Issam Memoire PDF

Rpublique Algrienne Dmocratique Et Populaire
Ministre de lenseignement suprieur et de la recherche scientifique

Universit Badji Mokhtar, Annaba
Facult des science de lingnieur
Dpartement dlectronique
MEMOIRE
Prsent en vue de lobtention du diplme de
MAGISTER
Thme :
Identification des lments dune centrale lectrique thermique

Approche multi-modle
Option : Automatique Industriel
Par : Bechinia Issam
Directeur de mmoire : Mr Lafifi Mohamed Mourad M.C U-Annaba

Jury:
Prsident: Mr. Abbassi Hadj Ahmed Pr U-Annaba
Examinateurs : Mr. Kherfane Hamid M.C U-Annaba
Mr. Kermiche Salah M.C U-Annaba
Mr. Bensaoula Salah M.C U-Annaba
Anne 2010
Ddicace
Je ddie ce travail :
Mes chers parents qui mont
beaucoup aid,
mes frres et surs.
A toute la famille et les amis
B.Issam

: 1

1 ( 12 - 2211 )2122 ( 125 21 - 155)

2122
Remerciement
Le plus grand Merci tout dabord revient Dieu qui, lui seul, nous a guid dans le
bon sens durant notre vie et qui nous a donn le courage, la volont, et la force pour
laborer ce travail de recherche.
Je remercie chaleureusement Messieurs Lafifi Mohamed Mourad, Mc luniversit

de Badji Mokhtar, Annaba directeurs de la mmoire pour m'avoir accueilli et m'avoir
encadr e et encourag e tout au long de ces travaux.
Par leur grandes comptences scientifique et leurs remarquables qualits humaines,
ils ont su rendre chaleureuses et fructueuses ces quatre annes de recherche.
J'exprime mes profonds remerciements et tous mes respects Monsieur A. Hadj

Ahmed Pr au dpartement d'lectronique, pour avoir bien voulu accepter de
prsider ce jury.
Je remercie Mr H. Kherfane, Mr S.Kermiche, Mr S.Bensaoula M.C au dpartement

d'lectronique. Davoir accept dexaminer ce mmoire et dtre membre du jury.
Je remercie Mr A. Hichem, MC lUniversit dEvry Val dEssonne, Genopole, Mr

J.RAGOT Pr lInstitut National Polytechnique de Lorraine, Mr Rodolfo Orjuela Pr
luniversit de Nancy, Mr Silvio Simani Mc luniversit de Ferrara. Qui mont
aid de prs ou de loin la ralisation de ce modeste travail.
Issam
Rsum
A notre poque, et sans lectricit, la vie quotidienne serait difficilement

envisageable. Il est donc ncessaire de savoir la produire de manire efficace
et continue.
Pour rpondre la consommation croissante dlectricit, il a fallu inventer

et construire des usines capables de produire de llectricit en grande
quantit. La turbine et lalternateur sont les deux pices matresses de ces
gnrateurs dlectricit.
Pour bien exploiter et utiliser ces lments dune manire efficace et fiable,
les ingnieurs font largement appel aux modles non linaires pour dcrire
leurs comportements dynamiques.
Si les modles non linaires sont en mesure de dcrire correctement les

comportements non linaires dun systme, ils peuvent nanmoins savrer,
en fonction de leur complexit mathmatique, difficilement exploitables
dans un contexte de synthse dune loi de commande et/ou de mise en place
dune stratgie de diagnostic du systme.
Nous proposons, dans cet travail, une procdure didentification hors ligne
des systmes non linaires (quelques lments dune centrale lectrique
thermique) par une approche multi modle deux niveaux, qui alterne entre
les paramtres des fonctions de validit par une procdure non linaire,
tant fix et loptimisation des paramtres des modles locaux par
lestimateur des moindre carre ventuellement rgulariss, tant fix .
Les multi modles constituent une alternative intressante et un outil

puissant dans la modlisation des systmes non linaires. Lapproche multi
modle est base sur la dcomposition du comportement dynamique du
systme en un nombre L de zones de fonctionnement, chaque zone tant
caractrise par un sous-modle. En fonction de la zone o le systme
volue, la sortie de chaque sous-modle contribue plus ou moins
lapproximation du comportement global du systme non linaire. La
contribution de chaque sous-modle est dfinie par une fonction de
pondration.
Abstract
At our time, and without electricity, the daily life would be not easily
possible. It is thus necessary to know to produce it efficiently and
continuous.
To answer the increasing consumption of electricity, it was necessary to

invent and build factories able to produce electricity in great quantity. The
turbine and the alternator are the two showpieces of these generators of
electricity.
For exploiting well and using these elements in an effective and reliable way,
the engineers largely call upon the nonlinear models to describe their
dynamic behaviors.
If the nonlinear models are able to correctly describe the nonlinear

behaviors of a system, they can nevertheless prove, according to their
mathematical complexity, not easily exploitable in a context of synthesis of a
law of order and/or installation of a strategy of diagnosis of the system.
We propose, in this work, a procedure of Identication off line of the

nonlinear systems (some elements of a thermal power plant) by an approach
on two levels, which alternates between the parameters of the functions of
validity by a nonlinear procedure, being fixed and the optimization of the
parameters possibly regularized local models by the estimator of least
square, being fixed.
The model multi constitute an interesting alternative and a powerful tool in

the modeling of the nonlinear systems. The approach multi model is based
on the decomposition of the dynamic behavior of the system in a number L
of zones of operation, each zone being characterized by a sub-model.
According to the zone where the system evolves, the exit of each sub-model
contributes more or less to the approximation of the total behavior of the
nonlinear system. The contribution of each sub-model is defined by a weight
function.
The analysis of the results in simulation is encouraging

:
.

: :
-

- ( )
.
.
Introduction gnrale
Un systme est un ensemble dobjets ou de phnomnes lis entre eux et isols artificiellement du
monde extrieur. La modlisation regroupe un ensemble de techniques permettant de disposer dune
reprsentation mathmatique du systme tudier. La modlisation thorique requiert une
connaissance prcise des phnomnes intervenant dans le systme et une aptitude les reprsenter
par des quations mathmatiques. Les systmes physiques sont souvent complexes et difficilement
exploitables, notamment pour la commande et le diagnostic des systmes.
Le grand problme de lautomaticien est de reprsenter ces systmes physiques avec une prcision
suffisante et un modle de structure simple. Le dilemme rside alors entre la fidlit du modle vis--
vis du processus rel et ladquation de ce modle une forme mathmatiquement exploitable.
En automatique, pour dcrire le comportement dun systme, une hypothse communment faite est
la linarit du systme, car les techniques danalyse des modles linaires, dits LTI, ont t largement
dveloppes dans la littrature. Cependant, lhypothse de linarit nest vrifie que dans une plage
de fonctionnement restreinte autour dun point dquilibre du systme. Alors, les performances du
modle se dgradent ds quon sen loigne et la recherche dun modle plus adapt et notamment non
linaire devient ncessaire.
La structure mathmatique qui puisse remdier linconvnient cit ci-dessus, tout en gardant la
simplicit mathmatique des modles LTI, est lapproche globale, dite multi-modle ; cest une
Page 1
reprsentation poly topique convexe pouvant tre obtenue soit directement partir dun modle
mathmatique non linaire par transformation directe dun modle affine [Mor 00] ou par linarisation
autour de diffrents points de fonctionnement [Murr 97], soit partir de donnes sur les entres et les
sorties dun systme physique [Gass 00b].
Dans ce mmoire nous proposons, une procdure didentification hors ligne des systmes non linaires
(quelques lments dune centrale lectrique thermique) par une approche multi modle deux
niveaux, qui alterne entre les paramtres des fonctions de validit par une procdure non linaire,
tant fix et loptimisation des paramtres des modles locaux par lestimateur des moindre carre
ventuellement rgulariss, tant fix .
Page 2
Chapitre I
La production dlectricit
Chapitre I
La production de llectricit
Examine each question in terms of what is ethically and

aesthetically right, as well as what is economically expedient.
A thing is right when it tends to preserve the integrity,
stability, and beauty of the biotic community. It is wrong
when it tends otherwise.
-Aldo Leopold-
I-1-Introduction :
A notre poque, et sans lectricit, la vie quotidienne serait difficilement envisageable. Il est donc
ncessaire de savoir la produire de manire efficace et continue.
Pour rpondre la consommation croissante dlectricit, il a fallu inventer et construire des usines
capables de produire de llectricit en grande quantit. La turbine et lalternateur sont les deux
pices matresses de ces gnrateurs dlectricit.
Dans le cas des usines thermiques, la turbine est entrane par la vapeur produite dans les chaudires
o lon brle les combustibles, alors que dans le cas des usines hydrolectriques, la turbine est
anime par la force de leau. La turbine est couple un alternateur, un grand aimant cercl dune
bobine, qui va produire un courant alternatif en tournant. Une fois le courant produit, il doit tre
amen jusque chez le consommateur.
A la sortie de la centrale, un premier transformateur, un survolteur, augmente la tension du courant
400 ou 800000 V. Ceci permet de minimiser les pertes dnergie pendant le transport. Prs du
point de livraison, un deuxime transformateur, un sousvolteur, fait lopration inverse : il abaisse la
tension du courant pour la mettre aux normes du rseau domestique. Il existe dautres manires
efficaces de produire de llectricit : les panneaux solaires transforment la lumire du soleil en
lectricit et les oliennes utilisent la force du vent. Il faut savoir quil existe galement des usines
marmotrices qui utilisent la force des mares, que la gothermie exploite les gisements deau
Chapitre I La production dlectricit
chaude stocks dans le sous-sol terrestre, tandis que les usines biomasse utilisent les dchets
comme source dnergie.
I-2-DE LALTERNATEUR DE VELO VERS LES CENTRALE :
Aimant
Galet
Fer doux
Bobine
Figure I- 1 : Schma d'une dynamo de vlo
I-2-1-Exprience N01 :
On approche un aimant droit dune petite aiguille aimante mobile que lon appelle habituellement
une boussole.
N S N S
Figure I- 2 : Aimants
I-2-1-1-OBSERVATIONS :
Lorsque laimant est approch de laiguille aimante, celle-ci est dvie par rapport sa position de
repos.
I-2-1-2-CONCLUSION :
La perturbation de laiguille aimante est due la prsence de laimant qui cre un champ
magntique.
On utilise laiguille aimante pour dtecter la prsence dun champ magntique.
On dplace de diverses manires un aimant droit au voisinage dune bobine relie un ampremtre
cadran et zro central.
Page 9
N S
Figure I- 3 : Exprience N02
I-2-2-1-Observations :
Si laimant est immobile par rapport la bobine, laiguille de lampremtre ne bouge pas.
Si lon approche laimant de la bobine, laiguille de lampremtre dvie donc un courant
apparat dans la bobine.
Si lon loigne laimant de la bobine, laiguille de lampremtre dvie dans lautre sens donc
le courant circulant dans la bobine change de sens.
Plus le dplacement est effectu de manire rapide, plus la dviation de laiguille est grande
donc plus le courant circulant dans la bobine est intense.
Si laimant effectue un mouvement de va-et-vient, il circule un courant alternatif dans la
bobine.
I-2-2-2-Conclusion :
Le dplacement dun aimant au voisinage dune bobine fait apparatre un courant lectrique qui
circule dans celle-ci : cest le phnomne dinduction lectromagntique.
A laide dun moteur ou dune perceuse, on fait tourner un aimant droit devant une bobine. On
visualise la tension lectrique aux bornes de la bobine grce un oscilloscope.
Moteur
N S
Figure I- 4 : Exprience N03
Page 10
I-2-3-1-Observations :
Quand laimant tourne, il apparat une tension alternative aux bornes de la bobine (Figure I-4). Au
cours de cette exprience nous avons reproduit ce qui se passe dans lalternateur vlo.
I-2-3-2-Conclusion :
Un alternateur est un convertisseur dnergie mcanique en nergie lectrique.
I-3-LA PRODUCTION DE LELECTRICITE :

La production d'lectricit est tout simplement une conversion, une transformation dnergie
mcanique (lie au mouvement) en nergie lectrique.
La plupart du temps l'lectricit est produite partir d'une source de chaleur, en utilisant la vapeur
d'eau comme colporteur d'nergie. La vapeur fait tourner des turbines qui sont couples des
gnrateurs lectriques. La vapeur peut tre produite en utilisant la plupart des sources d'nergie.
Les nergies hydrauliques et oliennes tant des exceptions puisque c'est l'nergie de l'eau et du
vent en dplacement qui produit un travail directement dans une turbine couple un gnrateur.
Les centrales nuclaires utilisent souvent un circuit primaire et secondaire de vapeur, afin d'isoler
physiquement le racteur nuclaire de la salle des gnrateurs et du reste des installations.
De petites installations (brlant habituellement du gaz naturel) combinent la gnration d'lectricit

et de chaleur (pour le chauffage domestique ou pour des processus industriels). Ces centrales
lectriques combines ont le meilleur rendement, aprs les centrales hydrolectriques. Cette
technique porte le nom de cognration.
Des expriences sont en cours pour utiliser la gothermie pour produire de l'lectricit en creusant
trs grande profondeur dans des roches dures, ce qui permettent de rchauffer un fluide caloporteur
alimentant en vapeur une turbine (via une pompe chaleur quand la temprature est trop faible).
Tous les vhicules automobiles non lectriques utilisent un petit alternateur coupl mcaniquement
au moteur principal pour une gnration locale d'lectricit basse tension, une batterie
d'accumulateur le remplace pendant l'arrt du moteur principal.
Des units d'appoint ou de secours, appeles groupes lectrognes permettent une fabrication
d'lectricit ponctuelle, ils utilisent tous un moteur explosion pour entraner la gnratrice.
Page 11
Il existe des groupes transportables pour une utilisation des outils lectriques hors des lieux
lectrifis.
De gros gnrateurs sont utiliss pour pallier une rupture de fourniture toujours possible du
fournisseur d'lectricit. Les hpitaux, certains services publics et, les grandes entreprises ne
pouvant support un arrt brutal de leurs processus industriels possdent des groupes lectrognes
dmarrage automatique.
I-4-LES CENTRALES THERMIQUE :

Une centrale thermique est une centrale lectrique qui produit de l'lectricit partir d'une source de
chaleur. Cette source peut tre un combustible brl (tels gaz naturel, certaines huiles minrales,
charbon, dchets industriels, dchets mnagers), la fission de noyaux d'uranium 235 ou de
plutonium 239.
La source de chaleur chauffe un fluide (souvent de l'eau) qui passe de l'tat liquide l'tat gazeux
(vapeur par exemple), gaz qui entrane une turbine accouple un alternateur qui transforme
l'nergie cintique de la turbine en nergie lectrique.
Pour entraner la turbine, il faut que la pression soit plus faible sa sortie qu' l'entre. La baisse de
pression la sortie de la turbine est obtenue en condensant le gaz, en aval de la turbine, l'aide
d'une source froide.
Le fluide condens est en gnral rutilis comme source de vapeur et effectue un cycle
thermodynamique ferm.
La cognration consiste produire conjointement de la chaleur pour un procd industriel ou le

chauffage urbain, afin d'amliorer le rendement global.
Les centrales thermiques se rpartissent en trois grandes catgories, selon la nature de leur source
de chaleur :
Centrales nuclaires (figure I-5)

Centrales flamme (charbon, fioul ou gaz), (figure I-6)
Centrales rcuprant de la chaleur prexistante (solaire, gothermique...). (figure I-7, I-8, I-
9, I-10, I-11)
Page 12
I-4-1-LES CENTRALES NUCLEAIRES :

Une centrale nuclaire est un site industriel utilisant la fission de noyaux atomiques pour produire de
la chaleur, dont une partie est transforme en lectricit (entre 30 % et 40 % en fonction de la
diffrence de temprature entre la source froide et chaude). C'est la principale mise en uvre de
l'nergie nuclaire dans le domaine civil.
Une centrale nuclaire est constitue d'un ou plusieurs racteurs nuclaires dont la puissance
lectrique varie de quelques mgawatts plus de 1 500 mgawatts pour le racteur sovitique de
grande puissance RBMK. Selon les promoteurs du futur racteur europen EPR, il devrait atteindre
une puissance record de 1 600 mgawatts.
En 2006, 442 racteurs fonctionnent dans 31 pays diffrents dans le monde, soit un total de 370
gigawatts produisant environ 17 % de l'lectricit mondiale. La catastrophe de Tchernobyl a conduit
plusieurs moratoires ; la baisse des prix du ptrole durant les annes 1990 a renforc cette
tendance, conduisant construire moins de nouveaux racteurs dans le monde. Paralllement, les
centrales vieillissent : en 2006, la majorit des racteurs avaient de 15 36 ans, sept ayant de 37 40
ans.
I-4-1-1-Description :
Une centrale nuclaire regroupe l'ensemble des installations permettant la production d'lectricit
sur un site donn. Elle comprend frquemment plusieurs tranches, identiques ou non ; chaque
tranche correspond un groupe d'installations conues pour fournir une puissance lectrique
donne (par exemple 900 MWe, 1 300 MWe ou 1 450 MWe). Une tranche comprend gnralement :
le btiment racteur, gnralement double enceinte tanche qui contient le racteur
nuclaire, les gnrateurs de vapeur (trois ou quatre selon la gnration), un pressuriser qui a
pour fonction de maintenir l'eau du circuit primaire l'tat liquide, le groupe motopompe
primaire servant faire circuler le fluide caloporteur (eau) et une partie du circuit d'eau
secondaire et le circuit d'eau primaire, dont le rle principal est d'assurer le transfert
thermique entre le cur du racteur et les gnrateurs de vapeur ;
le btiment salle des machines, qui contient principalement :
une ligne d'arbre comprenant les diffrents tages de la turbine vapeur et

l'alternateur,
le condenseur,
Page 13
des btiments annexes qui contiennent notamment des installations diverses de circuits
auxiliaires ncessaires au fonctionnement du racteur nuclaire et la maintenance, les
tableaux lectriques alimentant tous les auxiliaires et gnrateurs diesel de secours ;
un arorfrigrant atmosphrique (la partie la plus visible dune centrale nuclaire), ou

simplement une station de pompage pour les tranches dont le refroidissement utilise l'eau de
mer ou de rivire.
Les autres installations de la centrale lectrique comprennent :

un ou plusieurs postes lectriques permettant la connexion au rseau lectrique par
l'intermdiaire d'une ou plusieurs lignes haute tension, ainsi qu'une interconnexion limite
entre tranches ;
un btiment administratif
Figure I- 5 : Centrale nuclaire
Page 14
I-4-1-2-FONCTIONNEMENT TECHNIQUE :
Dans une tranche nuclaire, le racteur nuclaire est en amont d'une installation thermique qui
produit de la vapeur transforme en nergie mcanique au moyen d'une turbine vapeur ;
l'alternateur utilise ensuite cette nergie mcanique pour produire de l'lectricit.
La diffrence essentielle entre une centrale nuclaire et une centrale thermique classique est
matrialise par le remplacement d'un ensemble de chaudires consommant des combustibles
fossiles par un racteur nuclaire.
Pour rcuprer de l'nergie mcanique partir de chaleur, il est ncessaire de disposer d'une source
chaude et d'une source froide.
pour un racteur de type REP (Racteur Eau sous Pression), la source chaude est fournie par
l'eau du circuit primaire, la temprature moyenne de 306 C (286 C en entre et 323 C en
sortie, temprature de sortie variant selon la puissance de la tranche) ;
la source froide est fournie par l'eau d'un fleuve ou de la mer, ou bien de l'air ambiant par
vaporation dans des tours arorfrigrant.
Ainsi, une tranche nuclaire de type REP comporte trois circuits d'eau importants indpendants :
le circuit primaire qui se situe dans une enceinte de confinement.

Il est constitu, suivant le type de tranche, de 3 ou 4 gnrateurs de vapeur associs
respectivement une pompe (par GV), un pressuriser assurant le maintien de la pression du
circuit (155 bar) puis d'un racteur intgrant des grappes de contrle et le combustible. Il
vhicule, en circuit ferm, de l'eau liquide qui extrait les calories du combustible pour les
transporter aux gnrateurs de vapeur (rle de caloporteur). L'eau du circuit primaire a aussi
comme utilit la modration des neutrons (rle de modrateur) issus de la fission nuclaire. La
thermalisation des neutrons les ralentit pour interagir avec les atomes d'uranium 235 et
dclencher la fission de leur noyau. Par ailleurs, l'eau procure un effet stabilisateur au racteur : si
la raction s'emballait, la temprature du combustible et de l'eau augmenteraient. Cela
provoquerait d'une part, une absorption des neutrons par le combustible (effet combustible) et
d'autre part une modration moindre de l'eau (effet modrateur). Le cumul de ces deux effets est
dit "effet puissance" : l'augmentation de ce terme provoque l'touffement de la raction d'elle-
mme, c'est un effet auto-stabilisant.
le circuit d'eau secondaire est un circuit ferm, qui se dcompose en deux parties :
Page 15
entre le condenseur et les gnrateurs de vapeur, l'eau reste sous forme liquide : c'est
l'alimentation des gnrateurs de vapeur ; des pompes permettent d'lever la
pression de cette eau, et des changeurs de chaleur en lvent la temprature (60 bar
et 220 C).
cette eau se vaporise dans 3 ou 4 gnrateurs de vapeur (suivant le type de tranche ;

900 ou 1 300 / 1 450 MW) et les tuyauteries de vapeur alimentent successivement les
tages de la turbine disposs sur une mme ligne d'arbre. La vapeur acquiert une
grande vitesse lors de sa dtente permettant ainsi d'entraner les roues aubages de
la turbine.
Celle-ci est compose de plusieurs tages spars et comportant chacun de nombreuses

roues de diamtre diffrent. D'abord, la vapeur subit une premire dtente dans un corps
haute pression (HP ; de 55 11 bar), puis elle est rcupre, sche et surchauffe pour
subir une seconde dtente dans les corps basse pression, (BP ; de 11 0,05 bar). On utilise
les corps BP dans le but d'augmenter le rendement du cycle thermo-hydraulique.
La sortie du dernier tage de la turbine donne directement sur le condenseur, un
changeur de chaleur dont la pression est maintenue aux environs de 50 mbar absolu
(vide) par la temprature de l'eau du circuit de refroidissement (selon la courbe de
saturation de l'eau). Des pompes vide extraient les gaz incondensables en phase gaz du
mlange (principalement l'oxygne et l'azote). L'eau condense dans cet appareil est
rutilise pour ralimenter des gnrateurs de vapeur.
Le circuit de refroidissement assure le refroidissement du condenseur. L'eau est refroidie par

un courant d'air dans une tour arorfrigrante d'o une petite partie (1,5 %) de l'eau
s'chappe en vapeur en forme de panache blanc. L'eau de refroidissement peut aussi tre
change directement avec un fleuve ou la mer.
L'nergie mcanique produite par la turbine sert entraner l'alternateur qui la convertit en nergie
lectrique, celle-ci tant vacue par le rseau lectrique.
Lorsque la tranche nuclaire dbite de la puissance lectrique sur le rseau, on dit qu'elle est
"couple" au rseau. La dconnexion intempestive de l'alternateur au rseau (ce qu'on appelle un
"dclenchement"), ncessite une rduction immdiate de l'alimentation en vapeur de la turbine par
des vannes de rglage disposes sur les tuyauteries de vapeur, faute de quoi sa vitesse de rotation
Page 16
augmenterait jusqu' sa destruction en raison de la force centrifuge excessive s'exerant alors sur les
aubages. Nanmoins, dans ce cas-ci, la tranche reste en service faible puissance : la turbine est en
rotation et reste prte au recouplage immdiat sur le rseau (la tranche est alors "ilote" : elle
alimente elle-mme ses auxiliaires).
I-4-1-3-RENDEMENT D'UNE CENTRALE NUCLEAIRE :

Le rendement d'une centrale nuclaire est de l'ordre de 33% - auquel il faut ajouter les pertes en ligne
sur le rseau Trs Haute Tension. Les centrales lectriques alimentes au fioul ou au charbon
possdent un rendement un peu suprieur (~40%) car elles fonctionnent avec une temprature de
vapeur plus leve (moins de contraintes de scurit).
Un racteur nuclaire lectrogne ne peut tre utilis pour faire de la cognration. Ceci reviendrait
augmenter la temprature de la source froide et donc diminuer la diffrence de temprature entre
les sources ayant pour consquence une baisse du rendement de production d'lectricit. Dans une
centrale thermique cognration, ce sont les gaz d'chappement qui sont utiliss pour produire de
la vapeur qui sert au chauffage urbain. Par contre les eaux chaudes rejetes peuvent tre captes et
rutilises, une ferme de crocodiles fonctionne de cette faon en aval de la centrale nuclaire de
Cruas, en Ardche.
I-4-2-LES CENTRALES A FLAMME:

