\documentclass[12pt,a4paper]{article}

\usepackage[utf8]{inputenc}
\usepackage[greek,english]{babel}
\usepackage{alphabeta}
\usepackage{amsmath}

\usepackage[pdftex]{graphicx}
\usepackage[top=1in, bottom=1in, left=1in, right=1in]{geometry}

\linespread{1.06}
\setlength{\parskip}{8pt plus2pt minus2pt}

\widowpenalty 10000
\clubpenalty 10000

\newcommand{\eat}[1]{}
\newcommand{\HRule}{\rule{\linewidth}{0.5mm}}

\usepackage[official]{eurosym}
\usepackage{enumitem}
\setlist{nolistsep,noitemsep}
\usepackage[hidelinks]{hyperref}
\usepackage{cite}
\usepackage{lipsum}
\usepackage{matlab-prettifier}

\begin{document}

\newpage
\begin{center}
\title{text} \Huge{ TP 3 : Identification et optimisation d’un procédé industriel}
\end{center}
\section{Identifier des paramètres d’un procédé industriel dont l’état est en
évolution.}\label{sec:intro}

{\large Le but de ce TP est d’identifier les paramètres du modèle caractérisant

l’évolution du système et d’optimiser les écarts entre les valeurs expérimentales
et les valeurs simulées de la sortie du système. }

\subsection{Exercice 1 et 2 }\label{sec:intro}

{\large On a récolté les sorties du processus, mesurées expérimentalement toutes

les heures, pendant 30 heures, et on a obtenu le tableau suivant }

\includegraphics[width=1\textwidth]{tab.png}

{\large L’évolution du système est modélisée pendant sa phase sinusoïdale par

l’équation suivante : Y=sin(wt) }

{\large on va créer une fonction portant le nom « model erreur.m », dans laquelle
on définit le temps expérimental en heures Texp, ainsi le vecteur Yexp et
l'equation de la sortie simulée pour calculer l'erreur quadratique.}

\begin{lstlisting}[style=Matlab-editor]
function erreur_quadratique = model_erreur(Mumax)
Texp = [0:1:30];
Yexp = [0 1.25 2.5 3.5 4.25 4.75 5 5 4.5 4 3 2 0.75 -0.5 -1.75 -3 -4 -4.5 -5 -5 -
4.75 -4.25 -3.5 -2.5 -1.5 0 1 2.25 3.25 4 4.75];
egalite_dimension = size(Texp) == size(Yexp)
Y0 = 1.25;
Y = Y0*sin(Mumax*Texp);
erreur_quadratique = rms(Yexp - Y)
end
\end{lstlisting}

{\large Maintenant on va créer un nouveau script nommé «identErreur.m», dans lequel

on doit utiliser la fonction fminsearch afin de minimiser l’erreur au sens des
moindres carrés, définie par la fonction réalisée ci-dessus, simuler le
comportement du système calculé et Tracer dans le même graphe les courbes de
l’évolution du système réel et celle du système simulé en fonction du temps.
Par suite on va évaluer la sortie du processus industriel mesurée par une
interpolation polynomiale.
}

\begin{lstlisting}[style=Matlab-editor]
Mumax0 = 0.3;
% valeur de Mumax ayant une erreur minimale
Mumax = fminsearch('model_erreur',Mumax0);

% valeurs de temps
Texp = [0:1:30];
Y0 = 1.25;
% Sorties
Yexp =[0 1.25 2.5 3.5 4.25 4.75 5 5 4.5 4 3 2 0.75 -0.5 -1.75 -3 -4 -4.5 -5 -5 -
4.75 -4.25 -3.5 -2.5 -1.5 0 1 2.25 3.25 4 4.75];
Y = Y0*sin(Mumax*Texp);
% affichage des simulation calcule et systeme reel
% moidre carrees
figure
hold on
plot(Texp, Yexp, 'LineWidth', 1.1);
plot(Texp, Y, 'LineWidth', 1.1);
xlabel('temps(h)')
ylabel('Yexp(t), Y(t)')
title('Courbes d evolution du systeme au sens des moindres carrees')
legend('Systeme reel','Systeme simule', 'Location','north')

% interpolation polynomiale
P=polyfit(Texp,Y,4)
T1=[0:0.01:30]
Y1=polyval(P,T1)
figure
hold on
plot(Texp,Y)
plot(T1,Y1)

xlabel('temps(h)')
ylabel('Y1(t) , Y(t)')
title('Courbes d evolution du systeme par interpolation polynomiale')
legend('Systeme reel','Systeme calcule')
\end{lstlisting}

{\large Ces sont les visualisations de deux méthodes :

}
\centering
\includegraphics[width=0.7\textwidth]{tp3_1.eps}\\
\includegraphics[width=0.7\textwidth]{tp3_2.eps}
\end{document}

aham code bech tinseri taswira : \centering \includegraphics[width=0.7\textwidth]

{tp3_1.eps}

bech ta3mel retour a la ligne \\

bech tinseri code matlab : \begin{lstlisting}[style=Matlab-editor]
coddeeeeeeeeeee \end{lstlisting}