèses de

normalisation :
H5) DTeu (Deu Ce ) = (I 0) et Dyw (DTyw BTw ) = (I 0) .
H6) Dew = 0 et Dyu = 0 .
On peut toujours satisfaire H5 − H6 par des changements de variables appropriés.

Le Théorème suivant est un moyen d’évaluer la faisabilité du problème standard.
Théorème V.1.2. Sous les hypothèses H1-H4 et les conditions H5-H6, le problème H∞ a une
solution si et seulement si les 5 conditions suivantes sont remplies :
 A  2 Bw BTw  Bu BTu 
i) la matrice H   T  ne possède pas de valeur propre sur l’axe
 C e C e A T 
imaginaire.
ii) Il existe une matrice X  Ric  H   0 .
 AT  2 Ce CTe  C y CTy 
iii) la matrice J    T  ne possède pas de valeur propre sur l’axe
  Bw Bw A 
imaginaire.
69
iv) Il existe une matrice Y  Ric  J    0
v)   X Y    2 où    désigne le module de la plus grande valeur propre.
La solution du problème standard est donnée par le théorème suivant :

Théorème V.1.3 Supposons que les conditions du Théorème 5.1.2 soient vérifiées. Les
correcteurs rationnels K  s  stabilisant le système et satisfaisant Fl  P  s  ,K  s     sont


décrits par la LFT :

K  s   Fl  K a  s  ,  s   (V.9)
Où   s   H est une matrice de transfert de dimension n u  n y arbitraire vérifiant
  s    , et K a  s  est décrit par la représentation d’état suivante :
 x a  t   Â Z Y CTy Z Bu   x a  t  
   T  
 u  t      Bu X  0 Inu   y  t  
 u a  t    C 
0   y a  t  
 y In y
Â  = A +  2 Bw BTw X  - Bu BTu X  - Z Y CTy C (V.10)
Z   I n   2 Y X  
1
Finalement, le correcteur obtenu pour Φ(s) = 0 appelé correcteur central a pour représentation
d’état :
 x c  t   Â Z Y CTy   x c  t 
  T   (V.11)
 u  t    Bu X  0   yt 
Le théorème 5.1.2 ne donne pas une expression explicite de la valeur optimale  min . La valeur
optimale du niveau H∞ est approchée par dichotomie en utilisant les résultats du théorème
5.1.2 (procédure dite de γ-itération).
En pratique, on cherche donc la valeur de γ la plus petite possible et proche de 1. Le

correcteur central est ensuite calculé en appliquant le théorème 5.1.3.
70
4. Résolution par LMI
On va s’intéresser par la suite à cette méthode. Seulement nous présentons quelques

particularités par rapport à la résolution par les équations de Riccati.
La synthèse de correcteur par LMI est plus récente que celle utilisant les équations de Riccati.
Elle constitue une manière différente de résoudre le problème H∞ standard [24].
Sa généralité réside dans le fait qu’elle ne nécessite pas le respect des hypothèses H2 − H6.
De plus, l’algorithme de résolution par γ-itération n’est pas requis.
5. Avantage de la formulation
Dans la pratique, la résolution du problème H∞ standard par γ-itération est plus aisée car
moins coûteuse en temps de calcul. Le principal avantage de cette méthode réside dans sa
faculté à prendre en compte des contraintes supplémentaires, en particulier concernant l’ordre
du correcteur à synthétiser
V. Rejet de perturbations par régulateur robuste :
L’objectif de la compensation est d’assurer la stabilité du système en boucle fermée et un

comportement satisfaisant en nominal. L’ensemble de ces qualités devra être préservé autant
que possible en présence des perturbations externes et des incertitudes de modélisation. La
méthode de synthèse de la commande envisagée pour la colonne à distiller doit répondre à un
certain nombre de performance :
- La robustesse vis-à-vis des incertitudes de modélisation. Celles sont matérialisées

essentiellement par des dynamiques négligées, la réduction de modèle puis sa
linéarisation.
- Le rejet de perturbations qui sont matérialisées essentiellement par les variations du
débit du produit à distiller et sa concentration.
Dans ce contexte, nous proposons la synthèse d’un compensateur permettant de minimiser

