Introduction
Modélisation et Identification des systèmes
Par Dr. BENMOUSSA
Dr. BENMOUSSA, S Modélisation et Identification des systèmes 1
Information pratiques
Organisation du cours magistral:
- Volume horaire : 1h30/semaine
- Nombre de crédits : 2, Coefficient : 1
- Mode d’évaluation : Note d’examen à 100 %
Organisation des travaux pratiques :
- Volume horaire : 1h30/semaine
- Nombre de crédits : 2, Coefficient : 1
- Mode d’évaluation : Contrôle continu à 100 %
Enseignant responsable : Dr. Benmoussa, S.
• Email : [Link]@[Link]
Dr. BENMOUSSA, S Modélisation et Identification des systèmes 2
Objectifs du cours
L’objectif de cet enseignement est la présentation de
notions fondamentales et de méthodes de base qui
permettent à un automaticien de développer des
modèles de représentation décrivant le comportement
entrée-sortie d’un processus à commander dans le but
de mettre au point un régulateur performant.
Dr. BENMOUSSA, S Modélisation et Identification des systèmes 3
Contenu du cours
Chapitre 1. Modélisation : (3 semaines)
Modèle de représentation, Modèle de connaissance (modélisation des systèmes mécaniques,
électriques, fluidiques, thermiques, ….).
Chapitre 2. Rappel des méthodes de base en Automatique : (4 semaines)
Réponse temporelle d'un système, Identification directe à partir de la réponse temporelle, Approche
fréquentielle
Chapitre 3. Principe d'ajustement du modèle : (4 semaines)
Modèle linéaire par rapport aux paramètres, Minimisation du critère d'ajustement et calcul de la
solution optimale, Ecriture matricielle de la méthode des moindres-carrés.
Chapitre 4. Analyse de la méthode des moindres-carrés : (3 semaines)
Biais d'estimation, Variance de l'estimation, Estimateur du maximum de vraisemblance, Rejet des
mesures aberrantes.
Chapitre 5. Moindres-carrés récursifs : (1 semaine)
Principe du calcul récursif, Mise en œuvre de la méthode récursive, Facteur de pondération, facteur
d'oubli.
Dr. BENMOUSSA, S Modélisation et Identification des systèmes 4
Objectifs des TPs
Le but de ces TP est de mettre en pratique les méthodes
de modélisation et d’identification présentées au cours.
Connaissances préalables recommandées :
L’étudiant doit maitriser l’outil informatique, en particulier la
simulation par la toolbox Simulink de MATLAB, Cours modélisation
et identification des systèmes
Dr. BENMOUSSA, S Modélisation et Identification des systèmes 5
Contenu :
• TP1 : Initiation à MATLAB/Simulink,
• TP2 : Simulation d’un système décrit par l’équation d’état et fonction de
transfert (Simulink)
• TP3 : Identification non-paramétrique par La méthode de déconvolution
• TP4 : Identification non-paramétrique par la Méthode de corrélation
• TP5 : Identification paramétrique par la Méthode de Broïda
• TP6 : Méthode des moindres carrées
Dr. BENMOUSSA, S Modélisation et Identification des systèmes 6
Modélisation Principe Moindres-carrés
d'ajustement récursifs
du modèle
Rappel des méthodes Analyse de la
de base en Automatique méthode des
moindres-carrés
Dr. BENMOUSSA, S Modélisation et Identification des systèmes 7
Définition d’un système
• Ensemble organisé dans un but fixé ou
• Ensemble de processus physique-chimiques en évolution et de
procédés de réalisations de ces processus.
On distingue :
• Petits systèmes : ils se limitent à un processus type unique
(réacteur, vanne, … etc.)
• Grands systèmes : ensemble de petits systèmes (usine chimique,
colonne de distillation, … etc.)
