Académique Documents
Professionnel Documents
Culture Documents
temps discret.
1
Introduction
2
L’échantillonnage et la numérisation ont une conséquence sur la fonction de
transfert du système. De même, la commande de ce système peut subir des
modifications.
Le chapitre sur les systèmes linéaires échantillonnés est organisé comme suit. Dans
un premier temps, il revient sur les notions d’échantillonnage. Il reprend ensuite les
principes de l’échantillonnage ainsi que les notions mathématiques y relatives. Ce
faisant, la notion de transformée en z est introduite. Les principaux théorèmes sont
rappelés par la suite.
La fonction de transfert d’un système échantillonnée est dérivée ainsi que les
règles de calcul y relatifs. La modélisation des systèmes échantillonnés est alors
traitée. Tout comme les systèmes analogiques, la question de la stabilité, de la
précision et de la rapidité est traitée afin de permettre la conception de
compensateurs pour de tels systèmes. Le correcteur PID est celui qui est exposé
dans ce chapitre. Enfin les technologies de la régulation sont présentées pour
permettre une conduite de projet de régulation.
3
Chapitre 6. Introduction aux systèmes temps discret
4
VI.1 Chaine d’acquisition
La réalisation de l’implémentation d’une régulation passe par une chaine
d’acquisition de données comme décrit précédemment et que l’on peut décrire
comme suit :
un ou des capteur(s) pour la mesure de l’évolution des variables à contrôler
du système ;
le traitement et la transmission de données du capteur ;
un module d’acquisition qui lit les informations à des intervalles réguliers que
l’on appelle période d’échantillonnage. Ces informations peuvent être
stockés dans une mémoire vive afin de permettre au calculateur ou
processeur de les traiter ;
un module de calcul (microprocesseur) permettant de calculer la valeur à
envoyer aux actionneurs ;
une sortie dédiée à l’actionneur considéré, à cette sortie l’information est
envoyée en attendant qu’elle soit lue pour l’action ;
un pré actionneur chargé d’interpréter l’information et de l’envoyer à
l’actionneur ; c’est le cas d’un variateur de vitesse ;
un actionneur qui agit pour réguler la sortie.
En fonction du type d’application, il peut s’avérer nécessaire de s’intéresser à la
façon dont l’information est traitée dans cette chaine. C’est le cas par exemple
des cas de systèmes très rapides (électricité, électronique, systèmes embarqué
etc.).
Dans la plupart de ces cas, l’information n’est pas lue ou traitée de façon
continue mais à intervalle régulier appelée période d’échantillonnage. Ce qui
peut impliquer un changement de comportement du système si la période
5
d’échantillonnage n’est pas largement inférieure à sa constante de temps. Un
exemple couramment utilisé pour illustrer cette situation est la sinusoïde comme
le montre la figure ci-dessous. Si la période d’échantillonnage est supérieure à une
demi-période, on ne peut pas reconstituer une sinusoïde. On ne peut voir qu’une
droite. Si la période d’échantillonnage est suffisamment petite, on peut
reconstituer le signal initial.
0.8
0.6
0.4
0.2
-0.2
-0.4
-0.6
-0.8
-1
0 1 2 3 4 5 6 7 8 9 10
6
THEOREME (de Shannon, 1948):
Pour pouvoir reconstituer sans perte d’information un signal continu à partir des
échantillons de période Te de celui-ci, il faut que la fréquence
d’´echantillonnage, fe = 1/Te soit au moins égale au double de la fréquence
maximale contenue dans le spectre de ce signal :
fe ≥ 2fM où fM = ωM/2∏
La fréquence fN = fe/2 est appelée fréquence de Nyquist .
Dans la suite de ce texte, le principe de l’échantillonnage et les implications sur le
système considéré sont exposés : dynamique, comportement, régulation, stabilité
et stabilisation. Les notions, vues pour les systèmes linéaires continus, seront donc
revues pour dans ce cas.
VI.2.2 Conversion numérique et analogique
7
Considérons un système dont la sortie est aussi échantillonnée. Dans le cas où cet
échantillonnage est suffisamment rapide, le système résultant peut encore être
comme continu. Cependant, il arrive que dans les applications très rapides
(moteurs électriques, production et distribution d’électricité par exemple) le
besoin d’un bon échantillonnage se fasse ressentir.
e(t) e*(t)
BOZ S(t)
H(p)
S*(t)
Calculateur
BOZ est un bloqueur d’ordre zéro dont la fonction sera expliquée plus tard.
La sortie est échantillonnée lors de la prise en compte dans le calculateur. Cette
configuration est illustrée sur la figure suivante.
Perturbations
Consigne
B u(t)
N Processus à
O
Algorithme A réguler
Z
de calcul
y(t)
N
A Te
Echantillonneur
Y(kT) Bruits de mesures
8
VI.2.2.2 Convertisseur analogique numérique (CAN)
a0
a1
…
…
y(t) …
an-1
an
Les ai sont codés pour une valeur de l’entrée. Ainsi chaque valeur de l’entrée a
une représentation sous la forme de bits a1 ...an.
