Upload
ayoub-ayay
View
25
Download
3
Embed Size (px)
Citation preview
Prof. Belkacem OULD BOUAMAMA
Responsable de lquipe MOCIS Mthodes et Outils pour la conception Intgre des Systmes
http://www.mocis-lagis.fr/membres/belkacem-ould-bouamama/Laboratoire d'Automatique, Gnie Informatique et Signal
(LAGIS - UMR CNRS 8219
et Directeur de la recherche cole Polytechnique de Lille (Poltech lille)----------------------------------------------------------
ml : [email protected]: (33) (0) 3 28 76 73 87 , mobile : (33) (0) 6 67 12 30 20
Identification des Systmes
Ce cours est dispens aux lves de niveau ingnieurs 5me anne. Toutes vos remarques pour lamlioration de ce cours sont les bienvenues.
Chap.1 /2Prof. Belkacem Ould BOUAMAMA, PolytechLille Surveillance des systmes Industriels Chap1: Introduction
PLANPLANPartie 1 : CoursChapitre 1 : IntroductionChapitre 2 : Mthodes de baseChapitre 3 : Mthodes statistiques
Partie 2 : Travaux pratiques Boite outil Ident
Prof. Belkacem OULD BOUAMAMALAGIS UMR CNRS 8146
Tl : (33) 03 28 76 73 97 - Fax : (33) 03 20 33 71 89E mail : [email protected]
IDENTIFICATION
Ingnieurs en Automatique
Algorithme didentif.
yr(t)
ym(t)
+
-
< adm?
u(t)
non0,..),,...,,( uuyyF mm
oui Modle
4Chapitre 1Chapitre 1
INTRODUCTION
Chap.1/5 Copyright : Prof. B. Ould Bouamama , PolytechLilleChap1 : INTRODUCTION
DEFINITIONS ET BUT DE LIDENTIFICATIONDEFINITIONS ET BUT DE LIDENTIFICATION Positionnement
Df. du process et des objectifs E/S
Lois physiques, bilan, hypothses
Planification des expriences
Acquisition de donnes
Estimation des paramtres
Choix de la structure du modle
Connaissance priori
Choix du critre didentit
Synthse de rgulation
Simulation
Modle de connaissance
CAHIER DE CHARGE
A
N
A
L
Y
S
E
c
o
n
n
a
i
s
s
a
n
c
e
Validation sur site
Ralisation dfinitive
Modle de conduite NonOui
adq.
Logistiqueactionneurs, rgulateurs, transmetteurs...
S
Y
N
T
H
E
S
E
c
o
m
m
a
n
d
e
Df. du process et des objectifs E/S
Lois physiques, bilan, hypothses
Planification des expriences
Acquisition de donnes
Estimation des paramtres
Choix de la structure du modle
Connaissance priori
Choix du critre didentit
Synthse de rgulation
Simulation
Modle de connaissance
CAHIER DE CHARGE
A
N
A
L
Y
S
E
c
o
n
n
a
i
s
s
a
n
c
e
Validation sur site
Ralisation dfinitive
Modle de conduite NonOui
adq.
Logistiqueactionneurs, rgulateurs, transmetteurs...
S
Y
N
T
H
E
S
E
c
o
m
m
a
n
d
e
Chap.1/6 Copyright : Prof. B. Ould Bouamama , PolytechLilleChap1 : INTRODUCTION
Modlisation ?Modlisation ? Dfinitions
Modlisation ? : Ensemble des procdures permettant dobtenir un modle Modliser un systme = capable de prdire le comportement du systme Subjectivisme de la modlisation : modle = intersection du systme et du
modlisateur Modle jamais "exact"?
Importance Outil d'aide la dcision., Support de la simulation, Reprsente 50 % dun projet de commande Perspectives grce l'informatisation
Un modle pourquoi faire ? Concevoir, Comprendre, Prvoir, Commander (dcider).
Chap.1/7 Copyright : Prof. B. Ould Bouamama , PolytechLilleChap1 : INTRODUCTION
Un modle comment faire ?Un modle comment faire ? 1. MODELE DE CONNAISSANCE
Obtenu sur la base des lois physiques, conomiques etc.. Difficults de dcrire fidlement les phnomnes complexes; Hypothses simplificatrices; Dilemme- prcision-simplicit Un modle simple est faux, un modle compliqu est inutilisable. Les paramtres ont un sens physique donc modle commode pour l'analyse.
2. MODELE DE REPRESENTATION Systme "boite noire"; Exprience active (systme drang) ou passive (alatoire); Etape qualitative (connaissances a priori) et quantitative; Paramtres du modle n'ont aucun sens physique; Modle de conduite (modle E/S) utile pour la commande; Complment du modle de reprsentation.
Chap.1/8 Copyright : Prof. B. Ould Bouamama , PolytechLilleChap1 : INTRODUCTION
Classification des modlesClassification des modles selon le caractre des rgimes de fonctionnement
statique et dynamique selon la description mathmatique
linaire, non linaire selon les proprits dynamiques
paramtres localiss, paramtres distribus selon lvolution des paramtres :
stochastique , dterministe selon le nombre de variables :
monovariable (SISO) , multivariable (MIMO)
Chap.1/9 Copyright : Prof. B. Ould Bouamama , PolytechLilleChap1 : INTRODUCTION tapes de modlisationtapes de modlisationPROCESSUS PHYSIQUE
Acquisition de donnes
SIMULATION, MONITORING, CONTROL...
Amlioration du modle
NON
Etablissement du schma de principe
Reprsentation par bloc
Mise en quation
Modle adquat ?
Calcul erreur de modlisation
OUI
PROCESSUS PHYSIQUEPROCESSUS PHYSIQUE
Acquisition de donnes
SIMULATION, MONITORING, CONTROL...
Amlioration du modle
NON
Etablissement du schma de principe
Reprsentation par bloc
Mise en quation
Modle adquat ?
Modle adquat ?
Calcul erreur de modlisation
OUI
10
GENERALITES SUR LIDENTIFICATIONGENERALITES SUR LIDENTIFICATION
Chap.1/11 Copyright : Prof. B. Ould Bouamama , PolytechLilleChap1 : INTRODUCTION
Dfinitions de lidentificationDfinitions de lidentification Dfinition au sens de Zadeh (1962) : Lidentification dun procd est dfinie comme la dtermination, base
sur la connaissance des entres et des sorties du procd, dun modle appartenant une classe spcifie, quivalente au procd.
Lidentification dun systme cest la dtermination de son modle mathmatique sur la base des observations exprimentales entres-sorties. Le traitement mathmatique des rponses graphiques du systme est appel IDENTIFICATION. Le modle obtenu est dit de conduite ou de reprsentation
Pourquoi lidentification : importance
Chap.1/12 Copyright : Prof. B. Ould Bouamama , PolytechLilleChap1 : INTRODUCTION
Mthodologie de lidentificationMthodologie de lidentification
CALCUL DU MODELE
Choix de la structure du modleAcquisition de
donnes
Planification des expriences
Utilisation du modleOUI
Adquation du modle ?
Connaissance priori
Choix critre didentit
NON
Chap.1/13 Copyright : Prof. B. Ould Bouamama , PolytechLilleChap1 : INTRODUCTION
Principe de lidentificationPrincipe de lidentification Base de lidentification : Exprience
Exprience active Exprience passive
Principe 1. tape qualitative : Sur la base dune connaissance priori du systme identifier, on
fixe une structure du modle comportant des coefficients inconnus. : Boite grise et boite noire
2. tape quantitative : Elle consiste la dtermination des coefficients inconnus du modle de faon que la diffrence entre les N sorties relles du systme et celles du modle soit minimale selon un critre donn quon rsout par un algorithme didentification
Chap.1/14 Copyright : Prof. B. Ould Bouamama , PolytechLilleChap1 : INTRODUCTION
Estimation des paramtres du modleEstimation des paramtres du modleDterminer les valeurs des paramtres du modle sur la base des
observation E/S tel que la sortie du modle soit la plus proche du systme rel selon un critre fix.
PROCESS
Ys(t)Entres
Ym(t)
x(t)
+
-MODELE
W pa p
b pi
i
ii( )
Algorithme didentification
m a x Y s ( i ) - Y m ( i ) 5 % ai, bi
Chap.1/15 Copyright : Prof. B. Ould Bouamama , PolytechLilleChap1 : INTRODUCTION
CRITRES DIDENTIFICATIONCRITRES DIDENTIFICATION Distance dtat
base sur la diffrence entre la sortie du systme et du modle
SYSTEME Ys(i)
Entres
Ym(i)
x(i)
+
-MODELE
Critredidentification
(i)D((i))
min))()((1
2
n
iiYmiYsD
Chap.1/16 Copyright : Prof. B. Ould Bouamama , PolytechLilleChap1 : INTRODUCTION
CRITRES DIDENTIFICATIONCRITRES DIDENTIFICATION Distance de prdiction
base sur la diffrence entre la sortie du systme et celle que prdit le modle au mme instant
Exemple : modle choisi est une quation de 1er ordre aux diffrences : on utilise linformation linstant (i-1)
SYSTEME Ys(i)
Entres
Yp(i)
x(i)
+
-MODELE
Critredidentification
(i)D((i))
min))()((1
2
n
iiYpiYsD
Ys(i-j)
)1(.)1(][ ixbiayiy p
Chap.1/17 Copyright : Prof. B. Ould Bouamama , PolytechLilleChap1 : INTRODUCTION
CRITRES DIDENTIFICATIONCRITRES DIDENTIFICATION Distance de structure
base sur la diffrence entre les paramtres du systme et ceux du modle
Remarque : distance de structure non mesurable directement. On se base sur les effets de cette structure sur la sortie
Exemple : approximer un modle paramtres distribus par un modle paramtres localiss
SYSTEME
Entres
x(i)
+
-MODELE
Critredidentification
s D(s)
m
Chap.1/18 Copyright : Prof. B. Ould Bouamama , PolytechLilleChap1 : INTRODUCTION
VALIDATION DU MODELEVALIDATION DU MODELE
ERREUR DE MODLISATION
?.ad
Explosion nuclaire
Impossible dafficher limage.