la norme H∞ entre les perturbations et les grandeurs contrôlées et d’assurer une bonne
précision vis-à-vis des consignes et des perturbations lentement variables. Cette dernière
71
performance sera assurée par l’insertion d’une action intégrale dans la structure de la
commande comme il est illustré par la figure suivante :
F,ZF
xi +
+ Colonne à distiller
Gm
+
d
Figure V.3 schéma pour la synthèse du régulateur R
Dans ce schéma la colonne est représentée par son modèle G m  s    Am , Bm ,Cm , Dm  qui
correspond au modèle complet d’ordre n G  s    A , B,C, D  , ou le modèle réduit
G r  s    Ar , Br ,Cr , Dr  de degré r  n . Pour la synthèse du régulateur R, on considère les
équations du modèle de la colonne (dans un premier temps réduit et dans un second temps
complet pour présenter la différence) augmenté d’une action intégrale. La figure en haut
(figure V.4), yc et ym représentent respectivement la consigne et la mesure de la fraction
molaire liquide en bas et haut de la colonne. d représente n’importe quelle perturbation

lentement variable ramenée à l’entrée du régulateur. En visant à minimiser les erreurs de
poursuite pondérées et les variations des commandes pondérées, pour ceci on définit le
vecteur Z de composantes Zi  Wi x i et Zu  Wu u représentant les variables contrôlées.


 x  t   A m x  t   Bpm w p  t   Bum u  t 

 y m  t   Cm x  t   D pm w p  t   D um u  t  (V.12)

 y =  x1c  y   x1 
 c  x nc  m  x n 

Dans la suite les pondérations Wi et Wu seront choisies constantes et telles que :
72
w 0  wu0 0 
Wi   i0  et Wu  
w u 0 
(5.13)
 0 w i0   0
Le schéma de la figure V.4 peut être réorganisé peut mettre en évidence le schéma standard
de la synthèse H∞ .
Figure V.4 Schéma de la boucle fermée
H  s  représente le système augmenté de représentation d’état :
X  t   AX  t   B1 w  t   B2 u  t 

 Z  t   C1 X  t   D11 w  t   D12 u  t  (V.14a)

 y  t   C2 X  t   D 21 w  t 
Où :
  yc 
 x  L     y1c   Zi 
X   x  u  V  w =  d  y c   y  Z =  Z 
  i   w p   nc   u
  
  A m 0 0 0 Bpm  B 
A    B1    B2   um  (V.14b)
  C m 0  I 0 0   0 
  o 
C1  
0 Wi  0 0 0 
 D11    D12   
 0 0  0 0 0   Wu 

C2   0 I  D 21   0 I 0
Avec I est la matrice identité sa dimension change avec la dimension du problème.
73
Le problème de la synthèse optimale consiste à trouver tous les compensateurs R  s  qui
stabilisent le système bouclé de la figure V.5 et minimisent Tzw 

, où Tzw représente le
transfert entre les entrées exogènes W et les variables contrôlées Z. On peut également
envisager le problème sous optimal qui consiste à trouver tous les compensateurs R  s  qui
stabilisent le système bouclé de la figure V.5 et assurent Tzw 

  , où   0 spécifie le
niveau de performance souhaitée.
1. Synthèse du régulateur
Le régulateur multivariable R  s  est calculé de manière à minimiser la norme Tzw 

. Il
repose sur le système augmenté V.14 dont la dimension est n+2. Ceci peut dire pour une
colonne de 12 état il a une dimension de 14 et pour un modèle réduit de la colonne à 5 états,
on trouve la dimension du régulateur à l’ordre de 7. Ces dimensions aurait être importantes si
on n’avait pas pris Wi et Wu des constantes.
2. Simulation en boucle fermée
D’après les résultats trouvés ci-dessus par le critère optimal sur lequel nous avons été basé
pour trouver le mieux modèle non linéaire réduit des trois modèles présentés respectivement à
trois états, à quatre états et à cinq états. Le choix a été fixé sur le modèle non linéaire réduit à
cinq états puisqu’il a donné une valeur minimale de  lors de sa comparaison avec le modèle
complet à douze états.
Pour simuler un modèle non linéaire réduit à cinq états en boucle fermé. On a considéré celui-
ci comme le modèle représentatif de la colonne puis on a pris la démarche suivant :
 On a repris la représentation d’état V.12 de telle façon à considérer la représentation

