Mini-projet La came
Réalisé par :
• ZERGAL SARA
• NARHNARH BOCHRA
• EL QASRY ASMA
• HAMMADI NISRINE
Encadré par : Pr Mohamed Ait Ichou .
I. Introduction
Ce projet a pour objectif de construire une came avec un mouvement
linéaire périodique de période 10 secondes, passant par des points
spécifiques. Nous allons utiliser différentes méthodes d'interpolation
pour obtenir la forme la plus régulière possible de la came et comparer
leurs résultats afin de déterminer la méthode la plus appropriée pour
garantir la régularité et la dérivabilité de la fonction décrivant la
came.
II. Première Partie : Interpolation avec MATLAB
• Interpolation Linéaire
L'interpolation linéaire est une méthode simple où une ligne
droite est tracée entre chaque paire de points adjacents. Cela
permet de créer une courbe par morceaux, mais elle peut ne
pas être très lisse.
Page 1
Code MATLAB pour Interpolation Linéaire
% Données
x = [0 1 2 3 4.5 5 6 7 8 9 10];
y = [0 1 2 3 4 5 6 5 4 3 2];
% Interpolation linéaire
xi = 0:0.1:10; % Points pour interpolation
yi = interp1(x, y, xi, 'linear');
% Tracé
figure;
plot(x, y, 'o', xi, yi, '-');
title('Interpolation Linéaire');
xlabel('Temps (sec)');
ylabel('Abscisse x (cm)');
legend('Points originaux', 'Interpolation');
grid on;
La figure obtenue montre une courbe par morceaux reliant les
points d'origine par des segments de droite. Bien que simple à
implémenter, cette méthode peut introduire des
discontinuités dans les dérivées.
• Interpolation par Polynômes
L'interpolation polynomiale ajuste un polynôme de degré
( n-1) (où n est le nombre de points) aux données. Bien que
cette méthode puisse parfaitement passer par tous les points,
elle peut entraîner des oscillations indésirables entre les
points (phénomène de Runge).
Page 2
Schéma d’interpolation polynômiale entre 3 points
Code MATLAB pour l’interpolation polynômiale
p = polyfit(x, y, length(x)-1); % Ajustement polynomial de
degré n-1
yi_poly = polyval(p, xi);
% Tracé
figure;
plot(x, y, 'o', xi, yi_poly, '-');
title('Interpolation Polynômiale');
xlabel('Temps (sec)');
ylabel('Abscisse x (cm)');
legend('Points originaux', 'Interpolation');
grid on;
Page 3
• Interpolation par Splines
L'interpolation par splines utilise des fonctions polynomiales par
morceaux (splines cubiques) qui assurent la continuité des premières
et deuxièmes dérivées, offrant ainsi une courbe plus lisse et plus
réaliste.
Code MATLAB pour interpolation splines
% Interpolation par splines
yi_spline = interp1(x, y, xi, 'spline');
% Tracé
figure;
plot(x, y, 'o', xi, yi_spline, '-');
title('Interpolation par Splines');
xlabel('Temps (sec)');
ylabel('Abscisse x (cm)');
legend('Points originaux', 'Interpolation');
grid on;
Page 4
• Comment assurer que la fonction r(θ) soit dérivable ?
La dérivabilité de r(θ) est essentielle pour garantir un
mouvement lisse de la came. Si r(θ) n'est pas dérivable, la
came pourrait subir des mouvements brusques ou irréguliers,
ce qui peut entraîner une usure prématurée ou des
défaillances dans les mécanismes associés.
Pour garantir que r(θ) soit dérivable, l'interpolation par
splines est souvent préférée car elle assure la continuité des
premières et secondes dérivées. Examinons en détail pourquoi
cela est crucial et comparons cela avec les autres méthodes
d'interpolation.
III. Deuxième Partie : Interpolation de Lagrange :
Méthode d'Interpolation de Lagrange
L'interpolation de Lagrange est une méthode d'interpolation
polynomiale qui utilise des polynômes de Lagrange pour
construire le polynôme d'interpolation. Cette méthode est
utile lorsque nous avons des points de données distincts.
Page 5
Schéma d’interpolation de LaGrange
N.B: Pour effectuer une interpolation de Lagrange dans le cas général
avec plusieurs points, nous devons calculer les polynômes de base de
Lagrange pour chaque point et les combiner pour obtenir le polynôme
d'interpolation
Code MATLAB pour Code MATLAB pour
l'Interpolation de Lagrange l'Interpolation de Lagrange
de Deux Points Générale
Page 6
% Données des deux points % Données des points
x = [1, 4]; x = [0 1 2 3 4.5 5 6 7 8 9 10];
y = [2, 3]; y = [0 1 2 3 4 5 6 5 4 3 2];
% Points pour interpolation
% Points pour interpolation xi = linspace(min(x), max(x), 100);
xi = linspace(min(x), max(x), 100); % Fonction d'interpolation de Lagrange
function L = lagrange_interpolation(x,
% Calcul du polynôme de Lagrange pour y, xi)
les deux points n = length(x);
L = @(x) y(1) * (x - x(2)) / (x(1) - x(2)) + L = zeros(size(xi));
y(2) * (x - x(1)) / (x(2) - x(1)); for k = 1:n
Lk = ones(size(xi));
% Evaluation de l'interpolation aux for j = [1:k-1, k+1:n]
points xi Lk = Lk .* (xi - x(j)) / (x(k) -
yi_lagrange = L(xi); x(j));
end
% Tracé L = L + y(k) * Lk;
figure; end
plot(x, y, 'o', xi, yi_lagrange, '-'); end
title('Interpolation de Lagrange pour % Utilisation de la fonction pour
Deux Points'); interpolation
xlabel('x'); yi_lagrange = lagrange_interpolation(x,
ylabel('y'); y, xi);
legend('Points originaux', 'Interpolation
de Lagrange'); % Tracé
grid on; figure;
plot(x, y, 'o', xi, yi_lagrange, '-');
title('Interpolation de Lagrange pour
Plusieurs Points');
xlabel('x');
ylabel('y');
legend('Points originaux', 'Interpolation
de Lagrange');
grid on;
• Comparaison des Résultats
Nous comparons les résultats des différentes méthodes d'interpolation
pour déterminer laquelle offre la meilleure précision et régularité.
Code MATLAB pour Comparaison des Méthodes d'Interpolation
Page 7
figure;
plot(x, y, 'o', xi, yi, 'b-', xi, yi_poly, 'r-', xi, yi_spline, 'g-', xi,
yi_lagrange, 'm-');
title('Comparaison des Méthodes d\'Interpolation');
xlabel('Temps (sec)');
ylabel('Abscisse x (cm)');
legend('Points originaux', 'Interpolation Linéaire', 'Interpolation
Polynômiale', 'Interpolation par Splines', 'Interpolation de
Lagrange');
grid on;
4. Conclusion
En comparant les différentes méthodes d'interpolation, nous
avons pu déterminer laquelle offre la meilleure régularité et
précision pour construire la came. L'interpolation par splines
s'est avérée être la plus appropriée pour garantir la
dérivabilité de r(θ). Cette méthode permet d'obtenir une
courbe lisse et continue, avec des premières et deuxièmes
dérivées continues, ce qui est crucial pour des applications
mécaniques comme la came. Les autres méthodes, bien que
simples et efficaces dans certains cas, peuvent introduire des
discontinuités ou des oscillations indésirables.
Page 8