Une centrale thermique flamme utilise l'nergie fournie par la combustion d'un combustible
(charbon, ptrole, gaz naturel, gaz issus de hauts-fourneaux). Cette combustion a lieu dans une
chaudire.
La combustion dgage une grande quantit de chaleur utilise pour chauffer de l'eau dans la
chaudire (ou gnrateur de vapeur). On dispose alors de vapeur d'eau sous pression.
Cette vapeur sous pression fait tourner grande vitesse une turbine qui entrane elle-mme un
alternateur qui produit une tension alternative sinusodale. A la sortie de la turbine la vapeur est
refroidie pour se transformer en eau, puis renvoye dans la chaudire.
Le refroidissement de la vapeur issue de la turbine est confi une rserve d'eau (cours deau) ou
plus rarement une tour de refroidissement analogue celle d'une centrale nuclaire.
Une centrale thermique flamme fournit une puissance lectrique de l'ordre de quelques centaines
de mgawatts (1 MW = 1 000000 W).
Page 17
Figure I- 6:Centrale flamme
I-4-3-CENTRALES RECUPERANT DE LA CHALEUR PREEXISTANTE (SOLAIRE,

GEOTHERMIQUE...) :
I-4-3-1-CENTRALE SOLAIRE THERMODYNAMIQUE :
Le soleil envoie chaque anne 1.080.000.000 trawatt heures dnergie sur la terre lquivalent de
60.000 fois la consommation mondiale annuelle dlectricit. Lnergie solaire possde ainsi le plus
grand potentiel parmi toutes les nergies renouvelables.
Une centrale solaire thermique (ou centrale solaire thermodynamique 1 ou encore
heliothermodynamique) est une centrale qui concentre les rayons du soleil l'aide de miroirs afin de
chauffer un fluide caloporteur qui permet en gnral de produire de l'lectricit. C'est par exemple la
centrale solaire de Vignola (Corse-du-Sud) et ce sera le cas de la Centrale solaire Thmis (Pyrnes-
Orientales) qui aprs avoir t reprise en 2006 pour de nouveaux projets qui seront oprationnels en
2009-2010.
TYPE :
On distingue :
centrale tour.
centrale constitue de capteurs cylindro paraboliques.
centrale constitue de capteurs paraboliques.
1La thermodynamique, qui tudie les changes de chaleur, dmontre qu'une source chaude et une source froide
sont absolument ncessaires pour changer un travail avec une machine thermique.
Page 18
Figure I- 7:Centrale Solaire de THERMIS
Figure I- 8:Centrale constitue de capteurs cylindro paraboliques
Figure I- 9:Centrale solaire parabolique (projet DISH-STIRLING Font-Romeu-Odeillo)

Page 19
Figure I- 10:Centrale solaire tour (SolarTower en Californie)
I-4-3-2-CENTRALE GEOTHERMIQUE:
La gothermie, du grec Go (la terre) et thermie (la chaleur), est la science qui tudie les
phnomnes thermiques internes du globe terrestre et la technique qui vise l'exploiter. Par
extension, la gothermie dsigne aussi l'nergie gothermique issue de l'nergie de la Terre qui est
convertie en chaleur.
On distingue trois types de gothermie :
la gothermie peu profonde basse temprature ;
la gothermie profonde haute temprature ;
la gothermie trs profonde trs haute temprature.

Ces trois types de gothermie prlvent la chaleur contenue dans le sol.
L'nergie gothermique est exploite dans des rseaux de chauffage et d'eau chaude depuis des
milliers d'annes en Chine, dans la Rome antique et dans le bassin mditerranen.
L'augmentation des prix de l'nergie et le besoin d'mettre moins de gaz effet de serre la rendent
plus attrayante.
Page 20
Figure I- 11: Centrale gothermique de Nesjavellir en Islande
INSTALLATIONS DANS LE MONDE:

Rgion du monde MWe
Asie 3 220
Amrique du Nord 2 971
Union europenne 883
Ocanie 441
Amriques centrale et du Sud 416
Autres pays d'Europe 297
Afrique 128
Total mondial 8 536
Tableau I- 1:Capacit gothermique installe (2002)
I-5-LES TURBINES :
I-5-1-GENERALITES :
La thermodynamique est la science qui tudie et dcrit le comportement de la matire ou des

systmes, en fonction des notions de temprature T, d'nergie (chaleur Q, travail W...) et d'entropie
S. La thermodynamique :
Page 21
tudie l'volution ou les transformations de la matire ou des systmes en considrant les

variations d'tat du systme, lors dchanges d'nergie entre le milieu extrieur et le
systme.
repose sur 2 notions de base, l'nergie interne (U) et l'entropie (S) qui satisfont aux deux
principes suivants, qui stipulent que :
l'nergie se conserve (premier principe de conservation de l'nergie).
l'entropie ne peut qu'augmenter (deuxime principe d'volution).
L'objet de la thermodynamique est d'tudier le fonctionnement et le bilan d'nergie des machines

thermiques et aussi les changes ou transferts de chaleur dans un systme ou entre deux systmes.
dans les machines thermiques on assiste une conversion d'nergie d'une forme en une autre
(chaleur -> travail ou inversement).
dans les changes de chaleur, il y a transfert de chaleur par suite d'une diffrence de
temprature dans le systme ou entre deux systmes.
Le systme est dfini comme une partie de matire (de masse donne) dlimite par rapport au
milieu extrieur. Le milieu extrieur est le reste de l'espace entourant le systme.
Milieu
Systme
extrieur
Le systme peut tre ouvert ou ferm, adiabatique c..d. isol thermiquement (Q = 0) ou rigide
c..d. indformable (W = 0).
Systme Echange Matire Echange Energie

Isol non non
Ferm non oui
Ouvert oui oui
Tableau I- 2: Echange de masse et d'nergie entre le systme et le milieu extrieur
Page 22
Une turbine est un dispositif rotatif destin utiliser la force d'un fluide (eau, vapeur, air, gaz de
combustion), dont le couple est transmis au moyen d'un arbre.
L'nergie du fluide, caractrise par sa vitesse et son enthalpie, est partiellement convertie en
nergie mcanique pour entraner un alternateur, une pompe ou tout autre rcepteur mcanique
rotatif.
Figure I- 12:Schma de principe dune turbine
I-5-2-LES TURBINE A VAPEUR :

La turbine vapeur (figure I-12) est un moteur thermique combustion externe, fonctionnant selon
le cycle thermodynamique dit de Clausius-Rankine (figure I-14). Ce cycle se distingue par le
changement dtat affectant le fluide moteur qui est en gnral de la vapeur d'eau.
Ce cycle comprend au moins les tapes suivantes :
Leau liquide est mise en pression par une pompe et envoye vers la chaudire,
Leau est chauffe, vaporise et surchauffe,
La vapeur se dtend et refroidit dans la turbine en fournissant de lnergie mcanique,
La vapeur dtendue est condense au contact de la source froide sous vide partiel.
Le principe est donc le mme que celui de la machine vapeur pistons. La turbine en constitue une
volution exploitant les principaux avantages des turbomachines savoir :
Page 23
Puissance massique et puissance volumique leve,

Rendement amlior par la multiplication des tages de dtente.
Chaudire
Pompe de
recirculation
Chauffage par
combustible
Figure I- 14:Cycle de Rankine Figure I- 13:Diagramme (T, S) du cycle
Le point 1 est sur la courbe de saturation. Le cycle est effectu entre deux isobares HP et BP :
1-2 dtente adiabatique (rversible ou non), de HP BP, dans la turbine
2-3 condensation isobare et isotherme du mlange jusqu eau liquide

3-3 compression de leau dans la pompe, passage de BP HP
3-1 chauffage isobare et vaporation isobare et isotherme dans le gnrateur de vapeur

(G.V.)
Hypothses usuelles : les points 3 et 3sont confondus (mais des pressions diffrente).
Page 24
I-5-2-1-LE CYCLE DE HIRN :

Le point 1 nest plus sur la courbe de saturation vapeur surchauff.
Surchauffeur
T
Dbitmtre
Chaudire
Pompe de
recirculation
Figure I- 15:Cycle de Hirn Figure I- 16:Diagramme (T, S) du cycle
dtente adiabatique irrversible, de HP BP, dans la turbine
2-3 condensation isobare et isotherme du mlange jusqu eau liquide

3-4 compression de leau dans la pompe, passage de BP HP
4-5-6 chauffage isobare et vaporation isobare et isotherme dans le G.V.
6-1 chauffage isobare de la vapeur
I-5-2-2-CYCLE A RESURCHAUFFE :
Resurchauffeur
Surchauffeur
T T
Dbitmtr
e
Chaudire
Pompe de recirculation
Figure I- 17:Cycle Resurchauff
Page 25
1-2 1iredtente adiabatique de HP MP, dans la turbine HP
2-3 Chauffage isobare de la vapeur
3-4 2ime dtente adiabatique de MP BP dans la turbine BP
4-5 Condensation isobare et isotherme du mlange jusqu leau liquide
5-6 Compression de leau dans la pompe, passage de BP HP, Wpompe nglig
6-7 Chauffage isobare et vaporation isobare et isotherme dans le GV
7-1 Chauffage isobare de la vapeur
I-5-2-3-CYCLE A SOUTIRAGE :
Tous les cycles de centrale sont soutirage. Il peut y a voir 6 8 soutirages effectus.
Surchauffeur Resurchauffeur
T T
Dbitmtre
Chaudire
G
Pompe de recirculation Mlangeur vapeur-liquide
Figure I- 18:Cycle soutirage
Page 26
I-5-2-4-MODELISATION USUEL DUN CYCLE A SOUTIRAGE :

Quantit initiale de fluide . Soutirage dune fraction.
1+
3
x T
2''
2 x C
'
b
5
7
pe
a
b R
Figure I- 19:Modlisation dun cycle de soutirage
Le cycle de la partie non soutir :
3-4 Dtente adiabatique, de HP BP, dans la turbine
4-5 Condensation isobare et isotherme de mlange jusqu eau liquide

5-a Compression deau liquide, passage de BP MP
a-b Chauffage de leau dans le mlangeur au contact de la fraction soutir
Le cycle de la fraction soutir :
3-7 Dtente de la fraction de vapeur, de HP MP, dans la turbine
Condensation de la fraction soutire jusqu eau liquide, la pression MP la quantit

7-b
de chaleur ncessaire au changement de phase sert chauffer leau de a b
Fin de cycle pour la quantit de fluide :
b-b Compression de la quantit deau liquide, passage de MP HP
b-2 Chauffage isobare de la quantit deau
2-2 Evaporation isobare de la quantit dans le GV
2-3 Chauffage isobare de la quantit de vapeur
Page 27
I-5-2-5-BILAN ENERGETIQUE DINSTALLATIONS A VAPEUR :

100%
Combustible
06% pertes en chaudire

Energie
thermique
A lentr turbine
94%
0,85% utilisation du vapeur
93,15%
Energie mcanique 46,65% pertes en

Transmise lalternateur
condenseur
46,50%
Production brute de
0,5% Pertes lectrique
lnergie lectrique
alternateur transformateur
46% 04% Consommation des
Production nette de
lnergie lectrique auxiliaires
42%
Figure I- 20:Bilan nergtique global dune installation simple vapeur
Pour produire 1000 KWh, il faut
- 350 Kg de charbon
- 250 L de fuel
- 300 m3 de gaz
- 4 g duranium enrichi
Page 28
I-5-3-LES TURBINE A GAZ :

I-5-3-1-GENERALITES:
Les turbines gaz sont spares en deux catgories selon la nature de la puissance rcupre du
fluide en sortie de la turbine :
Les turbomoteurs et turbopropulseurs :

La turbine gaz gnre de la puissance mcanique extraite dun arbre. Cet arbre peut entrainer un
rotor dhlicoptre, une hlice davion (turbopropulseur), un alternateur (groupe lectrogne).
Combustible
Ccomb
2 3
C T
4
1
Air Gaz comburs
Figure I- 21:Turbomoteur
Les turboracteurs :
La turbine gaz gnre de lnergie cintique sous forme dun jet haut vitesse qui sert la
propulsion des avions.
Fuel in
Burner
2 3
C T Gaz comburs
1
4
Diffuser (inlet) Jet
Air in
0 Nozzle
Figure I- 22:Turboracteur
Page 29
Le cycle thermodynamique qui reprsente bien les transformations des turbines gaz est le cycle de
Brayton.
Heat
T
P added
3
2 3
Work done
by system
Work done 2 4
on system
1 4 1
Heat rejected V S
Figure I- 23:Cycle de Brayton
I-5-3-2-CYCLE REVERSIBLE DE BRAYTON :

Il existe plusieurs voies damliorations du cycle de Brayton.
FRACTIONNEMENT DE LA COMPRESSION ET DE LA DETENTE :

Principe : introduire un refroidissement intermdiaire entre plusieurs compressions adiabatiques de
taux de compression moindre.
5
Ccomb II Ccomb I
8 7 6
TII TI CII CI

2
1
9 10 4 3
air
5
Figure I- 24:Fractionnement de la compression
REGENERATION:
Principe : rcuprer la chaleur des gaz chauds en sortie turbine, par lintermdiaire dun changeur
interne, pour chauffer les gaz aprs la compression et avant la combustion.
Page 30
I-5-4-VALORISATION DE LENERGIE : COGENERATION - CYCLES COMBINES :
Figure I- 25:Cycle Combin
I-6-ENERGIE :
I-6-1-ENERGIE - CHAINE ET SYSTEME ENERGETIQUE :
I-6-1-1-ENERGIE ET CONVERTISSEUR :
Energie brute ou primaire : source dnergie avant toute intervention de lhomme pour la
rendre utilisable (vent, soleil, hydrocarbures bruts...).
Densit nergtique dun corps : un corps est dit nergtiquement dense sil contient
beaucoup dnergie sous un faible volume. Il est dit diffus dans le cas contraire.
Classement des nergies selon trois types :

Les nergies diffuses et intermittentes : rayonnement solaire, vent, vagueselles sont
cycliques et irrgulires et donc difficile utiliser. En revanche, elles se renouvellent en
permanence.
les nergies intermdiaires ou semi-denses : biomasse, hydraulique, gothermie elles sont plus
denses, plus rgulires et se renouvlent une vitesse moyenne.
les nergies denses et stockes : tourbe, charbon, ptrole, gaz naturel, uranium...ce sont
principalement des matires organiques (hydrocarbures), trs denses, stockables et
Page 31
facilement utilisables par lhomme. Les matires fissibles comme luranium ou le thorium
sont des mtaux de densit nergtique norme. Le grand dfaut des nergies denses est
quelles ne sont pas renouvelables (du moins sur des chelles de temps humaines).
Energie efficace ou finale : nergie qui a subi toutes les transformations ncessaires pour
rpondre un besoin prcis (essence, lectricit...).
Convertisseur dnergie : tout appareil ou toute technique qui permet de passer dune
nergie brute une nergie domestique. Le convertisseur, cest lindispensable pont entre la source
dnergie et son utilisation.
I-6-2-CHAINE ENERGETIQUE :
Chane nergtique : chemin qui mne dune source dnergie brute un usage et qui
comprend tous les convertisseurs ncessaires.
Trois contraintes :
le lieu : disponibilit de lnergie un endroit donn, transport
Difficult de faire correspondre le lieu de production avec le lieu dutilisation.
Recours des convertisseurs qui assurent le transport. Ex : chaque tonne de ptrole consomme
dans le monde parcourt en moyenne 4000km.
le temps : disponibilit de lnergie un instant donn, stockage

Difficult de faire correspondre le moment o la source est disponible et celui o on en a besoin.
Recours des convertisseurs qui permettent de stocker lnergie et de rguler son utilisation en
fonction des besoins.
La qualit : conditionnement de lnergie pour son usage, transformation

Difficult de mettre une source dans la forme qui correspond son emploi.
Quatre oprations :
capter lnergie : extraction de gisement, capteur solaire, barrage...
transporter lnergie : transport, rseau de distribution, circulation deau chaude...
transformer lnergie : raffinage, production dlectricit...
utiliser lnergie : la dernire tape chez le consommateur.
Page 32
I-7-LA CONSOMMATION DENERGIE PRIMAIRE :

Les nergies fossiles reprsentent prs de 88% (chiffre de 2004) de la consommation dnergie
primaire. Le ptrole arrive en ttes des nergies consommes. La consommation dnergie primaire
permet de mesurer le taux dindpendance nergtique dun pays.
Remarque : On utilise le joule ou la tonne d'quivalent ptrole (tep) pour comparer des formes
d'nergie diffrentes.
Rgion Consommation Ptrole Gaz-N Charbon Nuclaire Hydro lec
Amrique de nord 2784,40 1122,40 705,90 603,80 201,40 141,90

Etats unis 2331,60 937,60 582,0 564,30 187,90 59,8
Asie-Pacifique 3198,80 1090,50 330,90 1506,60 118,90 634,40
Chine 1386,20 308,60 35,10 956,90 11,30 74,20
Europe 2964 957,30 997,70 537,20 287,20 184,70
France 262,90 94,00 40,20 12,50 101,40 14 ,80
Allemagne 330,40 123,60 77,30 85,70 37,80 6,10
Moyen-Orient 481,90 250,90 218,0 9,10 -- 04
Amrique latine 483,10 221,70 106,20 18,70 4,40 132,10
Afrique 312,10 124,30 61,80 102,80 3,40 19,80
Tableau I- 3: Consommation dnergie primaire par rgion, en millions de tep (Mtep)
Page 33
I-8-CONCLUSION :
Aujourd'hui et pour les cinquante annes venir, de quelles nergies disposerons-nous ? Selon toute
vraisemblance, la gamme des sources d'nergie que nous pourrons utiliser restera conventionnelle
avec les combustibles fossiles (charbon, gaz, ptrole), l'nergie nuclaire (de fission) et les nergies
renouvelables (hydraulique, solaire, olien, biomasse et gothermie), la fusion thermonuclaire
contrle restant un objectif beaucoup plus lointain.
Actuellement, la consommation mondiale d'nergie requiert les combustibles fossiles hauteur de
80%, le nuclaire pour 07% et les nergies renouvelable pour 13%.
La population mondiale devrait atteindre 9 milliards d'habitants d'ici cinquante ans et entranera une
augmentation de la consommation d'nergie, notamment dans les pays en dveloppement. titre
d'exemples, le parc automobile devrait passer de 400 millions 1 milliard d'units ds 2020 ; le
nombre de villes de plus de 10 millions d'habitants, deux fois plus avides d'nergie que les rgions
rurales, doubler vraisemblablement.
Les estimations prvoient une consommation d'nergie multiplie par 1,4 d'ici 2020. Dans ce
contexte, quelle sera la place et le rle des nergies dans l'avenir ?
Page 34
SOMMAIRE :
I-1- Introduction :............................................................................................................................. 8
I-2- De Lalternateur De Velo Vers Les Centrale : ............................................................................ 9
I-2-1- Experience N01 : ................................................................................................................... 9
I-2-1-1- Observations : ..................................................................................................................... 9
I-2-1-2- Conclusion :......................................................................................................................... 9
I-2-2- Experience N02 : ................................................................................................................... 9
I-2-2-1- Observations : ...................................................................................................................10
I-2-2-2- Conclusion :.......................................................................................................................10
I-2-3- Experience N03 : .................................................................................................................10
I-2-3-1- Observations : ...................................................................................................................11
I-2-3-2- Conclusion :.......................................................................................................................11
I-3- La Production De Lelectricite : ...............................................................................................11
I-4- Les Centrales Thermique : .......................................................................................................12
I-4-1- Les Centrales Nucleaires : ....................................................................................................13
I-4-1-1- Description : ......................................................................................................................13
I-4-1-2- Fonctionnement Technique :............................................................................................15
I-4-1-3- Rendement D'une Centrale Nucleaire : ............................................................................17
I-4-2- Les Centrales A Flamme: ......................................................................................................17
I-4-3- Centrales Recuperant De La Chaleur Preexistante (Solaire, Geothermique...) : .................18
I-4-3-1- Centrale Solaire Thermodynamique : ...............................................................................18
I-4-3-2- Centrale Geothermique: ...................................................................................................20
I-5- Les Turbines :...........................................................................................................................21
I-5-1- Generalites : .........................................................................................................................21
I-5-2- Les Turbine A Vapeur : .........................................................................................................23

I-5-2-1- Le Cycle De Hirn : ..............................................................................................................25
I-5-2-2- Cycle A Resurchauffe : ......................................................................................................25
I-5-2-3- Cycle A Soutirage : ............................................................................................................26
I-5-2-4- Modelisation Usuel Dun Cycle A Soutirage : ...................................................................27
I-5-2-5- Bilan Energetique Dinstallations A Vapeur : ....................................................................28
I-5-3- Les Turbine A Gaz : ...............................................................................................................29
I-5-3-1- Generalites:.......................................................................................................................29
I-5-3-2- Cycle Reversible De Brayton : ...........................................................................................30
I-5-4- Valorisation De Lenergie : Cogeneration - Cycles Combines : ............................................31
I-6- Energie : ...................................................................................................................................31
I-6-1- Energie - Chaine Et Systeme Energetique : ..........................................................................31
I-6-1-1- Energie Et Convertisseur :.................................................................................................31
I-6-2- Chaine Energetique : ............................................................................................................32
I-7- La Consommation Denergie Primaire : ..................................................................................33
I-8- Conclusion : .............................................................................................................................34

LISTE DES FIGURES :
Figure I- 1 : Schma d'une dynamo de vlo ......................................................................................... 9

Figure I- 2 : Aimants .......................................................................................................................... 9
Figure I- 3 : Exprience N02 .............................................................................................................10
Figure I- 4 : Exprience N03 .............................................................................................................10
Figure I- 5 : Centrale nuclaire...........................................................................................................14
Figure I- 6:Centrale flamme ...........................................................................................................18
Figure I- 7:Centrale Solaire de THERMIS ............................................................................................19
Figure I- 8:Centrale constitue de capteurs cylindro paraboliques .......................................................19
Figure I- 9:Centrale solaire parabolique (projet DISH-STIRLING Font-Romeu-Odeillo) .......................19
Figure I- 10:Centrale solaire tour (SolarTower en Californie) ............................................................ 20
Figure I- 11: Centrale gothermique de Nesjavellir en Islande ..............................................................21
Figure I- 12:Schma de principe dune turbine ....................................................................................23
Figure I- 13:Diagramme (T, S) du cycle ............................................................................................. 24
Figure I- 14:Cycle de Rankine ........................................................................................................... 24
Figure I- 15:Cycle de Hirn ................................................................................................................. 25
Figure I- 16:Diagramme (T, S) du cycle ............................................................................................. 25
Figure I- 17:Cycle Resurchauff ..................................................................................................... 25
Figure I- 18:Cycle soutirage ........................................................................................................... 26
Figure I- 19:Modlisation dun cycle de soutirage ............................................................................... 27
Figure I- 20:Bilan nergtique global dune installation simple vapeur ............................................. 28
Figure I- 21:Turbomoteur ................................................................................................................. 29
Figure I- 22:Turboracteur ............................................................................................................... 29
Figure I- 23:Cycle de Brayton ............................................................................................................30
Figure I- 24:Fractionnement de la compression ..................................................................................30
Figure I- 25:Cycle Combin ............................................................................................................... 31
LISTE DES TABLEAUX :
Tableau I- 1:Capacit gothermique installe (2002) ............................................................................21

