Département : Génie électrique

Master de recherche : Génie Electrique et Informatique

Industrielle
Module : Identification et régulation
Compte rendu des travaux pratique :
Identification des Systèmes dynamiques
Matlab/Simulink

Réaliser par :
Encadrer par:
✓ OUHTIT Abdelaziz
✓ BOUKDIR Ayoub ✓ Pr. M. KISSAOUI

Annee universitaire: 2023-2024

 Introduction à MATLAB/SIMULINK

Simulink est l'extension graphique de MATLAB permettant de représenter les

fonctions Mathématiques et les systèmes sous forme de diagramme en blocs, et de
simuler le fonctionnement de ces systèmes.
Le logiciel de simulation MATLAB/SIMULINK permet d’effectuer :
✓ La saisie des valeurs des paramètres et l’analyse temporelle ou fréquentielle du
schéma-bloc.
✓ L’affichage graphique des résultats.
✓ Est un logiciel de calcul matriciel à syntaxe simple peut être considéré comme un
langage de programmation adapté pour les problèmes scientifiques, grâce à ses
fonctions spécialisées.
✓ Est un interpréteur, car ses instructions sont interprétées et exécutées ligne par
ligne
✓ Possède des bonnes capacités graphiques pour présenter des résultats ou pour créer
des applications.
✓ Peut être intégré avec du code C ou FORTRAN
✓ Fonctionne dans plusieurs environnements tels que UNIX/X-Windows,Windows,
Macintosh.

Simulink : c’est l’extension graphique de MATLAB permettant de travailler avec des

schémas en blocs, pour modéliser et simuler des systèmes ; Blocksets : ce sont des
collections de blocs SIMULINK développés pour des domaines d’application spécifiques
(DSP BLOCKSET, POWER SYSTEM BLOCKSET, etc.) Toolboxes : (« boîtes à outils »)
ce sont des collections de fichiers M développés pour des domaines d’application
spécifiques.
Objectif :
Identifier un système apériodique en vue de dimensionner et tester le régulateur adéquat
Etude de problème :
1. Identification en boucle ouverte :
Identifier le système dynamique linéaire dont la réponse indicielle donnée ce dessous :

a. Le modèle de Broida en boucle ouverte :

✓ Domaine d’application :
Systèmes linéaires à réponse indicielle apériodique

✓ Principe :
La méthode de Broîda est une méthode d'identification en boucle ouverte d'une réponse indicielle
expérimentale qui consiste à assimiler la fonction de transfert d'un système d'ordre n à celle du
premier ordre affecté d'un retard pur.
𝑌(𝑝) 𝑒 −𝜏𝑝
𝐺 (𝑝 ) = =𝐾
𝑈(𝑝) 1 + 𝑇𝑝
✓ Problème de l’identification
Déterminer les paramètres :
K : gain statique
T : Constante du temps (sec.),

 : Temps de retard pur (sec.)

✓ Méthodologie :
Calcul des paramètres du modèle de Broîda :
(𝑡1 −𝜏)
−
{1 − 𝑒 (𝑡 −𝜏) = 0.28
𝑇
2
1 − 𝑒 − 𝑇 = 0.40
40%.KE = 0.8

28%.KE = 0.56

t1=0.93 t2=1.13
AN :

𝑇 = 5.5 × (1.13 − 0.93) = 1.138𝑠 𝑇 = 5.5(𝑡2 − 𝑡1 )

{
𝜏 = 2.8 × 0.93 − 1.8 × 1.13 = 0.55𝑠 𝜏 = 2.8𝑡1 − 1.8𝑡2

𝐾=2

Fonction de transfert est :

𝑌(𝑝) 𝐾𝑒 −𝜏𝑝 2 ∗ 𝑒 −0.55𝑝
𝐻(𝑝) = = =
𝐸(𝑝) 1 + 𝑇𝑝 1 + 1.138𝑝

Schéma block sur Simulink :

La réponse indicielle :
 b. Le modèle de Strejc en boucle ouverte :
✓ Principe et Objectif :
La méthode d'identification de STREJC est basée sur les propriétés géométriques de la réponse
indicielle d'un système d'ordre n de fonction de transfert G(p).

L’objectif consiste à approximer la réponse indicielle d’un système donné par la réponse
indicielle d’un système de constante de temps multiple et comportant éventuellement un retard
pur.