Modle de la raction nuclaire
Poste de commande
Feed back pour la correction du modle
Donnes exprimentales
Donnes du modle
il faut que lerreur soit minimaledans les systmes industriels
admissibleE
EmY
YY %100.max
maxmaxmax
Processus
Modle
+X(i)
-Ym (i)
maxYE (i)
Chap.1/19 Copyright : Prof. B. Ould Bouamama , PolytechLilleChap1 : INTRODUCTION
EXPERIMENTATIONEXPERIMENTATION Caractristiques du signal dexcitationCentre : 10% de la consigneSpectre riche : recueillir le max dinformation sur le systme (exciter sur
toute la bande de frquence intressante)
Dterministe : Physiquement ralisableAmplitude limite : ne pas trop perturber le process, rester en linaire
Quel signal ? : Squence Binaire Pseudo Alatoire SBPA
Chap.1/20 Copyright : Prof. B. Ould Bouamama , PolytechLilleChap1 : INTRODUCTION
EXPERIMENTATIONEXPERIMENTATION SBPA et STPASuite dvnements cre de faon dterministe mais apparaissant
alatoire
+a
-a
x(t)
t
+a
-a
x(t)
t
SBPA (2 niveaux)
STPA (3 niveaux)
0
Chap.1/21 Copyright : Prof. B. Ould Bouamama , PolytechLilleChap1 : INTRODUCTIONCLASSIFICATION DES METHODES DIDENTIFICATIONCLASSIFICATION DES METHODES DIDENTIFICATION
1. Mthode de baseBases sur les rponses graphiques ( indicielles, impulsionnelles..)
2. Mthodes du modleAjuster manuellement ou automatiquement la structure ou les paramtres
du modle jusqu ce que min. Itrative
SYSTEMEx(t) +
-MODELE
algorithmes
Paramtres du modle
Ajustement
ys(t)
ym(t)
Chap.1/22 Copyright : Prof. B. Ould Bouamama , PolytechLilleChap1 : INTRODUCTION
CLASSIFICATION DES METHODES DIDENTIFICATIONCLASSIFICATION DES METHODES DIDENTIFICATION
3. Mthode statistiques Bases sur les MMC
4. Thorie de lestimation et filtrage Estimation de ltat du procd partir des E/S.
PROCESSUS X(t)
x(t)
FILTREReconstructeur
ys(t)
)( tX
23
Chapitre 2Chapitre 2
METHODES DE BASE
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/24
Classification des mthodes de baseClassification des mthodes de base Avantages et inconvnients des mthodes de base Avantage : Simplicit , outil mathmatique simple Inconvnient : signaux dentre spcifiques (donc pas toujours
ralisables)
Classification des mthodes de base1. Analyse indicielle2. Analyse impulsionnelle3. Analyse harmonique
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/25
Exprimentation dans un SRAExprimentation dans un SRA
-
C U
TRANSMETTEUR ET CEP DE TEMPERATURE
REGULATEUR VANNE PROCESSUS PHYSIQUE
CAPTEUR DE TEMPERATURE
Auto.
Manu..M
E x y
U SYTEME A COMMANDER
M
26
Mthodes de Broda et du 1er ordre par un exemple
Mthodes de Broda et du 1er ordre par un exemple
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/27
CAHIER DES CHARGESCAHIER DES CHARGES
Ptrole brutPtrole chauffTs
-
Ts-Tc
TRC
PRAir (O2)
FI THS
FVCU
Conigne TcAR
AR
FR 1
TT1
1
111
2
Gaz
1
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/28
Schma fonctionnel, dfinitions des E/SSchma fonctionnel, dfinitions des E/S
-
Tc U Ts1
TRANSMETTEUR ET CEP DE TEMPERATURE
REGULATEUR VANNE CONDUITE DE GAZFOUR
CONDUITE DE PETROLE
CAPTEUR DE TEMPERATURE
Auto.
Manu..
x Pr
Ts
-
Qp(t)
T
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/29
Rgimes de fonctionnementRgimes de fonctionnement Ts(t) - Grandeur de sortie ( temprature la sortie
c'est la grandeur rgler ), Valeurs maximales et minimale de la variation de temprature : Tsmax = 170c,Tsmin=20 c ; Tso - Valeur nominale de la temprature le fonctionnement Tso = 80 C
Pg (t) - Grandeur d'entre ( pression du gaz combustible - Grandeur rglante ); Valeurs maximales et minimale de la variation de la pression du gaz combustible : Pgmax = 5 bars, Pgmin =
0bar ; Pgo - Valeur nominale de la pression du gaz combustible Pgo = 2 bars ;
Qp - Dbit du ptrole l'entre (perturbation); Dbit nominale du ptrole l'entre : 20 m3 /s ; Qpmax = 30 m3 /s bars, Pgmin =10 m3 /s . Il existe aussi
dautres perturbations (pouvoir calorifique du gaz, temprature ambiante etc...) que nous considrons commeconstantes.
x : dplacement du clapet de la vanne [0 6mm]
U : sortie du rgulateur pneumatique [0,2-1bar]; valeur nominale (0,6 bar)
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/30
Bloc diagrammesBloc diagrammes 1. En boucle ouverte (sans correction) :
Wz(p)Ts(p)Qp(p)
G(p)U(p)
-
+
)().()().()( pWzpQppGpUpTs
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/31
Bloc diagrammesBloc diagrammes 2. En boucle ferme (avec correction)
Wz(p) Ts(p)Qp(p)
G(p)U(p) (+)
C(p)Tc(p)
(-)
(-)
)().(1)()(
)().(1)().().()(
pGpCpWzpQp
pGpCpGpCpTcpTs
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/32
LogistiqueLogistique
Auto.
T
-
Tc U Ts1C(p) Wv(p) Wcg(p)
Wz(p)
Wct(p)
Manu..
x Pr
Qp
Ts
-
+Wf(p)
U(p) Wv(p) Wcg(p) Wf(p) Wct(p)Ts(p)
U(p)G(p)
Ts(p)?
Wz(p)
?Ts(p)Qp(p)
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/33
Prparation Prparation Mthodologie1. Correcteur mis en fonctionnement manuel, systme stabilis
2. On applique un signal en chelon de + ou - 10% de la valeurnominale
Rponse enregistre la sortie du transmetteur
Le modle de conduite ( ou la fonction de transfert ) dterminer dutraitement de la rponse graphique dcrit l'ensemble des systmes (vanne, objet, capteur, transmetteur)
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/34
ExprimentationExprimentation Vue global
PROCESS
VANNE
CAPTEURTRANSMETTEUR
SYSTEME A IDENTIFIERSALLE DE CONTROLE
C
10 %
REGULATEUR
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/35
Identification de la fonction de transfert par rapport la perturbationIdentification de la fonction de transfert par rapport la perturbation
Identification de Wz(p) : Exprimentation
Wz(p))Ts(p)Qp(p)
?
0 510
15 20 25 30 3580
85
90
95Ts(t)[c]
t (main.)T=10
Ts c 15
Qp(t)[m3/s]
t
23
Qp m s 3 3 /20
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/36
Identification de la fonction de transfert par rapport la perturbationIdentification de la fonction de transfert par rapport la perturbation
1. tape qualitative : structure du modle
2. Etape quantitative : calcul des paramtres du modle
TPKpWz 1)(
min10
]//[.5/3
15 33
T
smcsm
cQpTsK
psmcpWz
101)//(5)(
3
66,0
10303
2017015
max
max
Qp
QpTs
Ts
K ppWz
10166,0)( gain relatif
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/37
3. Vrification du modle3. Vrification du modleTm t L
p pe
t
( ) , . , , * , [ ]
1 100 15 0 6610 1
0 15 0 66 1
Tm t c e c ct
( ) , * , * [ ]
0 15 0 66 150 1 8010
95
0 5 10 15 20 25 30 3580
85
90
Ts(t)Tm(t)
Tm(t)
Ts(t)
Emax=0.83/15 =5.53%
Sortie du modle
Vrificationt [min] Ts(t) c Tm(t) c abs(Tm-Ts)0 80 80 03 84,35 83,89 0,466 87,60 86,77 0,839 89,60 88,90 0,712 90,95 90,48 0,4715 92,30 91,65 0,6518 92,70 92,52 0,1821 93,5 93,16 0,3524 93,88 93,63 0,2527 94,5 93,99 0,5130 94,6 94,25 0,3533 95,00 94,44 0,56
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/38
Mthode de Broda : Identification de la dynamique du fourMthode de Broda : Identification de la dynamique du four
1. Identification de G(p) : Exprimentation
KT p
e p1
. TsU K T et, ?
U10%
t
60%
0%
50%
100%
0,68bar
1 bar
0,6bar
0,2bar
Us(t)
U G(p) Ts
8010 20 30 40 50 60 70 80
Ts(t)
84
88
92
96
100
t1t2
Ts c 20
t t1 26 9 min, min
t (min.)
courbe exprimentale Ts(t)
s
s
tdettdet
%40%28
2
1
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/39
Principe de la mthode BrodaPrincipe de la mthode Broda principe La mthode de Broda est une mthode d'identification en boucle
ouverte d'une rponse indicielle exprimentale qui consiste a assimiler la fonction de transfert d'un systme d'ordre n celle du premier ordre affecte d'un retard pur
Le problme d'identification : dterminer les paramtres suivants T, Constante du temps (sec.), :
Temps de retard pur (sec.) :
KTp
e p1
.
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/40
Calcul des paramtres du modle de BrodaCalcul des paramtres du modle de Broda MthodologieBroda fait correspondre la rponse indicielle identifier et la fonction de
transfert du 1er ordre affecte d'un retard en deux points t1 et t2d'ordonnes correspondant 28% et 40% de la valeur finale de la sortiedu systme.