Tableau I- 2: Echange de masse et d'nergie entre le systme et le milieu extrieur ...........................22
Tableau I- 3: Consommation dnergie primaire par rgion, en millions de tep (Mtep) .......................33
Chapitre II
Modle de reprsentation
des systmes dynamiques
non linaire
Modle de reprsentation
Chapitre II des systmes dynamique
Non linaire
To catch a mouse alive, try this trick: When you see the beast
running around a room, open a black umbrella and hold it on
the floor at an angle that allows the mouse to run in (it helps if
someone else can chase the mouse). Your prey, drawn to dark
places, will probably head straight for the umbrella. Then
quickly close it, go outside, and set your prisoner free.
Readers Digest Practical Problem Solver [241]
II-1-Introduction :
L'identification d'un systme dynamique non-linaire MISO (multi-entres, mono-sortie) consiste
construire un modle mathmatique de ce systme partir des mesures de ses entres et de sa
sortie. Soit un ensemble de donnes dapprentissage { ( ) ( ) } o ( ) et ( )
dsignent respectivement les entres et la sortie instantanes du systme. L'identification d'un
systme MISO partir de ces mesures exprimentales revient trouver une relation mathmatique
de la forme :
( ) [ ( ) ]
Qui donne chaque instant une estimation satisfaisante de la sortie du systme. La fonction multi
variable est le modle du systme et ( ) la sortie instantane de ce modle. La fonction
dpend du vecteur de paramtres et d'un vecteur de variables expliquant le comportement du
systme appel vecteur de rgression et not ( ). Le vecteur de rgression est form partir des
entres , de la sortie du systme ou de la sortie du modle des instants antrieurs l'instant
courant . Le problme d'laboration du modle dcrit par l'quation (II-1) se dcompose en 4 tches
Chapitre II Modle de reprsentation des systmes dynamique non linaire
Choix des lments du vecteur de rgression ( ),

Dtermination de la structure de la fonction ,
Estimation du vecteur des paramtres ,
Evaluation des performances du modle .
La qualit de l'approximation du comportement du systme dpendra de la structure retenue, du

nombre de paramtres qu'elle contient, des variables d'entre slectionnes et de la quantit
d'information contenue dans les donnes d'apprentissage. L'un des problmes majeurs en
identification est la dtermination de la structure du modle. Dans le cas linaire, les techniques de
recherche de structure sont bien connues et trs dveloppes [Ljung, 1987]. Mais l'hypothse d'un
comportement linaire du systme n'est souvent vrifie que dans le voisinage immdiat dun point
de fonctionnement du systme. Pour peu que le systme s'en loigne, son comportement devient
non-linaire. Pour le dcrire, plusieurs types de modles non-linaires sont proposs dans la
littrature. Les plus anciens sont bass sur la recherche d'un modle global et les plus rcents
reposent sur le principe de dcomposition d'un problme global en plusieurs problmes simples.
Dans les paragraphes qui suivent, nous dressons l'tat de l'art de la modlisation des systmes
dynamiques non-linaires. Aprs un tour d'horizon des diffrents modles non-linaires, nous
abordons dans un cadre gnral les aspects pratiques lis leur identification.
II-2-MODELES CLASSIQUES DES SYSTEMES NON-LINEAIRES :

L'un des plus anciens modles de reprsentation des systmes non-linaires est celui de Volterra-
Wiener. Pour un systme une entre, il est donn par la dcomposition en srie :
( ) ( )
( ) ( ) ( ) ( )
( ) est la rponse impulsionnelle d'ordre du systme. Dans la pratique, la srie est

tronque l'ordre n mais du fait que le modle utilise exclusivement les entrs dcales ( ), il
ncessite un grand nombre de paramtres pour reprsenter convenablement le systme. Cette
description prsente donc peu d'intrt en pratique.
Page 40
Une autre catgorie de modles est celle des modles sous forme de blocs structurs, constitus par
des blocs distincts de modles dynamiques linaires et de non-linarits statiques.
Ces blocs interconnects sont placs en srie et/ou en parallle pour former les modles de Wiener
et de Hammerstein gnraliss [Haber et Unbehauen, 1990]. La forme simple de ces structures est
illustre sur les figures II-1 et II-2. Sur ces schmas, le signal intermdiaire v(t) entre les deux blocs
n'est pas accessible.
U(t) v(t) Systme linaire y(t)

Non-linarit
dynamique
statique
Figure II- 1: Modle de Hammerstein
U(t) Systme linaire v(t) Non-linarit y(t)

dynamique statique
Figure II- 1 : Modle de Weiner
Les techniques d'identification de ces modles quon peut trouver notamment dans les rfrences
[Ouladsine et al. 1993], [Wigren, 1993], [Boutayeb et al, 1993] et [Boutayeb et Darouach, 1995]
approchent souvent la non-linarit par un polynme de degr fini. Le modle de Hammerstein d'un
systme mono-entre et mono-sortie est exprim dans ce cas par les quations suivantes :
( ) ( ) ( ) ( )
( ) ( )
Ou est loprateur retard.
II-3-APPROCHES RECENTES DE REPRESENTATION DES SYSTEMES NON-

LINEAIRES :
Elles suscitent beaucoup d'intrt ces dernires annes et prsentent des proprits attractives pour
la modlisation des systmes prsentant des caractristiques fortement non linaires.
Page 41
Leur philosophie est base sur la stratgie "diviser pour rgner" : le systme tudi est reprsent
par un ensemble de modles locaux ( ( )) valides dans une zone de l'espace de fonctionnement
du systme. La validit locale de chaque modle est spcifie par une fonction support born (une
fonction d'allure gaussienne par exemple). La sortie du modle du systme s'exprime comme la
somme pondre des sorties ( ) des modles locaux, soit :
( ) ( ) ( ) ( ) ( ( ))
Les fonctions de pondration ( ) constituent les fonctions de validit associes aux modles
locaux.
La construction de modles bass sur cette relation a donn lieu diffrents types de structures
dont les rseaux fonctions de base radiale (RFBR), les modles flous, les modles multi-experts, ...
Les rseaux de neurones qui modlisent le systme comme une succession de couches de neurones
interconnects sont gnralement rangs dans cette catgorie de modles non-linaires. Notons
que les modles sous forme de blocs structurs prcdemment prsents adhrent au principe de
dcomposition sans toutefois faire appel des fonctions de validit locale. Dans les paragraphes
suivants, nous prsentons ces modles non-linaires ainsi que la problmatique de leur
identification.
II-3-1-MODELES FLOUS :
Introduits par Zadeh en 1965, les concepts flous permettent de caractriser un systme ou un
phnomne par un ensemble de rgles composes de propositions linguistiques exprimant les
imprcisions du raisonnement humain. Modliser un systme partir de ces concepts revient
gnrer une base de rgles de la forme :
Si prmisse alors consquence
Un exemple de rgle est : si la temprature est basse alors mettre le chauffage. La variable
temprature est appele variable de prmisse. Etant donne une mesure de la temprature, pour
valuer le degr de vracit de la proposition sur la temprature, on se sert d'un ensemble flou. Cet
ensemble flou correspond un qualificatif ou un label linguistique (faible, moyen, lev) de la variable
temprature. Il joue le rle d'interface entre la valeur numrique et les qualificatifs linguistiques de
cette variable. Le nombre de termes linguistiques (encore appel nombre de modalits) associs
une variable dtermine l'importance de cette variable dans la caractrisation de la non-linarit du
systme.
Page 42
Soit une variable de prmisse. A un ensemble flou (reprsentant par exemple le qualificatif
faible) de la variable , on associe une fonction dite d'appartenance qui fournit le degr
d'appartenance d'une mesure de cet ensemble flou. Cette fonction d'appartenance est dfinie
sur l'univers de discours de la variable (c'est--dire son intervalle de variation) par :
( ) [ ]
Elle dtermine de manire graduelle l'appartenance d'une mesure de A. En comparaison, les

ensembles mathmatiques classiques ont des fonctions d'appartenance qui prennent deux valeurs :
0 (non appartenance) ou 1 (appartenance). Les fonctions d'appartenance sont des fonctions
support born, c'est--dire des fonctions qui sont significativement diffrentes de zro sur un
domaine limit de la variable . Les fonctions d'appartenance usuellement employes (leur
dfinition mathmatique, leur forme) sont regroupes dans le tableau II-1.
Fonction Formule Forme de la fonction
Triangle ( ( ))
Trapze ( ( ))
( )
Gaussienne ( )
( )
Sigmode
Tableau II- 1 : Fonctions d'appartenance les plus utilises en modlisation floue
Page 43
La structure gnrale d'un modle flou prsente sur la figure II-3 comporte quatre parties
principales :
La fuzzification : elle transforme les valeurs numriques d'entre en ensemble flou,

la base de connaissance constitue d'une :
base de rgles qui contient toutes les rgles ncessaires pour dcrire le systme,
base de donnes qui comprend les paramtres dfinissant les fonctions d'appartenance
associes aux ensembles flous et les paramtres dfinissant la partie consquence des
rgles,
le moteur d'infrence : il dduit l'ensemble flou de sortie correspondant une entre du
systme tant donne la base de connaissance,
la dfuzzification : elle transforme l'ensemble flou de sortie en une valeur numrique si
ncessaire. Plusieurs techniques sont applicables mais la plus usite est celle du centre de
gravit.
Base de connaissance
Base de donnes
Base de rgles
Entre Dfuzzification
Fuzzification Sortie
Moteur
dinfrence
Figure II- 2 : Structure gnrale d'un modle flou
La prmisse d'une rgle est toujours exprime sous la forme de propositions portant sur les variables
de prmisse. Par contre, l'expression de la partie consquence peut avoir diffrentes variantes.
Suivant la forme de la partie consquence, on distingue principalement trois types de modles flous
[Babuka, 1998] :
Page 44
Les modles flous linguistiques proposs par Zadeh en 1973 et Mamdani en 1977 (voir
[Babuka, 1998]) : la partie consquence est un ensemble flou et un mme ensemble flou de
sortie peut tre associ plusieurs ensembles flous de prmisse,
Le modle relations floues propos par Pedrycz en 1984 (voir [Babuka, 1998]) : c'est une
gnralisation du modle prcdent car une prmisse est associe plusieurs propositions de
consquence par l'intermdiaire d'une relation floue,
Le modle de Takagi-Sugeno [Takagi et Sugeno, 1985] : la consquence est une fonction affine de
variables de consquence.
Les modles flous linguistiques et les modles relation floue forment une classe de modles
adapts pour la reprsentation des systmes non-linaires en se basant sur des concepts proches du
langage humain. Comparativement, le modle de Takagi-Sugeno relve plus de la modlisation
classique des systmes car sa partie consquence n'est pas floue et n'introduit pas d'imprcision.
Nous prsentons dans les paragraphes suivants les deux types de modles flous les plus
frquemment rencontrs dans la littrature : modle de Mamdani et celui de Takagi-Sugeno.
II-3-1-1-MODELE DE MAMDANI :
Soit le modle (II-1) ; le modle de Mamdani exprime la fonction sous la forme d'un ensemble de
rgles :
( ) ( )
est l'ensemble flou d'entre et lensemble floue de sortie pour le rgle . est le nombre de
rgle de la base de connaissance. Le vecteur ( ), ( ( ) ) est le vecteur de des variables des
prmisses. Ce vecteur peut tre la totalit ou une partie du vecteur de rgression ou comprendre des
variables auxiliaires susceptibles de caractriser les non-linarits du systme.
L'ensemble flou est un ensemble multi variable. Dans la pratique, comme il est difficile de
raisonner sur un ensemble multi variable et surtout pour avoir une interprtation linguistique des
rgles, il est parfois prfrable d'exprimer la partie prmisse comme une combinaison logique
(conjonction, disjonction ou ngation) de propositions portant sur chaque lment du vecteur ( ).
Suivant cette ide, la partie prmisse de la rgle se dcompose, par exemple, comme suit :
( ) ( ) ( ) ( )
Page 45
O les sont les modalits associes chacune des variables de prmisse ( )( ) la

rgle . L'ensemble flou multivariable est ensuite construit partir des ensembles flous mono
variables . La forme rsultante de l'ensemble flou dans l'espace de prmisse (espace engendr
par le vecteur de prmisse z) dpend des oprateurs utiliss pour traduire les combinaisons logiques.
Les oprateurs les plus courants sont prsents dans le tableau II-2.
Oprateurs Oprateurs Oprateurs de Oprateurs de

Symbole
logiques probabilistes Lukasiewicz Zadeh
( ) ( )
( ) ( )
Tableau II- 2:Tableau des oprateurs logiques et des principaux oprateurs algbriques
correspondants
Le degr de vracit de la rgle est dtermin partir des degrs d'appartenance respectifs
des variables ( ) et des oprateurs logiques. Gnralement, la partie prmisse est forme par
la conjonction des propositions individuelles. Si l'on considre l'oprateur produit comme
oprateur de conjonction, le degr de vracit de la rgle ou de faon quivalente, le degr
d'appartenance du vecteur ( ) l'ensemble flou multi variable , s'exprime dans ce cas :
( ( )) ( ( )) ( ( ))
Le mcanisme dinfrence consiste dterminer lensemble flou de sortie partir de la base de

rgles et des entres du systme. Pour cela, on recherche pour chacune des rgles , une relation
de dduction de lensemble flou de sortie connaissant lensemble flou de prmisse de ces
rgles. Ces relations tant construites, lensemble flou image dun ensemble flou dentr pour
la rgle est fournie par la relation de composition :
Lensemble flou de sortie image de par le modle de Mamdani est form alors par lunion des
ensembles flous individuels de sortie, soit :
Page 46
Pour obtenir une sortie numrique, lensemble flou est dfuzzifi. La technique de dfuzzification
usuelle est celle de centre de gravit qui exprime la sortie numrique comme le centre de masse de
lensemble :
( ) ( ( ))
( )
( ( ))
II-3-1-2-MODELE DE TAKAGI-SUGENO (MODELE TS):

Ce modle exprime la partie consquence des rgles comme une fonction affine des variables
d'entre :
( ) ( ) ( )
Gomtriquement, il quivaut associer un hyperplan chaque zone de l'espace de prmisse.

Le mcanisme d'infrence de ce modle est simple car il consiste en une relation barycentrique
pondre par le poids de chaque rgle. La sortie globale du systme est donc :
( ( )) ( )
( )
( ( ))
Posons :
( ( ))
( ( ))
( ( ))
( ( )) est appel degr de vracit normalis de la rgle . Lquation II-12 scrit :
( ) ( ( )) ( )
On constate daprs la dfinition des degrs de vracit ( ( )) que ceux-ci vrifiant la contrainte
de partition unit, cest--dire, leur somme vaut 1 pour tout chantillon de la base de donnes :
Page 47
( ) ( ( ))
La dfinition dun modle TS introduit la notion de degr de vracit normalis li au mcanisme

dinfrence du modle TS. On constate, daprs lquation II-13, que le degr de vracit normalis
( ( )) est en ralit le degr dactivation du modle local correspondant : cest cette fonction qui
dtermine limportance relative du modle local associ dans lexpression de la sortie ( ) du
modle global suivant la zone o volue le systme. De par la contrainte de partition unit, les
fonctions ( ( )) sont assimilables des fonctions dappartenance relatives ou probabilistes
[Baraldi et Blonda, 1999]. Comparativement, les degrs de vracit ( ( )) sont des fonctions
dappartenance absolues ou possibiliste [Krishnapuram et Keller,1996] en ce sens quelles valuent la
vracit dune rgle particulire en ignorant tout ce qui est relatif aux autres rgles. Pour mieux
illustrer la diffrence entre ( ( )) et ( ( )), nous considrons un modle TS une variable de
prmisse. Deux ensembles flous sont dfinis sur le support de cette variable et sont caractriss par
des fonctions dappartenance trapzodales. A gauche sur la figure II-3, sont reprsents les degrs
de vracit ( ( )) alors qu droite sont tracs les degrs de vracit normaliss ( ( )).
petit grand petit A grand

1 1
A
0,5 0,5
0 0
-0,5 0 0,5 1 -0,5 0 0,5 1
Figure II- 3 : Illustration de la diffrence entre les degrs de vracit des rgles (partie gauche) et les
degrs d'activation (partie droite) des modles locaux associs.
On s'aperoit que les degrs dactivation ( ( )) diffrent des degrs de vracit ( ( )).
En particulier, le point relve de la modalit petite avec un degr de vracit de 0.6. Par suite de la
normalisation, il est "promu" un degr de 1. Ceci signifie que le modle local associ la
modalit petit est activ 100% au point A bien que le degr de vracit soit de 0.6. Il y a donc
discordance entre l'activation relle d'un modle local et la vracit de la prmisse qui a gnr ce
modle local. Or comme le mcanisme d'infrence du modle TS ralise une coopration et non
Page 48
une comptition entre les modles locaux, ce sont les fonctions d'activation ( ( )) qui fixent
la contribution au modle global des modles locaux associs. Nous qualifierons donc les ensembles
flous gnrs par ces fonctions, d'ensembles flous relatifs ou normaliss par opposition aux
ensembles flous absolus dcrits par les degrs de vracit. Les deux types d'ensembles flous
concident si les degrs de vracits forment naturellement une partition unit :
Cest le cas des partitions floues fortes [Lindskg, 1996], [Glorennec, 1999] ou des ensembles flous
issus d'une procdure de classification [Babuka, 1998].
II-3-2-PROPRIETES DES MODELES FLOUS :

On peut constater aprs cette description des deux types de modles flous courants, que la
reprsentation des systmes par les modles flous, en particulier le modle de Takagi-Sugeno, offre
un formalisme intressant permettant d'intgrer facilement des connaissances a priori et des
expriences acquises sur le systme. En effet, si des connaissances physiques sur le
comportement du systme dans certaines zone de fonctionnement sont disponibles, certaines
rgles peuvent tre dfinies a priori et ne seront pas modifies lors de la phase d'identification du
modle [Bortolet, 1998]. Les modles locaux associs ces rgles peuvent tre issus des
considrations physiques. A dfaut du modle physique du systme, si des informations a priori sur
le gain statique, les temps de rponse et les conditions de stabilit du systme dans certaines zones
de fonctionnement sont connues, leur incorporation dans le modle flou pourra se traduire par des
contraintes ingalits sur les paramtres de la partie consquence [Abonyi et al., 2000-a,2000-b],
[Lindskg, 1996].
En plus de cette possibilit d'intgration de connaissances a priori, les modles flous sont des
approximateurs universels. Les proprits d'approximation des modles flous de type Mamdani
ont t tudies entre autres par Wang et Mendel [1992], Kosko [1992] qui ont tabli que ces
modles peuvent approcher avec une prcision arbitraire toute fonction continue dfinie sur un
domaine fini. Plus rcemment, Ying [1998] a formul, sur la base du thorme de Weierstrass,
les conditions suffisantes garantissant les proprits d'approximateurs universels des modles de
type Takagi-Sugeno.
II-3-3-PROBLEMATIQUE D'IDENTIFICATION DES MODELES FLOUS :

La reprsentation d'un systme par un modle flou soulve des problmes pratiques. En particulier,
il faut dcider du type de modle flou (Mamdani, TS), dterminer les variables de prmisse. La
Page 49
prochaine tape est la dcomposition de l'espace de prmisse, la caractrisation de la partie

consquence. La dcomposition de l'espace de prmisse peut tre ralise par une partition
grille, une partition suivant un arbre de dcision ou travers une technique de classification.
II-4-RESEAUX DE NEURONES :
L'un des modles non-linaires les plus populaires aprs les modles flous est sans conteste les
rseaux de neurones. Les premiers travaux sur les rseaux de neurones avaient pour objectif la
modlisation du fonctionnement des neurones biologiques. Le rseau de neurones biologiques
est une structure de traitement parallle et distribu de l'information constitue par un ensemble
d'units de traitement (les neurones) interconnectes entre elles. L'utilisation de ces concepts pour
la reprsentation des systmes non-linaires a connu un grand succs et de nombreuses
applications dans divers domaines (l'automatique, l'conomie, la reconnaissance de formes, ...)
sont rapportes dans la littrature.
Dans sa structure, un rseau de neurones comprend une couche d'entre, une couche de sortie, une
ou plusieurs couches intermdiaires appeles couches caches. Ces couches comportent des
neurones qui reoivent en entre des signaux qui subissent un traitement. Le signal rsultant est
ensuite transmis aux neurones d'une autre couche ou de la mme couche. Les connexions entre
couches peuvent tre unidirectionnelles ou bidirectionnelles.
On distingue diffrents types de rseaux de neurones mais en identification des systmes non-
linaires, la structure reine est le perceptron multicouches MLP (acronyme de Multi Layer
Perceptron). A chaque neurone d'une couche cache, une fonction d'activation agit sur la somme
des entres du neurone pondres par des poids (voir figure II-5). La fonction d'activation est
souvent une sigmode d'quation :
( )
La sortie dun MLP couches cachs comportant neurones est exprims par :
( ) ( ) ( )
( ) ( ( )
O la composante (s) fait rfrence aux paramtres de la couche de sortie et lexposant (c) aux
termes et paramtres des couches cach. Le terme et paramtres des couches cachs. Le terme
Page 50
est la sortie du neurone j de la couche cache . est un vecteur regroupant les poids agissant sur
les entrs du neurone . De faon gnrale, la sortie ( ) dun neurone dune couche cache est
calcule partir des entres ( ) provenant de la couche cache prcdente par la relation :
( ) ( ) ( )
( ( ) ( ( ))
Une extension du rseau MLP est de considrer la sortie du rseau dcale dans le temps comme un
signal d'entre des neurones des couches caches. On parle alors de MLP rcurrent.
1 1 1
( ) 1
Couche de
sortie
( )
Couche 1 Couche 1
Couche 1 Couche
1 2
dentre
Figure II- 4: Structure gnrale dun rseau MLP
( )
( )
Figure II- 5: Structure d'un neurone d'une couche cache
Page 51
Les proprits d'approximateurs universels des MLP ont t tablies notamment par Funahashi
[1989] : elles dcoulent de la flexibilit des rseaux de neurones, flexibilit qui est lie aux degrs
de libert procurs par le nombre de couches caches et le nombre de neurones par couche.
L'identification d'un MLP comporte la dtermination des entres ( )du rseau, le choix du
nombre de couches caches et du nombre de neurones par couche. Pour une structure fixe, des
techniques d'optimisation non-linaire (gradient, Gauss-Newton, ...) et d'autres drives de la
structure connexionniste des rseaux de neurones (algorithme de propagation arrire) sont
utilises pour estimer les poids afin d'adapter la sortie du rseau celle du systme. Afin de
dterminer la taille optimale du rseau de neurones, deux approches heuristiques sont
applicables : la premire consiste augmenter de faon graduelle le nombre de couches et le
nombre de neurones par couche. Le contrle de la croissance du rseau est ralis en testant les
capacits d'approximation du rseau obtenu sur des donnes de validation. La deuxime
stratgie dmarre avec un rseau important puis procde par suppression successive des
connexions entre neurones (limination des poids des connexions) jusqu' l'obtention d'une
structure satisfaisante. Une synthse des techniques d'limination des poids est prsente dans
l'article de Kerling [1999].
II-5-LES RESEAUX DE FONCTIONS A BASE RADIALE (RFBR) :

Un RFBR ralise mathmatiquement une dcomposition sur une base de fonctions radiales :
( ) ( ( ) )
Avec :
: fonction dactivation base radiale,
: Poids,
: Centre de la fonction dactivation (vecteur multidimensionnel),
: Matrice qui dtermine l'tendue et l'orientation de la fonction d'activation dans l'espace

des variables de rgression,
( ) : distance du point courant (t) au centre de la fonction d'activation et exprime

par l'quation :
Page 52
( ) ( ( ) ) ( ( ) )
La fonction g est caractrise par un support born ; elle est uni modale, monotone,
dcroissante quand le point courant s'loigne de son centre. Il existe plusieurs types de fonction de
base mais on associe gnralement aux RFBR la fonction gaussienne de centre et de matrice
de dispersion .
A cause de la similitude des quations (II-17) et (II-20), on assimile les RFBR des rseaux de
neurones une couche cache la diffrence qu'un neurone de la couche cache ne comporte pas
de sommateur et que la fonction d'activation ( ) dtermine une zone d'influence partir de son
centre . Les RBFR sont galement des d'approximateurs universels ; ces proprits ont t
tablies entre autres par Powell [1987], Park et Sandberg [1991].
Deux approches sont souvent considres pour identifier un RFBR :
Chaque point de l'espace multidimensionnel est considr comme un centre potentiel. En

fixant les paramtres de dispersion des fonctions d'activation, l'quation (I-19) est alors
totalement linaire par rapport aux poids. Une procdure de slection de variables est mise
en uvre pour dterminer les centres utiles. Chen et al. [1990], Orr [1996] ont propos par
exemple une procdure base sur les moindres carrs orthogonaux (MCO) : de nouvelles
fonctions d'activation sont ajoutes successivement jusqu' l'obtention d'une structure
satisfaisante.
Au lieu de fixer a priori les centres et les dispersions des fonctions d'activation, des
chercheurs l'instar de Karyiannis et Mi [1997], construisent progressivement le RFBR en
divisant en deux parties, le domaine d'influence de la fonction de base o l'erreur
d'approximation est la plus leve. Des techniques comme l'algorithme de classification
FCM (Fuzzy C-Means) servent dterminer la position des centres qui ne concident plus
alors avec les points du jeu d'identification. Une fois son centre fix, la dispersion d'une
fonction de base est dduite de la matrice de variance-covariance calcule partir des K plus
proches voisins de son centre. Les poids sont ensuite optimiss par la mthode des
moindres carrs. Le procd est ritr jusqu' la satisfaction d'un critre d'arrt.
Page 53
II-6-LES MODELES MULTI-EXPERTS :