𝑌(𝑝) 𝑒 −𝜏𝑝
𝐺 (𝑝 ) = =𝐾
𝑈(𝑝) (1 + 𝑇𝑝)𝑛
K : gain Statique

T : Constante de temps

n : l’ordre du système

𝜏 : Retard

✓ Méthodologie :
On enregistre la réponse indicielle, qui doit être apériodique :

TU TA

D’après la projection de tangent de point d’inflexion nous avons trouvé :

𝑇𝑈 = 0.45 𝑠 𝑇𝐴 = 1.7 𝑠
 ✓ Déterminations des paramètres de module de Strijc :
Pour déterminer l’ordre n de notre système en utilisant le tableau de Strijc :
➢ Détermination de n :
𝑇𝑢 0.45
= = 0.2647
𝑇𝐴 1.7
D’après le tableau l’ordre de système est :
n=3
➢ Détermination de la constante de
temps T :
D’apres le tableau :

𝑇𝐴
= 3.695
𝑇
Donc :
𝑇𝐴 1.7
𝑇= = = 0.46 𝑠
3.695 3.695
➢ Détermination du temps de retard
fictif τ :
Afin de compenser l'erreur due à la détermination du point d'inflexion, on introduit un retard
fictif 𝝉 = TUT -TUR
𝑇𝑈𝑇 : déterminée du tableau de Strejc .

𝑇𝑈𝑅 : Valeur réelle de la grandeur TU sur la réponse indicielle.

𝜏 = 𝑇𝑈𝑇 − 𝑇𝑈𝑅 et 𝑇𝑈𝑇 = 0.218 ∗ 1.7 = 0.37

Donc : 𝜏 = 0.37 − 0.45 = 0.08 𝑠

➢ Détermination de K :
C’est le gain statique : Rapport de l'amplitude du signal de sortie sur celle d'entrée
Dans notre cas : K=2
Fonction de transfert est :
𝑌 (𝑝 ) 𝐾𝑒 −𝜏𝑝 2 ∗ 𝑒 −0.08𝑝
𝐻 (𝑝 ) = = =
𝐸 (𝑝) (1 + 𝑇𝑝)𝑛 (1 + 0.46𝑝)3

Schéma block sur Simulink :

La réponse indicielle :

2. Régulation des modèles :

a. Introduction sur Méthode de Ziegler-Nichols pour la paramétrisation du PID :
Le fonctionnement du régulateur PID est bien souvent représenté mathématiquement avec les
fonctions de transfert du système qui sont des équations dans le domaine de Laplace, pour ce qui
concerne les régulateurs analogiques.
La forme mixte de la fonction de transfert du PID s’écrit sous la forme représentée ici.

1
𝐶 (𝑝) = 𝐾𝑐 (1 + + 𝑇𝑑 𝑝)
𝑇𝑖 𝑝
Afin de régler le PID suivant la méthode de Ziegler-Nichols :

Consigne
Système actionneur capteur

On augmente progressivement la valeur de Gain jusqu’à ce qu’on enregistre une réponse

oscillatoire du système avec des amplitudes constantes, comme le montre la figure ici.
On en déduit alors deux valeurs nécessaires au réglage : le gain critique K0 qui est la valeur
de Gain permettant d’obtenir des oscillations à amplitudes constantes et la période des
oscillations T0 qui est la durée entre deux crêtes successives de la réponse.

Après avoir relevé le gain critique K0 du régulateur et la période d'oscillation T0 de la réponse.

On peut calculer les paramètres du régulateur choisi en utilisant les formules du tableau suivant :
Type Kp Ti Td
P 0.5 K0 --- ---
PI 0.45 K0 0.8 T0 ---
PID 0. 6 K0 0.5 T0 0.125 T0
b. Régulation de module de Broida :

Avant la correction de notre système à l’aide d’un correcteur PID nous avons obtienne cette
réponse indicielle comme le présenté dans la figure ci-dessous :
D’après l’application de méthode de Ziegler-Nichols sur le module de Broida obtenue dans la
première partie :
D’abord nous avons augmenté k0 jusqu’en obtienne un signale sinusoïdal de même amplitude
dans la valeur de K0 = 1.975.
Après la visualisation de notre signal en mesure la période de notre signal et en trouve
T0= 1.917s comme présenter la figure ci-dessous :

En suite en va calculons les autres constantes de notre correcteur :

D’après le tableau ci-dessus :
On a : 𝐾0 = 1.975 et 𝑇0 = 1.197 𝑠
𝐾𝑝 = 0.6 𝐾0 = 0.6 × 1.975 = 1.185
{ 𝑇𝑖 = 0.5 𝑇0 = 0.5 × 1.197 = 0.5985
𝑇𝑑 = 0.125 𝑇0 = 0.125 × 1.197 = 0.149625