d’état du modèle réduit de la colonne .
 On a calculé d’après V.13, V.14a et V.14b le système augmenté pour le modèle non
linéaire réduit à cinq états.
A noter que toutes ces équations et ces calculs ont été faits par Matlab ainsi son
environnement Simulink pour plus d’information voir annexe 5.
74
Remarque : la démarche en haut a été faite pour le modèle complet à douze états pour des
fins de comparaison entre celui-ci et le modèle réduit à cinq états.
Le tableau suivant résument plusieurs tentatives sur Wi et Wu afin de minimiser  pour les
deux modèles respectivement à 12 et à 5 états.
w i0 wu0  optimal pour M 5 états  optimal pour M 12 états
1 0.1 50.61 12.54

1 0.01 5.17 1.65
0 0.01 12.44 11.25
10 0.01 12.89 10.41
Tableau V.2 étalonnage des pondérations pour les deux régulateurs
Après plusieurs itérations nous avons retenu les valeurs des pondérations suivantes
w i0  1 et w u0  0.01 . Les figures ci-après montrent les réponses des sorties régulées
respectivement les fractions molaires en haut et en bas de la colonne par les deux régulateurs
en présence des variations sur les entrées de perturbation  ZF , F  .
régulateur réduit du premier plateau

0.97
0.968
0.966
0.964
0.962
0.96
0.958
0.956
0.954
0.952
0.95
15 20 25 30 35 40
temps(min)
Figure V.5 régulation d’ordre réduit du premier plateau
75
Dans la figure V.5 On a appliqué deux perturbations à des instants séparées t1=20min et
t2=30min, le système réagit à ces perturbations puis il retrouve son point de fonctionnement
malgré un petit amortissement qui s’avère clair dans la simulation.
régulateur réduit du dernier plateau

0.115
0.11
0.105
0.1
0.095
0.09
0.085
0.08
15 20 25 30 35 40
temps(min)
Figure V.6 régulation d’ordre réduit du dernier plateau
Dans la figure ci-dessus, la régulation réduite du dernier plateau à base du régulateur robuste
réduit est correctement établie aux instants de perturbations.
Ensuite le système reviendrait à son de fonctionnement.
régulateur complet du premier plateau

0.972
0.97
0.968
0.966
0.964
0.962
0.96
0.958
0.956
0.954
0.952
15 20 25 30 35 40
temps(min)
Figure V.7 régulation d'ordre complet du premier plateau
76
Le régulateur d’ordre élevé réagit correctement aux mêmes perturbations appliquées pour
le régulateur d’ordre réduit.
régulateur complet du dernier plateau

0.115
0.11
0.105
0.1
0.095
0.09
0.085
0.08
15 20 25 30 35 40
temps(min)
Figure V.8 régulation d’ordre complet du dernier plateau
La figure ci-dessus présente la régulation robuste au niveau du dernier plateau réalisée par le
régulateur déduit du modèle complet de la colonne binaire de distillation. Dans cette figure,
Le système retrouve facilement son point de fonctionnement lorsque’ une perturbation est
appliquée. Dans ce cas le système a subi des perturbations consistantes (10%) au niveau des
entrées de perturbations (ZF et F).
Les deux figures en bas présentent la comparaison entre les deux régulateurs notamment
d’ordre réduit et d’ordre complet. Cette comparaison a été faite dans un même intervalle c.-à-
d. à t1=20min et t2=30min de temps ainsi pour les mêmes variations appliquées
respectivement sur la concentration d’alimentation et son débit.
77
comparaison entre régulateur-réduit et complet- du premier plateau