40,01
28,01)(
)(
2
1
Tt
Tt
e
e
40,01
28,011
1
TtTt
e
e
21 8,18,2 tt
125,5 ttT
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/41
Calcul des paramtres du modleCalcul des paramtres du modle Paramtre du modle
Modle final
33,1%10%3,13
2,0108,0
2017020
max
max
min5,1669.5,5,min6,09*8,16*8,2
UU
TsTs
K
T
xeysKttTtt
,.5,5,8,18,2 1221 xeysKttTtt
,.5,5,8,18,2 1221
ppeppG p 6,015,16133,1
5,16133.1)( 6,0
ppeppG p 6,015,16133,1
5,16133.1)( 6,0
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/42
Modle du systme global commanderModle du systme global commander
T
-
Tc(p) U(p) Ts(p)-
G p p p( ),
, ,
1331 165 1 06
Wz pp
( ) , 0 66
1 10
+C p( )
Qp(p)
50%
60%
%10U
U
pppG 6,015,16133.1)(
Systme rel
0 20 40 60 80 1000
100%
Tm(t) : Sortie modle
Ts(t) : Sortie systme
Ts(t)Tm(t)
Ts(t)
Tm(t)U(t)
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/43
Synthse du systme de rgulation continueSchma fonctionnel du systme rguler
T
-
Tc(p) U(p) Ts(p)+
G p p p( ),
, ,
1331 16 5 1 06
Wz pp
( ) , 0 66
1 10
+
Qp(p)
PID
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/44
METHODE DE STREJC Principe La mthode d'identification de STREJC est base sur les proprits
gomtriques de la rponse indicielle d'un systme d'ordre n de fonction de transfert
Paramtres identifier
p
n eTpKpW 1)(
etnTK ,,
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/45
METHODE DE STREJCMETHODE DE STREJC MthodologieEn se basant sur la rponse indicielle, on tablit :
t( sec.)
yI
1
TATU
IRponse indicielle dun modle de Strjc
)(
)(
)(
)(
3
3
2
1
nFY
nFTT
nFTT
nFTT
I
A
u
A
u
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/46
METHODE DE STREJCMETHODE DE STREJC Tableau de Strejc
n TTUA
TTU T
TA YI
1 0 0 1 0 2 0,104 0,282 2,718 0,2643 0,218 0,805 3,695 0,3234 0,319 1,425 4,465 0,3535 0,410 2,100 5,119 0,3716 0,493 2,811 5,699 0,3847 0,570 3,549 6,226 0,3948 0,642 4,307 6,711 0,4019 0,709 5,081 7,164 0,40710 0,773 5,869 7,590 0,413
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/47
Paramtres du modle de STREJC
T TU R U T
A. Dtermination de K Le coefficient de proportionnalit K est dtermin des conditions d'expriences comme
le rapport de l'amplitude du signal de sortie celui d'entre .
B. Dtermination de n On trace le mieux possible la tangente au point d'inflexion de la rponse indicielle La tangente dcoupe un segment TA sur l'axe des temps au bout d'un certain temps TU
( comportant un temps de retard inconnu ). On calcule le rapport TU / TA et on choisira du tableau, la valeur de TU / TA qui correspond une valeur de n entier ,
immdiatement infrieure. A titre dexemple, si TU=3S, TA=11, alors TU / TA = 3/11=0,27; La valeur de n entier la pus proche infrieure sera gale n=3.
XYsK
)(
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/48
Paramtres du modle de STREJCParamtres du modle de STREJC C. Dtermination de la constante de temps T
Connaissant la valeur de n , TA (ou TU ), on dtermine la constante du temps T l'aide de l'une des deux dernires colonnes du tableau.
Dans notre cas , pour n= 3, TA / T = 3,695 alors T= TA /3,695 = 3,2sec.
D. Dtermination du temps de retard fictif Afin de compenser l'erreur due la dtermination du point d'inflexion, on introduit un retard
fictif =TUR-TUT TUT : dtermine du tableau de Strjc . TUR : Valeur relle de la grandeur
TU fixe sur la rponse indicielle . Dans l'exemple TUR = 3sec. , alors TUT / TA =0,218 (pour n=3) do TUT =0,218* TA
=0,218*11=2,4sec. Alors = 3-2,4=0,6s
Si est
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/49
Commentaire sur la mthode de StrejcCommentaire sur la mthode de Strejc Quand appliquer un modle de Strejc?Des rponses indicielles avec une forme de S Des lments de 1er ordre en srie
Difficults dapplication La dtermination du point dinflexion
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/50
IDENTIFICATION DES SYSTMES INSTABLESIDENTIFICATION DES SYSTMES INSTABLES Intgrateur pur : Identifions le niveau dun rservoir
0,6bar
U bar02,
t
Us(t)(bar)
0,8barRservoir
1,5 m
3 t (min)1 5
ys(t)(m)
courbe exprimentale
1 m
ys m05,
2
t 1min
0,6bar
U bar02,
t
Us(t)(bar)
0,8barRservoir
1,5 m
3 t (min)1 5
ys(t)(m)
courbe exprimentale
1 m
ys m05,
2
t 1min
pK
pUpYspW )()()(
barmm
uysk
.min.5,2
6,08,0.min/15,1 W p
p( ) , 2 5
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/51
Intgrateur dordre nIntgrateur dordre nRemarque
La mthode quon va dvelopper est simpliste, il existe dautre plus prcise quon ne dveloppe pas ici
0,6bar
U bar02,
t
Us(t)(bar)
0,8barRservoir
ys(t)(m)
3t (min)
1 5
ys m05,
2
0,8
0,6bar
U bar02,
t
Us(t)(bar)
0,8barRservoir
ys(t)(m)
3t (min)
1 5
ys m05,
2
0,8
ys(t)(m)
3t (min)
1 5
ys m05,
2
0,8
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/52
Intgrateur dordre nIntgrateur dordre n A. Structure du modle
B. Paramtres du modle : Le gain K exprime le rapport entre la variation du signal dentre et la variation du signal
de sortie par unit de temps
W p Ys pU p
Kp
e p( ) ( )( )
k
ysu
m m
15 108 06
25 08, / min.
, ,, .
min.bar, , min W p p e p pp( )
, ,,
, 2 5 2 5
1 0 80 8
53
IDENTIFICATION DES SYSTEMES APERIODIQUES A DEPHASAGE NON MINIMALE
IDENTIFICATION DES SYSTEMES APERIODIQUES A DEPHASAGE NON MINIMALE
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/54
DfinitionDfinition Exemple de tels systmes physiques et Problmatique
Paramtres de la RI t0,, h(t0) t1, t0
Paramtres du modle K, a, T, n
nTpapKpW
11)(
1
0t1 t0
t2
-h(t0)
h(t)
T(s)
K, a, T, n ?
Rponse indicielle
ESK
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/55
Calcul des paramtres du modleCalcul des paramtres du modleRponse indicielle unitaire K=1
1. Dtermination de t0 : dh(t)/dt =0
)()(11
11)( 21
11 tytyTp
aLTpp
Lth nn
Ttin
in eT
tiTpp
Lty
.)!1(1
11)(
1
1
11
Ttn
n enTt
Ta
TpaLty
!11.
11)(
11
2
0)( dt
tdh0)1(.
)!1(
1
tTaTTnatT
Tt
nTe nT
t
TaTnat
)1(0
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/56
Calcul des paramtres du modleCalcul des paramtres du modle2. dtermination de t1 et t2 points dinflexion : h(t1)= h(t2)=0
La somme de ces deux solutions donne :En tenant compte de lexpression de t0
ATt
nTe
dtthd nT
t2
32
2
)!1(.)(
)2)(1()2)(1()( 222 nnaTaTTntTatA 2 solutions : t1 et t2
aTaTTntt
)2)(1(2
21
aT
ttt 2
0
21xt
tt 120
21 En posant x=a/T
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/57
Calcul des paramtres du modleCalcul des paramtres du modle Abaque 1 :
xttt 12
0
21
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/58
Calcul des paramtres du modleCalcul des paramtres du modleAbaque 2 : h(t0) est une fonction de x et n:En mettant dans h(t) lexpression de t0
),()( 0 nxFth
11
1
1)1(
0 1)1(.
!11)1(
)!1(11)(
nin
i
xnx
xnx
nx
xnx
ieth
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/59
Calcul des paramtres du modleCalcul des paramtres du modleAbaque 3 : De lexpression de t0 en mettant a=T/x
)(1)1(
0 xfx
xTn
t
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/60
Calcul des paramtres du modleCalcul des paramtres du modle 1. Calcul de x de labaque 1
Des valeurs t0 , t1 et t2 releves de la courbe exprimentale on dtermine x=a/T abaque 1 2. Calcul de n : ordre du systme : abaque 2
Connaissant x et h(t0) (de la courbe) on dtermine n de labaque 2 3. Calcul de T : abaque 3
A partir de x on tire t0/((n-1)T ) =C Alors T= t0/((n-1).C)
4. Calcul de a a=xT
61
SYTEME A DEPHASAGE NON MINIMALE DORDRE 2
SYTEME A DEPHASAGE NON MINIMALE DORDRE 2
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/62
PrincipePrincipe Structure du modle
21
1)(TpapKpW
Paramtres de la RI t0,, h(t0) tb, t0
Paramtres du modle K, a, T
1
0t0
Tb
-h(t0)
h(t)
T(s)
K, a, T ?
ESK
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/63
Paramtres du modleParamtres du modle Tb : Projection de la tg au point dinflexion sur laxe t Abaque 4 :
Il existe une relation : Dtermination de x=a/T
De labaque 2, on dtermine x (pour n=2, et h(t0)) Calcul de T
De labaque 4 : on dtermine Tb/T pour x (soit Tb/T=A) Tb tant mesur, on calcule T : T=A/Tb
Calcul de a a=xT
)()( xFTaF
TTb
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/64
lment du premier ordreSoit la rponse graphique, on doit identifier T (K est le gain statique)
On relve par exprience les valeurs y(ti) et y(ti + ), On trace la droite y(t+ )=y(t)
MTHODE DE CSYPKIN (chantillonne)MTHODE DE CSYPKIN (chantillonne)
y(t)
y t KetT( ) K
tt1 + tt1
)(..)(
11
tyaKeeKety TTt
Tt
y(t+t)a e T
y(t)
Les valeurs d'exprience
Ta
log
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/65
MTHODE DE CSYPKIN (chantillonne)MTHODE DE CSYPKIN (chantillonne) Remarque
La droite peut tre dtermine par la mthode desmoindres carrs pour dterminer a. La mthode est inefficace si le pas est trop petit, on recommande de
prendre = 0,5T
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/66
lment du deuxime ordre apriodiquelment du deuxime ordre apriodique lment du deuxime ordre oscillatoireOn examine uniquement le cas o la rponse est apriodique car, si elle
oscillatoire (voir lment du 2me ordre)
Principe La rponse indicielle d'un lment apriodique est : et impulsionnelle
y t K TT T
e TT T
e K y t e et
Tt
Tt
Tt
T( ) ( ) . .