Une autre catgorie de modles non-linaires est constitue par les modles multi-experts (mixtures
of experts) [Jacobs et al. 1991] qui ont fait leur apparition dans la littrature au dbut des annes
1990. Cette approche est base sur l'ide que les donnes analyses sont gnres par un ensemble
de experts, un expert tant une fonction d'un vecteur d'entre ( ) et d'un vecteur de
paramtres . Un vecteur d'entre ( ) est trait simultanment par tous les modules experts et
chaque expert fournit une sortie suppose corrompue par un bruit gaussien de moyenne nulle
et de variance :
( ) ( ( ) ) ( )
Le champ d'action d'un expert est dtermin par une fonction d'activation ( ( )) support
limit. Ces fonctions d'activation pondrent les contributions de chaque expert la sortie du
modle global ; elles vrifient les contraintes suivantes :
( ( )) ( ( ))
Dans la formulation de cette structure non-linaire, la fonction ( ( )) s'interprte comme la

probabilit que la sortie du systme relve de l'expert associ, tant donne le vecteur
dentre ( ). Initialement, les fonctions d'activation taient des sigmodes normalises. Plus
tard a t propose l'utilisation de fonctions de densit gaussiennes. La sortie globale gnre
par le modle multi-experts est une somme pondre des sorties fournies par chaque expert, soit :
( ) ( ( )) ( )
A cause de l'interprtation probabiliste de cette approche, les paramtres mis en jeu pour dcrire un
modle multi-experts sont estims en optimisant un critre de maximum de vraisemblance par
l'algorithme EM (Expectation - Minimisation) de Dempster [Meila et Jordan, 1997] . Cet algorithme
comporte deux tapes :
tape d'Esprance : on y value la probabilit qu'une donne observe relve d'un module
expert particulier,
tape de Maximisation : les paramtres des fonctions d'activation et ceux des modles
experts sont calculs de manire maximiser le critre de maximum de vraisemblance.
Page 54
Il est ncessaire avant de procder l'optimisation paramtrique de dterminer la structure et le

nombre d'experts. Pour ce dernier problme, Ramamurti et Ghosh [1999] ont propos une
mthode qui consiste dmarrer avec un expert puis ajouter successivement de nouveaux
experts. S'il n'y a plus lieu d'inclure un nouvel expert, on teste la possibilit d'liminer certains
experts afin d'annuler l'effet des ventuelles mauvaises dcisions prises lors de la phase de
croissance du modle.
Une gnralisation des modles multi-experts est le modle multi-experts de Markov (Markov
mixtures of experts) [Meila et Jordan, 1997] qui modlise le systme sous la forme d'une chane
de Markov dont les tats sont les experts du systme. Le passage d'un tat un autre est li une
probabilit de transition dpendant de l'tat prcdent et des entres l'instant courant.
II-7-AUTRES STRUCTURES NON-LINEAIRES :

Une structure non-linaire issue de la communaut du traitement de signal est le rseau
d'ondelettes. La dcomposition sur une base d'ondelettes autorise l'tude simultane des
proprits temporelles et frquentielles d'un signal par dilatation et translation d'une ondelette
mre. Des informations sur des rfrences bibliographiques traitant de l'identification des
systmes sur la base d'un rseau d'ondelettes peuvent tre trouves dans [Sjberg et al., 1995].
Une autre approche est la reprsentation du systme par des "hinging hyperplanes". Initialement
propose par Breiman en 1993, son application la modlisation des systmes non- linaires a t
approfondie par Pucar en 1995 [Pucar, 1995]. Mathmatiquement, un "hinging hyperplane" deux
hyperplans est dfinie par l'une des deux quations suivantes :
( ) ( ( ) ( ) )
( ) ( ( ) ( ) )
Afin d'viter le passage brutal (switching) d'un hyperplan l'autre, les oprateurs min et max sont
gnralement remplacs par une fonction sigmode.
II-8-ASPECTS PRATIQUES DE L'IDENTIFICATION DES SYSTEMES :

Pour un problme particulier, quel que soit le type de modle choisi, il faut dterminer
correctement sa structure et estimer de faon efficace les paramtres mis en jeu de manire
raliser une bonne adquation entre la sortie du modle et celle du systme. La dmarche usuelle
Page 55
consiste fixer une structure, estimer ses paramtres sur la base d'un jeu de donnes
d'identification, puis passer l'tape de validation. Cette tape est destine valuer les
II-8-1-ESTIMATION DES PARAMETRES :

Soit une structure fixe. Elle contient forcment des paramtres qui sont regroups dans un
vecteur . La valeur de ces paramtres est estime, partir d'un ensemble de donnes
exprimentales {( ( ) ( ))} , par minimisation d'un critre, fonctionnelle de l'cart
entre la sortie du systme ( ) et celle du modle ( )
( )
( ) ( )
( ) ( ) ( )
La complexit de l'optimisation dpend de la structure du modle.
II-8-1-1-ESTIMATEUR DES MOINDRES CARRES :

Supposons que le modle du systme est linaire par rapport aux paramtres, c'est--dire de la
forme :
( ) [ ( ) ] ( ( ))
O ( ) est une fonction qui ralise une transformation non-linaire du vecteur de rgression. La
solution au problme (II-25) est analytique et est fournie par l'estimateur des moindres carrs :
[ ( ) ( )] [ ( ( )) ( ( ))]
Le cas typique est celui des RFBR dont les centres et la dispersion sont fixs. Les paramtres
restants interviennent alors de manire linaire dans le modle avec le vecteur ( ( )) form par la
concatnation des fonctions de base.
Page 56
PROBLEME DE CONDITIONNEMENT DE L'ESTIMATION

PARAMETRIQUE :
L'inversion de la matrice d'information peut tre sujette des problmes numriques lis son
mauvais conditionnement. Une matrice carre est dite mal-conditionne si le rapport
entre sa plus grande valeur propre et sa plus petite valeur propre est lev (suprieur par
exemple un seuil de ). D'un point de vue numrique, l'estimation n'est pas stable et est
sensible des perturbations mme faibles affectant la matrice ou le vecteur .
SOLUTION : LA REGULARISATION :
La thorie de la rgularisation est ne des travaux de Tikhonov sur la rsolution des
problmes mathmatiques mal poss, c'est--dire, des problmes pour lesquels il n'existe pas une
solution unique ou la solution obtenue est instable et trs sensible de faibles perturbations.
Dans le cadre de l'identification des systmes, les techniques de rgularisation consistent
ajouter des pnalits sur le problme destimation des paramtres de faon rduire lextrme
sensibilit du modle par rapport aux donnes d'identification. Dans le cas qui nous intresse, ces
pnalits se traduisent par ladjonction la matrice d'information dune matrice qui lui
confre un meilleur conditionnement. Ceci quivaut minimiser le critre modifi suivant :
( ) ( )
Le compromis entre la pnalisation et le critre ( ) est rgl par le paramtre scalaire

positif appel coefficient de rgularisation. Dun point de vue baysien, ce critre modifi
correspond lestimateur du maximum a posteriori avec lhypothse a priori que les paramtres
suivent une loi normale de moyenne nulle et de variance ( ) .
Toute la problmatique de la rgularisation rside dune part dans la dtermination du

coefficient de rgularisation et dautre part dans le choix de la matrice K. Suivant le type de
pnalits quon dsire coder dans la matrice K, diffrentes faons de la choisir existent [Bossley
1997], [Johansen, 1996, 1997]. La matrice K peut tre, par exemple, une approximation de la
drive seconde [ ] afin de confrer au modle des proprits de lissage. Mais la
forme courante de rgularisation est la ridge regularisation ou weigth decay qui correspond
au choix . Son but est de limiter la norme du vecteur de paramtres dans des proportions
raisonnables. Avec cette formulation, le vecteur de paramtres rgularis est fourni par :
Page 57
( )
Ou de faon quivalent par la relation suivante :
base sur une dcomposition en valeurs singulires de la matrice . Les sont les valeurs
singulires, les i les vecteurs propres associs aux valeurs propres et les les vecteurs
propres de la matrice . On constate daprs (I-29-b) que le coefficient de rgularisation
limine l'influence des plus petites valeurs propres qui sont responsables de linstabilit de la
solution des moindres carrs. Pour une valeur propre , l'axe de recherche suggr par le
vecteur propre associ n'est pas fiable : il a peu d'influence sur le critre et son effet est donc
annihil par . Par contre si , la direction de recherche dtermine par cette valeur
propre est importante : elle est donc peu affecte par le coefficient de rgularisation.
DETERMINATION DU PARAMETRE DE REGULARISATION :

Le choix du coefficient de rgularisation est dlicat : s'il est trop grand le vecteur
de paramtres tendra vers 0 et s'il est trop petit l'effet stabilisant de la
rgularisation est inoprant. Comme on dsire amliorer le conditionnement de la matrice , le
coefficient est choisi de sorte que le conditionnement de la matrice dinformation
rgularise :
Soit infrieur un seuil limite . Si le conditionnement actuel de dpasse cette valeur, on

calcule par la formule :
Autrement, le problme nest pas rgularis. Dans nos simulations, nous calculons le coefficient de
rgularisation de manire garantir un taux de conditionnement entre 10 5 et 106. Des valeurs
Page 58
similaires ont t utilises aussi par [Fiordaliso, 1999]. Elles sont certes arbitraires mais dans nos
simulations, elles se sont rvles suffisantes pour obtenir des rsultats satisfaisants.
II-8-1-2-OPTIMISATION NON-LINEAIRE :
Lorsque le modle du systme est non-linaire par rapport aux paramtres, il n'existe pas de solution
analytique au problme (II-25). On recourt des techniques itratives doptimisation non-linaire :
partant d'une estimation courante ( ) des paramtres, on recherche la direction dans l'espace
paramtrique et le dplacement effectuer suivant cette direction afin de diminuer le critre. Il
existe une large varit de techniques mais dans le cadre de ce document, nous privilgions
celles bases sur un dveloppement limit du critre ( ) au voisinage du point ( ) (pourvu
que le critre soit diffrentiable par rapport , ce que nous supposerons tout le long de ce
mmoire). La mise jour du vecteur des paramtres est alors drive de la formule gnrale
suivante :
( )

est le pas de recherche ou le coefficient de relaxation (suivant les cas) l'itration (k) et ( ) la
direction de recherche dans l'espace paramtrique. Selon la faon dont ( ) est calcule, on
distingue diffrentes mthodes d'optimisation dont les principales sont rappeles ci-dessous [Walter
et Pronzato, 1994].
ALGORITHME DU GRADIENT :
Cette mthode est base sur un dveloppement du critre au 1ire ordre. La direction de
recherche l'itration (k) est spcifie par le gradient du critre ( ):
( )
( ( )) ( )
( ) ( )
Le pas de recherche est calcul par une interpolation quadratique ou cubique du critre autour du
point ( ) ou par une heuristique consistant augmenter si le critre dcrot et le rduire si le
critre augmente.
ALGORITHME DE NEWTON :
Il repose sur un dveloppement au 2ime ordre du critre. La direction et le pas de recherche sont
spcifis simultanment par l'quation :
Page 59
( ) ( ) ( )
O ( ) est la matrice Hessienne du critre dfinie par :
( ) ( ) ( )
( ) ( ) ( )
Le pas ( ) . Cet algorithme ncessite chaque itration l'inversion du hessien du critre, ce qui
est coteux. De plus le hessien contient des drives du 2ime ordre qui sont lourdes calculer.
Par ailleurs, l'algorithme de Newton peut converger indiffremment vers un minimum ou un

maximum car rien ne garantit que le Hessien ( ) est dfini positif l'optimum. Pour viter une
divergence de l'algorithme, on utilise comme un coefficient de relaxation afin d'assurer un
dplacement dans l'espace paramtrique qui conduise une diminution du critre. Le coefficient de
relaxation est dtermin suivant l'heuristique guidant le choix du pas dans l'algorithme du
gradient.
ALGORITHME DE GAUSS-NEWTON :
Simplification de la mthode de Newton, il utilise une expression approche du Hessien en
ngligeant les termes du 2ime ordre :
( ) ( )

Le Hessien approch tant dfini positif, cet algorithme garantit la convergence vers un
minimum. La procdure de calcul du coefficient de relaxation reste identique.
ALGORITHME DE LEVENBERG-MARQUARDT :
De faon similaire l'estimation des moindres carrs, le Hessien peut tre mal conditionn. Pour
viter une singularit de la matrice , l'algorithme de Levenberg-Marquardt remplace le Hessien
approch par un Hessien rgularis
( )
O est la matrice identit de dimension approprie et ( ) un coefficient de rgularisation. ( ) est

mis jour par un schma heuristique qui consiste augmenter sa valeur si le critre diminue et
Page 60
rduire sa valeur s'il y a divergence du critre. Pour de faibles valeurs de ( ) , l'algorithme de
Levenberg-Marquardt se rduit celui de Gauss-Newton et pour de fortes valeurs de ( ) , il

devient une mthode du gradient avec un pas
( ) ( ).
ALGORITHME DE QUASI-NEWTON :
Comparable la mthode de Newton ou Gauss-Newton la diffrence prs que l'inverse de la
matrice Hessienne n'est pas calcule directement mais dduite de la relation de mise jour suivante
( ) ( ) ( )
o ( ) est une matrice de correction calcule partir de ( ) et des informations sur la

variation du gradient et des paramtres au point courant ( ) . Au dbut, l'algorithme se comporte
comme celui du gradient, puis se rapproche de celui de Gauss-Newton au fur et mesure que
l'estimation de l'inverse du Hessien devient prcise.
II-8-2-RECHERCHE DE LA STRUCTURE DU MODELE :

Etant choisie une famille de modle non-linaire (RFBR, MLP, modle flou, ), la recherche des
paramtres structuraux d'un modle de cette famille est guide par deux soucis : le modle labor
doit tre simple (c'est--dire comporter le moins de paramtres possibles) et prcis afin d'avoir de
bonnes proprits de gnralisation. Par gnralisation, nous entendons de bonnes capacits
d'approximation du modle quand il est appliqu sur des donnes autres que celles qui ont servi
son identification. Malheureusement, ces deux souhaits sont antagonistes comme le montre le
dveloppement suivant.
COMPROMIS BIAIS/VARIANCE :
Considrons que la qualit du modle labor sur un jeu d'identification est mesure par ses
performances sur des jeux de validation comportant donnes. L'erreur quadratique
moyenne de gnralisation (MSGE) du modle [ ( ) ] comportant paramtres est

exprims par la formule [Larsen et Hansen, 1994] :
Page 61
{ ( ( ) [ ( ) ] ) }
{ ( ( ) [ ( ) ] ) }
L'objectif de l'identification est de dterminer partir du jeu de donnes , un modle qui fournit
de bonnes performances sur tous les jeux de validation possibles possdant les mmes proprits
statistiques que les donnes qui ont servi l'laboration du modle. Le meilleur modle
possible) [ ( ) ] avec paramtres est celui qui minimise le critre MSGE.
Supposons que les donnes analyses sont gnres par le "vrai" modle suivant qui est
videmment inconnu :
( ) ( ) ( )
O ( ) est une squence alatoire de moyenne nulle et de variance . On montre que le MSGE se
dcompose de la faon suivante :
{ [ ( ) [ ( ) ]] }
{ [ [ ( ) ] [ ( ) ]] }
.
Le terme de biais mesure l'inadquation entre le "vrai" modle et le meilleur modle C'est un
indicateur des limites de la structure de modle choisie. Le terme de variance donne des
indications sur la sensibilit du modle par rapport aux diffrents jeux de validation. Il est
directement li la variance de l'estimation cest--dire la distance entre et .Ce terme
de variance est d'autant plus important que le modle comporte beaucoup de paramtres. En effet,
l'expression asymptotique du terme de variance est donne par [Ljung, 1987] :
La minimisation du biais implique l'augmentation de la flexibilit du modle . La flexibilit ou la

complexit du modle est dtermine par le nombre de paramtres (nombre de degrs de libert)
dans le modle. Plus comportera de paramtres, plus le biais sera rduit. La consquence est
Page 62
l'augmentation du terme de variance dans le MSGE d'aprs (I-39) : c'est le dilemme

biais/variance [Ljung, 1987], [Geman et al., 1992] qui impose de trouver un compromis entre la
prcision du modle et sa flexibilit. La meilleure structure est celle qui minimise le MSGE.
APPROXIMATIONS DU MSGE :
Dans la pratique, le calcul direct du MSGE n'est pas possible. D'autres critres ont t proposs
dans la littrature comme outils d'aide la slection de la structure d'un modle.
La faon directe d'approcher le MSGE est d'valuer la structure identifie sur des donnes de test
: c'est la validation croise qui ncessite au moins un deuxime jeu de validation.
En vue de rduire la sensibilit du modle par rapport aux donnes, une dmarche consiste
diviser les donnes disponibles en ensemble de taille identique et ayant, si possible, les mme
caractristique. A chaque fois, un ensemble diffrent est utilis comme ensemble de validation
alors que les donnes des ensembles restants servent lidentification dun modle.
modles sont ainsi construits et le critre de gnralisation est approch par :
( ( ) ( ))
Dans certaines applications, la raret des donnes contraint valuer la structure choisie par une
approximation du MSGE calcule sur les donnes d'identification. Ceci a conduit des critres de
slection qui essayent de trouver un compromis entre la prcision du modle et sa complexit.
Parmi ces critres, on peut citer :
(( ))
( )
( )
( ( ))
II-8-3-VALIDATION DU MODELE :
La procdure de slection de structure permet de retenir le meilleur modle dans une famille
donne de modles, en termes de compromis entre la prcision et la complexit. Mais cette
Page 63
procdure ne garantit pas que le modle trouv est adquat eu gard aux donnes traites ou
l'utilisation envisage du modle. Une ncessaire tape de validation doit tre ralise.
Une mthode directe de validation d'un modle est de tester ses capacits de gnralisation en
validant le modle sur des donnes de test c'est--dire des donnes entirement diffrentes de
celles ayant servi l'estimation des paramtres ou lors de la phase de recherche de structure. En
particulier, pour les modles destins la simulation, cette validation se traduit par la simulation du
modle sur les donnes de test.
Une autre technique de validation est le test de corrlation des rsidus (carts entre la sortie du
systme et celle du modle) largement appliqu dans l'identification des systmes linaires. Le
modle linaire labor est valide si la fonction d'autocorrlation des rsidus et si la fonction
d'intercorrlation entre les rsidus et les entres se trouvent dans l'intervalle de confiance 95%
dfini par (voir [Ljung, 1987]). La fonction d'intercorrlation ( ) entre deux
variables et se calcule par la formule :
( ( ) )( ( ) )
( )
( ( ) ) ( ( ) )
Le test des rsidus peut tre tendu aux systmes non-linaires [Leontaritis et Billings, 1987] :
pour examiner si des effets non-linaires n'ont pas t modliss, on dtermine si la fonction
d'intercorrlation entre les rsidus et des monmes forms partir des lments du vecteur de
rgression est en dehors de l'intervalle de confiance 95%.
Page 64
II-9-CONCLUSION :
L'objectif de chapitre est de dresser un tat de l'art de l'identification des systmes dynamiques
non-linaires. Les principales structures non-linaires couramment rencontres dans la littrature
ont t prsentes. Elles relvent globalement de deux visions de reprsentation des systmes :
l'approche globale et l'approche locale. Toutes les structures non-linaires dcrites sont
essentiellement des modles bote noire et leurs proprits d'approximateurs universels sont bien
tablies. Elles peuvent donc approcher une large gamme de systmes dynamiques non-
linaires.
Indiffremment du type de modle non-linaire choisi, son identification requiert la recherche de
sa structure optimale, l'estimation de ses paramtres et la validation du modle final afin d'identifier
un modle parcimonieux (c'est--dire un modle prcis et comportant un faible nombre de
paramtres). La deuxime partie du chapitre a t consacre la prsentation de ces principes
gnraux de l'identification des systmes. La forme particulire de leur mise en uvre dpendra du
modle non-linaire choisi.
Page 65
Sommaire
II-1- Introduction :..................................................................................................................................... 39
II-2- Modeles Classiques Des Systemes Non-Lineaires : ...................................................................... 40
II-3- Approches Recentes De Representation Des Systemes Non-Lineaires :.................................... 41
II-3-1- Modeles Flous :.............................................................................................................................. 42
II-3-1-1- Modele De Mamdani :............................................................................................................... 45
II-3-1-2- Modele De Takagi-Sugeno (Modele Ts): ................................................................................. 47
II-3-2- Proprietes Des Modeles Flous : ................................................................................................... 49
II-3-3- Problematique D'identification Des Modeles Flous : ................................................................ 49
II-4- Reseaux De Neurones : .................................................................................................................... 50
II-5- Les Reseaux De Fonctions A Base Radiale (Rfbr) : ........................................................................ 52
II-6- Les Modeles Multi-Experts : ............................................................................................................ 54
II-7- Autres Structures Non-Lineaires : ................................................................................................... 55
II-8- Aspects Pratiques De L'identification Des Systemes : .................................................................. 55
II-8-1- Estimation Des Parametres : ........................................................................................................ 56
II-8-1-1- Estimateur Des Moindres Carres : ........................................................................................... 56
II-8-1-2- Optimisation Non-Lineaire : ..................................................................................................... 59
II-8-2- Recherche De La Structure Du Modele : .................................................................................... 61
II-8-3- Validation Du Modele : ................................................................................................................. 63
II-9- Conclusion : ....................................................................................................................................... 65

LISTE DES FIGURES :
FIGURE II- 2 : Modele De Weiner ...........................................................................................................41

FIGURE II- 3 : Structure Generale D'un Modele Flou ..............................................................................44
FIGURE II- 4 : Illustration De La Difference Entre Les Degres De Veracite Des Regles (Partie Gauche) Et
Les Degres D'activation (Partie Droite) Des Modeles Locaux Associes. .................................................48
FIGURE II- 5: Structure Generale Dun Reseau Mlp ................................................................................51
FIGURE II- 6: Structure D'un Neurone D'une Couche Cachee ................................................................51
LISTE DES TABLEAUX
TABLEAU II- 1 : Fonctions D'appartenance Les Plus Utilisees En Modelisation Floue............................43