La plus faible valeur codable pour un nombre de bit donnés est appelée
quantum.
VI.2.2.3 Convertisseur numérique analogique (CNA)
9
VI.3 Echantillonnage de l’information
VI.3.1 Principe
Considérons les courbes suivantes où les flèches (peigne) indiquent les instants de
prélèvement de points sur la courbe au-dessus. L’échantillonneur est représenté
sur la figure 4 par rapport aux autres éléments de la boucle de régulation.
L’échantionnage se fait à chaque temps d’horloge de l’ordinateur. La figure
suivante montre comment une courbe est échantillonnée.
Figure 6. Echantillonnage
Te 2Te nTe
…...
10
Figure 7. Échantillonnage d'un système
Te 2Te nTe
…...
∗( )= ( (0) ( ) + ( ) ( − ) + (2 ) ( −2 )+⋯
+ ( ) ( − ) + ⋯ +)
Ainsi, on obtient
∗( )= ∗( )
= (0) ( ) + ( ) ( − ) + (2 ) ( −2 ) +⋯
+ ( ) ( − ) +⋯
D’où l’adoption d’une écriture plus simplifiée :
( ) = 1, ( − ) = (Règle du retard).
Où = . On note Z(f)= F*(p)=F(z).
11
Cette transformation correspond à la transformée en z utilisée dans les systèmes
échantillonnés. La transformée en z correspond donc à une version de la
transformée de Laplace.
Le schéma résultant du signal est donnée par la figure suivante qui schématise le
bloqueur par un interrupteur.
( )= ( )
12
Transformée de la convolution : Z(f*g) = F.G
Retard : Z(f(t-t0) = z-t0 F(z) ;
Avance :
( − ) = ( )− ( )− ( )− ( ) − ⋯− (( − ) )
Quelques transformées en z
Z((t)) = 1
Z(u(t)) = z/(z-1) où u est la fonction unité.
Z(tu(t)) = Tz/(z-1)2 où T est la période d’échantillonnage.
Voir tableau fournis pour les autres transformées en z.
13
Chapitre 7. Modélisation des systèmes linéaires échantillonnés
14
VII.1 Représentation de la fonction de transfert
Le système échantillonné peut se mettre sous la forme d’un système dit en
’’temps discret’’ c'est-à-dire comme la série suivante :
( + )+ ( + − 1) + ⋯ + ( − 1) + ( )
= ( + )+ ( + − 1) + ⋯ + ( − 1) + ( )
Dans ce système, y est la sortie mesurée du système et u l’entrée qui commande
le système. Pour être causal, le modèle doit être tel que m est inférieur ou égal à
n.
Si > , prenons par exemple m=2 et n=1,
( + 2) + ( + 1) + ( )= ( + 1) + ( )
Cette même équation de récurrence peut être écrite sous la forme suivante en
posant +2= soit = − 2 on a :
+ −1 + −2 = −1 + −2
Ce qui signifie que l’entrée u à l’instant participe à causer les entrées y a des
instants passés − 1 et − 2. Ici on peut exprimer l’entrée à l’instant en
fonction de y et u a des instants passés − 1 et − 2. Ce qui n’est pas vrai pour
des systèmes causaux car c’est la sortie qui devrait être exprimées ainsi.
Pour < , posons + = , = − . En remplaçant dans l’équation de
récurrence ci-dessus on obtient :
− + + − + −1 + ⋯+ − +1 + −
= + −1 +⋯+ − +1 + ( − )
15
( ) ( ) ( )
( + + ⋯+ + ) ( )
=( + + ⋯+ + ) ( )
Le modèle peut donc s’écrire de façon générale pour < sous la forme :
+ + ⋯+ +
( )=
+ +⋯+ +
Commentaires :
La modélisation des systèmes linéaires échantillonnés peut se faire en procédant
à une expérimentation permettant de retrouver le modèle ci-dessus reliant
entrées et sorties de façon temporelle.
Avec ces valeurs, il est alors possible de faire une modélisation basée sur les
données expérimentales. À l’aide du modèle obtenu, on utilise d’abord la règle
du retard puis on isole les termes en z pour retrouver la fonction de transfert ci-
dessus.
16
processus, il est possible si celles-ci sont suffisamment riches d’estimer les
paramètre ci-dessus. Supposons que l’on dispose d’un enregistrement suivant sur
une fenêtre temporelle de n+1 instants ; sous la forme de tableau de données
suivantes :
On alors exprimer d’abord y(k) comme suit (on prend ici a0=1 pour simplifier):
( − )+ ( − + 1) + ⋯ + ( − 1) + ( )−( ( − 1) + ⋯
+ ( − + 1) + ( − )) = ( )
On peut donc mettre cette équation sous la forme :
( )=Υ Θ
Où Θ = ( ⋯ ⋯ ) le vecteur des paramètres et Υ =
( ( ) ( − 1) ⋯ ( − + 1) ( − ) − ( − 1) − ( − + 1) − ( − ) )
Dans le cas de bruite de mesure, on peut écrire que
( )=Υ Θ + v(k)
Ou v(k) représente un bruit de mesure. La mesure à l’instant k dépend donc des
valeurs de y et u à des instants précédents sur une fenêtre de données.