0.975
0.97
0.965
0.96
0.955
0.95
15 20 25 30 35 40
temps(min)
Figure V.9 comparaison entre les deux régulations pour le premier plateau
Cette comparaison montre les performmances des deux régulateurs en face des
perturbations. Dans la figure V.9 la courbe mentionnée par le rouge représente la fraction
molaire liquide du premier plaeau du modèle complet de la colonne et la courbe marquée en
vert présente la fraction molaire liquide du premier plateau du modèle réduit. Aux instants
des perturbations les deux courbes varies. L’action du régulateur robuste qui tend à stabiliser
le système autour de son point de fonctionnement est bien claire sur la figure pour les deux
régulateurs.
comparaison entre régulateur-réduit et complet- du dernier plateau

0.115
0.11
0.105
0.1
0.095
0.09
0.085
0.08
15 20 25 30 35 40
temps(min)
Figure V.10 comparaison entre les deux régulations pour le dernier plateau
78
Cette figure nous a montré un bon comportement du régulateur d’ordre réduit face aux
différentes perturbations. On peut déduire que ce régulateur est globalement représentatif du
celui complet et offre une régulation globalement performante.
VI. Conclusion
Enfin ce chapitre a été très riche d’information en automatique avancée.
Dans un premier temps nous avons introduit la notion de la commande robuste puis dans
le même contexte nous avons suscité la synthèse d’un régulateur robuste de type H∞ par les
techniques LMIs.
Dans un second temps nous avons élaboré deux correcteurs robustes, un de type complet à
base du modèle complet de la colonne et un autre réduit résultat de la réduction du procédé.
La simulation considérée dans ce chapitre est faite sur une colonne non linéaire à douze
plateaux.
Finalement nous avons comparé les deux régulateurs, nous déduisons que le régulateur
réduit ainsi obtenu donne des résultats globalement meilleurs.
79
CONCLUSION GENERALE
Le titre de ce mémoire « Modélisation et commande avancée d’une colonne binaire de

distillation » reflète bien le travail présenté dans ce mémoire.
Ce travail s’articule essentiellement sur la modélisation réduite et la commande avancée

d’une colonne binaire de distillation. Ce type de procédé industriel est complexe par les
phénomènes physiquo-chimiques mis en jeu qui conduisent à des modèles non linéaires
multivariable, de forte interaction entre les entrées de commande et les grandeurs contrôlées.
Afin d’appréhender ce procédé, on s’est investi considérablement dans une modélisation

qui, toute en étant réduite en taille doit néanmoins être en mesure de refléter et le plus
fidèlement possible la conduite réelle du procédé. La subdivision d’une colonne en plusieurs
compartiments et la notion d’agrégation est l’idée de base pour obtenir des modèles de taille
raisonnables. Sur ce point, on pense avoir apporté une contribution appréciable sur ce sujet
compte tenu que la modélisation est l’un des soucis majeurs de l’automaticien.
Par un modèle non linéaire à taille réduite puis linéarisé autour d’un point de
fonctionnement, on s’est dirigé tout naturellement vers la synthèse d’un régulateur
multivariable permettant d’assurer à la fois une robustesse en stabilité et un bon rejet de
perturbations qui affectent la colonne. C’est ainsi qu’on a opté vers la synthèse du régulateur
de type H∞.
Les simulations qu’on a réalisées ont été montées à partir d’un régulateur linéaire de taille
réduite et le benchmark simulant un comportement plus réaliste de la colonne (Modèle non
linéaire d’ordre complet) ont donnés des résultats satisfaisants et encourageants.
80
BIBLIOGRAPHIE
[1] Jean-Pierre CORRIOU., Thermodynamique chimique-Équilibres thermodynamiques,

(1985).
[2] Jacques Schwartzentruber, De la Thermodynamique aux Procédés : concepts et

simulations, site de l’école des mines de Paris, http://nte.mines
albi.fr/Thermo/co/Thermo.html, 1 Octobre 2007.
[3] Jean-Charles CICILE., Étude pratique, Distillation. Absorption. ., groupe Technip

(2001).
[4] Manfred Morari & Evanghelos Zafiriou., ROBUST PROCESS CONTROL.