1 1
1 22
1 21 21 2 1 2
h t KT T
e e e et
Tt
Tt
Tt
T( ) . .
1 21 21 2 1 2
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/67
lment du deuxime ordre apriodiquelment du deuxime ordre apriodiqueToutes les deux rponses peuvent s'crire alors
Pour la rponse iimpulsonnelle
et pour l a rponse indicielle
s t e et
Tt
T( ) . .
1 21 2
11 2
2 K
T T
1 11 2
22
1 2
KTT T
KTT T
Identifier K, T1,T2, ?
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/68
Paramtres du modle du deuxime ordre apriodique par la mthode CsypkinParamtres du modle du deuxime ordre apriodique par la mthode Csypkin
1. On relve par exprience les donnes s(t) , s(t-) et s(t-2); ( est fix l'avance)2. On dterm ine graphiquem ent les coefficient a1 et a2 comm e suit :
On trace dans le plan les points des coordonnes
On dterm ine du graphe les valeurs de -1/a1 et -1/a2 com m e intersection avec l'axe des ordonneset des abscisses
s t a s t a s t a s ts t
a a s ts t
( ) ( ) ( ) ( )( )
( )( )
1 2 1 2 12 0 1 2 0
s ts t
et s ts t
( )( )
( )( )
2
11a 1
2a
s ts t
( )( )
s ts t
( )( ) 2
3. On calcule les racines de :
4. On dduit T1 et T2
Remarque : Il faut bien choisir le pas sinon vous risquez d'avoir proche de 1
1 1 01 2
2
1 221 1 1
a e a e a z a z z eT T T
( )
Tz
Tz1 1
22
log
,log
s t s t et s t s t( ) / ( ) ( ) / ( ) 2
69
IDENTIFICATION EN BOUCLE FERMEEIDENTIFICATION EN BOUCLE FERMEE
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/70
Inconvnients de la boucle ouverteInconvnients de la boucle ouverte1. Sur le plan pratiqueNcessit de passer le rgulateur en manuelPerturbation intentionnel du procdDrglement des toutes les boucles de rgulation
2. Sur l eplan thorique Lidentif. En boucle ouverte est une approximation
Pendant lexprience dautres perturbation apparaissent Les calculs des rgulateur se fait en rgime critique (arg(wou(jw))=-) donc il faut tre
prcis en haute frquence en identif.
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/71
AVANTAGE DE IDENTIFICATION EN BOUCLE FERMEEAVANTAGE DE IDENTIFICATION EN BOUCLE FERMEE Intrt de la mthode sans dbrancher le rgulateur Fonctionnement naturel du SRA
Conditions dapplicationSapplique pour les systmes dordre suprieur 2Sytme stableAnalyse frquentielle
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/72
PRINCIPEPRINCIPE Systme de rgulation en BF
On amne le systme en pompage-
C(p)Kr Ys(p)
Tcr
Ks.G(p)
Wou(p)
)(..)(:ouverteboucleen
pGKKpWou sr
))(arg(
1)(..pompageEn
cr
crscr
jGjGKKEn augmentant Kr jusqu Kcr
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/73
Identification du modle de Strejc en BF (1/5)Identification du modle de Strejc en BF (1/5)Principe
-
C(p)Kr
Ys(p)
nsTpKpG 1)(
Wou(p)
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/74
Identification du modle de Strejc en BF (2/5)Identification du modle de Strejc en BF (2/5) La stabilit du systme dpend du polynme caractristiqueOn augmente graduellement le gain Kr jusqu pompage
Paramtres en rgime de pompage KcrKs : Gain provoquant le pompage cr : frquence au rgime de pompage
)(11.1)' pZ
TpKKpD n
sr )(11.1)' pZ
TpKKpD n
sr
crcrou
ncr
scrcrou
TnarctgT
KKA
)(
1
.1)(22
crcrou
ncr
scrcrou
TnarctgT
KKA
)(
1
.1)(22
En rgime de pompage
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/75
Identification du modle de Strejc en BF (3/5)Identification du modle de Strejc en BF (3/5) Calcul des coefficients du modle en boucle ferme Tcr : la priode de pompage quon relve de la sortie en rgime dauto
oscillation
La solution du systme dquations sera :
crcr
crcr T
T 22
n
ncr
cr
nn
tgK
ntg
ntgTT
cos
1)(1
.1.2
2n
ncr
cr
nn
tgK
ntg
ntgTT
cos
1)(1
.1.2
2
crou
ncr
ou
TnarctgT
KoKrA
)(
1
.1)(22
crou
ncr
ou
TnarctgT
KoKrA
)(
1
.1)(22
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/76
Identification du modle de Strejc en BF (4/5)Identification du modle de Strejc en BF (4/5) En exprimant en degr, lexpression de K nous permet de calculer n
en fonction de K (gain critique total en boucle ouverte K=Ko.Kcr)
K n K n K n K n
232 2,1 9,02 2,9 2,89 15 1,69 9,5
72 2,2 8 3 2,58 5,5 1,60 10
38 2,3 6,55 3,2 2,37 6 1,51 12
25 2,4 5,59 3,4 2,20 6,5 1,42 14
18,83 2,5 4,90 3,6 2,07 7 1,36 16
14,81 2,6 4,39 3,8 1,88 8 1,31 18
12,19 2,7 4 4 1,81 8,5 1,28 20
10,36 2,8 3,31 3 1,75 9 1,05 100
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/77
Identification du modle de Strejc en BF (5/5)Identification du modle de Strejc en BF (5/5) Mthodologie pratique On augmente le gain K du rgulateur jusqu' apparition de pompage, on
fixe ce gain Kcr 2. On mesure la priode de lauto oscillation Tcr et on calculeK = Kcr.Ks 3. On dduit n du tableau et Tcr par la valeur mesur 4. On calcule T par l a formule ci dessous
ntgTcrT .2 ntg
TcrT .2
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/78
Calcul du gain du systme Ks (1/7)Calcul du gain du systme Ks (1/7)1. Calcul par lerreur statique
1. On applique une consigne dchelon xo faible pour ne pas trop perturber le systme
2. On fixe le gain du correcteur qui est affich Kro 3. On attend que le systme se stabilise et on mesure lerreur statique soit
Eo4. On calcule le gain du systme comme suit
EoKroEoxoK
KsKroxoEo s ..1
EoKroEoxoK
KsKroxoEo s ..1
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/79
Calcul du gain du systme Ks (2/7)Calcul du gain du systme Ks (2/7)2. Mthode de la perturbation constante
1.Si, pour des raisons technologiques on ne peut pas changer de consigne, on peut utiliser la mthode de la perturbation constante pour trouver ks.
-
Xc(p) U(p)Yz(p)
+)( pG
)( pWz+
Z(p)
)( pWrE(p)
)().(1)().()(
)().(11).().()(:ionsuperposit de rincipe
pGpWrpGpWrpXc
pGpWrpWzpZpYP
Yc(p)Y(p)
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/80
Calcul du gain du systme Ks (3/7)Calcul du gain du systme Ks (3/7)Principe de superposition Y(p)=Wz(p).Zp)+Wxc(p).Xc(p)
-
U(p) Y(p)+)( pG
)( pWz+
Z(p)=0
)( pWrXc(p)
-Yc(p)
Y(p)+
)( pG
)( pWz+
Z(p)
)( pWrE(p)
Xc=0U(p)
Yz(p)
)().(11).().()(
pGpWrpWzpZpYz
)().(1)().()()(pGpWr
pGpWrpXcpYc
Z(p)=0
Xc(p)=0
)()()( pYcpYzpY
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/81
Calcul du gain du systme Ks (4/7)Calcul du gain du systme Ks (4/7)On se met en rgulation PI et systme stable
Sortie dun PI rgulateur
m
i
ii
i
n
i
ii
pb
KspG
pTKrpWr
pa
KzpWz
1
1
1)(
rg. PI1)(
1)(
-
U(p) Y(p)+)( pG
)( pWz+
Z(p)=0
)( pWrXc(p)E(p)
I
iPr dttET
tEKtU )(1)(.)()( pWr U(p)
U(t)
T (s)
E(t)
I
P
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/82
Calcul du gain du systme Ks (5/7)Calcul du gain du systme Ks (5/7)Appliquons une perturbation Z(p)=Z0/p, Xc=0
On calcule lcart rsiduel (E() lorsque Ti=0 (on supprime laction I)
La variation U(t) due laction P du rgulateur sera donc Up
Z0t
z Z0 : amplitude inconnue
)()(lim)()(lim)(0
pXcpYzptXctYzEpt
sr
zpp KK
KZpGpWr
pWzp
ZppXcpYzpE
1)().(1
1).(.lim)()(lim)( 0000
sr
zrrP KK
KZKEKU 1)()(0
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/83
Calcul du gain du systme Ks (6/7)Calcul du gain du systme Ks (6/7)On ajoute laction intgrale I Laction I a pour tche dannuler lerreur statique en augmentant UpSoit Up : action du rgulateur du laction PUi : action du rgulateur du laction IUt : action du rgulateur du laction P+I
La sortie Y sera nulle (Y=Xc=0) en rgime permanent suite lentre Z0
-
U(p) Y(p)+Ks
Kz+
Z(p)=Z0/p
IP Xc(p) E(p)En rgime permanent 0..0 KsUKZY tZ
s
zt K
KZU .0
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/84
Calcul du gain du systme Ks (7/7)Calcul du gain du systme Ks (7/7)Les sorties du rgulateur P et total (P+I) sont :
La sortie UI due I rgulateur est :UI est la variation du signal de sortie cre par laction I
Le gain total K=Kr.Ks est alors
sr
zrP
s
zt KK
KZKUK
KZU 1,. 00
ssrz
PtI KKKKZUUU 1
0
KKKUU
sri
P
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/85
Mise en uvre pratiqueMise en uvre pratiqueOn applique une perturbation damplitude Z0On enregistre uniquement la sortie du rgulateur U(t)
On dtermine K comme suit :
-
U(p) Y(p)+)( pG
)( pWz+)( pWrXc(p)
E(p)
Z0z
U(t)
t
I
P
Idal
relr
ssri
PKIPKKKK
IP
UU
.