= ( ) − ( )Υ Θ−Θ Υ ( )+Θ Υ Υ Θ
17
Le minimum par rapport Θ est donné par =-2Υ ( ) − 2Υ Υ Θ=0
Ce qui donne : Θ = Υ Υ Υ ( )
On dit que l’on a obtenu les paramètres par la méthode des moindres carrées.
18
ARX
VII.2 Effets du bloqueur sur la fonction de transfert d’un système linéaire continu
VII.2.1 Transformation de la fonction de transfert
Bloqueur
d’ordre zéro
19
( . )
(0)
( )
( )
1
= (0) − ( )= ( . ) −
k.Te
+⋯
Ce qui peut se mettre sous la forme :
1
( ) = ( (0) + ( ) + ⋯+ ( . ) +⋯) −
En posant = on obtient :
1 1
( ) = ( (0) + ( ) +⋯+ ( . ) +⋯) − = ( )(1 − )
( )
La sortie discrète ( ) = ( ) ( ) = ( )(1 − )
20
Enoncé : Soit un système linéaire continu dont la fonction de transfert est H(p). La
fonction de transfert discrète associée au bloqueur d’ordre zéro est ( )=
( ) ( ) ( ) ( )
(1 − ). = , où est l’équivalent en z de .
( )
Pour obtenir l’équivalent, de , il est souvent nécessaire de décomposer en
( )
éléments simples . Dans les exercices qui suivent, quelques exemples sont
donnés.
Exercices.
Exercice 1. On considère la série suivante :
( − 3) + 5 ( − 2) + ( − 1) + ( ) = ( − 3)
Exercice 2.
Ainsi, considérons la fonction de transfert suivante :
( ) 2,5 + − 1
( )= =
( ) 2,5 − 1,75 − 2 + 0,4
Écrire l’équation qui relie y(k-3), y(k-2), y(k-1), y(k) en fonction de u(k-3), u(k-2)
et u(k-1). On utilisera Y(z) en fonction de U(z) et la propriété du retard.
21
Chapitre 8. Stabilité, précision et rapidité des systèmes à temps discrets
22
VIII.1 Stabilité des systèmes à temps discrets
On étudie maintenant la stabilité des systèmes échantillonnés. Pour cela
considérons le système échantillonné avec la fonction de transfert H(z). Pour
U(z)=1, Y(z)=H(z)U(z)=H(z).
Prenon d’abord un exemple d’un système du premier ordre :
( )= , sa fonction de transfert discrète est donnée par :
z
H ( z) S ( z) avec z 1 e aT . Dans ce cas : s ( t ) e at et s ( nT ) e anT z 1n . Le
z z1
système est donc stable si |z1|<1. Exemple du deuxième ordre :
b1 z b0 z e cos
H ( z)
a2 z 2 a1 z a0 ( z z1 )( z z 2 )
Les pôles s’écrivent :
z1 e aTe (cos j sin ), z 2 e aTe (cos j sin )
z1n z 2n
s ( nTe )
2
On voit bien que si les modules sont <1, la sortie tend vers zéro pour n grand.
Critère de stabilité :
Pour que le système échantillonné soit stable il faut que les pôles soient à
l’intérieur du cercle unité.
z5
z1 z4
z2 z3
23
VIII.2 Critère de Jury de la stabilité
Pour vérifier la stabilité d’un système linéaire échantillonné, il faut comme il a été rappelé
dans le chapitre ci-dessus que les pôles soient dans le cercle de rayon unité (module
inférieur à 1). La vérification de ce critère pour des systèmes de dont le dénominateur est
d’ordre supérieur ou égal à 3 devient difficile. Il faut donc un critère simple sans à avoir à
calculer les pôles. Dans le cas des systèmes continus, il s’agit du critère de Routh-
Hurwitz. Dans le cas des systèmes linéaires échantillonnés, il s’agit du critère de Jury qui
va être détaillé ci-dessous. Considérons pour cela le polynôme suivant :
P ( z ) a 0 a1 z a n 1 z n 1 a n z n
Selon le critère de Jury, il faudrait que :
1. P(1) > 0
2. (-1)nP(-1) > 0
3. |ai| - an < 0
j j
4. a a 0 n j
0 pour j =1,2,……,n-2
0
Où les coefficients sont calculés de la façon suivante. a a
i i
Pour i =1, 2, …,n et les
j j
a0
et a
k
sont calculés de la façon suivantes :
a10 a00 a00 an0 an0 , a11 a00 a10 an0 an01
Les calculs de la matrice ci-dessus sont complexes. Pour réduire la complexité, il est
usuel d’utiliser la matrice suivante.
