Académique Documents
Professionnel Documents
Culture Documents
Réalisé par :
Metalbi Abdesselem
MAI 2
Encadré par :
Dr. Nechadi Em
I- Préparation :
Introduction :
Les systèmes masse-ressort sont des exemples classiques en ingénierie
permettant de comprendre et d'analyser le comportement dynamique des
systèmes physiques. Ces systèmes jouent un rôle crucial dans divers
domaines tels que la mécanique, la dynamique des structures, et le
contrôle automatique. Leur modélisation et simulation offrent une
perspective pratique pour étudier les réponses d'un système à des forces
externes, des conditions initiales et des paramètres spécifiques.
Le présent Travaux Pratiques a pour objectif de vous familiariser avec la
modélisation et la simulation d'un système masse-ressort en utilisant
Simulink, un environnement de modélisation graphique intégré à MATLAB. À
travers cette expérience, vous développerez une compréhension approfondie
des principes fondamentaux liés à la dynamique des systèmes et vous
acquerrez des compétences pratiques dans l'utilisation de Simulink pour la
simulation de systèmes dynamiques.
Le TP se divise en plusieurs étapes, commençant par la création du modèle
du système masse-ressort en Simulink, la définition des paramètres
physiques, l'ajout de conditions initiales et d'une force externe le cas
échéant, et enfin, la simulation du système. Vous serez également amené à
interpréter les résultats obtenus à l'aide d'outils de visualisation tels
que les scopes.
Ces compétences vous seront utiles dans de nombreux contextes
d'ingénierie, allant de l'analyse des vibrations des structures à la
conception de systèmes de contrôle automatique. En maîtrisant les concepts
de modélisation et de simulation, vous serez mieux équipé pour aborder des
problèmes réels et prendre des décisions éclairées dans le développement
de systèmes dynamiques.
L’objectif :
L'objectif du Travaux Pratiques sur le Système Masse-Ressort avec Commande
LQR et LQG est de familiariser les participants avec les concepts de
commande optimale en utilisant Simulink dans MATLAB. Les participants
modéliseront un système masse-ressort, mettront en œuvre la commande LQR
pour minimiser le coût quadratique de la sortie du système, puis
introduiront la commande LQG pour atténuer les perturbations et le bruit.
L'accent sera mis sur la minimisation du temps de réponse du système en
ajustant les paramètres de commande. Les résultats seront analysés à
l'aide d'outils de visualisation pour comparer les performances de la
commande LQR et LQG, offrant aux participants une compréhension pratique
de la conception et de l'impact de ces techniques sur la dynamique des
systèmes.
La command LQR :
La commande LQR (Linear Quadratic Regulator) est une technique de
commande optimale visant à minimiser le coût quadratique d'un système
dynamique tout en respectant des contraintes de commande. Cette
approche s'applique particulièrement aux systèmes linéaires en temps
continu. La formulation matricielle de la fonction coût prend en compte
les vecteurs d'état et de commande, ainsi que des matrices de
pondération Q et R spécifiant les coûts relatifs des états et des
commandes.
La coomand LQG :
La commande LQG (Linear Quadratic Gaussian) est une extension de la
commande LQR (Linear Quadratic Regulator) qui intègre également
l'estimation de l'état du système. Contrairement à la commande LQR qui
suppose une connaissance parfaite de l'état du système, la commande LQG
prend en compte les erreurs de mesure et les perturbations en incluant
un filtre de Kalman dans le schéma de commande. Cela la rend
particulièrement adaptée aux systèmes soumis à des bruits de mesure et
à des perturbations.
La commande en temp minimal :
Les réponses :
Trajectoires x1-x2 (LQR) :
Les trajectoires du système masse-ressort, générées en variant la
condition initiale, convergent toutes vers une région autour de zéro. Cela
indique que la commande LQR stabilise le système, amenant progressivement
les états x1 et x2 vers des valeurs proches de zéro.
Réponse à la commande optimale :
La réponse temporelle à la commande optimale montre que les composantes de
la commande u sont actives dans la plage de-2 à 0. Cela peut être
interprété comme une action de commande réactive pour maintenir le système
stable. La stabilisation vers zéro indique que le système converge vers un
état d'équilibre stable sous l'influence de la commande LQR.
Interprétation Globale :
La commande LQR optimise les gains de rétroaction pour minimiser le coût
quadratique tout en respectant les contraintes du système masse-ressort.
Les trajectoires convergent vers zéro, ce qui est conforme à l'objectif de
stabilité.
La plage de moins infinie jusqu’a -2 à 0 dans la réponse à la commande
optimale suggère que le système nécessite des commandes réactives
significatives pour maintenir la stabilité tout en respectant les limites
définies.
La convergence vers zéro de la réponse du système indique que la commande
LQR parvient à stabiliser efficacement le système, même lorsque des
perturbations initiales sont présentes.
Sur Simulink :
1. La command LQR:
Sur scoop :
Interprétation :
Lorsqu'un oscilloscope dans Simulink affiche une réponse sinusoïdale de 0
à 1 en réponse à une commande LQR, l'interprétation suggère un système
stable et oscillant sous l'influence de cette commande optimale.
L'oscillation sinusoïdale indique une réponse périodique du système, la
décroissance au fil du temps suggère la stabilité, et le respect des
contraintes entre 0 et 1 reflète la conformité aux spécifications de la
commande. La forme sinusoïdale peut être optimale pour minimiser le coût,
démontrant ainsi l'efficacité de la commande LQR dans le maintien de la
stabilité et de la performance du système.
2. LA commande LQG:
Conclusion:
Le Travaux Pratiques sur le Système Masse-Ressort avec Commande LQR
et LQG dans Simulink a permis une exploration approfondie des
concepts de commande optimale. En utilisant la commande LQR, nous
avons observé comment ajuster les paramètres pour minimiser le coût
quadratique et stabiliser le système masse-ressort. La transition
vers la commande LQG a ensuite été abordée, intégrant l'estimation
de l'état pour atténuer les effets des perturbations.
Les simulations dans Simulink ont fourni des résultats visuels
utiles, notamment des réponses sinusoïdales, des oscillations
transitoires, et des stabilisations vers des états d'équilibre.
L'interprétation de ces résultats a mis en évidence l'efficacité des
commandes LQR et LQG dans la gestion des dynamiques du système.
En conclusion, ce TP a offert une expérience pratique précieuse pour
la conception et l'analyse de systèmes dynamiques sous l'influence
de commandes optimales. Il a également souligné l'importance de
l'adaptabilité des commandes LQR et LQG dans des situations réelles
où des perturbations et des conditions initiales peuvent influencer
les performances du système. Ce TP constitue ainsi une étape
significative dans la compréhension des principes de la commande
optimale et de leur application à des système physique.