TABLEAU II- 2:Tableau Des Operateurs Logiques Et Des Principaux Operateurs Algebriques
Correspondants .......................................................................................................................................46
Chapitre III
Chapitre III
To be sure, mathematics can be extended to any branch of

knowledge, including economics, provided the concepts are
so clearly defined as to permit accurate symbolic
representation.
That is only another way of saying that in some branches of
discourse it is desirable to know what you are talking about.
James R. Newman
III-1-INTRODUCTION :
Dsigne encore sous la dnomination de "operating regime approach", l'approche multi-modle a
connu un intrt certain depuis la publication des travaux de Johansen et Foss en 1992 [Johansen et
Foss, 1992]. En ralit, les travaux de ces deux chercheurs ont concern la formalisation
mathmatique d'un concept qui existait sous diffrents noms dans plusieurs domaines. L'ide de
cette approche est d'apprhender le comportement non-linaire d'un systme par un ensemble de
modles locaux (gnralement de structure simple) caractrisant le fonctionnement du systme
dans diffrentes zones de fonctionnement. Le modle global du systme est une combinaison des
modles locaux. La motivation de cette dcomposition dcoule du constat qu'il est souvent difficile
d'laborer un modle global susceptible de rendre compte de toutes les particularits et de toute la
complexit d'un systme. Cette approche intuitive de la modlisation a t applique par exemple
par Tong [Fiordaliso, 1999] qui a propos des modles autorgressifs seuils (modles TAR) pour la
modlisation de sries temporelles.
Diffrents modles de la srie sont construits et le passage d'un modle un autre est dclench par
une fonction de type chelon (fonction de Heaviside). Cette fonction est indexe sur les tats
antrieurs de la srie temporelle. Dans le mme ordre d'ide, Strmberg et al. [1991] ont propos de
reprsenter des systmes non-linaires avec des modles linaires par morceaux construits partir
d'un arbre de dcision binaire. Le rsultat de ces modles de commutation est une approximation
discontinue du systme. Mais ces discontinuits peuvent tre indsirables dans certaines
Chapitre III Approche multi-modle
applications. Il est plus intressant d'assurer un passage progressif d'un modle l'autre au lieu d'une
commutation brutale. Pour ce faire, on substitue aux fonctions de commutation front raide des
fonctions pente douce. Les zones de validit des modles ne sont plus des partitions disjointes
totalement isoles les unes des autres mais on autorise un recouvrement entre elles. Les fonctions
de commutation sont alors des fonctions drive continue dont la pente dtermine la vitesse de
transition d'un modle l'autre. L'intgration de ce principe aux modles TAR a engendr les
modles autorgressifs seuils doux (ou modles STAR) en 1986 (voir [Fiordaliso, 1999]).
Indpendamment, la mme poque, Takagi et Sugeno [1985] ont prsent leur modle flou dont le
point essentiel est la reprsentation du systme tudi par un ensemble de rgles "si prmisse alors
consquence". La consquence d'une rgle est un modle local affine et le modle global s'obtient
par agrgation des modles locaux. Quelques annes plus tard, Jacob et al. [1991] ont prsent les
modles multi-experts dont la philosophie repose sur la combinaison de diffrents experts (un expert
est un modle local dcrivant le comportement du systme dans une zone limite) par l'entremise
de fonctions d'activation.
Hathaway et Bezdek [1993] ont dvelopp les Fuzzy c-Regression Models (FCRM) comme un
problme de classification consistant identifier c classes floues dont les prototypes sont des
modles linaires. La rsultante de toutes ces techniques est un modle global du systme qui est
une combinaison de modles localement valables. Cette notion a t reprise dans un cadre
mathmatique gnral par Johansen et Foss [1992], ce qui a conduit l'approche multi-modle de
reprsentation des systmes non-linaires.
III-2-FORMULATION MATHEMATIQUE :
Considrons le problme de reprsentation d'un systme non-linaire dynamique par le modle
entre-sortie gnral suivant :
( ) [ ( )]
O ( ) est le vecteur de rgression. Supposons quon dispose dun ensemble de Modle locaux
( ( )) descriptif du comportement du systme dans diffrentes zones de fonctionnement. Ces
modles peuvent tre construits par exemple partir de connaissances physiques sur le
fonctionnement du systme dans ces zones.
La validit locale de chaque modle est indique par une fonction de validit ( ( ) )
paramtre par le vecteur et tel que ( ( ) ) .
Page 70
Cette fonction est significativement diffrente de 0 si le point courant ( ) est proche du "centre"
de la zone et dcrot plus ou moins rapidement vers 0 ds qu'on s'en loigne. Pour un nombre
suffisant de modles locaux judicieusement positionns dans l'espace de rgression, on peut
exprimer le modle global recherch [ ( )] comme la combinaison de ces modles locaux, plus
prcisment comme le barycentre des modles locaux pondrs par leur fonction de validit.
Sous la condition :
( ( ) ) ( )
On dduit le modle global :
( ( ) ) ( ( ))
( )
( ( ) )
En posant :
( ( ) )
( ( ) )
On obtient l'expression gnrale d'une architecture multi-modle [Johansen et Foss, 1993]
( ) ( ( ) ) ( ( ))
La fonction de pondration ( ( )) dtermine le degr d'activation du modle local associ. Selon

la zone o volue le systme, cette fonction indique la contribution plus ou moins importante du
modle local correspondant dans le modle global. Elle assure un passage progressif et doux de ce
modle aux modles voisins. Nous dsignerons la fonction galement par fonction d'activation
ou fonction d'interpolation. La zone dlimite par dans l'espace de rgression est appele zone
d'interpolation. Les fonctions dpendent du vecteur global [ ] form par la
concatnation des vecteurs de paramtres des fonctions de validit . Remarquons que les
fonctions d'activation sont normalises au sens o elles vrifient la contrainte :
Page 71
( ( ) ) ( )
On parle alors de partition unit [Murray-Smith, 1994].
La dfinition de l'approche multi-modle introduit la notion de zone de fonctionnement qu'il est utile
de prciser pour clarifier la prsentation. En automatique classique, la zone de fonctionnement d'un
systme dsigne un sous-espace de l'espace d'tat "centr" autour d'un point, gnralement un
point stationnaire (ou point d'quilibre) du systme. Dans le cadre de l'approche multi-modle, une
zone de fonctionnement doit tre entendue comme une rgion de l'espace de fonctionnement o le
systme tudi est reprsent par un modle local donn. Le point de fonctionnement affrent
cette zone n'est pas obligatoirement un point d'quilibre du systme. Les limites d'une zone de
fonctionnement sont dfinies par la fonction de validit associe. D'aprs Johansen et Foss [1993],
une fonction de validit typique est une fonction gaussienne dont la dispersion dtermine l'tendue
de la zone.
III-3-STRUCTURE DES MODELES LOCAUX :

Il existe une large varit de choix pour dfinir les modles locaux associs aux zones de
fonctionnement. La complexit de leur structure (modle constant, modle linaire ou non-
linaire) est laisse au libre arbitre de l'utilisateur. Nanmoins dans la pratique, des modles
locaux de structure simple, principalement des modles linaires ou affines, sont privilgis afin de
pouvoir appliquer les techniques d'analyse de l'automatique linaire aux modles locaux
(analyse des ples et des zros, gain statique, ). Diffrentes reprsentations des modles
locaux sont envisageables ; certaines sont dcrites dans les sous-sections qui suivent.
En considrant le choix des modles locaux suggr par Johansen et Foss [1993] , on dfinit les
modles locaux fi comme les premiers termes du dveloppement en srie de Taylor du vrai
modle [ ( )] autour des points . En se limitant un ordre , on obtient :
[ ]
( ( )) ( ) ( ( ) )
Cette expression s'arrange sous la forme :
( ( )) ( )
Page 72
O :
( )
La forme affine (III-8) du modle local fi (i=1, , M) s'interprte comme la linarisation de la

fonction multi variable [ ( )] autour de . Si on injecte cette expression dans l'quation (III-5), la
sortie du multi-modle devient :
( ) ( ( ) )( ( ) )
Elle peut galement s'crire :
( ) ( )[ ( ( ) ) ] [ ( ( ) ) ] ( ) ( ) ( )
L'interprtation directe de cette relation est qu'une architecture multi-modle avec des modles
locaux affines est un modle affine paramtres variables au cours du temps. La variation des
paramtres est fonction de la zone de fonctionnement dans laquelle volue le systme. Il est alors
possible d'associer l'espace caractristique Z, un polytope de l'espace des paramtres dcrivant le
lieu d'volution des paramtres du modle affine (III-11) [Babuka, 1998].
Le modle local de lquation (III-8) scrit sous la forme compacte suivante :
( ( ) ) ( )
O est le vecteur de paramtres local form par la concatnation de et ( )est le
vecteur de rgression augment dfini par :
( ) [ ( ) ]
La forme des modles locaux tant dfinie, intressons-nous maintenant aux lments du vecteur
de rgression car suivant la constitution de ce vecteur, on peut distinguer des formes
particulires de multi-modle. Trois cas seront analyss tant entendu que d'autres types de
vecteur de rgression sont applicables. Pour la simplicit de la prsentation, on supposera que tous
les modles locaux possdent les mmes paramtres structuraux (entres, ordres, retards).
Page 73
CAS 1 : MULTI-MODELE SERIE-PARALLELE : MULTI-MODELE A ERREUR

D'EQUATION :
Le vecteur de rgression est form par la sortie et les entres du systme dcales dans le temps.
Pour un systme entres, il a la forme suivante :
( ) [ ( ) ( ) ( ) ( ) (
) ( )]
Dans cette quation, reprsente la sortie du systme, dsigne lordre de la partie

autorgressive, et dsignent respectivement lordre et le retard associs lentre
(j=1,, m).En adoptant une criture polynomiale, la sortie du modle local ( ( ) ) explicite par
( ) sexprime :
( ) ( ) ( ) ( ) ( )
O :
()
( )
()
( )
dsigne l'oprateur retard. Les coefficients des polynmes et et sont les paramtres
des modles locaux estimer. La structure multi-modle obtenue pour un systme SISO est
schmatise sur la figure III-1. On constate aisment qu'elle est de type srie-parallle (ou erreur
d'quation) car faisant intervenir la sortie du processus dcale dans le temps.
Page 74
( ) ( )
Systme
( )
Modle local 1
( ) ( ) ( ) ( )
( )
Modle local 2 ( )
( ) ( ) ( ) ( )
( )
Modle local M
( ) ( ) ( ) ( )
Figure III- 1: Multi-modle srie-parallle avec des modles locaux coupls
CAS 2 : MULTI-MODELE PARALLELE AVEC DES MODELES LOCAUX

COUPLES : MULTI-MODELE DE TYPE ERREUR DE SORTIE (OE) :
Le vecteur de rgression contient non plus la sortie du systme mais la sortie du multi-modle
dcale dans le temps :
( )
[ ( ) ( ) ( ) ( ) (
) ( )]
Le modle local ( ( ) ) s'crit sous la forme polynomiale suivante :
( ) ( ) ( ) ( ) ( )
Avec les dfinitions prcdentes des polynmes ( ) et ( ). On obtient une structure multi-
modle parallle avec le systme. Son schma est prsent sur la figure III-2.
Page 75
( ) ( )
Systme
( )
Modle local 1
( ) ( ) ( ) ( )
( )
Modle local 2 ( )
( ) ( ) ( ) ( )
( )
Modle local M
( ) ( ) ( ) ( )
Figure III- 2: Multi-modle parallle avec des modles locaux coupls
CAS 3 : MULTI-MODELE PARALLELE AVEC DES MODELES LOCAUX

TOTALEMENT DECOUPLES :
Dans les deux cas prcdents, les modles locaux sont partiellement coupls en raison de
l'utilisation des mmes termes dcals ( ) ou ( ) dans leur expression. Une autre
faon d'examiner le problme est de considrer que les modles locaux ne font pas usage des
informations passes sur la sortie du systme ou du modle et qu'ils sont totalement dcoupls.
Pour un systme m entres et une sortie, le modle local ( ( ) )s'exprime :
( )
( ) ( )
( )
Chaque modle local est une interconnexion de m blocs parallles dont les sorties sont sommes
pour fournir celle du modle local. Les sorties locales sont ensuite pondres par les fonctions
d'activation pour fournir la sortie de l'architecture multi-modle. Cette dernire est une
interconnexion de M modles locaux en parallle. L'avantage de ce dcouplage est de spcifier des
Page 76
dynamiques diffrentes (codes par les coefficients des polynmes ) pour chaque entre dans
chaque modle local. L'inconvnient est un nombre de paramtres plus important estimer.
Une simplification du problme est atteinte en considrant que les polynmes sont identiques
pour toutes les entres ( ) .Cette structure multi-modle est dcrite sur la figure III-3.
( )
Systme ( )
( )
Modle local 1 ( )
( ) ( ) ( ) ( )
( )
Modle local 2 ( ) ( )
( ) ( ) ( ) ( )
( )
Modle local M ( )
( ) ( ) ( ) ( )
Figure III- 3: Multi-modle parallle avec des modles locaux totalement dcoupls
III-4-FILTRES ORTHOGONAUX :
A la place des modles locaux sous forme de relations entre-sortie, on peut utiliser des filtres issus
de la Base Orthogonale Gnralise [Malti, 1999]. Un modle local dcrit par un banc de filtres
orthogonaux s'exprime par :
( ) ( )
O * dsigne l'oprateur de convolution. Les paramtres sont les coefficients de la

dcomposition sur la base des nf filtres . La fonction de transfert d'un filtre de la BOG qui
s'crit :
Page 77
( ) | | ( )
Est fonction des ples et du filtre. Ces ples dterminent la dynamique incorpore dans le
filtre et il y a autant de paires de ples ( trouver) que de filtres. Si cette dynamique est proche de
celle du systme localement, le nombre nf de filtres ncessaires est rduit de faon drastique
[Heuberger et al., 1995]. Par ailleurs, si le comportement local du systme est caractris par un ple
dominant rel ou une paire de ples complexes, les filtres de Laguerre ou de Kautz (qui ncessitent
en tout un ple ou une paire de ples complexes) peuvent remplacer ceux de la BOG.
Les chercheurs qui ont utilis les filtres orthogonaux dans la reprsentation multi-modle fixent les
ples et le nombre de filtres [Sbarbaro, 1997] sur la base des connaissances a priori. Si ces dernires
sont indisponibles, certains l'instar de Nelles [1997-b] identifient sparment chacun des
modles locaux sous forme de modle ARX. La dynamique ainsi suggre sert spcifier les
ples des filtres et dterminer le nombre de filtres [Nelles, 1997-b]. Par contre, Malti [1999] a
identifi un multi-modle par une mthode deux niveaux qui estime les ples des filtres par un
algorithme non-linaire et les coefficients ai par la mthode des moindres carrs, le nombre de
filtres de chaque sous-modle ayant t fix a priori.
III-5-REPRESENTATION D'ETAT :
Au lieu d'un modle sous forme entre-sortie, il est intressant dans certaines applications (par
exemple l'identification de systmes MIMO) d'utiliser une reprsentation d'tat. D'ailleurs, les
chercheurs dont les travaux portent sur l'analyse de la stabilit du multi-modle adoptent cette
reprsentation. De mme, la commande des processus modliss par l'approche multi-modle fait
souvent appel la reprsentation d'tat, afin d'tendre au cas non-linaire des techniques de
commande par retour d'tat. La construction d'observateurs non-linaires partir de structures
multi-modle requiert aussi des modles locaux exprims sous la forme de modle d'tat.
Utiliser la reprsentation d'tat revient exprimer le modle du systme sous la forme :
( ) ( ( ) ( ))
( ) ( ( ) ( ))
Page 78
et sont respectivement les vecteurs d'tat et de commande. En supposant que les

modles locaux sont issus d'une linarisation des fonctions ( ) et ( ) autour de M
points ( ), la formulation multi-modle aboutit aux quations suivantes :
( ) ( ( ) )[ ( ) ( ) ]
( ) ( ( ) )[ ( ) ]
Avec :
( ) ( )
( )
sont respectivement les matrices d'tat, de commande et de sortie du modle local . Le

vecteur des variables caractristiques z(t) est form par les tats et la commande ou par une
combinaison de ces variables. De faon similaire au multi-modle entre-sortie, les quations (III- 24)
s'arrangent sous la forme :
( ) [ ( ( ) ) ] ( ) [ ( ( ) ) ] ( )
[ ( ( ) ) ]
( ) [ ( ( ) ) ] ( ) [ ( ( ) ) ]
Page 79
Qui exprime le multi-modle comme un modle d'tat dont les matrices d'tat, de commande et de
sortie sont dpendantes du temps : le modle du systme s'assimile un modle d'tat affine variant
dans le temps.
Les fonctions g et h tant en pratique inconnues, les matrices et les coefficients mis
en jeu dans le multi-modle sont dterminer partir de mesures exprimentales.
III-6-LIENS AVEC LES MODELES NON-LINEAIRES EXISTANTS :

III-6-1-MODELE FLOU DE TAKAGI-SUGENO (MODELE TS) :
Il est vident de ranger le modle flou TS dans la catgorie des multi-modles. En effet, un modle
TS ralise une partition floue de l'espace caractristique . Les zones de fonctionnement sont
dfinies en termes de propositions sur les variables de prmisse. En prenant l'oprateur produit
comme t-norme, le modle flou TS concide exactement avec le multi-modle. Si la base,
Takagi et Sugeno dans leur article de rfrence datant de 1985 [Takagi et Sugeno, 1985] n'ont pas
t prcis sur le type d'oprateur usit, toute ambigut a t leve avec la sortie de l'article de
Sugeno et Kang [1988] o explicitement l'oprateur produit est l'oprateur de conjonction. Le
caractre flou disparat de la formulation du modle TS car la partie consquence d'une rgle est
parfaitement dtermine. Le modle TS a donc plus de rapports avec le multi-modle qu'avec les
modles linguistiques de Mamdani ou les modles relation floue. Comparativement au multi-
modle, la seule contrainte du modle TS est sa lecture sous forme de propositions sur les variables
de prmisse. Les notions suivantes sont par consquent quivalentes et expriment les mmes
ides :
degr de vracit normalis fonction d'activation ou d'interpolation,
espace de prmisse espace caractristique,
variables de prmisse variables caractristiques,
partie consquence modle local.
III-6-2-MODELES MULTI-EXPERTS :
Ces modles sont partie intgrante de l'approche multi-modle car ils sont constitus par un
ensemble d'experts qui collaborent afin de fournir le modle global du systme. La seule
diffrence avec le multi-modle est la notion de probabilit associe aux fonctions d'interpolation.
Pour ces raisons, on dit que les modles multi-experts sont des structures multi-modles dont les
Page 80
fonctions d'interpolation ralisent une dcomposition stochastique de l'espace de fonctionnement.

Les modles locaux sont ici les experts.
III-6-3-LES RESEAUX DE FONCTION A BASE RADIALE (RFBR) :

Strictement, les RFBR tels que dfinis par l'quation (II-18) au deuxime chapitre ne concident
pas avec le multi-modle car les fonctions de base qui agissent sur les poids ne sont pas normalises
(c'est--dire leur somme n'est pas gale 1 pour tout chantillon de la base de donnes)
contrairement aux fonctions d'interpolation qui agissent sur les modles locaux dans l'approche
multi-modle. Nanmoins, le lien est possible si les fonctions de base sont normalises : on parle
dans ce cas de RFBR gnraliss [Hunt et al. 1996]. Les modles locaux sont alors des constantes
(dveloppement d'ordre 0 de la fonction approcher autour des centres). Soulignons qu'avec des
modles locaux constants, il faudrait un nombre important de zones de fonctionnement pour
reprsenter un systme complexe car peu de phnomnes sont pris en compte par une constante.
Comparativement un multi-modle avec des modles locaux affines ncessiterait.
III-6-4-PROBLEMATIQUE D'IDENTIFICATION D'UNE ARCHITECTURE MULTI-

MODELE :
Comme tout problme de modlisation, l'identification d'une architecture multi-modle
comprend deux tches importantes : la recherche de la structure optimale et l'estimation des
paramtres. Nous limitons le cadre de l'analyse aux modles locaux sous forme de relation
entre-sortie, l'extension une reprsentation d'tat tant immdiate.
III-6-4-1-IDENTIFICATION STRUCTURELLE :
Au titre de l'identification structurelle, les points essentiels tudier sont :
la spcification des zones de fonctionnement qui comprend :

la slection des variables caractristiques les plus reprsentatives des non-linarits
du systme (de faon quivalente, la dfinition de l'espace caractristique),
la dcomposition de cet espace en zones de fonctionnement c'est-- dire la
dtermination de la forme, de la position et du nombre de fonctions de validit,
la spcification de la structure de chaque modle local (variables d'entre, ordres et retards
associs).
L'objectif final est d'identifier un multi-modle parcimonieux (bonnes qualits d'approximation pour
un nombre minimal de modles locaux).
Page 81
III-6-4-1-a-COMPROMIS NOMBRE DE MODELES LOCAUX COMPLEXITE DES

MODELES LOCAUX :
Trouver le nombre et la structure adquats des modles locaux ne peut se faire de faon simultane.
La raison est que dans l'approche multi-modle, il y a un compromis dterminer entre le nombre
de modles locaux et la complexit de leur structure. Si cette structure est complexe,
l'architecture multi-modle ncessitera peu de modles locaux. Inversement, il faudra plusieurs
modles locaux de structure simple pour obtenir de bonnes capacits d'approximation. La
complexit des sous-modles est directement lie aux ordres et des lments du vecteur de
rgression. Elle est galement lie au choix d'une structure linaire ou non-linaire pour les modles
locaux. Il y a donc interdpendance entre la structure des modles locaux et la dcomposition
de l'espace de fonctionnement qui impose de procder de faon squentielle.
Deux approches de solution sont possibles :
fixer une structure pour les modles locaux, trouver ensuite la dcomposition adquate de
l'espace de fonctionnement puis raffiner ultrieurement la structure des sous-modles,
positionner les zones de fonctionnement et rechercher alors les paramtres structuraux des
modles locaux.
Dans la premire option, on recherche dans les donnes rcoltes, des comportements
spcifiques correspondant la structure des modles locaux. Ceci ncessite forcment de
prciser les variables d'entre, les ordres et les retards de ces modles avant de prtendre
rechercher le nombre et la position des zones de fonctionnement.
Le choix des variables d'entre utiles et des ordres adquats peut tre guid par les
connaissances disponibles sur le systme. Autrement, il faut utiliser une technique heuristique.
La solution directe est de considrer diffrentes structures pour les modles locaux, de construire
chaque fois un multi-modle et de retenir finalement celui qui donne les meilleures
performances. A cette solution lourde en temps de calcul, on peut prfrer des outils permettant
d'identifier les variables d'entre et les ordres utiles sans recourir au calcul d'un modle. L'une de ces
techniques est la mthode de He et Asada [1993], amliore par Boukhris et al. [1999] qui est base
sur l'analyse de la sensibilit par rapport aux entres d'un indicateur valu partir de quotients
de Lipschitz. Mais la mthode ne fournit de rsultats pertinents que si les donnes traites sont
peu bruites [Espinosa et Vandewalle, 1997] ou si la variance du bruit de mesure est connue
Page 82
[Boukhris et al., 1999], ce qui la rend d'une utilisation dlicate dans les applications pratiques.
Une autre solution certes sous-optimale mais d'une mise en uvre simple consiste identifier le
meilleur modle linaire : sa structure sera celle des modles locaux [Tanaka et al, 1995]. Une
amlioration consiste dterminer des modles linaires optimaux autour de diffrents points
de fonctionnement "judicieusement" choisis [Yu et al., 1997]. Les variables d'entre et les ordres
suggrs par ces diffrents modles serviront spcifier la structure des modles locaux.
Cette dernire solution rejoint d'une certaine manire la deuxime option qui consiste positionner
les zones de fonctionnement et essayer de trouver le meilleur modle local pouvant tre affect
chacune des zones. Cette solution a t applique entres autres par [Wang et Langari, 1995],
[Nelles, 1997-a].
III-6-4-1-b-DECOMPOSITION DE L'ESPACE DE FONCTIONNEMENT :

La taille du rseau de modles locaux est non seulement lie la complexit des sous- modles
mais aussi au type de dcomposition adopt pour l'espace caractristique. On distingue
principalement trois techniques de partition : la partition grille, la partition base sur un arbre de
dcision et la classification.
PARTITION GRILLE :
Elle ralise un maillage de l'espace caractristique . Le support (ou encore intervalle de variation)
de chaque variable caractristique ( ) ( ) est divis en partitions individuelles.
La partition de est obtenue en prenant l'ensemble des combinaisons des partitions
individuelles. Le nombre de modles locaux gnrs est alors :
Ce nombre devient trs vite explosif si la dimension de l'espace Z est leve ou le nombre de
partitions sur le support des variables caractristiques est important. Par exemple, pour un
systme variables caractristiques avec divisions par variable, le nombre de modles
locaux est . Pour ces raisons, la partition grille n'est adapte qu'aux systmes de faible
dimension (3 5 variables caractristiques). Une illustration de la grille est prsente sur la
figure III-4
Page 83
Z2 Z2 Z2 Z2
Z1 Z1 Z1 Z1
b-Partition hirarchique c-Partition hirarchique d-Partition par
a- Partition grille
orthogonale aux axes oblique par rapport aux classification
axes
Figure III- 4: Diffrents types de partition de l'espace caractristique Z
PARTITION SUIVANT UN ARBRE DE DECISION :