24
Tableau 2. Critère de Jury
…. ……
…. ….
…. …. 0
…. …. 0
…. …. …. …. …. …. …. ….
…. …. …. …. …. …. …. ….
Méthode : La première ligne est retournée pour former la seconde. Ces deux sont
utilisées pour calculer le niveau 1.
Calcul au niveau 1 (les ).
= . − . ; = . − . ; = . − . ;…;
= . − . ; = . − .
Les ainsi obtenus forment le niveau 1. La troisième ligne est retournée comme le
montre le tableau pour obtenir la quatrième. Celle-ci permet de calculer le second
niveau comme suit.
Calcul au niveau 2 ( les ).
= . − . ; = . − . ; = . − . ;…;
= . − . ; = . − .
On répète la procédure pour les , j allant de 1 à n-2. Par exemple pour n=3 on s’arrête
à j=1, pour n=2, on ne calcule rien puisque le j=0. On utilise seulement les coefficients
du polynôme.
La vérification des deux conditions peut être très contraignante. Il est plus indiqué d’utiliser
des moyens modernes tels que MATLAB, SCILAB pour calculer les pôles et vérifier leurs
position par rapport au cercle unité. Il suffit pour cela de rentrer la fonction de transfert en
utilisant la fonction tf (H=tf(NUM, DEN,tz) du toolbox ‘’control systems’’.
Et de chercher les pôles par pole(H).
Exemple :
Vérifier la stabilité du système suivant
25
2 +1
( )=
+2 +4 +7
Autre méthode : Il existe une autre méthode consistant à faire un changement de
variable : = .
+1
=
−1
+1
=
−1
26
Figure 12. Rapidité et précision d'un système du deuxième ordre
Dépassement
maximal Consigne de valeur 1
Précision à +/- n%
Temps de réponse à n%
Temps de Pic
Le système du second ordre est souvent pris en exemple. En effet, après correction on
désire ramener le plus souvent le système à un comportement équivalent au 2e ordre.
Le système du second ordre dans le cas analogique est donné par :
1
H ( p) ' 2
où est l’amortissement et est la pulsation propre du système.
1
2
p
p
2
0 02
Pour les systèmes échantillonnés le système du second ordre prend la forme de :
−1 ( ) + −
( )= = =
+ + ( − )( − )
On peut dans ce cas retrouver les éléments de la forme.
−1 ( ) −1 1 1 −1
( )= = ⎛ ⎞= + +
2 − −
1+ +
⎝ ⎠
Pour le terme à l’intérieur des parenthèses, il s’agit de décomposition en éléments
simples. Par identification, on obtient :
27
1 1
= 1; = ; =
−2 (1 − ) + (1 − ) 2 (1 − ) − (1 − )
Ainsi
( )= + + = + + où T est la
période d’échantillonnage.
( )=1+ +
− −
On montre qu’on peut mettre H(z) sous la forme :
+
( )=
+ +
On retrouve les différents paramètres comme suit.
= + − +
(1 − )
= (1 − )
= −2 (1 − ) et =
Ce qui permet d’utiliser des abaques comme dans le cas des systèmes continus. Ces
abaques permettent de déterminer le nombre de dépassements, l’amortissement etc.
Dans le premier abaque, les valeurs de a0 et a1 sont en ordonnée et en abscisse. Ils
permettent d’obtenir les valeurs de la pulsation et de l’amortissement. A l’aide du
paramètre γ (gamma) et des valeurs de l’amortissement, l’on peut déterminer le nombre
et les amplitudes des dépassements.
28
Figure 14. Abaque second ordre suite
La précision est liée au régime permanent. Pour ce faire on utilise la valeur finale du signal
pour évaluer la précision du système. Soit y(k) la sortie d’un système. La valeur finale de
y est donnée par
lim ( ) = lim( − 1) ( )
→ →
29
Il existe plusieurs niveaux de précisions à savoir sur l’erreur statique de position, de
vitesse et d’accélération. Il est donc usuel d’évaluer les systèmes asservis par rapport à
ces trois erreurs.
30
Chapitre IX. Correction des systèmes linéaires temps discret
La valeur de α permet de filtrer les bruits de mesure. La figure suivante représente les
trois composantes du correcteur PID.
Nota Béné : En réalité pour réaliser la partie dérivée, il faut passer par une discrétisation
exacte de la fonction de transfert continue. La partie dérivée donne une fonction de
transfert non-réalisable.
31
E(z) représente l’erreur entre la consigne et la sortie du système à corriger, et U(z)
représente l’entrée du système. Chacune des trois actions a un effet bien connu sur le
système comme le montre la figure suivante (voir aussi la partie continue en chapitre 1).