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/86
MODELE DE BROIDAMODELE DE BROIDAPrincipe
Dterminer Ko, T et et posant qui provoquera la mme priode de pompage que le systme rel
-
C(p)
Ko
T p T p T pn1 1 11 2 ...P-rgulateurYs(p)
-
C(p) peTpKo 1P-rgulateur
Ys(p)
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/87
PrincipePrincipe Conditions de lapparition des auto-oscillations
La solution du systme dquations du pompage sera :
prf
pr
pr
f
eTPKKpD
eTPKK
eTPKK
pW
1.1)(
1.1
1.
)(
0
0
0
1.
2
211
20
22222
0
KKTcrT
TTTKK
R
crR
1.
2
211
20
22222
0
KKTcrT
TTTKK
R
crR
crcrou
crou
TarctgT
KoKrA
.)(
11
.1)(22
crcrou
crou
TarctgT
KoKrA
.)(
11
.1)(22
crTTcr
22
cr
R KKarctg 1. 20
cr
R KKarctg 1. 20
Conditions de pompage
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap2 : METHODES DE BASE DIDENTIFICATION Chap.2/88
Mthodologie pratique Mthodologie pratique Mthodologie pratique On augmente le gain K du rgulateur jusqu' apparition de pompage, on
fixe ce gain Kcr 2. On mesure la priode de lauto oscillation Tcr et on calculeK = Kcr.Ko 3. On dduit T et des formules tablies Le gain K0 est calcul partir de lerreur statique en boucle ferme
Prof. Belkacem OULD BOUAMAMALAGIS UMR CNRS 8146
Tl : (33) 03 28 76 73 97 - Fax : (33) 03 20 33 71 89E mail : [email protected]
IDENTIFICATION LST methods (chap3)
IMA 3 Automatique
Algorithme didentif.
yr(t)
ym(t)
+
-
< adm?
u(t)
non0,..),,...,,( uuyyF mm
oui Modle
90
Chapitre 3Chapitre 3
METHODES STATISTIQUES
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/91
Limites des mthodes de baseLimites des mthodes de base Modles paramtriques :Mthodes graphiques (dterministes)Peu de modles, ncessitent signaux grande amplitude, sensibles aux
perturbations, imprcises, procdures longues, impossible de valider les modles
92
PARTIE 1PARTIE 1
MODELES STATIQUES
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/93
Mthodes des MMCMthodes des MMC Principe de la MMC LST La MMC est introduite par Karl Gauss en 1809 en cherchant prvoir le
Mvt. des plantes partir des observations par tlescopique
SYSTEME Ys(i)
Entres
Ym(i)
x(i)
+
-MODELE
Critredidentification
(i)D((i))
min))()((1
2
n
iiYmiYsD
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/94
EXEMPLE : REGRESSION LINEAIRE cas continu
Exprimentation N : Nbre. d'observations (d'chantillons de mesures); J = 1,2..K : Paramtre du
modle; i = 1,2...N : Numro d'expriences; Modle statique : Ym = F(X1,X2,.....Xk) Modle
Structure du modle
ki
iikk XaaXaXaXaaYm1
022110 ....
PROCEDE TECHNOLOGIQUE
x1
XKy1
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/95
Matrice dexprience HNo Exp. I N P U T OUTPUT
1 X11 X21 X31 ............ Xj1 ............ XK1 Y1
2 X12 X22 X32 ............. Xj2 XK2 Y2
3 X13 X23 X33 ............. Xj3 Y3
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
i X1i X2i X3i ............ Xji ............ XKj Yj...
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
N X1N X2N X3N XjN ............ XKN YN
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/96
ProblmatiqueProblmatique Soit donn :
Que veut on ? : Trouver :
Tel que :
k
k
j
K
jj
XXXHaaa
XaYm
...,...
10
10
0
,...10 Kaaa
optimalitd' critre :)(
.)(1
2
J
MinimumJiYYN
imi
....... 101
0
Tk
K
Haaa
X
XX
Ym
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/97
1. cas monovariable1. cas monovariable K=1, Ym=a0+a1x
Droite de rgression, champ de corrlation, infinit de droites
Influence du nombre dexpriences 1. N=2 : Par deux points ne passent quune droite : E1=Y-Ym1=Y-Ym2=E2=0.?
Le modle reflte parfaitement le systme ? Cas idal irralisable en pratique : Prsence d'erreurs de mesure
(Systmatique, instrumentale, humaine etc.)
Ym=ao+a1X
E2 Ei
E1
ENYm
X
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/98
1. cas monovariable1. cas monovariable2. N > 2 : trouver la meilleure droite au sens des MMCDterminer les paramtres a0 et a1 tel que :
Ceci revient rsoudre le systme dquations:
N
iiXaaiyaaJ
1
211010 ))(()(),(
0),(
0),(),(
1
100
10
10
aaaj
aaaj
MinimumaaJ
2
11
2
1 1 112
11
2
1 1 11
2
0
.
......,
.
..._.
N
ii
N
ii
N
i
N
i
N
iiiii
N
ii
N
ii
N
i
N
i
N
iiii
N
iii
XXN
YXYXNa
XXN
YXXXYa
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/99
1. cas multivariable1. cas multivariableK>1, Structure du modle
Calcul des paramtres Processus alatoire : la sortie est affecte d'un bruit V(t) :
Ralisation de N expriences
K
K
TKKj
K
jj
XXXHaaa
HXaXaXaXaYm
...,...
,....
10
10
22110
)(. tvHY Tm
)(.
.....
......
2211
222221212
112121111
tVH
VXaXaXay
VXaXaXayVXaXaXay
Y
NkNkNNN
kk
kk
),1(dim(Y) ),1()(dim),(dim),()dim(
.......
...
...
21
22212
12111
NNVNkkNH
XXX
XXXXXX
H
kNNN
K
k
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/100
1. Systme non bruit V=0Cas dterministe, si H est inversible, alors :
Cas non raliste
2. Systme bruit V#0
0. HY YH .1
VHY . VHYHVHY 11.
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/101
Estimation des paramtresEstimation des paramtres 2 types derreurs :Erreurs d'observation : Erreurs destimation :
Estimateur optimal Critre doptimalit
Conditions d'optimalit
Conditions d'observabilit : HT non singulire et N > K
mYYE
m
........)()()()( 2211
2
1
2 HYHYEEEEiEiyiyJ TTNN
i
N
im
0..2)( HYHJ T YHHH TTopt ... 1.
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/102
Biais de l'estimateur Biais de l'estimateur Biais de lestimateur b
b=0 : Estimateur non biais ( pas d'erreur d'estimation); Densit de probabilit centre sur la valeur cherche
b # 0 : Estimateur biais V et H squences corrles ( hypothses de rgression); V est de moyenne non nulle
RoptRopt EEb )()(
Lim NN
opt
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/103
Simulation sur MatlabSimulation sur Matlabhomedisp('EXEMPLE DE CALCUL D UN MODELE DE REGRESSION')% VALEURS EXPERIMENTALESpause,homex=[1 2 3];y_exp=[2 4 6];pause;homedisp('CHOISIR L ORDRE n DU MODELE')pause,homeinput n=n=ans;poly_model=polyfit(x,y_exp,n)%c'est pour trouver l'ordre du polyn^omedisp('VERIFICATION DU MODELE : ERREUR DE MODELISATION')pause,homeY_model=polyval(poly_model,x);%calcul les valeurs du modleE=abs([y_exp' Y_model' (y_exp'-Y_model')]);ERREUR_MAX=max(E(:,3))pausehomedisp('GRAPHE')pause,homeplot(x,y_exp,'*',x,Y_model,'--');grid;title('VERIFICATION DU MODELE');legend('--:model, *:exp')pause;home;closedisp('SI L ERREUR N EST PAS BONNE CHANGER L ORDRE n')
1. Cas monovariable
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/104
Simulation sur Matlab 2. Cas multivariableSimulation sur Matlab 2. Cas multivariabledisp('INTRODUCTION DES DONNES EXPERIMENTALES:')pause, homedisp(' 1. MATRICE D EXPERIENCES H:')disp(' NOUS AVONS 7 EXPERIENCES ET DEUX VARIABLES X1 et X2')H= [1 3;4 2;1 5;2 1;3 4;4 5;6 8]pause,homedisp('2. VARIABLE DE SORTIE Y:')y=[5 13 9 4 11 12 23]'pause,homedisp('SOLUTION : PARAMETRES ESTIMES:')teta=inv(H'*H)*H'*y;a1=teta(1)a2=teta(2)pause,homedisp(' LE MODELE EST DONC; Ym=a1*X1+a2*X2')pause,homedisp('VERIFICATION DU MODELE')pause,homedisp('VALEURS DU MODELE')ym=polyval([a1 0],H(:,1))+polyval([a2 0],H(:,2)) %ym=a1*X1+a2*X2pause,homedisp('CALCUL DE L ERREUR DE MODELISATION')pauseR=[ym,y,abs((ym-y)./y)*100]disp('ERREUR MAXIMALE')Emax=max(R(:,3))pause,homedisp('GRAPHE 3D')plot3(y,H(:,1),H(:,2),ym,H(:,1),H(:,2));grid;Xlabel('X1,X2'); Ylabel ('Modle, Exprimentale');
105
INDENTIFICATION DES MODELES DYNAMIQUES
INDENTIFICATION DES MODELES DYNAMIQUES
Identification des modles paramtriques discrets par la MMC
106
objectifobjectif
tude des mthodes didentification de modles paramtriques discrets sur la base des E/S
chantillonnes au mme instant
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/107
PrincipePrincipe MotivationsUtilisation des PC pour la commande numrique des procds fournit des
sorties chantillonnes Intrt dutiliser ces sorties chantillonnes pour lidentification par la
MMCAvantagesSimple a mettre en uvre Implmentation en temps rel sur calculateur sous forme rcursive
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/108
MMC cas continu et cas discretMMC cas continu et cas discret
Systme identifier CAN
Modle prdictif
A.A.P.