On peut rduire le nombre de modles locaux en adoptant une partition suivant un arbre de
dcision. Utilise notamment par Sugeno et Kang [1988], Sun [1994], Johansen et Foss [1995],
Nelles [1997-a] et Ernst [1998], elle permet de dcomposer l'espace caractristique selon une
procdure hirarchique. A l'tape de la dcomposition, l'espace Z est dj dcoup en zones,
soit une structure multi-modle modles locaux. Le dcoupage d'une zone est envisag pour
obtenir une structure modles locaux. La division de cette zone peut tre ralise par un
hyper-plan orthogonal aux axes [Sugeno et Kang, 1988], [Johansen et Foss, 1995],[Nelles, 1997-
a] ou se faire suivant un hyper-plan oblique par rapport aux axes [Murray-Smith,1994], [Ernst 1998].
Le rsultat de ces techniques de partition est montr sur les schmas -b- et -c- de la figure III-4. Le
modle final comporte souvent moins de zones que la partition sous forme de grille mais il ncessite
plus de fonctions de validit pour les dcrire.
PARTITION PAR CLASSIFICATION :

Un autre moyen de partition est l'utilisation d'ensembles multidimensionnels issus d'une procdure
de classification. L'objectif est de rechercher des formes ellipsodales (par l'algorithme de
Gustaffson-Kessel) dans l'espace produit de la sortie et de lespace de rgression. Chaque
ellipse correspond une description du comportement local du systme par un hyperplan
[Babuka et Verbruggen, 1995]. Les fonctions d'activation sont ensuite dduites par projection des
ellipses sur l'espace de rgression. La forme des zones de fonctionnement est illustre sur le schma
d) de la figure III-4. Une excellente rfrence de l'application des techniques de classification
l'identification d'un multi-modle est l'ouvrage de Babuka [1998]. Soulignons qu'avec cette
approche, l'espace caractristique est forcment l'espace de rgression. Or la reconnaissance des
formes devient difficile si la taille de l'espace produit est grande. Pour cette raison, la mthode ne
Page 84
donne des rsultats probants que pour des systmes de petite dimension et d'ordre faible [Babuka,
1998]. Un autre dsavantage de la technique de classification est qu'elle est seulement adapte
pour les multi-modles erreur d'quation. Elle est difficilement applicable un multi-modle
erreur de sortie : cause de la prsence des termes dcals de la sortie du multi-modle dans le
vecteur de rgression, la distribution des donnes dans l'espace de rgression volue d'une
itration l'autre, ce qui rend difficile la reconnaissance des comportements locaux du systme.
III-6-4-1-c-CHOIX DES VARIABLES CARACTERISTIQUES :

Le choix des variables caractristiques est un problme aussi pineux que celui de la
dtermination de la structure des modles locaux. Dans ce cas galement, de bonnes
connaissances sur le systme peuvent aider spcifier les bonnes variables. Autrement, il faut
considrer un ensemble de variables candidates, puis appliquer des procdures heuristiques
d'essais-erreurs pour identifier les variables les plus reprsentatives des non-linarits du
systme.
III-6-4-1-d-STRATEGIES D'IDENTIFICATION STRUCTURELLE :

Pour finir notre discussion sur l'identification structurelle, nous prsentons trois stratgies de
recherche de la structure optimale : ascendante, descendante et alterne. Ces stratgies sont
gnriques aux problmes d'identification. Elles sont certes sous-optimales mais elles constituent de
bonnes alternatives la recherche combinatoire. La premire mthode procde d'une
philosophie de coarse-to-fine (du simple au complexe). On dmarre avec une structure multi-
modle simple (gnralement un modle linaire). Elle est ensuite complexifie par ajouts
successifs de nouveaux modles locaux et la prise en considration de nouvelles variables
caractristiques. Un indicateur permet de spcifier les zones o le multi-modle a de mauvaises
capacits d'approximation et qui ncessitent un raffinement. La procdure continue jusqu'
l'obtention d'un rsultat satisfaisant. L'intrt de cette procdure est que la structure du multi-
modle s'adapte progressivement compte tenu de la complexit du systme. Par ce biais, on
espre viter le phnomne de sur-apprentissage.
La deuxime stratgie est l'inverse de la premire : elle de type fine-to-coarse (du complexe au
simple). Une structure multi-modle initiale complexe est considre. Elle est ensuite simplifie
par limination des modles locaux ayant un faible pouvoir d'explication et/ou fusion des modles
locaux voisins susceptibles de dcrire des comportements similaires du systme. L'intrt est que
la structure initiale fine peut potentiellement mettre en vidence toutes les particularits du
Page 85
systme. La simplification ne servira en fait qu' rduire la finesse de cette structure initiale. Sun
[1994] parle de compression de la base de modles locaux.
La troisime approche est une solution intermdiaire entre les deux premires. Elle consiste
ajouter de nouveaux modles locaux jusqu' un point d'arrt. Ensuite, cette structure est simplifie.
On procde ainsi de faon alternative entre la stratgie incrmentale et dcrmentale jusqu' la
satisfaction d'un critre d'arrt. Les critres d'arrts sont soit des critres de validation croise soit
les critres de type FPE, AIC, MDL.
III-6-4-2-TECHNIQUES D'APPRENTISSAGE :
L'optimisation paramtrique consiste estimer les paramtres des fonctions de validit et des
modles locaux. Dans le cadre de l'approche multi-modle, trois types d'apprentissage sont
envisageables : l'apprentissage local, l'apprentissage global et l'apprentissage avec un critre
mixte.
III-6-4-2-a-APPRENTISSAGE LOCAL :
Cette mthode vise minimiser l'cart entre la sortie du systme y s et celle des modles locaux
[Murray-Smith, 1994], [Murray-Smith et Johansen, 1997-b]. Cette dmarche est lgitime, car l'idal
dans la reprsentation des systmes par un multi-modle locaux serait de caractriser localement le
fonctionnement du systme. De plus si les modles locaux sont issus de la linarisation d'un
modle physique autour de certains points de fonctionnement ou sont construits partir de
connaissances comportementales du processus tudi, il est prfrable d'adopter une approche
locale d'optimisation des paramtres des modles locaux. On dfinit donc pour chaque modle
local, un critre quadratique pondr appel critre local. Le critre local associ au modle
( ( ) ) , est exprim par :
( )( ( ) ( ))
O reprsente la taille du jeu de donnes d'identification. La contribution d'une observation

particulire ( ) au modle local ( ( ) ) , est mesure par la valeur de la fonction de validit
( ) . Par consquent, les observations relevant fortement de la zone de validit du modle fi sont
prpondrantes dans l'estimation de son vecteur de paramtres . Le critre d'apprentissage local
est la somme de tous les critres locaux, soit :
Page 86
( )( ( ) ( ))
Si ce critre permet l'optimisation des paramtres des modles locaux sans difficults,
loptimisation des paramtres des fonctions de validit sur la base du critre (III-30) pose
quelques problmes. Telles que prsentes par Johansen et Foss [1993], les fonctions de validit
( ) sont des fonctions dfinies de faon absolue : ce sont des fonctions d'allure gaussienne
indpendantes les unes des autres. Il en dcoule qu'une minimisation du critre (III-30) par
rapport aux paramtres des fonctions de validit quivaut la minimisation de chacun des termes
de faon indpendante. Deux ou plusieurs fonctions de validit peuvent tre positionnes en un
mme point suite l'optimisation. Ce problme est comparable celui rencontr avec la
technique de classification possibiliste PCM [Krishnapuram et Keller, 1996] . A cause de
l'indpendance des composantes du critre, il arrive que plusieurs classes identifies soient
confondues [Barni et al., 1996] surtout si l'initialisation de l'algorithme n'a pas t faite de faon
judicieuse. Pour des systmes de petite dimension sur lesquels de bonnes connaissances physiques
sont disponibles, on peut positionner a priori les points de fonctionnement et viter le problme.
Faute d'informations a priori, il est prfrable d'utiliser les fonctions d'activation qui dpendent
de toutes les zones et garantissent que tous les points de l'espace Z seront couverts cause de
la contrainte de normalisation.
Implicitement, les limites des zones de validit sont maintenant fixes par les fonctions . Le
critre d'apprentissage local est alors dfini par :
( )( ( ) ( ))
Pour les fonctions d'activation fixes, les paramtres des modles locaux sont identifis
indpendamment les uns des autres. Ce dcouplage prsente l'avantage d'viter des problmes
numriques lors de l'estimation des paramtres des modles locaux [Murray-Smith,1994].
Toutefois, l'apprentissage local ncessite plusieurs modles locaux, comparativement
l'apprentissage global, pour dcrire le comportement du systme. En outre, le recouvrement entre
les modles locaux doit tre limit cest--dire que les fonctions d'interpolation doivent avoir
un support assez localis pour garder une interprtation vraiment locale des modles obtenus .
Page 87
III-6-4-2-b-APPRENTISSAGE GLOBAL :
L'objectif est d'ajuster les paramtres de manire minimiser l'cart entre la sortie du systme et
celle y du multi-modle. Le critre minimis est :
( ( ) ( ))
L'apprentissage global recherche une adquation entre le systme et le modle global sans
forcment se soucier de la qualit de l'approximation locale produite par les modles locaux.
Dans l'apprentissage global, les modles locaux sont positionns de sorte que leur interpolation
donne une bonne approximation du comportement du systme. Il en rsulte quelquefois, une
architecture multi-modle qui fournit une bonne approximation globale du systme mais avec
des modles locaux qui ne sont pas reprsentatifs du comportement observ dans leur zone de
validit. Ce problme mis en vidence dans [Murray-Smith, 1994] est li au recouvrement plus ou
moins grand qui peut exister entre les zones de fonctionnement : les modles locaux totalement
diffrents du comportement rel du systme se compensent entre eux pour reproduire le
comportement global dsir.
III-6-4-2-c-APPRENTISSAGE AVEC UN CRITERE MIXTE :

L'apprentissage local vise prserver le caractre local de la description du systme au dtriment
de la qualit d'approximation globale alors que l'apprentissage global privilgie la qualit globale
au dtriment de la signification locale des modles locaux. Cet antagonisme entre la qualit de la
description locale et la prcision de l'approximation globale peut tre rsolu en combinant les deux
approches d'identification de manire bnficier des avantages procurs par chacune des
approches. On peut dfinir un critre composite ou mixte qui est une combinaison linaire du critre
local et du critre global [Yen et al. 1998-b] :
Selon le choix du paramtre de pondration , on privilgiera la prcision globale du modle ou la

qualit d'approximation locale des modles locaux. Mais le choix de est souvent subjectif.
Page 88
III-7-CONCLUSION :
Ce chapitre a t consacr la prsentation de l'approche multi-modle. A travers cet exercice, on
a montr que le multi-modle est un concept gnral regroupant des structures non-linaires
comme les modles flous de Takagi-Sugeno, les modles multi-experts, ... . L'ide essentielle
est la dfinition du modle global du systme comme la combinaison de modles locaux. Les
notions retenir sont : zone de fonctionnement, variables caractristiques, fonction de validit,
fonction d'interpolation (ou d'activation), modles locaux.
Diffrentes formes de modles locaux sont possibles : modles entre-sortie, reprsentation

d'tat pour ne citer que les plus couramment employes. La structure de ces modles peut tre
complexifie souhait mais on privilgie gnralement des modles locaux affines afin de pouvoir
leur appliquer les techniques d'analyse de l'automatique linaire.
La problmatique d'identification structurelle d'un multi-modle a t discute. Il ressort de

l'analyse que le nombre de modles locaux considrer dpend de la complexit de la
structure de ces derniers. Plus leur structure est simple, plus leur nombre sera important et vice-
versa. Diffrentes mthodes de dcomposition de l'espace de fonctionnement ont t prsentes ;
elles montrent les options qui s'offrent l'utilisateur pour construire un multi-modle.
Deux approches d'optimisation des paramtres ont fait l'uvre d'une tude dtaille. La mthode
d'apprentissage global assure une bonne qualit d'approximation gnrale du multi-modle au
dtriment de la qualit locale de reprsentation. Si l'objectif de la modlisation ne requiert pas
la caractrisation du comportement local du systme (exemples : modles de redondance
analytique en diagnostic, modles de prvision), cette approche s'applique pleinement. Par
contre, si on recherche une bonne description locale du systme, il convient d'appliquer la
mthode d'apprentissage local.
Page 89
Sommaire
III-1- Introduction : ----------------------------------------------------------------------------------------------------69
III-2- Formulation Mathematique : --------------------------------------------------------------------------------70
III-3- Structure Des Modeles Locaux : ----------------------------------------------------------------------------72
III-4- Filtres Orthogonaux : ------------------------------------------------------------------------------------------77
III-5- Representation D'etat : ---------------------------------------------------------------------------------------78
III-6- Liens Avec Les Modeles Non-Lineaires Existants : -----------------------------------------------------80
III-6-1- Modele Flou De Takagi-Sugeno (Modele Ts) : --------------------------------------------------------80
III-6-2- Modeles Multi-Experts : ------------------------------------------------------------------------------------80
III-6-3- Les Reseaux De Fonction A Base Radiale (Rfbr) : ----------------------------------------------------81
III-6-4- Problematique D'identification D'une Architecture Multi-Modele :--------------------------81
III-6-4-1- Identification Structurelle : -----------------------------------------------------------------------------81
III-6-4-1-a- Compromis Nombre De Modeles Locaux Complexite Des Modeles Locaux : --------82
III-6-4-1-b- Decomposition De L'espace De Fonctionnement : --------------------------------------------83
III-6-4-1-c- Choix Des Variables Caracteristiques : ------------------------------------------------------------85
III-6-4-1-d- Strategies D'identification Structurelle :----------------------------------------------------------85
III-6-4-2- Techniques D'apprentissage : --------------------------------------------------------------------------86
III-6-4-2-a- Apprentissage Local : ----------------------------------------------------------------------------------86
III-6-4-2-b- Apprentissage Global : --------------------------------------------------------------------------------88
III-6-4-2-c- Apprentissage Avec Un Critere Mixte :------------------------------------------------------------88
III-7- Conclusion :-------------------------------------------------------------------------------------------------------89

LISTE DES FIGURES
Figure III- 1: Multi-modle srie-parallle avec des modles locaux coupls ........................................75
Figure III- 2: Multi-modle parallle avec des modles locaux coupls .................................................76
Figure III- 3: Multi-modle parallle avec des modles locaux totalement dcoupls ..........................77
Figure III- 4: Diffrents types de partition de l'espace caractristique Z................................................84

Chapitre IV
Optimisation paramtrique
des multi-modles
Chapitre IV
Optimisation paramtrique
des multi-modles
As philosopher of science Karl Popper has emphasized, a

good theory is characterized by the fact that it makes a
number of predictions that could in principle be disproved or
falsified by observation. Each time new experiments are
observed to agree with the predictions the theory survives,
and our confidence in it is increased; but if ever a new
observation is found to disagree, we have to abandon or
modify the theory.
At least that is what is supposed to happen, but you can

always question the competence of the person who carried
out the observation.
Stephen Hawking, a Brief History of Time [117]
IV-1-INTRODUCTION :
Le chapitre prcdent a t ddi la prsentation de l'approche multi-modle ainsi qu' la
problmatique d'identification qu'elle soulve.
Rappelons que les questions se poser pour construire un rseau de modles locaux sont :
Combien faut-il de modles locaux ?
Quelle structure de modles locaux faut-il choisir ?
Comment choisir les variables caractristiques et comment effectuer la dcomposition
de l'espace de fonctionnement ?
Comment estimer les paramtres mis en jeu ?
Les rponses ces diverses interrogations constituent le menu de ce chapitre.

Chapitre IV Optimisation paramtrique des multi-modles
RAPPELS :
Avant de rentrer dans le vif du sujet, nous faisons ici quelques rappels pour situer le cadre de ltude.
Le multi-modle est exprim par la formule gnrale :
( ) ( ( ) ) ( ( ) )
O les sont des fonctions d'activation dpendant de variables caractristiques ( ). Les modles
locaux considrs dans ce chapitre sont des modles entre-sortie affines ; la sortie ( ) d'un
modle local est exprime par
( ) ( )
( ) est le vecteur de rgression augment form par : ( ) [ ( ) ] .
est le vecteur des paramtres du modle .Ce vecteur est de dimension :
avec le nombre dentres du systme, , les ordres. La sortie du modle local scrit
galement de faon polynomiale
( ) ( ) ( ) ( ) ( )
O ( ) est la sortie ( ) du multi-modle, si ce dernier est de type erreur de sortie (OE), soit la
sortie du systme, si le multi-modle considr est erreur dquation. ( ) peut galement tre la
sortie du modle local dans le cas de multi-modle parallle modles locaux dcoupls. et
sont des polynmes en ( ). Pour des raisons de simplicit des critures
mathmatique, nous supposerons que tous les modles locaux ont la mme structure (les mmes
entres , les mmes ordres , et les mmes retards ).
IV-2-OPTIMISATION D'UN MULTI-MODELE A TRAVERS UNE PARTITION

GRILLE :
IV-2-1-FORMULATION MATHEMATIQUE DE LA GRILLE :

Soit un systme non-linaire qu'on dsire reprsenter avec un multi-modle comportant variable
caractristique . On envisag de dcomposer l'espace engendr par ces variables sous la
Page 95
forme d'une grille. La construction de la partition grille repose sur la dfinition de partitions sur le
support (intervalle de variation) de chacune des variables caractristiques.
Soit le nombre de partitions ralises sur le support dune variable . On attribue chaque
partition de , une fonction de validit individuelle ( ).
Examinons maintenant comment sont construites les zones de fonctionnement (que nous dsignons
encore par zones de validit). Par exemple, la zone de fonctionnement est construite par
combinaison de la 1ire partition ( ) de chacune des variables .
Les contours de cette zone sont dlimits par la fonction de validit , produit des fonctions de
validit individuelles , c'est--dire . Larchitecture multi-modle dcrite par une
partition grille rsulte de lensemble de ces combinaisons susceptible dtre gnres. Le nombre de
zones est alors :
Pour un multi-modle avec deux variables caractristiques , deux partitions sur le support
de , et trois sur , la procdure de gnration de toutes les zones de fonctionnement, partir des
partitions individuelles, est rsume par le tableau IV-1.
Fonction
one Partition de Partition de Doublet
de validit
1 0 1 0 0 (1,1)
1 0 0 1 0 (1,2)
1 0 0 0 1 (1,3)
0 1 1 0 0 (2,1)
0 1 0 1 0 (2,2)
0 1 0 0 1 (2,3)
Tableau IV- 1: Table de composition des zones de fonctionnement pour un multi-modle 2
variables caractristiques
Page 96
A chaque zone , on associe un -uplet not qui code les partitions des variables intervenant
dans la construction de la zone , La fonction de validit de cette zone est dduite comme
prcdemment, c'est--dire :
()
()
Dans cette quation, l'indice dsigne la partition particulire de intervenant dans la
()
construction de la zone .La valeur de la variable est fournie par le lment de en se
( ) ( )
rfrant la table de composition des zones. Par exemple pour la zone , et .
Les fonctions dactivation sont issues de la normalisation des fonctions de validit
On montre aisment que le terme au dnominateur dans cette quation se factorise sous la
forme :
( )
On en dduit que la fonction d'activation est quivalente l'expression suivante :
()
( )
()

Qui est le produit de fonctions de validit individuelles normalises

( ) .Ceci signifie, que dans une
partition grille, la contrainte de partition unit sur les fonctions d'activation

induitimplicitement une normalisation sur les fonctions individuelles des variables
caractristiques.
IV-2-2-CHOIX DES FONCTIONS DE VALIDITE INDIVIDUELLES :

Il existe une kyrielle de choix pour les fonctions de validit. Les paramtres de ces fonctions
intervenant de faon non-linaire dans l'expression du multi-modle, leur optimisation passe par des
techniques de recherche itrative. D'un autre ct, les fonctions de validit doivent tre choisies de
Page 97
manire assurer des proprits lisses l'approximation du systme. Un choix particulier sera
donc motiv par les algorithmes d'optimisation de paramtres quon mettra en uvre et/ou la
qualit d'interpolation dsire. On peut distinguer les situations suivantes :
les fonctions de validit individuelles sont construites partir de fonctions drives

non continues comme les fonctions triangulaires ou trapzodales : les algorithmes de type
Newton ne peuvent s'appliquer. On a recours des techniques comme la mthode du
simplexe de Nelder-Mead ou des algorithmes gntiques. Des exemples d'optimisation
des paramtres de fonctions triangulaires ou trapzodales partir d'algorithmes gntique
ssont reports dans [Siarry et Guely, 1998], [Glorennec, 1999]. Par ailleurs, les fonctions
devalidit continues par morceaux ralisent une interpolation linaire alors que dans
certaines applications, il est apprciable d'avoir une transition lisse entre les modles locaux,
les fonctions de validit sont drives continues, l'exemple des fonctions
gaussiennes ou sigmodes : les techniques d'optimisation de type Newton s'appliquent alors
pleinement. Ces fonctions prsentent l'avantage de raliser des interpolations lisses entre
les modles locaux. Pour ces raisons, nous prfrerons dans la suite ce type de fonctions de
validit.
IV-2-3-FONCTIONS DE VALIDITE D'ALLURE GAUSSIENNE :

L'utilisation des fonctions de validit d'allure gaussienne a t popularise par les techniques
"neuro-floues" [Jang, 1993]. Mais elles prsentent l'inconvnient d'entraner des problmes de
ractivation lorsqu'elles sont normalises [Shorten et Murray-Smith, 1997]. Ce phnomne est
illustr sur la figure IV-1.
b-Fonctions d'interpolation issue de la

a- Fonctions de validit d'allure gaussienne normalisation des fonctions de validit
Figure IV- 1:Illustration du phnomne de ractivation
Page 98
Le phnomne de ractivation est vit si toutes les fonctions d'allure gaussienne dfinies sur le
support d'une variable ont la mme dispersion. Pour se prmunir contre une ventuelle
ractivation, nous imposons des dispersions identiques pour les fonctions de validit
individuelles lorsque nous utilisons les gaussiennes. Par consquent, les fonctions de validit
affrentes une variable ( ) sont dfinies par :
( ( ) )
( ( )) ( )
est le centre. est la dispersion et elle est commune toutes les fonctions .
Avec cette contrainte, la dfinition des partitions sur le support dune variable caractristique
ncessite paramtres ( centre et la dispersion commune).
IV-3-ALGORITHMES D'OPTIMISATION PARAMETRIQUE :

On suppose les variables caractristiques dfinies ainsi que le nombre de partitions sur leur
domaine. La structure des modles locaux est galement suppos connue. La prochaine tape est
lajustement des paramtres du multi-modle sur la base des donnes exprimentales.
Soit [ ] , le vecteur form par la concatnation des vecteurs de paramtres de tous

les modles locaux. La dimension de ce vecteur est :
O est la dimension commune tous les vecteurs de paramtres locaux donne par (IV-7).
Soit [ ] , le vecteur total des paramtres des fonctions de validit individuelles. Sa

dimension est :
( )
Notons [ ] , le vecteur global de paramtres form par la concatnation des vecteurs

et .
Le critre optimis est le critre dapprentissage global dfini lquation suivante :
Page 99
( ( ) ( ))
Le problme de recherche du minimum du critre par rapport nayant pas de solution

analytique, on a recours des techniques itratives doptimisation non-linaire. Lestimation des
paramtres est drive de la formule gnrale suivante :
( )
( ) ( ) ( ) ( )
O ( ) est lestimation obtenue litration (k). ( ) est le coefficient de relaxation, ( ) une
estimation du gradient du critre litration (k) et ( ) une matrice qui modifie la direction de
recherche. La mise en uvre de recherche itrative dcrite par (IV-10) peut tre ralise "enligne "
ou "hors ligne". Nous restreignons notre tude au cas "hors ligne" o la procdure de mise
jour des paramtres fait appel chaque itration lensemble des donnes didentification.
Selon le choix de la matrice , on distingue diffrentes mthodes d'optimisation non-linaire. Nous

adoptons la mthode de Levenberg-Marquardt (LM) qui possde de bonnes proprits de
convergence mme pour des problmes mal conditionns [Sjberg et Viberg, 1997].
L'optimisation simultane des paramtres des fonctions de validit et des modles locaux par une
technique itrative est en gnral lourde. La raison est la dimension leve de . De plus, dans
le cas de la grille, il peut exister des zones plus ou moins dpourvues de donnes
d'apprentissage ; l'optimisation directe du vecteur est sujette des problmes numriques. Ilest
alors difficile d'assurer de bonnes proprits de convergence de l'algorithme d'optimisation.
Dans la pratique, on essaie de simplifier le problme, soit en supposant connue la position des
zones de fonctionnement, soit en mettant en uvre une procdure deux niveaux qui alterne
entre l'optimisation du vecteur et celle de . Nous prsentons dans les paragraphes
suivants,diffrents algorithmes d'apprentissage, de la mthode la plus simple o les paramtres
desfonctions de validit sont fixs, la mthode gnrale o tous les paramtres sont optimiss.
IV-3-1-LES PARAMETRES DES FONCTIONS DE VALIDITE SONT FIXES,

