Scribd
Importer
35 vues10 pages

TP 3

Ce document présente un travail pratique sur l'application des moindres carrés récursifs pour modéliser un système de régulation de débit et de température d'air. Deux modèles sont étudiés : un modèle du 1er ordre sans retard et un autre avec retard, mettant en évidence la convergence des paramètres estimés et les erreurs de prédiction. La conclusion souligne l'efficacité de l'algorithme des moindres carrés pour des systèmes dynamiques, qu'ils soient stables ou instables.

Transféré par

l3atiyt04
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats DOCX, PDF, TXT ou lisez en ligne sur Scribd
35 vues10 pages

TP 3

Ce document présente un travail pratique sur l'application des moindres carrés récursifs pour modéliser un système de régulation de débit et de température d'air. Deux modèles sont étudiés : un modèle du 1er ordre sans retard et un autre avec retard, mettant en évidence la convergence des paramètres estimés et les erreurs de prédiction. La conclusion souligne l'efficacité de l'algorithme des moindres carrés pour des systèmes dynamiques, qu'ils soient stables ou instables.

Transféré par

l3atiyt04
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats DOCX, PDF, TXT ou lisez en ligne sur Scribd

Ecole Nationale des Ingénieurs de Monastir

TP3 : Application des Moindres Carrés


Récursifs sur une Maquette Didactique
DIDALAB de Régulation de Débit et
Température d’air
Enseignante : Ben Taarit Kaouthar.
Travail réalisé par : Khlif safa & Mariem
Boujdey.

2021-2022
I. Introduction:
L’identification, selon sa définition scientifique, se base sur le choix d’une
technique qui permet d’obtenir un modèle mathématique d’un système à partir
de mesures. Dans le cadre de ce TP, le système étudié est une maquette
didactique DIDLAB de régulation de débit et température d’air.
Il est important de noter que la modélisation mathématique nécessite une
description qualitative et quantitative préalable avant d’être confrontée aux
mesures.

II. Identification par un modèle du 1er ordre sans


retard :
Algorithme :
Visualisation des signaux générés :
Trajectoire Entrée/Sortie
70

60

50

40

30

20

10

0
0 50 100 150 200 250 300
Temps en s
Evolution des paramètres estimés
0.4
aestimé
0.2 bestimé

-0.2

-0.4

-0.6

-0.8

-1

-1.2

-1.4
0 100 200 300 400 500 600
Itérations

Evolution de l'erreurs du préduction


0.5

0.4

0.3

0.2

0.1

-0.1

-0.2

-0.3

-0.4

-0.5
0 100 200 300 400 500 600
Itérations
Trace de la matrice du gain d'adaptation
2000

1800

1600

1400

1200

1000

800

600

400

200

0
0 100 200 300 400 500 600
Itérations

Comparaison des sorties : réelle et estimé


80

70

60

50

40

30

20

10

0
0 100 200 300 400 500 600
Itérations

 On remarque que les valeurs des paramètres estimés se stabilise


rapidement.
 On remarque aussi une variance de l’erreur de prédiction il ne converge
pas vers une valeur stable ce qui explique pourquoi il y a un temps de
convergence important pour les courbes de sorties(réelle et estimée).
III. Identification par un modèle du 1er ordre avec
retard :
Algorithme :
Visualisation des signaux générés :
Trajectoire Entrée/Sortie
70

60

50

40

30

20

10

0
0 50 100 150 200 250 300
Temps en s
Evolution des paramètres estimés
0.4
aestimé
bestimé
0.2

-0.2

-0.4

-0.6

-0.8

-1

-1.2
0 100 200 300 400 500 600
Itérations

Evolution de l'erreurs du préduction


0.5

0.4

0.3

0.2

0.1

-0.1

-0.2

-0.3

-0.4

-0.5
0 100 200 300 400 500 600
Itérations
Trace de la matrice du gain d'adaptation
2000

1800

1600

1400

1200

1000

800

600

400

200

0
0 100 200 300 400 500 600
Itérations

Comparaison des sorties : réelle et estimé


70
Sortie réelle
Sortie estimé
60

50

40

30

20

10

0
0 100 200 300 400 500 600
Itérations
 Les valeurs des paramètres estimés se stabilise rapidement aussi dans les
mêmes valeurs. Il y a un petit changement dans les premières périodes
d’échantillonnages.
 L’erreur de prédiction ici présente une pique juste au début cela est
expliqué par le retard introduit mais après quelques périodes
d’échantillonnages.
Puis la même chose il y’en a une variance de l’erreur donc ce qui mène à
un retard de convergence entre la courbe de sortie réelle et celle estimée.

IV. Conclusion :
On peut constater que l’algorithme des moindres carrés est pratiquement le
même du point de vue de la formulation mathématique et en nombre de versions
dans les deux problématiques traitées. Ce TP montre l'avantage de ce modèle
puisque l'algorithme est applicable aux systèmes dynamiques stables ou
instables.

Vous aimerez peut-être aussi