y(k)
Paramtres du modle
)( ky
E(k)
Systme identifier
Modle continuAlgorithme
u(t) y(t) Paramtres du modle
)( ty
)(t
CAN
S.B.P.A
u(t)
t
Cas continu : se base sur lerreur dobservationCas discret : se base sur lerreur de prdiction
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/109
Particularit par rapport au MMC simpleParticularit par rapport au MMC simpleLes mthodes des MMC dans ce chapitre appels Mthodes bases sur lerreur de prdictionConsidre que lerreur dquation E(k) dit rsidu est un bruit de mesure
entre la sortie relle y(k et la sortie prdite du modle (alors que MMC simple erreur entre systme relle et le modle
Objectifs de ce chapitretude des principales mthodes des MMC bases sur lerreur de
prdiction Identification tems relMthodes rcursivesMthodes fentre glissanteMthodes pondres
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/110
Caractristiques des mthodes paramtriques statistiquesCaractristiques des mthodes paramtriques statistiques
liminent les dfauts mentionns prcdemment algorithmes non rcursifs MMC simple (rcursifs (Traitement pas pas des donnes), permet suivi des paramtres en temps
rel oprant avec des signaux dexcitation extrmement faibles (SBPA de faible niveau) permet de modliser les perturbations et bruits capteurs (et supprimer) traitement ais du signal (analyse spectrale)
Comment commence t on? On choisit une structure procd+perturbation pour l identification une structure non adapte entrane un biais
Et ensuite?
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/111
Reprsentations des modles chantillonnsReprsentations des modles chantillonns1. MODELE ARMA (Auto Rgressif Moyenne Mobile Soit un signal y(t) gnr par un signal dentre u(t) u(t) et y(t) sont reprsents par leur chantillons des instants k,
0 1 2 .k
u(k)
PROCESSUS0 1 2 .k
y(k)
)(),.....1(),()(
)(),.....1(),()(Nkykyykyty
mkukukutu
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/112
Modle ARMA : reprsentation temporelleModle ARMA : reprsentation temporelleModle dcrit par un modle ARMA dordre (n,m):
Intrt dune telle reprsentation A une infinit dchantillons pour reprsenter un signal on a un nbre fini de
paramtres pour reconstituer le signal
Schma bloc du modle ARMA
)(...)1()()(...)1()( 1010 mkubkubkubnkyakyakya mn
mj
j djkub0
)(
ni
i ikya1
)(
)(ky+
-u(k)
Si a0 =0, le modle est non causal
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/113
Reprsentation ARMA : cas gnralReprsentation ARMA : cas gnralConnaissant les sorties du systme chantillonn y(k), on calcule
la sortie prdite:
mj
j
n
ii djkubikyaky
01)()()(
y(k-1), .y(k-n) : chantillons dun signal analogique de sortie y(t) aux instant k, k-1,.k-n
u(k-d),u(k-m-d) : chantillons de lexcitation dentre u(t) qui a gnr y(t)
d : retard pur multiple de la priode dchantillonnage Te compt en nombre entier de TeK : temps discret normalis (temps rel) divis par la priode dchantillonnage :
k=t/Tebj et ai : paramtres du modle
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/114
Modle ARMA : reprsentation frquentielleModle ARMA : reprsentation frquentielle
)()(
)()(
kuZdjku
kyZikydj
i
Introduisons loprateur retard Z-1
)(...)1()()(...)1()( 1010 mkubkubkubnkyakyakya mn
dm
j
jj
n
i
ii ZZbkuZaky
01
)(1)(
dZZBkuZAky ).().()()( 11
m
j
jj
n
i
ii
ZbbZB
ZaZA
10
1
1
1
)(
,1)(
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/115
Transforme en Z du modle ARMATransforme en Z du modle ARMA Transforme en Z
Le modle ARMA est donc un filtre dE/S u(Z) y(Z)
dZZBkuZAky ).().()()( 11)(
)(.)()()( 1
1
ZA
ZBZZUZYZW
d
)(ZU )(ZY
)()(.
1
1
ZAZBZ d
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/116
Modle AR (Auto regressifModle AR (Auto regressif Cas : bj =0 (i=1,m)
Le modle est dit : TOUT POLES )(
.)()()( 1
0
ZAZb
ZUZYZW
d
ddm
j
jj
n
i
ii ZbkuZZbkuZaky
001
).()(1)(
OB4
Diapositive 116
OB4 La position des ples dfinit la dynamique du systmemodle courant dans les sytmes de rgulationOULD BOUAMAMA; 09/10/2004
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/117
Modle MA (Auto regressifModle MA (Auto regressif Cas : ai =0 ( i > 0)
Le modle est dit : TOUT ZERO
)(..)()()( 10
ZBZbZUZYZW d
dm
j
jj
dm
j
jj
n
i
ii ZZbkkyZZbkuZaky
001
)()()(1)(
OB5
Diapositive 117
OB5 La position des zroz dfinit la dynamique du systmeOULD BOUAMAMA; 09/10/2004
118
CALCUL DES PARAMETRES DES MODELES DISCRETS
CALCUL DES PARAMETRES DES MODELES DISCRETS
1. MMC SIMPLE
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/119
Systme bruitSystme bruit Soit le systme dynamique bruit
Soit E vecteur des erreurs de modlisation
)( ky)( 1ZW )(ky)(ku
)(kv
+
+
)()()( kVkyky
)(.)()( kEkHky T
mn
T
bbbaaadmkudkudkunkykykykH
...,,,...,,)(...),1(),(),(...),2(),1()(
1021
onmodlisati deerreur modle )(.)()( kEkHky T
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/120
Dtermination des paramtresDtermination des paramtres Ralisons N expriences
Les valeurs y(1),y(n) et les entres correspondantes sont connues : conditions initiales
1),...1(,,...1,)()(...)1()()(...)1()( 101
nnNNkkEmkubkubkubnkyakyaky mn
)1(......
)(
.
.
.
.
)1(...)1()1(...)0(..........
)(...)()0(...)1()1(...)1()1(...)(
......)1(...)1()1(...)2(
)(...)()(...)1(
)1(.
)()1(
.)1(
)(
0
1
E
NE
b
ba
a
dmudunyy
dmnndnuynydmnudnuyny
dmNudNunNyNydmNudNunNyNy
y
nyny
NyNy
m
n
TdmkudkudkunkykykykH )(...),1(),(),(...),2(),1()(
C
o
n
d
.
I
n
i
t
i
.
N
e
x
p
.
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/121
criture matricielle du systme dexpriences
Rsolution du problme au sens des MMC Conditions dexpriences : N >= n+m
EHY . ?...,,,...,, 1021 mn bbbaaa
YHHH TT ... 1
122
METHODE DES MMC GENERALISEESMETHODE DES MMC GENERALISEES
1. LIMITES DE LA MMC SIMPLE
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/123
LIMITES DE LA MMC SIMPLELIMITES DE LA MMC SIMPLEProprits statistiques de lestimateur Lestimateur est une variable alatoire car elle dpend de y(K) :
La valeur moyenne (Esprance mathmatique ) de E( ) sera
YH.HHEHY
TT ..
systme du Sortie :1
EH.HHEHH.HH TTTT .... 11 YH
sortiela de valeur Vraies : optimalr Estimateureleur Estimat:
EH.HHEEH.HHEEE TTTT .... 11
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/124
Dfinitions : Biais de lestimateurUn estimateur correct (sans biais) impose :
Conditions pour avoir un estimateur sans biaisUn estimateur est sans biais ssi on a:
NNE lim0 EE
EH.HHEE TT .. 1 0..1 EH.HHE TT
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/125
On peut crire :
sont des fonctions de corrlationAlors (le coef. de corrlation est nulle sil ny a pas de corrlation) :
Bruit non corrl avec les donnes dexpriences : Ce sont justement les hypothses pour construire un modle de rgression
011 E.H*E.HHEE..H.HHE TTTT E.HE et.HHE TT
0. ou0 EHE.HHE TT H(k)avec corrls non )( kE
ssi
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/126
Analyse de la condition du biais
Lestimateur optimal est sans biais :1. si le bruit E(k) est une squence non corrls avec H(k) 2. ou E(k) est un bruit centr
EH.HHEE TT .. 1 EHE.HHEE TT .. 1
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/127
ConclusionsConclusions Le biais serait nul si :
Le bruit auquel est assimil lcart (modle systme rel) tait blanc Le bruit E et la matrice des expriences H ne sont pas corrls
Quel sens ? La valeur exacte recherche du vecteur paramtre serait gal la moyenne de tous
les vecteurs optimaux obtenus en rptant N fois les expriences Lestimation est alors biais si les observations ont affectes dun bruit corrl avec les
mesures
Que faire alors si les observations ont affectes dun bruit corrl avec les mesures ?
128
2. ESTIMATION DES PARAMTRES DE MODLE AFFECT DUN BRUIT CORRELES
2. ESTIMATION DES PARAMTRES DE MODLE AFFECT DUN BRUIT CORRELES
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/129
Principe de la mthode MCG (GLS)Principe de la mthode MCG (GLS)ObjectifsObtenir une estimation optimale non biaise dans le cas dune
observation avec un bruit corrlMots clefs : Blanchissement du rsidu
Modle ARMA bruitMontrons que mme si le bruit de mesure est un bruit blanc non
corrl, lestimation est biais (car la structure ARMA modifie le bruit de mesure en une squence corrle)
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/130
Notion de rsiduNotion de rsiduSoit un modle ARMA non bruit
Systme affect dun bruit v(k) lentre et la sortie
)( ky)(ku ARMA
mj
jn
ii djkubikyaky
01)()()(
)(ky
)(kv+)( ky
)(ku ARMA+
)(ke+ )( ky)(ku ARMA)(kub
)()()( kvkyky m
jj
n
ii djkubikvikyakvky
01)()()(.)()(
BELKACEM3
Diapositive 130
BELKACEM3 en remplaant l'expression de y^(k) =y(k)-v(k) dans l'expression gloabl de y^(k) donn plus hautBelkacem; 11/10/2004
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/131
Rsidu corrlRsidu corrlPourquoi le bruit v(k) devient un rsidu r(k) corrle ?