OPTIMISATION D'UN CRITERE QUADRATIQUE PAR RAPPORT AUX
PARAMETRES DES MODELES LOCAUX :
La configuration la plus simple qu'on puisse rencontrer est celle o les fonctions de validit sont
fixes a priori. Les paramtres recherchs sont alors ceux des modles locaux .
Page 100
Si ces modles sont linaires par rapport leurs paramtres (multi-modle erreur d'quation), le
critre est quadratique par rapport au vecteur dont l'estimation est fournie par la
solutionanalytique des moindres carrs.Par contre, pour des modles locaux dynamiques de type
erreur de sortie, le critre n'est pas quadratique par rapport car le vecteur de rgression
( )comporte des sorties dcales ( )( ) du multi-modle.L'estimation du vecteur
passe alors par une technique itrative. Nanmoins, en remplaant dans le vecteur de rgression,
les sorties ( ) par les mesures ( )de la sortie du systme, le critre devient
quadratiquepar rapport au vecteur . On passe d'un critre erreur de sortie un critre erreur
d'quation.
Pour un ensemble de observations ( ), on dduit des

quations (IV-1) et (IV-2), lcriture matricielle :
Avec les dfinitions suivantes :
[ ]
( )
( )
( ( ))
[ ( )]
est une matrice de pondration diagonale dont les lments sont constitus par les valeurs de la
fonction dinterpolation ( ) aux diffrents instants. est la matrice de rgression augmente
comprenant les variables explicatives de la sortie du systme. La minimisation du critre donne la
solution analytique :
( )
Page 101
Compte tenu de la structure de la matrice , une vue clate de l'estimation est donne par :
[ ] [ ]
Cette quation montre l'interaction qui existe entre les modles locaux lorsque leurs paramtres
sont identifis par la technique d'apprentissage global. On constate en effet que les lments
diagonaux de la matrice d'information portent sur les points appartenant aux diffrentes zones de
fonctionnement . Les termes hors diagonaux reprsentent le recouvrement qui existe entre
les modles locaux. Pour un multi-modle une variable caractristique dont les partitions sont
reprsentes par des fonctions de validit triangulaires ou trapzodales, il est possible d'tablir
que la matrice est une matrice tri diagonale par blocs. Ceci simplifie le calcul de l'inverse de
d'une part et permet de montrer d'une faon plus prcise, l'interdpendance qui existe entre les
vecteurs de paramtres des modles locaux. Comparons l'quation (IV-14) avec lestimation donne
par lapprentissage local, que nous explicitons ci-dessous.
APPRENTISSAGE LOCAL :
On considre que le critre local est quadratique par rapport aux paramtres des modles locaux.
Pour observations, les critres locaux associs aux modles s'crivent :
Avec la dfinition prcdente de la matrice de pondration . Les estimateurs des paramtres des
modles locaux sont alors donns par :
( )
A partir de cette srie d'quations, on peut crire le vecteur global de paramtres sous la forme :
[ ] [ ]
Page 102
COMPARAISON DES DEUX ESTIMATIONS :

En comparant les quations (IV-14) et (IV-17), on constate que dans l'approche globale, la matrice
d'information comporte des termes relatifs au recouvrement entre les modles locaux. Par ailleurs,
les termes diagonaux de la matrice d'information font intervenir le carr de la matrice de
pondration contrairement l'approche locale. Les estimations fournies par les deux mthodes
sont quasiment gales s'il y a peu de recouvrement entre les modles locaux. Compte tenu de la
contrainte de partition unit, peu de recouvrement signifie que les fonctions d'activation ont des
fronts plutt raides.
PROBLEME DE CONDITIONNEMENT DE LESTIMATION PARAMETRIQUE :

L'inversion de la matrice d'information dans lapproche globale peut tre sujette
desproblmes numriques lis son mauvais conditionnement.
Dans le cadre de lidentification dun multi-modle, un certain nombre de causes responsables du

mauvais conditionnement de la matrice dinformation peuvent tre rpertories. Ces causes peuvent
tre :
numriques : un chantillonnage trop rapide du systme peut rendre des colonnes de la

matrice de rgression augmente quasiment colinaires. Elle sera mal conditionne
induisant invitablement le mauvais conditionnement de la matrice de rgression
globale . Les perturbations alatoires affectant les mesures peuvent galement
provoquer ce problme. Ce raisonnement reste valable si lestimation des paramtres est
ralise avec lapproche locale,
structurelles : la surparamtrisation due au nombre parfois excessif de modles locaux (ce
problme est typique de la grille o le nombre de sous-modles devient trs vite explosif)
et/ou l'absence ou linsuffisance de donnes d'apprentissage dans certaines zones de
fonctionnement sont des causes plausibles du mauvais conditionnement. Si des zones de
fonctionnement sont dpourvues de donnes, les matrices de pondration
correspondantes sont quasiment nulles. On remarque, partir de lquation
quil va exister des blocs de qui seront presque nuls ce qui induira forcment une perte
de rang de la matrice dinformation,
lies un recouvrement trop important entre les modles locaux. Pour deux zones et se
recouvrant fortement, on a la matrice de pondration Les blocs matrices
et sont quasiment semblables. Il en rsulte une "forte" colinarit entre des
Page 103
colonnes de la matrice de rgression et donc l aussi une perte de rang de la

matriced'information.
IV-3-2-OPTIMISATION DE TOUS LES PARAMETRES SUR LA BASE D'UN
CRITERE A ERREUR D'EQUATION:
Si des connaissances a priori sur la position des zones de fonctionnement ne sont pas
disponibles, les paramtres de la structure multi-modle doivent tre optimiss au moyen d'une
procdure itrative en raison de la non-linarit du modle global par rapport ses paramtres.
Cependant, en supposant que le critre est toujours quadratique par rapport aux paramtres des
modles locaux (cas des modles locaux linaires par rapport leurs paramtres ou d'un critre
erreur d'quation), on peut mettre en uvre un algorithme deux niveaux : elle alterne entre
l'optimisation des paramtres des fonctions de validit par une procdure non-linaire, tant fix
et l'optimisation des paramtres des modles locaux par l'estimateur des moindres carrs,
ventuellement rgulariss, tant fix. Les tapes de la procdure d'optimisation sont rsumes
dans l'algorithme suivant.
Page 104
Dbut
Initialisation : k=0, ( ) . En dduire

( ( ) ) par la formule des moindres carrs (IV-
13) ventuellement rgulariss. Calculer ( )
correspondant ces paramtres initiaux.
Dterminer le vecteur ( ) par la relation :

( ( ( ( ) )
) ( ) ( )[ ) ( ) ]
Dterminer ( ( ))
par les moindres carres
rgulariss
En modifiant le coefficient
de relaxation ( ) ou le Calculer le critre ( ) correspondant aux
coefficient de estimations ( (
) ) et ( ( ) ).
rgularisation ( ) .
Non ( ) ( )
Oui
( )
( ) Ou ( ) ( ) .
Fin
Figure VI- 2: optimisation a deux niveaux MC+LM
Page 105
Le gradient et le hessien approch du critre ncessaires la mise en uvre de la mthode

de Levenberg-Marquardt s'obtiennent par les quations :
( )
( ( )) ( ( ) ( )) ( )
( ) ( )
( ( )) ( )
A partir de la formulation gnrale ( ) et ( ), on exprime la fonction de sensibilit

sous la forme :
( ) ( ( ) ))
()
Les fonctions de validit affrentes une variable ( )sont dfinies par :
( ( ) )
( ( )) ( )
() ( )
( ) () ( )
( )
: Centre de la fonction .
: Sa dispersion ; elle est commune toutes les gaussiennes ( ) afin dviter des
problmes de ractivation.
IV-3-2-1-DERIVEE DE LA SORTIE DU SYSTEME PAR RAPPORT A UN CENTRE

( ):
Elle scrit :
( )
( ( ) ( ))
Pour des raisons de simplification de lcriture, nous allons omettre le temps dans les formules qui
suivront.
Page 106
Dcomposons la drive
( () ( ))
Les fonctions individuelles normalises d'une variable tant indpendantes des fonctions
individuelles normalises des autres variables, nous pouvons crire :
() ( )
( () ( ))
Explicitons prsent la drive () . Elle sobtient par :
() ( ) () ( )
( )
() ( ) () ( ) ( )
[ () ]
( )
()
La drive () est non nulle si cest--dire si la partition de la variable
intervient dans la dfinition de la zone de validit du modle local . On exprime donc ce driv
par la relation suivante :
() ( ) ( )
()
Page 107
Avec () loprateur de Kronecker tel que :
()
() { ()
En injectant cette expression dans on obtient :
() ( ) ( )
[ () () ( )]
( )
Les fonctions de validit individuelles tant des gaussinnes, la drive est fournie
par :
( )
( )
Notons ( ) . La drive () devient alors :
() ( ) ( )
[ () () ( )] ( )
( )
() ( )
( ) [ () () ( )] ( )
Remontons cette dans lexpression de la drive .Cette dernire devient :
[ ( ) ( () () ( )) ( )] () ( )
( ) () ( ) () ( ) ( ) ( ) () ( )
[ ]
() ( )
Page 108
Avec :
() ( ) () ( )
()
Cette expression comporte deux termes : le premier terme est non nul si . Si cest le cas
lexpression ( ) ( ) ( ) ( ) ,est rien dautres que la foncion dactivation du modle
. Il sen suit cette expression simplfie de la dirive :
( ) ( () ( ))
A partir de cette quation, la fonction de la sortie du multi-modle par rapport au centre

sexplicite :
( ) ( () ( )) ( )
Ceci conduit cette expression compacte de la fonction de sensibilit :
( ) ( () ( ) ( ) )
IV-3-2-2-DERIVEE DE LA SORTIE DU SYSTEME PAR RAPPORT A LA

DISPERSION COMMUNE ( ):
Elle est fournie par lquation suivante :
Les calculs sont similaires ceux de la fonction de sensibilit par rapport au centre . La
modification porte uniquement sur la drivation () qui est dveloppe ici.
() ( ) () ( ) () ( )
[ () ( ) ( ( ))]
( ) ( )
Page 109
Or on a :
( )
( ) ( )
( )
( )
De plus, comme les fonctions de validit de ont la meme dispertion, la drive () nest
jamais nulle. Par analogie lquation ci-dessus, on lexprime comme suit :
() ( ) ( () )
() ( ) () ( ) () ( )
En parton de ces considrations, on crit la drive () :
() ( )
( )
[ () ( ) () ( ) () ( ) ( ( ) ( ))]
Cette criture se simplifie :
() ( )
() ( ) [ () ( ) ( ) ( )]
En injectant dans la drive , on obtient :
() ( )
() ( )
[ () ( ) ( ) ( )] () ( ) () ( )
Page 110
[ () ( ) ( ) ( )]
En exploitant cette expression, la fonction de sensibilit scrit :
[ () ( ) ( ) ( )]
Finalement on obtient la relation donnant la fonction de sensibilt sous la forme :
() ( ) ( ) ( ( ) ( ))
Dans cet algorithme, toute modification du vecteur est immdiatement suivie par une mise
jour de l'ensemble des paramtres des modles locaux. L'avantage de cette procdure deux
niveaux est la rduction de la taille de l'espace paramtrique. A chaque itration de
l'algorithme, l'estimateur des moindres carrs fournit une solution optimale dans l'espace des
paramtres des modles locaux, ce qui acclre la convergence de l'algorithme. D'autre part, les
paramtres de rgularisation sont rgls de faons diffrentes : dans le calcul de , il est
dtermin de faon assurer un bon conditionnement de la matrice d'information ; dans
l'estimation de ,le paramtre de rgularisation est adapt de manire heuristique.
IV-4-EXEMPLE:
La procdure d'identification jusqu'alors dcrite est illustre sur un exemple de simulation. Soit
modliser un systme non-linaire 4 entres et une sortie dcrit par les donnes entres
sortie dune simulation sous Simulink dune installation carburant.
La sortie reprsente la temprature la sortie de linstallation carburant (unit de mesure est le

Kelvin)
Les variables caractristiques candidates que nous avons choisies sont ( ) ,

( ), ( ), ( ), La structure initiale des modles locaux est choisie de la forme :
() () () () ()
( ) ( ) ( ) ( ) ( ) ( )
() ()
( ) ( )
Page 111
- Le nombre de partition sur chaque support caractristique pour la premire itration vaut 1
( ).
- Le nombre de modles initial est .
- Le nombre de paramtres pour chaque modle vaut 7.
On augmente le nombre de partition progressivement sur chaque support on obtient les rsultats
suivantes:
u1 u2 u3 u4 Nombre de
N ligne Erreur Total
p1 p2 p3 p4 modles
01 1 1 1 1 1 0.069
02 2 1 1 1 2 0.0035
03 3 1 1 1 3 0.0026
04 4 1 1 1 4 0.0016
05 5 1 1 1 5 0.0015
06 6 1 1 1 6 0.0011
07 7 1 1 1 7 0.00096
08 8 1 1 1 8 9.6878e-4
09 9 1 1 1 9 6.2647e-4
10 10 1 1 1 10 6.3647e-4
11 11 1 1 1 10 6.3647e-4
12 10 2 1 1 20 2.8256e-4
13 10 3 1 1 30 2.8295e-4
14 10 2 2 1 40 1.5834e-4
15 10 2 3 1 60 1.1285e-4
16 10 2 4 1 80 8.0075e-5
17 10 2 4 2 160 2.5277e-5
18 10 2 4 3 240 8.1557e-5
Tableau IV- 2: Recherche dune structure optimale du multi-modle
Page 112
Discussion :
Si on augmente le nombre de partitions sur le support de u1 (ligne 11 du tableau IV-2), lerreur totale
nvolue pas donc laugmentation du nombre de partition sur ce support namliore pas notre
approximation.
Le nombre de partition sur u1 reste vaut 10 et lalgorithme incrmente le nombre de partition sur le
support de u2 ce qui nous donne une amlioration sur lerreur totale (ligne 12 du tableau IV-2),
lalgorithme incrmente de 1 le nombre de partition sur le support de u2 pour la prochaine itration
ce qui donne une erreur total plus grande que la prcdente, lalgorithme prend en compte que
litration prcdente est mieux que la prsente.
Lalgorithme fixe le nombre de partition sur le support de u2 2 et incrmente le nombre de

partition sur le support de u3 (ligne 15 du tableau IV-2).
Pour litration suivante lerreur totale devient trs grand par rapport la prcdente (ligne 16 du
tableau IV-2), lalgorithme revient litration prcdente et incrmente le nombre de partition de la
variable suivante (ligne 17 du tableau IV-2).
Lalgorithme augmente progressivement le nombre de partition sur le support de dernier variable

jusquau lerreur total devient inferieur Jstru fix priori.
La sortie de multi modle et de systme aprs la dernire itration est reprsente dans la figure IV-4
La structure optimale, au vu de ce tableau, correspond un nombre de partitions de 10 et 2 et 4 et 2

respectivement pour les variables caractristiques , , , Le multi-modle comporte donc
240 modles locaux soit 4080 paramtres pour l'ensemble des modles locaux.
Remarquent que le nombre de modles deviens trs vite explosive, cest lun des dsavantage de
lapproche multi modle.
Une solution implicite est de fusionner o liminer les modle redondante et les zones vide, parce
que ces zones n'apportent pas d'information pour l'explication du comportement du systme.
Page 113
Les figures (IV-3), (IV-4) montrent la superposition des composantes du vecteur de sorties du
modle non linaire de linstallation carburant et leurs approximation par le multi modle
Figure VI- 3:Comparaison des mesures avec la simulation fournie par le multi-modle dans la
premire itration
dernire itration
Page 114
IV-5-CONCLUSION :
Ce chapitre a opt pour loptimisation simultane des paramtres des fonctions dactivation et des
modles locaux. L'optimisation de tous les paramtres mis en jeu travers des algorithmes deux
niveaux alternant entre la dtermination des paramtres des modles locaux d'une part et des
paramtres des fonctions de validit de l'autre. Selon que le critre d'identification est de type
erreur d'quation ou erreur de sortie, l'estimation des paramtres est obtenue par les moindres
carrs rgulariss (la rgularisation a consist assurer un conditionnement de la matrice
d'information) ou par l'algorithme de Levenberg-Marquardt. Les paramtres intervenant de
faon non quadratique dans le critre d'identification, ils sont estims par l'algorithme de
Levenberg-Marquardt.
A la fin de ce chapitre, on introduit un exemple illustre la mise en uvre de lapproximation dun
modle non linaire par plusieurs modles locaux interpols par des fonctions dactivation. On
applique lalgorithme didentification dcrit dans le schma synoptique V-9.
Laugmentation du nombre de modles locaux permet la prise en compte de la complexit plus ou
moins grande de systme et permet galement datteindre la prcision souhaite du modle global
selon les objectifs poursuivis.
Les limites de la partition grille sont atteintes lorsque l'espace caractristique est de grande
dimension : le nombre de zones devient important, des zones vides de donnes apparaissent
ainsi que des zones redondantes (zones voisines pouvant dcrire un mme comportement du
systme).
Page 115
Sommaire
IV-1- Introduction : ........................................................................................................................94
Rappels :.........................................................................................................................................95
IV-2- Optimisation D'un Multi-Modele A Travers Une Partition Grille : ....................................95
IV-2-1- Formulation Mathematique De La Grille : .........................................................................95
IV-2-2- Choix Des Fonctions De Validite Individuelles : .................................................................97
IV-2-3- Fonctions De Validite D'allure Gaussienne : ......................................................................98
IV-3- Algorithmes D'optimisation Parametrique : .........................................................................99
IV-3-1- Les Parametres Des Fonctions De Validite Sont Fixes, Optimisation D'un Critere
Quadratique Par Rapport Aux Parametres Des Modeles Locaux :..............................................100
IV-3-2- Optimisation De Tous Les Parametres Sur La Base D'un Critere A Erreur D'equation: ..104
IV-3-2-1- Derivee De La Sortie Du Systeme Par Rapport A Un Centre (

) : ....................................................................................................................................106
IV-3-2-2- Derivee De La Sortie Du Systeme Par Rapport A La Dispersion Commune (

) : ....................................................................................................................................109
IV-4- Exemple: ..............................................................................................................................111
IV-5- Conclusion : .........................................................................................................................115

LISTE DES FIGURES :
Figure VI- 1:Illustration du phnomne de ractivation ........................................................................98

Figure VI- 2: optimisation a deux niveaux MC+LM ...............................................................................105
premire itration .................................................................................................................................114
Figure VI- 4:Comparaison des mesures avec la simulation fournie par le multi-modle dans la dernire
itration.................................................................................................................................................114
LISTE DES TABLEAUX :
Tableau IV- 1: Table de composition des zones de fonctionnement pour un multi-modle 2 variables
caractristiques .......................................................................................................................................96
Tableau IV- 2: Recherche dune structure optimale du multi-modle .................................................112

Chapitre V
Modlisation Et Simulation
Chapitre V
Modlisation Et Simulation
It is not only old and early impressions that deceive us; the
charms of novelty have the same power.
Blaise Pascal
V-1-INTRODUCTION :
La turbine gaz est un moteur thermique ralisant les diffrentes phases de son cycle
thermodynamique dans une succession dorganes traverss par un fluide moteur gazeux en
coulement continu. Cest une diffrence fondamentale par rapport aux moteurs pistons qui
ralisent une succession temporelle des phases dans un mme organe (gnralement un
cylindre).
Dans sa forme la plus simple, la turbine gaz fonctionne selon le cycle dit de Joule (Brayton),
figure I-20, comprenant successivement et schmatiquement :
une compression adiabatique qui consomme de lnergie mcanique ;
un chauffage isobare.
dtente adiabatique jusqu la pression ambiante qui produit de lnergie mcanique ;
un refroidissement isobare.
La turbine gaz est le plus souvent cycle ouvert et combustion interne. Dans ce cas, la phase
de refroidissement est extrieure la machine et se fait par mlange latmosphre. La turbine
gaz peut galement tre cycle ferm et combustion externe. Le chauffage et le
refroidissement sont alors assurs par des changeurs de chaleur. Cette disposition plus
Chapitre V Modlisation Et Simulation
complexe permet lutilisation de gaz particuliers ou de travailler avec une pression basse
diffrente de lambiante.
Le cycle de base dcrit plus haut peut tre amlior par diffrents organes complmentaires :
rcupration de chaleur lchappement : les gaz dtendus en sortie de turbine

traversent un changeur pour prchauffer lair comprim avant son admission dans la
chambre de combustion ;
compression refroidie : la compression comprend deux tages (ou plus) spars par un
changeur de chaleur (air/air ou air/eau) refroidissant lair. La puissance ncessaire la
compression sen trouve rduite au bnfice du rendement ;
combustion tage : la dtente comprend deux tages (ou plus) spars par un ou des
rchauffages additionnels. La puissance fournie est accrue do amlioration du
rendement.
V-2-PRINCIPE DE FONCTIONNEMENT :
Le compresseur (repre C), constitu d'un ensemble d'ailettes fixes (stator) et mobiles (rotor),
comprime l'air extrieur (repre. A), simplement filtr, jusqu' 10 15 bars, voire 30 bars pour
certains modles.
Du gaz (repre. G), ou un combustible liquide pulvris, est inject dans la (les) chambre(s) de
combustion (repre. CH) o il se mlange l'air comprim et s'enflamme. Les gaz chauds se
dtendent en traversant la turbine (repre. T), o l'nergie thermique des gaz chauds est
transforme en nergie mcanique. La turbine est constitue d'une ou plusieurs roues galement
munies d'ailettes prcdes d'aubages fixes (directrices). Les gaz de combustion s'chappent par
la chemine (repre. EC) travers un diffuseur. Le mouvement de rotation de la turbine est
communiqu l'arbre A qui actionne d'une part le compresseur, d'autre part une charge qui n'est
autre qu'un appareil (machine) rcepteur (ice), (pompe, alternateur ...) accoupl son extrmit
droite. Pour la mise en route, on utilise un moteur de lancement qui joue le rle de dmarreur. Le
rglage de la puissance et de la vitesse de rotation est possible en agissant sur le dbit de l'air en
entre et sur l'injection du carburant.
Page 123
EC
CH T
A G
C
Ar
A
G
Figure V- 1 : Principe de fonctionnement d'une turbine gaz
V-3-MODELISATION ET IDENTIFICATION :
La technique didentification par lapproche multi modle a t applique sur des donnes
obtenues partir dune simulation dune turbine gaz on utilisant loutil Logiciel Simulink.
La turbine gaz travaille sous les conditions ISO de a fonctionnement, donnes par le tableau ci-
dessous.
Air mass flow rate [Kg/s] 24,4

Cycle pressure ratio (Poc/Pic) 9,1
Electrical power (Pe) [KW] 5220
Exhaust temperature (Tot)[K] 796
Fuel mass flow rate (Mf) [Kg/s] 17
Tableau V- 1 : Paramtres principaux (ISO) de fonctionnement dune turbine gaz
V-4-REPRESENTATION SOUS SIMULINK :