32
Divers combinaisons peuvent être observées dans la mise en œuvre du correcteur en
fonction des besoins. Ainsi au lieu d’un PID on peut utiliser les correcteurs suivants dont
les caractéristiques peuvent être vues sur la figure suivante :
Le correcteur Proportionnel et Intégral (PI) : accroit la précision par un retard et
augmentation du gain statique.
Le correcteur Proportionnel et Dérivée PD (avance de phase) : accroitre la
stabilité et la rapidité par une avance de phase.
Le PID numérique : améliore les performances du système bouclé (précision, stabilité,
rapidité et est sensible aux incertitudes du modèle), permet d’allonger la période
d’échantillonnage.
La figure suivante donne les paramètres en fonction des résultats de l’expérience. Il est
aussi donné pour différents types de correcteur les paramètres. Cette méthode est dite
de Takahashi.
Tableau à reprendre
33
IX.2.2 Le cas du retard (prédicteur de Smith)
Dans le cas de systèmes très retardés, ce qui arrive souvent dans les applications
industrielles, les méthodes précédentes de PID conduisent à un système plus lent en
boucle fermée qu'en boucle ouverte si le retard pur dépasse la moitié de la constante de
temps dominante. Dans ce cas le système se met sous la forme : ( ) = ( )
k est le nombre de pas retard (kTe est le temps de retard). On a donc besoin d’un
correcteur C1(z) pour le système non retardé selon la configuration suivante:
34
Figure 17. Schéma d'un système à retard
35
L’algorithme de calcul permet de calculer la valeur présente de y lorsque la valeur de
présente de u(k) et celles passées de y et u sont connues. Il faut pour cela une fenêtre
de données stockées. L’algorithme de simulation du système à temps discret prend
donc la forme suivante :
%%%Définition des constantes du processus et de simulation
Initialiser y(0), y(1),…y(k-1), u(0), u(1)…., u(k-1)
Mémoriser les valeurs de y(0), y(1),…y(k-1), u(0), u(1)…., u(k-1)
Donner la valeur de u(k)
Pour k allant de 2 au temps final de calcul faire
1
( )= ( ( − )+ ( − + 1) + ⋯ + ( − 1) + ( )− ( − )
− ( − + 1) − ⋯ − ( − 1))
Mémoriser la nouvelle valeur y(k)
y(k-2) devient y(k-1)
y(k-1) devient y(k)
ainsi de suite
%%% Détermination de la nouvelle valeur de la commande u
Donner la nouvelle valeur de de u(k) %commentaire : soit par une entrée connue
soit par le correcteur PID, dans un sous-programme)
Mémoriser la nouvelle valeur u(k)
u(k-2) devient u(k-1)
u(k-1) devient u(k)
ainsi de suite.
fin de la boucle
Dans le domaine continu, il est possible de simuler le système en utilisant des algorithmes
du type Runge Kutta, Euler etc. Pour la mise en œuvre du correcteur PID, on l’utilise des
approximations de p à partir du PID en continu. Les approximations les plus connues sont
= , ou = , qui sont dérivées de l’approximation de la transformée en z de la
36
( ) ( ) ( ) ( ) ( ) ( )
≈ ce qui entraine ≈ = = ( )
L’opérateur p peut être approximé par (méthode dite avant). Le correcteur continu est
( )
( )= 1+ + = 1+ + = (Méthode avant).
( ) ( )
( ) + + + +
= =
( ) + +
Avec = ( + + ), = −(2 + ); = ; = , =−
On obtient l’équation de récurrence :
( )+ ( − 1) + ( − 2) = ( )+ ( − 1)
Un sous-programme de calcul du correcteur PID prend la forme :
définir les paramètres Ti, Te, Td, et Kp , Yc (si Yc est constant, si non le définir
dans le sous programme)
calculer a, b, c, d, e
initialiser (0) = (0) − (0), (1) = (1) − (1), (2) = (2) − (2), (1)
mémoriser (0), (1), (2), (1)
pour k variant de 1 à la fin de l’expérience (ou bien tant que k fin n’est pas donné par un
arrêt)
37
Calculer ( )= ( ( ) + ( − 1) + ( − 2) − ( − 1))
38
Exercice. Régulation de température dans un chauffe-eau calorifugé.
On considère le chauffe-eau suivant.
P
e
Eau
≈ + ,
Tc P T
C(z) H(z)
39
a. En remplaçant cette expression dans celle de la fonction de transfert en
( ) ( )
boucle fermée ( )= , donner la fonction de transfert HBF(z).
( ) ( )
X.1 Introduction
Ici l’historique des DCS, PLC, PAC etc.
40
les éléments de transmission (câble, protocole de communication, carte de
communication, carte d’acquisition de données etc.) ;
les pré-actionneurs (variateurs de vitesse, variateurs de puissance, distributeurs
pneumatiques et hydrauliques etc.) ;
les actionneurs (moteurs électriques, vannes, pompes, ventilateurs etc.)
etc.