Departement of Chemical and Nuclear Engineiring, 1989.
[5] Pierre ROUCHON., Simulation Dynamique et Commande Non linéaire des colonnes à
distiller. Thèse, ECOLE NATIONALE SUPERIEURE DES MINES DE PARIS, 21
mars 1990.
[6] F.G. Shinskey. Distillation Control. McGraw-Hill, 1984.
[7] E.H. Bristol. On a new measure of interaction for multivariable process control. IEEE
Trans. Automat. Control, 1966.
[8] S. Skogestad and M. Morari. Implications of large rga elements on control

performance. Ind. Eng. Chem. Res., 1987.
[9] W.L. Luyben. Derivation of transfert functions for highly nonlinear distillation
columns. Ind. Eng. Chem. Res.,1987.
[10] K.J. Astrom and T. Hagglund. . In IFAC, editor, Proceedings of the 1983 IFAC
Conference, San Francisco, 1983.
[11] K.M. Moudgalya, W.L. Luyben, and C. Georgakis. A dual-pulse method for modeling
processes with large time constants. Ind. Eng. Chem. Res., 26:2498–2501, 1987.
[12] S. Skogestad and M. Morari. Lv-control of a high-purity distillation

column. Chem.Eng. Science, 43(1):33–48, 1988.
[13] H. H. Rosenbrock. The control of distillation columns. Trans. Instn Chem. Engrs,
40:35–53, 1962.
81
[14] K.V. Waller, D.H. Finnerman, P.M. Sandelin, K.E. Ha¨ggblom, and S.E. Gustafsson.
An experimental comparison of four control structures for two-point control
ofdistillation. Ind. Eng. Chem. Res., 27:624–630, 1988.
[15] T. Takamatsu, I. Hashimoto, and Y. Nakai. A geometric approach to multivariable

system design of a distillation column. Automatica, 15:387–402, 1979.
[16] Abdelhaq Bouazi, Stabilisation Etimation et reconfiguration d’une classe de systèmes

non linéaires Application à une colonne à distiller et à un réacteur chimique, Thèse,
Ecole Mohammdia d’Inénieurs, 1997
[17] Linhart, A., Skogested, S., Computational performance of aggregated distillation

models. Department of Chemical Engineering, Norwegian University of Science and
Technology, (2008).
[18] Lévine, J., & Rouchon, P. (1991). Quality Control of Binary Distillation Columns via
Nonlinear Aggregated Models. Automatica, 27, 463.
[19] A. Benallou, D.E. Seborg, and D.A. Mellichamp. Dynamic compartmental models
for separation processes. AIChE J., 32:1067–1078, 1986
[20] Francis B.A. and Doyle J.C., « Linear control theory with an H∞ optimality criterion »,
SIAM J. Cont. and Opt., vol. 25, n°4, pp. 815-844, Jul. 1987.
[21] Francis B.A., Helton J.W. and Zames G., « H∞ Optimal feedback controllers for
linear multivariable systems », IEEE Transc. Autom. Cont., vol. AC-29, n° 10, pp.
888-900, Oct. 1984.
[22] Boyd S.and Yang Q., « Structured and simultaneous Lyapnov functions for system
stability problems », Int. Journal of Control, 49: 2215-2240, 1989.
[23] Clement B. (2010). A combining lmi and interval tools for robust optimization. In
Swim2010 : 3rd small workshop on interval methods. Nantes, France.
82
ANNEXES
Ci-dessous les matrices de la représentation d’état  II.11 du modèle à douze états de la