Après la correction en trouve la réponse indicielle de système corrige :

D’après la correction en va voir que le système est plus stable, précis et rapide.
 c. Régulation de module de Strijc :

Avant la correction de notre système à l’aide d’un correcteur PID nous avons obtienne
cette réponse indicielle comme le présenté dans la figure ci-dessous :

D’après l’application de méthode de Ziegler-Nichols sur le module de Strijc obtenue dans la

première partie :
D’abord nous avons augmenté k0 jusqu’en obtienne un signale sinusoïdal de même amplitude
dans la valeur de K0 = 2.575412.
Après la visualisation de notre signal en mesure la période de notre signal et en trouve
T0= 2.099 s comme présenter la figure ci-dessous :
 En suite en va calculons les autres constantes de notre correcteur :
D’après le tableau ci-dessus :
On a : 𝐾0 = 2.575412 et 𝑇0 = 2.099 𝑠
𝐾𝑝 = 0.6 𝐾0 = 0.6 × 2.575412 = 2.55
{ 𝑇𝑖 = 0.5 𝑇0 = 0.5 × 2.099 = 1.0495
𝑇𝑑 = 0.125 𝑇0 = 0.125 × 2.099 = 0.262375

Après la correction en trouve la réponse indicielle de système corrige :

D’après la correction en va voir que le système est plus stable, précis et rapide.
d. Régulation de système réel :

Avant la correction de notre système à l’aide d’un correcteur PID nous avons obtienne
cette réponse indicielle comme le présenté dans la figure ci-dessous :
D’après l’application de méthode de Ziegler-Nichols sur le module de Strijc obtenue dans la
première partie :
D’abord nous avons augmenté k0 jusqu’en obtienne un signale sinusoïdal de même amplitude
dans la valeur de K0 = 2.35869.
Après la visualisation de notre signal en mesure la période de notre signal et en trouve
T0= 2.147 s comme présenter la figure ci-dessous :

En suite en va calculons les autres constantes de notre correcteur :

D’après le tableau ci-dessus :
On a : 𝐾0 = 2.35869 et 𝑇0 = 2.147 𝑠
𝐾𝑝 = 0.6 𝐾0 = 0.6 × 2.35869 = 1.415214
{ 𝑇𝑖 = 0.5 𝑇0 = 0.5 × 2.147 = 1.0735
𝑇𝑑 = 0.125 𝑇0 = 0.125 × 2.147 = 0.268
Après la correction en trouve la réponse indicielle de système corrige :

D’après la correction en va voir que le système est plus stable, précis et rapide.
Conclusion :
En conclusion, ce TP a été extrêmement bénéfique pour notre compréhension et notre
utilisation de MATLAB Simulink dans l'analyse et le contrôle des systèmes. Nous avons pu
explorer les fonctionnalités avancées de MATLAB, ce qui nous a permis d'effectuer des calculs
complexes avec précision et efficacité. Les résultats obtenus ont été en parfaite concordance avec
la théorie, renforçant ainsi notre confiance dans la fiabilité de MATLAB.

De plus, l'utilisation des modules de Broida et de Strijc pour l'identification des systèmes
dynamiques a été précieuse. Ces méthodes ont permis d'estimer les paramètres des systèmes à
partir de données expérimentales, facilitant ainsi leur analyse et leur commande. En combinant
ces approches avec MATLAB Simulink, nous avons pu optimiser les performances des systèmes
dynamiques et répondre aux exigences spécifiques du cahier des charges.

Par ailleurs, la méthode de Ziegler-Nichols a offert une approche empirique simple pour
déterminer les paramètres du régulateur PID. Bien que cette méthode donne des estimations
générales acceptables pour les systèmes simples, l'utilisation de MATLAB Simulink a été
essentielle pour affiner ces paramètres et obtenir une réponse satisfaisant pleinement les
spécifications du cahier des charges.

En somme, grâce à l'utilisation de MATLAB Simulink, des modules de Broida et de Strijc, ainsi
que de la méthode de Ziegler-Nichols, nous avons pu analyser, contrôler et optimiser les
systèmes dynamiques de manière précise et efficace. Ces outils et méthodes constituent des
ressources précieuses pour les ingénieurs et les chercheurs travaillant dans le domaine de
l'automatique et de la commande des systèmes.