Dans cette partie du document, nous rappelons la plupart de ces éléments ainsi que leurs
principales caractéristiques.
X.2 Régulateurs
La technologie des régulateurs a évolué depuis les technologies analogiques (utilisation
d’amplificateur opérationnel pour réaliser les fonctions d’intégration, d’amplification et de
dérivation). Ainsi avec l’apparition des micro-processeurs et des capacités de stockage,
l’on a assisté à la réalisation et à l’utilisation de régulateurs de plus en plus sophistiqués.
On est ainsi passé de régulateurs à simple affichage et à une seule boule de régulation à
des régulateurs à plusieurs boucles de régulations et de filtrage nécessaires pour la mise
en œuvre des correcteurs PID et avec des fonctions de plus en plus complexes de
communication (RS 232, RS845 Etc.) et de supervision (alarme). Certains régulateurs et
automates ont des fonctions de logique floue permettant de renforcer la régulation.
D’autres ont intégré des fonctions d’automatisme (grafcet).
41
La figure suivante montre un régulateur à affichage simple et à simple boucle de
régulation.
Source : www.omega.com
L’affichage des données se fait sur un écran digital. La programmation se fait à l’aide de
touches telles que indiquées sur la figure. La programmation de certains régulateurs se
fait grâce à un logiciel et une connexion à un ordinateur ou l’ingénierie se fait.
Ces régulateurs sont dédiés uniquement aux fonctions de régulation et peuvent intégrer
des fonctions mathématiques, des fonctions logiques mais pas de fonction d’automate.
Ces fonctions permettent généralement de réaliser des applications de régulations
d’alarmes et de surveillance. Quelques boucles de régulation réalisées sont :
42
régulation de température avec capteur pt 100, thermocouple, RTD ;
régulateur de vitesse (tension normalisée) ;
regulation de tension
Il existe de plus en plus des régulateurs avec une interface homme machine (IHM) à écran
tactile et de plus en plus sophistiquée. On peut y voir représenté le process et ses
variables. Un logiciel de dessin permet dans ces cas de représenter le process à réguler
et d’y afficher les variables ainsi que quelques courbes. Pour le choix de ces régulateurs
il convient de se bien spécifier les caractéristiques. Par exemple :
le nombre de boucle de régulation
le type de régulation (température, débit, vitesse etc.)
le type de capteurs (RTD, thermocouple, PT 100 etc.)
nombre et type d’entrées –sorties ;
la connectivité (RS 232, MODBUS etc.)
le type de régulation (PID, PI, tout ou rien, Logique floue, auto réglage ou non,
adaptatif ou non etc.) ;
l’alimentation (tension continue, courant et tolérance) ;
l’affichage ;
l’encombrement (besoin d’insérer dans un tableau, longueur, largeur, profondeur,
masse) ;
autres aspects (mode de configuration.
Ces régulateurs offrent aujourd’hui les propriétés d’autoréglages, d’adaptation et
d’identification du process. Cependant la multiplication des régulateurs dans l’industrie
pose le problème de réglage surtout s’il y a plusieurs centaines voire des milliers. De plus,
43
la critique faite au régulateur PID est qu’il n’est pas optimal comparé à des technologies
telles que la commande à modèle prédictif.
X.3. Les PC
Un PC munie d’une bonne carte d’acquisition peut servir à implémenter une régulation
PID simple. Il suffit pour cela de se munir de la bonne carte d’acquisition (voir cartes
Labview de National Instruments ou Texas instruments.) On peut encore utiliser les ports
d’un PC pour l’acquisition et la commande dans des applications simples. Labview offre
un environnement de programmation et d’utilisation des PID pourvu que la carte
d’acquisition de National instrument soit incorporée. Le choix de l’ordinateur et de la carte
est lié au type d’application que l’on met en œuvre. Les caractéristiques recherchées
sont :
44
le processeur et la mémoire;
les caractéristiques de la carte : entrée-sortie, échantillonnage et numérisation ;
type d’applications
etc.
PID
EN DN SP Setpoint
CV : Control variable
PV : Process variable
SP CV
PV
TB
En plus du bloc fonction PID des fonctions mathématiques et logiques sont fournies pour
permettre l’application di PID. Les paramètres du PID dont configurables. Les termes PV
(process variable) et CV (control variable) sont l’entrée et la sortie. L’utilisation est
conforme à la norme IEC 61131 qui définit les langages utilisé par les automates.
45
Figure 24. Exemple d'automate offrant des capacités de régulation (96 boucles
PID par machine). ControLogix de Allen Bradley (Rockwell)
Les capteurs sont des éléments importants de la boucle de régulation. Ce sont les
premiers éléments dans la pyramide de l’automatique. Aussi dans un système, il est
quasiment impossible d’automatiser une quelconque tache sans mesure.
Encadré : Selon l’ancien PDG de General Electric (Jack Welsh): On ne peut gérer
un système dont on n’a aucune mesure.