colonne.
 0 
 V V0 Y2 
M 0 0 0 0 0 0 0 0 0 0 
M1 X2
 1 0 
 
 L0  0 0 Y2  1 V 0 Y 
  L  V  3 0 0 0 0 0 0 0 0 0 
 2
M  X  M M  X 
  2 0 2 2 30

 0   Y  0 Y 
 0 L
 X   L0  V0 3  1 V 4 0 0 0 0 0 0 0 0 
 M3 2 
 
X3  M3 M3 X4 
  0 0 
 
    
L0 Y 0
 L0  V0 3 
1 V
 0 0 0 0 0 0 0 0 0 
 M4 
 
X3  M 4 M4 
  0 
   

0  Y 0  Y 
0 0 0
L
  L0  V0 5  1 V 6
0 0 0 0 0 0
  
X5  M5 M5 X6 
 M5  
 0 0
 
 0   Y  0 
 L0  V0 6 
L 1 V
 0 0 0 0 0 0 0 0 0 
 M6 
 
X6  M6 M6 
  0 
A12=A  
12  0    0 

L  0 0 Y7  1 V 8 Y 
 0 0 0 0 0  L V 0 0 0 0 
M7  X7  M7 M7 X8
  0 0 
 
 0   Y  0 Y 
 L0  F0  V0 8 
 0 L 1 V 9 
0 0 0 0 0 0 0 0
 M8  X8  M8 M8 X9 
  0 0 
 
 0 0 
 L F  Y  0 Y 
 L0  F0  V0 9 
 0 1 V 10 
0 0 0 0 0 0 0 0
 M9  X9  M9 M9 X10 
  0  0 


 0 0 0 0 0 0 0 0
 
L0  F0 
 0 0
 L F V 0 Y10  1
 V0 Y11
0



 M10  X10  M10 M10 X11 
  0 0 


 0 0 0 0 0 0 0 0 0
 
0
L F 0  Y
 L0  F0  V0 11 

1 0 
V 12 Y



 M11  
X11 M11 M11 X12 
  0 0 


 0 0 0 0 0 0 0 0 0 0
 
L0  F0 
 L  F  V  V
0 0 0 0 Y12 
1
 


 M12  X12  M12 
  0 
1 0 0 0 0 0 0 0 0 0 0 0 
C12   
0 0 0 0 0 0 0 0 0 0 0 1 
83

 0 0 0
 Y X 
0
2
0
1


 M1 
 
  X X 
0
2
0
3  Y Y 
0
4
0
3 
 0 0
M2 M2 
 

 0 0
 X X 
0
2
0
3  Y Y 
0
4
0
3


 M3 M3 
 

 0 0
 X X 
0
3
0
4  Y Y 
0
5
0
4 

 M4 M4 

 0 0
 X X 
0
4
0
5  Y Y 
0
6
0
5


 M5 M5 
 

 0 0
 X X 
0
5
0
6  Y Y 
0
7
0
6


 M6 M6 
B12   

0 0
 X X 
0
6
0
7  Y Y 
0
8
0
7 
 M7 M7 
 


 Z X 
0
F
0
8 F0  X X 
0
7
0
8  Y Y 
0
9
0
8


 M8 M8 M8 M8 
 
  X X 
0
8
0
9  X X 
0
8
0
9 Y10  Y9
0 0
 
 0 
 M9 M9 M9 

  X X 
0
9
0
10
0
 X X   Y
0
9
0
10 11  Y10
0 0
 

 M10 M10 M10 
 


X
10  X11
0 0
 0
X
10  X11
0 0
 Y12  Y11
0 0
 

 M11 M11 M11 
 
 X
11  X12
0 0
 0
X
11  X12
0 0
 Y 12  X12
0 0
 
 M12 M12 M12 
 
84
Figure A.1 Simulation du modèle complet de la colonne binaire à distillation
Figure A.2 Schéma Simulink des équations des plateaux du modèle complet
85
Figure A.3 Schéma de simulation d’un plateau
Figure A.4 Simulation du modèle linéarisé complet
86
Figure A.5 Comparaison entre le modèle réduit à 5 états et complet à 12 états
Figure A.6 Schéma Simulink des équations des compartiments du modèle réduit à cinq états
87
Figure A.7 Schéma de simulation d’un compartiment
Figure A.8 Schéma de comparaison des modèles non linéaires réduits à 3 et4 états et le
modèle complet à 12 états
88
Figure A.9 Schéma de Simulation des modèles réduits à 5, 4 et 3 états linéarisés
89
Figure
A.10
Schém
a de
compa
raison
du
régulat
eur
robust
e
d’ordr
e
réduit
et
d’ordr
e
compl
et.
90

Rapportfinal Hendouzi

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

Rapportfinal Hendouzi

Transféré par

Droits d'auteur :

Formats disponibles

DEDICACE

Je dédie le fruit de ce travail à :