Si le bruit agit lentre on obtient :
mj
jn
ii djkubikvikyakvky
01)()()(.)()(
)()()()(1 0
krdjkubikyakyn
i
m
jji
)()()(1
ikvakvkrn
ii
RSIDU : est un bruit corrl
)()()()(1 0
krdjkubikyakyn
i
m
jbji
)()(
0djkebkr
m
jj
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/132
MthodologieSoit
Sous forme frquentielle (en introduisant Z-1) , elle devient :
Supposons que le rsidu r(k) est gnr par un bruit blanc v(k) travers un filtre :
)()()()(1 0
krdjkubikyakyn
i
m
jji
)()().(.)().( 11 krkUZBZZAky d
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/133
Mthode de Clarke (1967)Mthode de Clarke (1967) On a vu : la structure du modle introduit bien un bruit
corrl Comment alors obtenir un bruit blanc ou qui ses approche
Mthode de Clarke (1967) ou mthode GLS :Elle consiste transformer par filtrage successif les donnes
exprimentales pour obtenir un cart (modle - systme) qui devient un bruit blanc
)(kv)(
11ZC )(kr )(
1.()( 1 ZCkvkr
)()().(.)().( 11 krkUZBZZAky d
)()(.).().()().().( 1111 kvZBZZCkUZAZCky d
BELKACEM4
Diapositive 133
BELKACEM4 Lorsque l'estimateur est biais, on amliore la qualit de l'estimateur des MMC par de nouvelles techniques. ces techniques reposent sur l'hypothse que le bruit de mesure v(k) peut tre considr comme tant le signal de sortie d'un filtre linaire inconnu excit par une squence de bruit blanc non corrl r(k) et moyenne nulle.Belkacem; 11/10/2004
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/134
Analyse, lexpression obtenu est un modle :
Sur ce modle agit un bruit blanc v(k), les E/S sont :
On peut alors noter ce nouveau modle
Quel est le sens physique de cette expression ?
)()(.).().()().().( 1111 kvZBZZCkUZAZCky d
)().()(
)().()(1
1
kUZCkU
kyZCky
r
r
Yr(k) Ur(k)
)()(.).()().( 11 kvZBZkUZAky drr
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/135
Le modle en terme de schma blocLe modle en terme de schma bloc)()(.).()().( 11 kvZBZkUZAky drr
)(kU
)(kr
)()(. 1
1
ZAZBZ d )(ky
)(kv
)( ky
)( 1ZC
)( 1ZA
)(kyr
PROCESSUS
)( 1ZC
)( 1 ZBZ d)(kU r
+-
Bruit blanc
Si lon filtre les donnesy(k) et U(k) on obtientlerreur dquation quisera un bruit blanc (sortieUr et yr.
Ces sorties Ur et yr sonttraites alors parlamthode MMC simpleavec un estimateur sansbiais des coeff. de A(Z-1)et B(Z-1)
ALORS IL FAUTDETERMINER LE FILTREC(Z-1) ????
)()()(.)(.)().()( 1111 kUZCZBZkyZCZAkE d ERREUR GENERALISEE
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/136
Estimation des coefficients de v(k)Estimation des coefficients de v(k) Si C(Z-1) est connu alors on peut estimer Mais : la dynamique du bruit C(Z-1) nest pas connu Comment calculer les paramtres de C(Z-1) ?
Estimation de C(Z-1) Dans le domaine frquentiel on a:
En traduisant dans le domaine temporel v(k) on a :
Le problme revient alors estimer par la MMC les paramtres de v(k)
pp ZcZcZC
...1)( 111
)(...)1()()()()()( 11 pkckckrkvZCkrkv p
)(...)1()()( 1 pkckckrkv p
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/137
Mthode MMC appliqu r(k)
Relevons les mesures effectues de p N. On peut crire :
Nous sommes en prsence de modle classique o V est un bruit blanc, C : le vecteur des paramtres dterminer
)(...)1()()( 1 pkrckrckrkv p )()(...)1()( 1 kvpkrckrckr p
)(...
)(
.
.
..
)(...)1(......
)0(...)1(
)(..
)1()( 1
Nv
pv
c
c
pNrNr
rpr
Nr
prpr
p
VCRr .
rRRRC TT ... 1 R : tant la matrice dobservations des erreurs inconnuesC : Vecteur des erreurs inconnus
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/138
Comment calculer C ?
On ne connat ni la matrice R ni le vecteur rAlors on les dtermine dune faon itrative 1. Soit donn :
rRRRC TT ... 1
pp
pprr
bbaa
pkukupkykyH
......
)(...)()(...)1(
01
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/139
1. Estimation du vecteur des paramtres
2. Calcul des rsidus
3. On construit le filtre C(Z-1) partir du rsidu r
4. On filtre les donnes y et U pour obtenir yr et ur
yHHH TT ... 1Hyyyr
rRRRC TT ... 1
m
jir
n
iir
jkUckUkUZCkU
ikyckykyZCky
1
1
1
1
)()()().()(
)()()().()(
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/140
5. Connaissant yr et Ur on forme un nouveau vecteur H pour calcule de nouveau et on ritre lopration
6. Quand sarrter ? Critre de convergence Soit S : le nombre ditrations Ci(Z-1) : le filtre obtenu au ime pas de calcul Le filtre global sera alors :
Si n est lordre de chaque filtre Ci, lordre du filtre global C(Z-1) est nS Si on veut avoir un filtre qui ne dpend que du nombre ditrations on fixe n=1
)(1
1)( iiS
iZCZC
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/141
Solutions pour la convergenceSolutions pour la convergenceOn fixe le nbre ditrations prioriProcdure arbitraire
Arrt du programme quand les paramtres C du filtre deviennent petitsDifficile prciser numriquement
Arrter quandOn sarrte quand la diminution du critre nest plus significative en
gnral : J/J < 1%
)1()( kk
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/142
Algorithme MCGAlgorithme MCGDbut
Lecture des donnes HN(0)= HN , yN(0)= yN, i=0,
Calcul de lestimateur )().(.)().()( 1 iyiHiHiHi NTNNTN
Calcul des rsidus)().()()( iiHiyir TNNN
Calcul du critre doptimalit)().()( iririJ N
TN
Calcul des paramtres du filtre )().(.)().()( 1 iriRiRiRiC NTNNTN Filtrage des donnes
)().(),().( 11 ZCkuuZCkyy rr
1 ii
)(iJ )( i oui
Non
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/143
tape de filtrage : 2 manirestape de filtrage : 2 manires1. Filtre dordre constant en filtrant tj le mme jeu de donnes
Problme : choix de lordre de C(Z-1)2. Filtre dordre variable en filtrant les donnes prcdemment
filtres Cette approche consiste mettre en srie i filtres Ci(Z-1) sur les donnes initiales
Problme : coteuse car on aura n mesures supplmentaires chaque pas
)(...)1()()(
)(...)1()()(
)()(1)(
)()(1)(
nkuckuckukunkyckyckyky
iniir
iniir
)(...)1()()(
)(...)1()()(
)1()()1()(1)1()(
)1()()1()(1)1()(
nkuckuckukunkyckyckyky
iiniiiir
iiniiiir
OB6
Diapositive 143
OB6 on a Interet alors choisir n=1 ce qui permet d'obtenir un filtre dont l'ordreaugmente chaque pas. L'ordre final dpendant du nombre d'itrations et n'tant plus arbitraire. L'autre avantage de prendre n=1 et de supprimer l'inversion de la matrice RnT(i).RN(i) qui devient scalaireOULD BOUAMAMA; 12/10/2004
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/144
ConclusionsConclusionsInconvnient Introduction dun grand nbre de donnes la foisNcessite linversion de la matrice C (de grandes dimensions)
AvantagesPerformante surtout dans le cas dun signal riche (SBPA)Si les paramtres statistiques du bruit sont connus, le filtre C(Z-1) est
parfaitement dtermin : on a alors directement un estimateur sans biais des coefficients de A(Z-1) A(Z-1) , C(Z-1) et B(Z-1)/ C(Z-1) donc des coefficients de la FT du modle
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/145
Diffrents types de modleDiffrents types de modle 1. Modle ARX (AutoRgressive Entre Exogne)
Modle utilis pour la MMC simple. quation de rcurrence
Paramtres dterminer : na : nbre de ples, nb-1: nbre de zros d : le retard pur
1)(
1)( 11 ZCZF
)()()(
).()( 11
kekuZA
ZZBkyd
)()()()(00
keikyadjkubkyna
ii
nb
jj
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/146
Diffrents types de modleDiffrents types de modle 2. Modle ARMAX (AutoRgressive Moyenne Ajuste et
entre exogne)
quation de rcurrence
Paramtres dterminer : na : nbre de ples, nb-1: nbre de zros d : le retard pur nc : ordre du modle de la dynamique du filtre
ncnc ZcZcZC
ZF ...1
)(1)( 111
1
ncl
ina
ii
nb
jj lkecikyadjkubky
100)()()()(
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/147
Diffrents types de modleDiffrents types de modle 3. Modle OE (Output-Error) bas sur lerreur de sortie
quation de rcurrence
Paramtres dterminer : nb, d , et nf
1)(
1)(
1)(
1
11
ZA
ZCZF
)()()()(00
keikyadjkubkynf
ii
nb
jj
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/148
Diffrents types de modleDiffrents types de modle 4. Modle BJ (Box Jebkins)Modle utilis pour distinguer la dynamique du modle et du gnrateur
du rsidu
Paramtres dterminer : nb, nf, nc , nd et d
)()()()(
)()()( 1
1
1
1ke
ZDZCkuZ
ZFZBky d
149
METHODES RECURSSIVESMETHODES RECURSSIVES
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/150
Limites de la MMC simple
Principe de la RLST
Alors l'estimateur, tenant compte des (N+1) observations sera :
n.observatio me1)(N la
.nobservatio sprcdenteN des compte tenant optimal Estimateur
.nobservatio 1N des compte tenantoptimalateur Estim.