La valeur du courant est ensuite convertie par une règle de 3 en valeur représentant la
grandeur à mesurer.
De toutes les applications de capteurs, celles de la température sont les plus rencontrées
dans pratiquement toutes les applications. On rencontre plusieurs types de capteurs : les
pt100 (au platine), les thermocouples, les RTD (capteurs dépendant de la résistance), les
capteurs à infrarouge etc. Le tableau suivant montre quelques caractéristiques de
capteurs. Les thermocouples sont rencontrés dans les applications à hautes températures
et à larges plages.
Les thermocouples sont composés principalement de deux jonctions. La première
jonction appelée ‘’point chaud’’ à l’intérieur du partie dont on veut mesurer la
température et la seconde ‘’point froid’’ à l’extérieur du système. Un courant est
créé lorsque la température du point chaud est différente de celle du point froid
considéré comme référence : c’est l’effet Seebeck. Il existe plusieurs types de
jonctions caractérisant les thermocouples.
47
N Alumel
N P Nicrosil -270 à 1300°C
N Nisil
R P Platinium + 13%Rhodium -50 à 1768°C
N Platinium pure
S P Platinium + 10%Rhodium -50 à 1768°C
N Platinium pure
T P cuivre -270 à 400°C
N constantan
Le type K est plus utilisé pour cout moins élevé et sa relative stabilité. Sa sensibilité est
de 41micro Volt par °C. Due à la basse tension sortie par le thermocouple, il y a besoin
d’un conditionneur de signal (amplification et filtrage, éventuellement une numérisation
pour la transmission) est nécessaire pour une utilisation en régulation.
48
X.4.1.2 Les pré-actionneurs et les actionneurs :
Pour la commande des actionneurs il est fait appel à des pré-actionneurs pour la
transmission de puissance. Ainsi parmi les pré-actionneurs connus, on peut citer :
les variateurs de vitesse et le démarreur pour les moteurs électriques
les distributeurs pour les vérins
les variateurs de puissance dans les applications de chauffage à résistance
les éléments de protection de réseaux électriques (disjoncteurs, relais etc.).
les conditionneurs de signaux
etc.
Les turbomachines sont des équipements très utilisés dans l’industrie. Les pompes sont
un exemple de turbo machine. Ils combinent moteurs électriques et turbomachines de
transformation énergétique (mécanique à hydraulique). Cet attelage doit être maitrisé à
cause de la transformation de puissance électrique à mécanique et hydraulique. Les
conpresseurs et ventilateurs répondent de la même logique. Les problèmes de régulation
de flux et de pression sont nombreux. C’est le cas de la régulation de débit.
49
Les vannes :
Les vannes sont utilisées dans le contrôle de débit de fluides. Elles présentent
généralement des caractéristiques non linéaires et sous la forme d’hystérésis. On en
trouve de plusieurs sortent : manuelle, pneumatiques, électropneumatiques, et
électriques. La figure suivante montre une vanne et sa caractéristique non linéaire. Le
pourcentage de débit est fonction de la course du piston de la vanne.
50
Le débit est proportionnel au signal de commande qui lui est corrélé à l’ouverture de la
vanne. Le coefficient de proportionnalité est appelé coefficient de vanne Cv (Kv selon
les fabricants). On peut exprimer la relation sous la forme :
= √∆
Les machines électriques.
Ce sont des machines électriques couramment rencontrées dans les applications de
l’ingénierie. On distingue entre autre :
le moteur pas à pas ;
le moteur à courant continu
le moteur asynchrone
le moteur synchrone
les actuateurs linéaires électriques.
Les vannes
La conception d’un réseau industriel est très importante dans la résolution des problèmes
de régulation et de commande de procédés. Elle montre l’approche d’ingénierie adoptée
dans la solution d’un problème qui est très souvent vaste. En effet, il existe plusieurs
boucles de régulation et d’autres applications dans une industrie. Comment peut-on
découper l’éléphant pour le manger ? dirait-on.
Une approche méthodologique (voir www/isa.com en particulier ISA/IEC 62442) peut
permettre de mieux appréhender le problème. Cette approche recommande que l’on
décompose (segmenter) l’application en zone, entité et ensemble. Dans le cas d’une
industrie de transformation, on peut distinguer trois niveaux :
la cellule ou zone
51
le site de production
et l’entreprise et son intégration.
Cette décomposition tient compte de la topologie de l’entreprise.
1. Zonage ou segmentation local.
Dans cette segmentation, on conseille la connexion de moins de 200 appareilles dans un
réseau local de type VLAN. C’est un moyen efficace pour une segmentation et pour le
respect des contraintes de trafic.
