Application des méthodes d’identification en simulation
et sur un système expérimental
Alireza Karimi
Gorka Galdos et Klaske van Heusden
Automne 2009
Introduction
Le but de ces exercices est de mettre en pratique les méthodes numériques présen-
tées au cours d’identification de systèmes dynamiques. Quatre séances de 3h sont prévues
pour les exercices et une séance pour le projet finale. La première séance est consacrée
à l’analyse de la réponse indicielle et impulsionnelle d’un système continu simulé par la
toolbox Simulink de Matlab. Les méthodes d’identification non paramétrique temporelle
(la méthode de corrélation) et fréquentielle (analyse par transformation de Fourier et spec-
trale) seront appliquées sur les données de simulation en deuxième et troisième séance. En
quatrième séance, les données entrée-sortie d’un système electro-mécanique seront utilisées
pour l’identification paramétrique d’un modèle discret. Les modèles paramétriques seront
identifiés avec différentes structures et ordres et ensuite validés à l’aide des algorithmes de
validation. La cinquième séance, il s’agit d’identification et validation d’un modèle para-
métrique pour un système expérimental.
Les fichiers de mesure et de simulation ainsi que les information complémentaires sur le
système expérimental peuvent être téléchargés à partir du serveur du LA ([Link])
en choisissant “List of Courses” et ensuite “Identification de systèmes dynamiques”.
Un bref rapport sur chaque TP est préparé par chaque groupe de deux (ou trois)
étudiants sur la base d’un canevas disponible sur la page du cours. Les rapports doivent
être rendus aux dates mentionnées sur la page du cours. Le rapport du projet final sera
présenté pendant l’examen oral.
1
TP1 (Réponse indicielle et impulssionelle)
Télécharger le fichier [Link] qui représente le modèle suivant sur Simulink :
3
1 2 1
s +0.2s+0.5
In1 Out1
Saturation Gc
Random
Number
1. Déterminer la réponse indicielle du système à l’aide de Simulink (trouver les valeurs
de la saturation et appliquer un échelon à l’amplitude maximale pour minimiser le
rapport bruit/signal).
2. A partir de la réponse indicielle, estimer: le gain statique K, la fréquence naturelle
ωn et la facteur d’amortissement ζ du modèle. Comparer les résultats avec les vraies
valeurs.
3. Choisir la période d’échantillonnage du système Te selon le théorème de Shannon
en supposant que le modèle discret sera utilisé pour dimensionner un régulateur
numérique (page 142 du polycopié).
4. En utilisant un ZOH et un filtre de garde (utiliser la commande butter pour
construire un filtre de Butterworth d’ordre 3), échantillonner la réponse indicielle du
système (avec la période d’échantillonnage calculée ci-dessus) et la sauvegarder dans
un vecteur dans l’espace de travail. Calculer la réponse impulsionnelle du système
discret en dérivant sa réponse indicielle.
5. Discrétiser le modèle continu en utilisant différentes approches (c2d): bloqueur
d’ordre zéro (zoh), sur la base de la réponse impulssionelle (imp) et transfor-
mation bilinéaire (tustin). Comparer les modèles discrets et le modèle continu
en terme de réponse indicielle (step(Gc,Gd1,...)), réponse impulssionelle (im-
pulse(Gc,Gd1,...)) et réponse fréquentielle (bode(Gc,Gd1,...)). Comparer
les pôles et la réponse fréquentielle des modèles discrets (zoh) pour les périodes
d’échantillonnage 0.1Te , Te et 10Te .
2
TP2 (Corrélation)
Le fichier [Link] contient les variables suivantes: Usbpa, Ysbpa et Tsbpa. Le signal
Usbpa est un signal binaire pseudo aléatoire (SBPA), Ysbpa est la sortie du modèle du
TP1 et Tsbpa et le vecteur du temps avec une période d’échantillonnage de Te = 0.3s.
1. Ecrire une fonction pour Matlab R = intcor(u,y) qui calcule la fonction d’inter-
corrélation entre u et y supposant que u et y sont périodique.
2. Déterminer les caractéristiques de Usbpa (la période θ, le nombre de périodes p et la
longueur du registre à décalage n) à l’aide de la fonction intcor.
3. Calculer la fonction d’autocorrélation de Usbpa avec la commande xcorr de Matlab
avec les options “biased” et “unbiased”. Expliquer la différence entre les résultats
obtenus et ceux de intcor.
4. En utilisant la première période de Usbpa et Ysbpa et la fonction intcor calculer la
réponse impulsionnelle du système discret :
– par la méthode de déconvolution numérique (page 49). Profiter de la commande
toeplitz.
– par la méthode de corrélation.
Comparer les deux approches et la vraie réponse impulsionnelle du système discret
Gd obtenu par la transformation ”zoh” (utiliser la commande impulse).
5. Améliorer l’estimation de la réponse impulsionnelle avec la méthode de corrélation
en utilisant toutes les périodes.