A mes formateurs et encadrant

Je rends gloire à Dieu pour sa bonté et sa fidélité de m’avoir donné la connaissance, le

J’exprime ma gratitude à Monsieur El GHARAD Abdellah, Professeur titulaire, Directeur

Je suis particulièrement reconnaissant à Monsieur Najib BENNIS, Professeur et directeur

Je suis très reconnaissant à Monsieur Abdessamad NAITALI, Professeur, malgré ses

Je remercie également Monsieur Ahmed ESSADKI, professeur d’enseignement supérieur

Je remercie tous les Enseignants et tout le personnel de l’Ecole Supérieure de

Tableau II.1 point de fonctionnement ...................................................................................... 25

x Concentration molaire liquide

 Ensemble des nombres réels

La distillation est une opération de base dans les industries pétrochimiques et

La qualité d’un produit est un enjeu indispensable pour gagner sa pérennité et sa

Ce chapitre sera consacré à la présentation d’une opération courante utilisée dans

II. Equilibre liquide vapeur

Dans cette partie, on va s'intéresser à la notion d’équilibre liquide-vapeur et plus

La vaporisation peut avoir lieu, soit par :

 Evaporation : vaporisation du liquide sans formation de bulles, à des températures

1. Diagramme d’équilibre binaire

Figure I.1 Diagramme d’équilibre liquide-vapeur, pour un mélange binaire [1]

Dans cette figure, x B représente la fraction molaire de B en phase liquide, y B la fraction

molaire de B en phase vapeur ; M1 représente une phase liquide unique de composition x1 ; si

composition x B , l’autre vapeur de composition y B ; si la température augmente encore en T3 ,

on obtient une seule phase vapeur de composition x1 = y1 .

2. Conditions thermodynamiques de l’équilibre

La température T, la pression P, la fraction molaire du premier constituant en phase liquide,

1l (T,P, x1 )  1v (T,P, y1 )

2. Schéma d’une distillation simple

Le terme distillation simple était autrefois dénommé Distillation.

Soit un mélange binaire constitué de A, B à séparer (A étant le constituant le plus volatil).

On peut imaginer de placer ce mélange dans des conditions de pressions et de température

Figure I.2 Schéma minimale d'une colonne

On parle pour un tel procédé de "distillation éclair" ou de "flash".

Figure I.3 Purification par flashes successifs

Naturellement, dans cet agencement, la quantité de produit A récupérée en sortie du

Figure I.4 Principe de la distillation étagée à contre-courant

Figure I.5 Réalisation pratique d'une colonne de distillation [2]

IV. Calcul d'une colonne simple

Figure I.6 Schéma d’une simple colonne de distillation [2]

- n équations d'équilibre (une égalité entre potentiel chimique en phase liquide et en

- n équations de bilan de matière (une par constituant)

Les variables qui interviennent dans ces équations sont :

2. Plateaux adiabatiques : hypothèse de Lewis

Cette hypothèse permet une simplification considérable du calcul d'une colonne de

Considérons alors un plateau interne de la colonne (adiabatique), dans une séparation de

Figure I.7 Echanges de matière sur le plateau i [2]

Dans le chapitre suivant, nous traitons le problème de la modélisation dynamique en vue

Indépendamment du problème de la modélisation, une colonne à distiller peut être pilotée

commandes, et les cinq variables à commander  P2 , M1 , Mn , y1 et y2  , les sorties.

La commande des compositions du distillat et du résidu s’inscrit dans un problème plus

La figure ci-dessous montre bien la disposition des 5 variables de commande et de sorties

Figure II.1 les 5 variables de la commande

Cette distinction correspond à la dichotomie classique en théorie de la commande des

3. Commande multivariable externe :

5. La méthode du rejet des perturbations:

 Au niveau de la structure du système à commander, celui-ci est non linéaire et de

II. Construction du modèle de commande

2. Les hypothèses de modélisation

Figure II.2 une colonne binaire classique

 j l’indice du plateau ( 1  j  n , j  1 correspond au ballon de reflux, j  jF au plateau

 (M j ) j1,...,n les rétentions liquides (constantes).

traduit l’équilibre thermodynamique liquide-vapeur a pour expression :