2. Conception de réseau pour un site de production.
Dans le cadre de l’internet des objets (Iot, internet of things), des objets de plus en plus
intelligents seront connectés par adressage IP et par réseau mobile. Pour assurer la
sécurité du réseau et son efficacité, la fréquence de 2,4 GHz habituellement utilisé dans
d’autres applications n’est pas conseillée pour des applications industrielles. On lui préfère
celle de 5GHz ou il y a moins d’interférence. Autres considérations : nombre de I/O, les
CPU, Les mémoires vives et le nombre d’objets à déployer ainsi que le nombre d’année
de déploiement.
3. Intégration de l’entreprise
Dans le cadre l’internet des objets, il est conseillé d’utiliser un réseau centré sur l’IP.
L’utilisation du Cloud computing pour l’intégration des applications permet une meilleure
maintenance, une réduction des couts, et une agilité, pourvu que les infrastructures
réseaux soient de bonne qualité.
Encadré (source www.isa.org). Utilisation de réseau Wifi dans les mesures dans
l’industrie alimentaire :
Les bandes de fréquence habituellement utilisées dans les applications sont celle de 2,4
GHz. Celles de 860 à 950MHz, et 433 MHz sont aussi utilisées. Le choix de la bande
de fréquence doit être judicieux. Les bandes de 2,4GHz et de 900MHz sont très
sensibles à l’humidité et ont une atténuation dans ces milieux. Celle de 433 MHz sont
adaptés pour des applications de cuisson
52
œuvre. La figure suivante montre une intégration des applications avec un système ABB
basée sur la plateforme 800xA.
Source ABB.
Un logiciel d’intégration est aussi nécessaire dans ces cas. Dans le cas de ABB (et de
plusieurs fournisseurs), une plateforme d’ingénierie et de SCADA (Supervisory control
and data acquisition) est nécessaire pour permettre de travail de configuration, et de
déploiement. Ainsi dans l’exemple cité, une plateforme nommée 800xA a été développée
par ABB dans les années 2000 et est opérationnelle sur le marché. D’autres logiciels
existent telles que DeltaV (Emerson), Ignition (Inductive Automation), Movicon (Progea)
etc.
La conception d’un bon réseau passe par une bonne architecture permettant une
maintenabilité, une réduction des couts de mise en œuvre et une agilité du système.
Plusieurs régulateurs peuvent être mis en réseau industriel comme l’indique la figure
suivante pour le YS1000 de chez Yokogawa.
53
Figure 30. Régulateurs en réseau (Yokogawa)
54
Scilab : C’est la version française de Matlab. Elle a été développée par une équipe
de l’école polytechnique de Paris et l’INRIA. Bien qu’ayant moins de boite à outil,
elle n’est reste pas moins utilisé surtout le monde francophone. Elle est gratuite et
peut etre téléchargée du site web de Scilab.
Modélica et Dymola.
Mathématica, R et bien d’autres.
A compléter
Figure 31. Répartition couts/ bénéfices des projets de régulation
55
Conclusions
Bibliographie
Terrence Blevins and Mark Nixon. Control Loop Foundation –Batch and Continuous
processes. ISA, 2012
Terrence Blevins, Mark Nixon, Control loop foundation-Batch and continuous processes.
ISA, 2011
Jutard A. et Betemps, INSA lyon, cours de régulation numérique, 1998. Docinsa.insa-
lyon.
Pierre Borne, Commande et Optimisation des processus. 2000.
David Polka, Motors and drives : a practical technology guide. ISA
Karl Astroem and Tore Haegglung, PID controllers: Theory, design and tuning. 2nd Edition.
ISA
Karl Astroem and Tore Haegglung, Advanced PID Control. ISA
D. Jacob, Régulation PID en Génie Electrique. Etudes de cas régulation. Eclipse, Sept.
2000. Technosup.
Dahlin E.B., Designing and Tuning Digital Controllers, Instr and Cont Syst,41 (6), 77,
1968.
56
Andréas Kroll. Computer based training…..
Ziegler J.G. and Nichols N.B., Optimum settings for automatic controllers,Trans. ASME,
pp. 759-768, 1942
James Beall, InTech Magazine › 2016 / Mar-Apr › Automation Basics: Loop tuning basics:
Integrating processes
James Beall, InTech Magazine › 2016 / May-Jun › Automation Basics: Loop tuning basics:
Self-regulating processes
Jutard A. et Betemps, INSA lyon, cours de régulation numérique, 1998. Docinsa. Insa-
Lyon.
Pierre Borne, Commande et Optimisation des processus. 2000.
David Polka, Motors and drives: a practical technology guide. ISA
Karl Astroem and Tore Haegglung. PID controllers: Theory, design and tuning. 2nd Edition.
ISA
K. J. Åstroem. Computer Control of a Paper Machine - An Application of Linear Stochastic
Control Theory, IBM Journal of R&D 11 (1967), pp. 389-405
Karl Astroem and Tore Haegglung, Advanced PID Control. ISA.
D. Jacob, Régulation PID en Génie Electrique. Etudes de cas. Eclipse, Sept. 2000.
Technosup.
58