Dr. BENMOUSSA, S Modélisation et Identification des systèmes 8
Définitions Entrées/ Sorties d’un système
Entrées Sorties
Système
Signal d’entrée : indépendant du système. il agit sur le système. Il se
décompose en commandable et non-commandable (perturbations)
Moyen de réalisation : Actionneur
Signal de sortie : dépendant du système et de signal d’entrée. On
distingue sortie observable et non observable
Moyen d’observation : capteur
Dr. BENMOUSSA, S Modélisation et Identification des systèmes 9
Système de commande
Perturbation
Ordre(s) Système de Action de Système à Sortie(s)
commande commande commander
• Ordres : Consigne , but fixé : exemple fixer une température à
37 °c ou fixer une trajectoire d’un avion.
• Action de commande : Action susceptible de changer l’état du
système à commander. Elle est élaborée en fonction des ordres.
• Perturbations : variable aléatoire dont on ne connaît pas
l’origine (ex bruit).
• Sortie : variable à contrôler
Dr. BENMOUSSA, S Modélisation et Identification des systèmes 10
Système en BO Vs BF
Commande ( )
Correcteur Système
Consigne ( ) Sortie ( )
Système en boucle ouverte (un système aveugle)
Erreur ∆ ( ) Commande ( )
Correcteur Système
Sortie ( )
Consigne ( )
Capteur
Système en boucle fermée
Dr. BENMOUSSA, S Modélisation et Identification des systèmes 11
Propriétés d’un système contrôlé
Le rôle d’un automaticien est de concevoir un Système de commande qui soit :
• Stable : La grandeur de sortie doit converger vers une valeur finie si le signal
d’entrée est aussi limitée
• Précis : La grandeur à mesurer doit être la plus proche de celle désirée à
l’état statique
• Rapide : Il doit répondre rapidement à une excitation.
Dr. BENMOUSSA, S Modélisation et Identification des systèmes 12
Méthodologie de l'analyse des Systèmes
• Un système de commande sera présenté sous forme dite à contre réaction
(CR) unitaire
( ) ( ) ( )
Correcteur Système
But de l’automaticien : concevoir un SC précis, stable et rapide. comment ?
• Analyser le processus (modélisation, identification)
Problème d’analyse
• Agir sur le correcteur (choix des paramètres optimum ...)
Problème de synthèse
Dr. BENMOUSSA, S Modélisation et Identification des systèmes 13
Modélisation des systèmes dynamiques
Définitions
• Modélisation ? : Ensemble des procédures permettant d’obtenir
un modèle
• Modéliser un système :être capable de prédire le
comportement du système.
• Subjectivisme de la modélisation : le modèle = intersection du
système et du modélisateur
• Modèle jamais "exact"?
Importance
• Outil d'aide à la décision. Support de la simulation,
• Représente 50 % d’un projet de commande
• Perspectives grâce à l'informatisation
Dr. BENMOUSSA, S Modélisation et Identification des systèmes 14
Modélisation : deux approches
Modèle de connaissance (Boite blanche) : (Analytique, mathématique)
• Obtenu sur la base des lois physiques, économiques etc..
• Hypothèses simplificatrices;
• Difficultés de décrire fidèlement les phénomènes complexes;
• Dilemme : précision-simplicité;
• Un modèle simple est faux, un modèle compliqué est inutilisable.;
• Les paramètres ont un sens physique donc modèle commode pour l'analyse.
Modèle de représentation (Boite noire) (Expérimentale) : par Identification
• Expérience active (système dérangé) ou passive (aléatoire);
• Etape qualitative (connaissances a priori) et quantitative;
• Paramètres du modèle n'ont aucun sens physique;
• Modèle de conduite (modèle E/S) utile pour la commande;
Dr. BENMOUSSA, S Modélisation et Identification des systèmes 15
Type de modèles dynamiques
Les modèles dynamiques sont de deux sortes :
Modèles paramétriques
(fonction de transfert, équations différentielles)
Y (s) ke−τ s
H (s) = =
U ( s ) (1 + Ts ) n
Modèles non paramétriques
(réponse fréquentielle, réponse à un échelon)
Dr. BENMOUSSA, S Modélisation et Identification des systèmes 16
Merci pour votre attention !