1
)(
)1(
N
N
N
Y
sopt
sopt
NTNNNNN optHYKoptopt ..... 1111
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/151
Lestimateur de la nouvelle mesure
Le gain dadaptation ou facteur de pondration de la mise jour apporte par la nouvelle mesure
11 . NNTN YmH
1111111 ...1... NNTNTNNNTNN HHHHHHHK
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/152
E(N+1)=Y(N+1)- H(N+1)T
.P(N). H(N+1)-1K(N+1)=Ko
(N+1)opt. = opt. (N) +K(N+1).E(N+1)
H(N+1)P(N+1)=(1-K(N+1).T
).P(N)
N=N+1
N-elle mesure l'instant N+1Y(N+1), H(N+1)
H(N+1)Ko=1+T P(N). H(N+1).
GAIN
ECART DE PREDICTION
ESTIMATION
MISE A JOUR DE P(N)
ALGORITHME RLST NTNNN NT
NN
PHKP
etHHP
...1
,.
111
1
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/153
INITIALISATION DE L'ALGORITHMEINITIALISATION DE L'ALGORITHME P(0) = diag(1000); 0)=0.
PROBLEME DE DECROISSANCE DU GAIN
Inconvnient de la RLST
NNN
NN PPH
PP .1 211
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/154
MMC AVEC FENETRE GLISSANTE MMC AVEC FENETRE GLISSANTE PRINCIPE : Tronquer les observations travers une FENETRE de largeur N
constante que l'on "glisse" au fur et mesure que les chantillons arrivent
K K-N K-N+1K+1
N chantillons N+1 me chentillon
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/155
Estimateur optimal
La formule met en vidence la contribution dans la nouvelle estime de l'enrichissement d l'observation l'instant K+1 d'une part et de la contribution de la K-N ime observation qui doit tre retranche d'autre part de l'estimation prcdente.
Limite de la mthode
1111
1
..... KNKNKT
NKKKKT
KKKK HYHHYHP
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/156
MMC AVEC FACTEUR DE PONDERATION MMC AVEC FACTEUR DE PONDERATION PrinciopeCRITERE CLASSIQUE PONDERATION HOMOGENES DES Ei
Pondration des erreurs
EEEEEJ TN ...................)(22
22
1
0 dfinie npondratio de Matrice
...00............0..000...00..00
....................)( 2222
1
W
EWEEEEJ TN
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/157
Choix de la pondrationOn recommande progression gomtrique
< 1 : Favorise les premires mesures (Facteur d'oubli); > 1 : Favorise les dernires mesures par rapport aux premires
Critre doptimalit
)...1,01( Ni
HYWHYJ T .)(02)(
YWHWHYWHHJ TTT
YWHWHH TTopt .1
Copyright : Prof. B. Ould Bouamama , PolytechLilleChap3 : METHODES STATISTIQUES DIDENTIFICATION Chap.3/158
RLST AVEC FACTEUR DE PONDERATION
111
1 .. NT
NNNNN HYK
11111 ..1.. NNTNNNN HPHHPK
1.. TNTNN HWHP
1Table des matires
Chapitre 1. Introduction au Travail Pratique . . . . . . . . . . . . 31.1. But du TP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31.2. Organisation des TPs . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
I METHODES DE BASE 4
Chapitre 2. Identification en boucle ouverte . . . . . . . . . . . . . 52.1. Questions relative lidentification en boucle ouverte . . . . . . . . . 5
Chapitre 3. Identification en boucle ferme . . . . . . . . . . . . . 63.1. Questions relative lidentification en boucle ferme . . . . . . . . . . 6
II METHODES DES MOINDRES CARREES : Etude dela boite outil "ident" 7
Chapitre 4. Manipulation des donnes . . . . . . . . . . . . . . . . . . 84.1. Reprsentation des donnes . . . . . . . . . . . . . . . . . . . . . . . 84.2. Syntaxe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84.3. Interface graphique . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94.4. Comment introduire les donnes exprimentales ? : import data . . . 94.5. Analyse et examen des donnes : Data Views . . . . . . . . . . . . . . 114.6. Traitement prliminaire des donnes . . . . . . . . . . . . . . . . . . . 12
4.6.1. Suppression des valeurs moyennes : Remove trends ou Removemeans . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
4.6.2. Slection dune partie des donnes : select data Range . . . . . 134.6.3. Filtrage prliminaire : Filter . . . . . . . . . . . . . . . . . . . 134.6.4. Rechantillonnage : Resampling . . . . . . . . . . . . . . . . . 144.6.5. Dmarrage rapide : Quickstart . . . . . . . . . . . . . . . . . . 144.6.6. Fusion de dexpriences multiple : Merge Experiments . . . . . 14
Chapitre 5. Estimation . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165.1. Estimation de la rponse impulsionnelle . . . . . . . . . . . . . . . . . 165.2. Estimation paramtrique des modles . . . . . . . . . . . . . . . . . . 16
5.2.1. Interprtation de la structure du modle . . . . . . . . . . . . 17
2Chapitre 6. Questions relatives lidentification laide de lamthode des MMC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
Annexe A. Courbes exprimentales . . . . . . . . . . . . . . . . . . . . 28
3Chapitre 1
Introduction au Travail Pratique
1.1 But du TPLe but de ce TP est la mise en oeuvre des mthodes didentification des systmes
en utilisant principalement le logiciel MATLAB et la boite outil "IDENT" . Letravail pratique sera ralis en trois parties :
1.2 Organisation des TPs1. Sance 1 : Etude des mthodes de base
Le but est didentifier les rponses types (indicielles, impuilsionnelles, ..) expri-mentales en utilisant les mthodes de base tudies en cours. On demandera alorsde dvelopper un programme sur Matlab en fichier .m afin de valider le modle. Lesmthodes en boucle ferme seront aussi tudies.
2. Sance 2 : Etude des mthodes des moindres carres
Les donnes exprimentales utilises pour identifier le systme sur la base desmthodes de base seront traits laide des mthodes des moindres carres (simple,rcursives, ....) laide de la boite outil "IDENT". Une description dtaille de laboite outil sera expose.
3. Sance 3 : Synthse des mthodes ralises
Cette sance sera consacre la synthse des rsultats obtenus dans les sances1 et 2. On demandera alors dorganiser les outils logiciels dvelopps de faon lesexposer avec une analyse des rsultats. Une note sera attribue lexpos orale et auproduit ralis.
Premire partie
METHODES DE BASE
4
5Chapitre 2
Identification en boucle ouverte
Les rponses indicielles de procds dirents sont donnes en annexe A. Lesdonnes numriques sont donnes sous forme dun fichier.mat par lenseignant encharge du TP. Ces fichiers sont Datai.m (i est le numro du fichier).
2.1 Questions relative lidentification en boucle ouverte1. Examiner les rponses exprimentales
2. Fixer une structure du modle et appliquez une mthode adquate pour liden-tification du systme
3. Trouvez alors les paramtres du modle (fonction de transfert)
4. Ralisez un programme sur Matlab et validez votre modle
6Chapitre 3
Identification en boucle ferme
Lidentification en boucle ouverte est considre dangereuse car on doit perturberle fonctionnement du systme. De plus les rgulations sont hors service. Les mthodesen boucle ferme sont ralises alors que le systme est en plein fonctionnement, ilsut juste de ramener le procd la limite de stabilit et identifier les paramtresen appliquant un certain nombre de mthodes (cf. cours didentification).
Fig. 3.1. Identification en boucle ferme
3.1 Questions relative lidentification en boucle ferme1. Ralisez sur SIMULINK un schma de rgulation avec un procd de dynamiqueconsidre inconnue (fig. 3.1) . La dynamique du procd i sera fournie par leprofesseur en charge du TP
2. Utilisez la mthode de Strje ou de Broida pour identifier les paramtres dumodle
3. Trouvez alors les paramtres du modle (fonction de transfert)
4. Ralisez un programme sur Matlab et validez votre modle en le comparantavec les sortie en boucle ouverte du procd
Deuxime partie
METHODES DES MOINDRESCARREES : Etude de la boite
outil "ident"
7
8Chapitre 4
Manipulation des donnes
4.1 Reprsentation des donnesDans la boite outil du systme didentification, les signaux entres-sorties sont
reprsents comme des vecteurs colonnes :
u =
u(1)u(2).....
u(N)
(4.1)
y =
y(1)y(2).....
y(N)
(4.2)
N est le nombre des chantillons chantillonns avec une mme valeur dchan-tillonnage T.Dans le cas dune systme multivariable u sera une matrice
u = u1 u2 .. .. um (4.3)
o m est le nombre de colonne gal au nombre dentres.
4.2 SyntaxeLes donnes observes sont reprsentes dans la boite outil par un objet iddata
cr partir des signaux E/S par :
exo_data = iddata(y, u, Ts) (4.4)
y : sont les donnes de sortieu : entresTs :priode dchantillonnage
94.3 Interface graphiqueEtant donn que la base de lidentification est le traitement de donnes (data) en
vue dobtenir un modle , linterface graphique de la boite outil est compose dedeux parties (fig. : donnes (DATA) et modles (Models).(fig. 4.1
Importer les donnes exprimentales Traitement prliminaire des
donnes (filtrage, ..) Donnes en traitement
Supprimer les modles inutiles (non adquats)
Envoyer vers lespace de travail les modles et les donnes
Observer les rponses des modles
Observer les rponses des donnes
Validation du modle avec dautres donnes
Choisir un type de modle
Lancer lopration destimation
Importer les donnes exprimentales Traitement prliminaire des
donnes (filtrage, ..) Donnes en traitement
Supprimer les modles inutiles (non adquats)
Envoyer vers lespace de travail les modles et les donnes
Observer les rponses des modles
Observer les rponses des donnes
Validation du modle avec dautres donnes
Choisir un type de modle
Lancer lopration destimation
Fig. 4.1. Interface graphique de la boite outil
4.4 Comment introduire les donnes exprimentales ? : im-port data
Trois possibilits :
1. Ouvrir une session existante enregistre dj (*.sid)
2. Importer des donnes partir de lespace de travail
3. Crer les donnes en les filtrant, ..
Les informations concernant les donnes importer sur linterface