V-4-1-SIMUNLINK :
Le logiciel Simulink est le standard de fait dans lindustrie pour lactivit de modlisation, de
spcification et de simulation des systmes.
Simulink est une extension du logiciel de calcul Matlab. Il permet de modliser et de simuler des
systmes voluant dans le temps. Par abus de langage, Simulink dsigne galement le langage
Page 124
graphique permettant de reprsenter ces systmes. Les technique et mthodes constituant le
logiciel Simulink sont issues de lanalyse numrique. Le moteur de simulation appel solver,
cest--dire le cur de loutil, est centr sur les mthodes dintgration numrique.
V-4-2-LES BRIQUES DE BASE
Simulink se lance en tapant simplement Simulink sur le terminal de Matlab. Un nouveau modle
se cre avec File -> New -> Model, qui affiche une fentre blanche, sur laquelle on pourra dposer
les diffrents blocs (par drag and drop) et les lier entre eux laide de la souris.
Les blocs sont groups dans diffrents groupes :
Sources : permet de spcifier des sources dinput un systme (sinusode, constante,
rampe, squence rpte...).
Skins : permet de spcifier des outputs. Nous utiliserons principalement To Workspace,
qui permet denvoyer le rsultat au workspace de Matlab, et Scope qui permet dafficher
le rsultat directement dans un graphique.
Divers : le bloc Fcn (Groupe User Defined Functions) permet de dcrire soi-mme une
fonction, le bloc State Space (Groupe Continuous) un systme simple dquations
direntielles. Le bloc DEE Deferential equation editor permet dutiliser des quations
direntielles arbitraires. Pour pouvoir lutiliser, taper dee sur le terminal Matlab.
Page 125
V-4-3-SCHEMA BLOC SOUS SIMULINK DE LA TURBINE :
Figure V- 2 : Reprsentation du bloc turbine gaz sous Simulink
Figure V- 3 : Dveloppement du bloc turbine (compresseur+fuel system+turbine)
Page 126
Figure V- 4 : Reprsentation du bloc compresseur
Figure V- 5 : Reprsentation du bloc installation carburant
Figure V- 6 : Reprsentation du bloc turbine
Page 127
V-5-COMPRESSEUR :
Compresseur
Figure V- 7: Le compresseur
: Pression ambiante.
: Temprature ambiante.
: Vitesse d'axe de turbine.
: Pression de retour.
: Ecoulement de masse
: Temprature de gaz la sortie du compresseur.
: Couple du compresseur.
V-6-LES ENTREES-SORTIES DU COMPRESSEUR :
a- Les entres b- Les sortie
Figure V- 8: Les entres-sorties du compresseur
La figure V-8-a montre lvolution de lentre applique au compresseur :
Entr P2 : Aprs un rgime transitoire de 17,19 second la valeur de la grandeur pression se

stabilise la valeur de 105 Pa, rappelant que 1 Pa=1 N/m, cest bien la pression ambiante.
Page 128
Entr t2 : Aprs un rgime transitoire de 07,44 second la valeur de la grandeur temprature se

stabilise la valeur de 273,9 Kelvin, cest la temprature ambiante (273 ,15 kelvin=0 Celsius).
Entr wt : Aprs un rgime transitoire de 17,31 second la valeur de la vitesse daxe du turbine se
stabilise la valeur de 1635 rad/s, Pour la mise en route du compresseur, on utilise un moteur de
lancement qui joue le rle de dmarreur
Entr P3 : Aprs un rgime transitoire de 17,31 second la valeur de la grandeur pression se

stabilise la valeur de 9,726x105 Pa, cest la pression de retour.
La figure V-8-b montre lvolution des sorties du compresseur :
Sortie m3 : Aprs un rgime transitoire de 17,73 second la valeur de la grandeur de lcoulement

de masse se stabilise la valeur de 16,27 kg/s.
Sortie t3n : Aprs un rgime transitoire de 17,73 second la valeur de la temprature du gaz la
sortie du compresseur se stabilise la valeur de 566,70 kelvin.
Sortie qc : Aprs un rgime transitoire de 17,73 second la valeur de la grandeur de lcoulement

V-7-TURBINE :
Turbine
Figure V- 9: La turbine
: Inlet temperature. : Turbine torque.
: Input speed. : The power.
: Inlet pressure. : Outlet temperature.
: Output pressure. : Mass flow.
Page 129
V-8-LES ENTREES-SORTIES DE LA TURBINE :
Figure V- 10:Les entres-sorties de la turbine
La figure V-10-a montre lvolution de lentre applique la turbine :
Entr t6 : Aprs un rgime transitoire de 16,70 second la valeur de la grandeur temprature (inlet
temprature) se stabilise la valeur de 1224 kelvin.
Entr wt : Aprs un rgime transitoire de 17,33 second la vitesse de rotation de la turbine se

stabilise la valeur de 1630 rad/s.
Entr p5 : Aprs un rgime transitoire de 17,31 second la valeur de la pression lentre de la

turbine se stabilise la valeur de 8,92x105N/m2.
Entr P7 : Aprs un rgime transitoire de 19,17 second la valeur de la pression la sortie de la

turbine se stabilise la valeur de 1,965x105N/m2.
La figure V-10-b montre lvolution des sorties du turbine :
Sortie qt : Aprs un rgime transitoire de 16,86 second la valeur du couple appliqu par la turbine
se stabilise la valeur de 3065 N.m.
Sortie pt : Aprs un rgime transitoire de 17,31 second la valeur de la puissance la sortie du

turbine se stabilise la valeur de 5,003x105 watt (Un watt est la puissance d'un systme
nergtique dans lequel une nergie de 1 joule est transfre uniformment pendant 1 seconde)
Page 130
Sortie t7n : Aprs un rgime transitoire de 17,73 second la valeur de la temprature du gaz la
sortie du turbine se stabilise la valeur de 849,40 kelvin.
Sortie m8 : Aprs un rgime transitoire de 18,06 second la valeur de la grandeur de lcoulement

V-9-INSTALLATION CARBURANT :
Fuel system
Figure V- 11: Fuel system

: Mass flow. : Output pressure.
: Fuel flow. : Output pressure.
: Mass flow. : Mass flow.
: Input temperature. : Output pressure.
: Output temperature.
V-10-LES ENTREES -SORTEES DE LINSTALLATION CARBURANT :
Figure V- 12 : Les entres-sortie de linstallation carburant
Page 131
La figure V-12-a montre lvolution de lentre applique linstallation carburant :
Entr m8 : Aprs un rgime transitoire de 17,32 second la valeur de lcoulement de masse se

stabilise la valeur de 14,89kg/s.
Entr mff : Aprs un rgime transitoire de 17,33 second la valeur de lcoulement de masse du
carburant se stabilise la valeur de 0,206kg/s.
Entr m3 : Aprs un rgime transitoire de 17,31 second la valeur de lcoulement de masse se

stabilise la valeur de 16,10 kg/s.
Entr t3 : Aprs un rgime transitoire de 19,17second la valeur de la temprature lentre de

linstallation carburant se stabilise la valeur de 561,60 kelvin.
La figure V-12-b montre lvolution des sorties de linstallation carburant :
Sortie t6 : Aprs un rgime transitoire de 17,31 second la valeur de la temprature la sortie de

linstallation carburant se stabilise la valeur de 1129 kelvin.
Sortie p5 : Aprs un rgime transitoire de 17,31 second la valeur de la pression la sortie de

linstallation carburant se stabilise la valeur de 8,92x105Pa
Sortie p3 : Aprs un rgime transitoire de 17,31 second la valeur de la pression la sortie de

linstallation carburant se stabilise la valeur de 1,424x105Pa
Sortie m10 : Aprs un rgime transitoire de 18,06 second la valeur de la grandeur de

lcoulement de masse la sortie de linstallation carburant se stabilise la valeur de 8,92x105
kg/s.
Sortie t4 : Aprs un rgime transitoire de 17,31second la valeur de la temprature la sortie de

linstallation carburant se stabilise la valeur de 1,424 kelvin.
V-11-PRESENTATION PAR MULTI-MODELES :
V-11-1-ALGORITHME DIDENTIFICATION :
Le schma synoptique de la figure V-9 rsume la procdure d'identification d'un multi-modle
dcrit par une grille (recherche des variables candidates, recherche du nombre de partitions
associer ces variables, optimisation des paramtres).
Page 132
La dmarche adopte relve de la stratgie incrmentale. Elle dmarre avec un modle
unique linaire ou affine et un ensemble de variables candidates ,(j=1, , nz) dont le
nombre de partitions est initialis 1. . La procdure consiste ensuite ajuster la structure
de faon heuristique en augmentant progressivement le nombre de divisions des diffrentes
variables .
Litration n1 est litration d'initialisation. Le critre correspondant est celui enregistr avec le
meilleur modle linaire ou affine. A chaque itration on incrmente le nombre de partitions
d'une et une seule variable . Les paramtres de la grille sont optimiss par lalgorithme
prsent dans la figure IV-2. On calcule ensuite le critre Jg correspondant ce multi-modle. On
procde de la mme faon pour toutes les autres variables candidates. Le multi-modle retenu
est celui ayant fourni le meilleur critre Jg. On dveloppe ensuite le modle de meilleure qualit,
ce qui vite d'explorer toutes les branches. La recherche s'arrte si on atteint le minimum de Jg ou
si ce dernier volue peu.
L'algorithme est galement une technique deux niveaux. Il consiste estimer les paramtres
des fonctions de validit par la mthode de Levenberg-Marquardt pour les paramtres fixs,
puis ajuster les paramtres des modles locaux galement par un algorithme de
Levenberg-Marquardt pour les paramtres prcdemment dtermins.
Page 133
Dterminer la structure des modles locaux :

entres ; ordres et retards et et
Choisir des variables caractristiques
candidates
Initialiser le nombre de partitions de ces
variables :
Incrmenter le nombre de partition de la seule

variable candidate ie,
Initialiser la grille correspondante

Identifier les paramtres des fonctions de
validit et les paramtres des modles locaux
Considrer la variable par lalgorithme deux niveaux dcrits dans le
Incrmenter son nombre chapitre IV (figure IV-2)
de partition
Sil nexiste plus de
variable , fin de la
procdure Calculer le critre de validation de
cette structure multi modle
Rejeter la structure
Dcrmenter le nombre de
partitions de la variable Accepter la structure
considre
NON
OUI
NON
Critres darrt vrifis ?
OUI Multi modle final
Figure V- 13: Algorithme rcapitulant la procdure d'identification d'un multi-modle
Page 134
V-11-2-LES VARIABLES CARACTERISTIQUES CANDIDATES:

Les variables caractristiques candidates que nous avons choisies sont les entres de chaque
lments du centrale (turbine, compresseur, installation carburant).
La structure initiale des modles locaux est choisie de la forme :
Notre identification est de type boite noir, pour la premire itration, le nombre de partition sur
chaque support caractristique vaut 1.
Le nombre de partitions p est choisi tel que ; rappelons que pour un nombre de
partitions p=9 et un nombre de variable , le nombre de modles M= 93=729.
V-12-IDENTIFICATION ET OPTIMISATION PARAMETRIQUES:

V-12-1-COMPRESSEUR:
V-12-1-1-a-La sortie m3 (coulement de masse) :
Figure V- 14: La sortie m3 (mass flow) du compresseur avec la sortie du Multi-modle
Page 135
a- Les erreurs b- Histogramme

Figure V-15:Erreur et Histogramme de prdiction
Discussion :
Le nombre de modle locaux qui nous a permis dobtenir cette reprsentation et aprs
optimisation est M=16 modles locaux, dont les fonctions de validit sont construites partir
de fonctions gaussienne cela se traduit par 16 zones de fonctionnement du systme.
Le vecteur comb qui reprsente le nombre de partition sur chaque support de variable
caractristique est :
[ ];
On a alors 2 partitions sur le support u1, 4 sur le support u2, 1 sur le support u3, et 2 sur u4.
Les seize modles obtenues sont reprsent sur les figures V-16 :
Figure V-16: Les sorties des 8 premiers modles
Page 136
Figure V-17: Les sorties des 8 derniers modles
Ainsi les paramtres du vecteur sont regroups dans le tableau V-2 :
modle locale
-1.2590 0.3818 -0.1690 -0.1710 -0.0475 -0.0256 0.0002
-1.2637 0.3975 0.1816 -0.1316 -0.0638 0.0156 0.0001

-1.3062 0.4060 0.3772 -0.1477 -0.0726 0.0541 0.0002
-1.3105 0.4251 -0.3619 -0.1094 -0.0006 -0.0282 0.0001
-1.2942 0.4117 -0.0554 -0.1246 -0.0492 -0.0139 0.0001
-1.2980 0.4330 -0.0345 -0.0844 0.1144 0.0179 0.0001
-1.2852 0.4112 -0.1699 -0.1188 -0.0373 -0.0210 0.0001
-1.2888 0.4328 0.2351 -0.0778 0.1486 0.0004 0.0001
0.0537 0.5908 0.3900 -0.0285 -0.2222 -0.2274 -0.0003
0.0493 0.5603 -0.1939 -0.0219 -0.0359 0.1096 -0.0003
0.0523 0.5890 -0.1123 -0.0249 -0.0932 0.0518 -0.0003
0.0480 0.5587 -0.1287 -0.0168 0.0883 0.0916 -0.0003
0.0493 0.5652 -0.2138 -0.0203 0.0120 0.1334 -0.0003
0.0451 0.5361 0.1851 -0.0112 0.1826 -0.1096 -0.0002
0.0483 0.5572 -0.2008 -0.0190 0.0348 0.1278 -0.0003
Tableau V- 2 : Paramtres du multi-modle descriptif de la sortie m3 du compresseur
Page 137
La reprsentation mathmatique de la sortie m3 du compresseur est de la forme :
O les paramtres , sont dduits du tableau V-2.
partir des figures V-15, nous pouvons constater que lerreur destimation est trs petite
relativement au signal de sortie m3.
Les modles locaux que nous avons tablis dans la section prcdente sont prsents sur les
figures (V-12), (V-13), en effet ces modles traduisent le fonctionnement du systme dans 16
zones de fonctionnements (modes de fonctionnements).
Concernant les figures V-16, V-17, on remarque labsence des zones vides, et lexistence des
zones redondantes (zones voisines pouvant dcrire un mme comportement du systme), cela
apparat dans les modles (2,3), (7,4), (14,16), (1 3,15).
Afin de remdier cet tat de fait on peut fusionner les modles redondantes ( titre dexemple
on arrive une rduction de moitie du nombre de modle).
V-12-1-1-b-La sortie t3 (Temprature de gaz la sortie du compresseur) :
Figure V- 18: La sortie t3 (temprature) du compresseur avec la sortie du Multi-modle
Page 138

Figure V- 19: Erreur et Histogramme de prdiction
Discussion :
caractristique est : [ ];
Donc, 2 partitions sur le support u1, 2 sur le support u2, 1 sur le support u3, et 2 sur u4.
Les huit modles obtenues sont reprsent sur les figures V-20 :
Figure V-20: Les sorties des 8 modles
Page 139
modle locale
14,1452 -09,1426 00,0655 -31,6163 07,8338 -00,0302 -02,7458
00,5302 02,0892 00,0872 -42,9108 05,2079 -00,0062 -00,2933
-19,3480 11,8399 -00,1094 49,8621 -08,0092 00,0278 -02,3121
-02,1304 -01,1369 -00,0299 19,8293 -03,8555 00,0043 -00,1426
01,0220 -00,1627 -08,4301 -00,0183 00,7318 01,4889 -00,0001
26,7346 -05,0414 00,0175 04,1853 09,3275 -00,0024 -00,0059
01,6634 -00,3319 04,2179 00,0213 01,2976 -00,8978 00,0000
Tableau V- 3 : Paramtres du multi-modle descriptif de la sortie t3 du compresseur
La reprsentation mathmatique de la sortie t3ducompresseur est de la forme :
La sortie t3prsente la temprature du gaz la sortie du compresseur, cette grandeur est

accessible (mesurable), lunit de mesure est le Kelvin.
partir des figures V-19-a, nous pouvons constater que lerreur destimation est trs petite
relativement au signal de sortie t3.
figures (V-20), en effet ces modles traduisent le fonctionnement du systme dans 08 zones de
fonctionnements (modes de fonctionnements).
Le multi modle que nous avons obtenue reprsente bien la temprature t3 la sortie du
compresseur.
Page 140
V-12-1-1-c-La sortie qc (couple du compresseur) :
Figure V- 21: La sortie qc (couple) du compresseur avec la sortie du Multi-modle
Page 141
Discussion :
[ ];
On a alors, une partition sur le support u1, 2 sur le support u2, 2 sur le support u3, et une partition
sur u4.
Les quatre modles obtenues sont reprsent sur la figure V-23 :
modle locale
-19,6948 18,7702 01,1251 -313,3508 21,1757 -00,3755 -02,1067
-02,6572 01,1227 00,1156 -51,0456 00,2522 00,0015 -04,4631
20,5320 -20,2670 00,5479 -268,9121 -08,0195 00,3114 -01,8814
-00,7027 00,0047 -00,1249 56,4920 -01,6150 00,0001 -08,3682
Tableau V- 4 : Paramtres du multi-modle descriptif de la sortie qc du compresseur
Page 142
La reprsentation mathmatique de la sortie qc du compresseur est de la forme :
La sortie qc prsente le couple de larbre du compresseur, cette grandeur est accessible

(mesurable), lunit de mesure est le (N.m)
relativement au signal de sortie qc.
figures (V-23), en effet ces modles traduisent le fonctionnement du systme dans 04 zones de
fonctionnements (modes de fonctionnements).
Concernant les figures V-23, on remarque lexistence des zones vides, cela apparat dans les
modles (1,2) et labsence des zones redondantes (zones voisines pouvant dcrire un mme
comportement du systme).
Afin de remdier cet tat de fait on peut liminer les zones vides ( titre dexemple on arrive
une rduction de moitie du nombre de modle).
Page 143
V-12-2-TURBINE:
V-12-2-1-a-La sortie qt (couple de la turbine) :
Figure V- 24:La sortie qt (couple) de la turbine avec la sortie du Multi-modle
Page 144
Discussion :
Le nombre de modle locaux qui nous permet dobtenir cette reprsentation et aprs
optimisation est : M=03 modles locaux, dont les fonctions de validit sont construites partir
Le vecteur, comb qui prsente le nombre de partition sur chaque support de variable
[ ];
On a alors, trois partition sur le support u1, une sur le support u2, une sur le support u3, et une
partition sur u4.
Les trois modles obtenues sont reprsent sur la figure V-26 :
Ainsi les paramtres de vecteur sont regroups dans le tableau V-5 :
modle locale
-02,4843 01,0521 -01,0716 00,8474 -00,0041 00,0021 -08,2858
-01,3126 00,5897 00,1228 -00,2114 00,0006 00,0009 31,6436
-01,6227 00,6950 00,1382 -00,1714 00,0002 00,0006 47,9548
Tableau V- 5 : Paramtres du multi-modle descriptif de la sortie qt de la turbine
Page 145
La reprsentation mathmatique de la sortie qt de la turbine est de la forme :
La sortie qt prsente le couple de larbre du turbine, cette grandeur est accessible (mesurable),
lunit de mesure est le (N.m).
relativement au signal de sortie qt.
Concernant les figures V-26, on remarque lexistence des zones vides, cela apparat dans le
modle (1) et labsence des zones redondantes (zones voisines pouvant dcrire un mme
comportement du systme).
V-12-2-1-b-La sortie pt (la puissance) :
Figure V- 27: La sortie wt (la puissance) de la turbine avec la sortie du Multi-modle
Page 146
Discussion :
Le vecteur, comb qui prsente le nombre de partition sur chaque support du variable
[ ];
On a alors deux partitions sur le support u1, deux sur le support u2, une sur le support u3, et deux
partition sur u4.
Les huit modles obtenues sont reprsent sur la figure V-29 :
Page 147
modle locale
-01,3805 00,7367 372,0356 -284,4084 01,9587 -01,3737 -922,3382
-30,2980 -30,5535 00,0619 00,1527 27,7664 16,4215 00,0001
00,0000 00,0000 00,0000 00,0000 00,0000 00,0000 00,0000
00,0000 00,0000 00,0000 00,0000 00,0000 00,0000 00,0000
-00,4273 00,5245 124,0373 -555,8140 09,3637 -09,2708 01,0952
-01,8411 00,6892 -19,8933 194,5899 -01,2722 00,4312 1176,9628
00,0000 00,0000 00,0000 00,0000 00,0000 00,0000 00,0000
00,0000 00,0000 00,0000 00,0000 00,0000 00,0000 00,0000
Tableau V- 6 : Paramtres du multi-modle descriptif de la sortie pt de la turbine
Page 148
La reprsentation mathmatique de la sortie wt de la turbine est de la forme :
La sortie pt prsente la puissance du turbine, cette grandeur est accessible (mesurable), lunit de
mesure est le (watt).
relativement au signal de sortie pt.
Concernant les figures V-29, on remarque lexistence des zones vides, cela apparat dans les
modles (1), (2), (3), (4), (7), (8) et labsence des zones redondantes (zones voisines pouvant
dcrire un mme comportement du systme).
La question pose par la teneur de cette sortie est que laugmentation du nombre de modle
namliore pas lestimation de la sortie pt.
Les causes possible de ce rsultat sont dues l'absence et linsuffisance de donnes

d'apprentissage sur cette zones de fonctionnement. Si des zones de fonctionnement sont
dpourvues de donnes, les matrices de pondration correspondantes sont quasiment
nulles. Donc il existe des blocs de qui seront presque nuls ce qui induira forcment une perte
Page 149
V-12-2-1-c-La sortie t7 (la temprature la sortie de la turbine) :
Figure V- 30: La sortie t7 (temprature) de la turbine avec la sortie du Multi-modle
Page 150
Discussion :
[ ];
On a alors quatre partitions sur le support u1, une sur le support u2, deux sur le support u3, et deux
partition sur u4.
Les seize modles obtenues sont reprsent sur la figures V-32 et V-33:
Page 151

modle locale
-00,1635 00,1063 00,4337 00,0665 -00,0012 00,0022 00,0004
00,0000 00,0000 00,0000 00,0000 00,0000 00,0000 00,0000
00,3277 00,1317 -00,2840 -00,6742 00,0284 -00,0383 -00,0001
00,0000 00,0000 00,0000 00,0000 -00,0005 -00,0003 00,0000
-00,2890 -00,1168 01,0310 -00,1960 00,0012 -00,0014 00,0019
00,0000 00,0000 00,0000 00,0000 00,0000 00,0000 00,0000
00,8488 00,3306 -00,4794 00,6902 -00,0077 00,0162 -00,0001
00,0000 00,0000 00,0000 00,0000 -00,0044 -00,0025 00,0000
00,1228 00,0764 -00,1445 00,0208 00,8708 -01,5826 00,0000
00,0000 00,0000 00,0000 00,0000 -00,0002 -00,0001 00,0000
03,7533 00,5207 05,7571 -00,4140 -00,0195 00,0340 00,2772
02,5706 00,7308 03,2665 -00,6634 -00,0208 00,0676 -00,0576
Page 152
00,0000 00,0000 00,0000 00,0000 00,0000 00,0000 00,0000
00,0000 00,0000 00,0000 00,0000 00,0000 00,0000 00,0000
00,0016 00,0017 -00,0019 -00,0021 -00,8258 -00,3171 00,0000
-01,4686 00,9319 00,3694 -00,0119 -00,0001 00,0005 -00,1009
Tableau V- 7 : Paramtres du multi-modle descriptif de la sortie t7duturbine
La reprsentation mathmatique de la sortie t7 de la turbine est de la forme :
La sortie t7 prsente la temprature du gaz la sortie du turbine, cette grandeur est accessible
(mesurable), lunit de mesure est le (kelvin).
Concernant les figures V-32 et V-33, on remarque lexistence des zones vides, cela apparat dans
les modles (2), (4), (6), (8), (10), (13) et labsence des zones redondantes (zones voisines
pouvant dcrire un mme comportement du systme).
Les causes possible de ce rsultat est d l'absence et linsuffisance de donnes
Page 153
V-12-2-1-d-La sortie m8 (coulement de masse la sortie de la turbine) :
Figure V- 34: La sortie m8 (mass flow) de la turbine avec la sortie du Multi-modle
Page 154
Discussion :
[ ];
On a alors, quatre partitions sur le support u1, trois sur le support u2, deux sur le support u3, et
trois partition sur u4.
On prsente quelques modles dans les figures V-36 et V-37.
Page 155
Le vecteur est nes pas prsent par ce que son dimension est trs grande (dim =504)
La reprsentation mathmatique de la sortie m8 de la turbine est de la forme :
La sortie m8 prsente lcoulement du gaz la sortie du turbine, cette grandeur est accessible
(mesurable), lunit de mesure est le (kg/s).
Concernant les figures V-36 et V-37, on remarque lexistence des zones vides, et des zones
redondantes (zones voisines pouvant dcrire un mme comportement du systme).
Page 156
Les causes possible de ce rsultat est d l'absence et linsuffisance de donnes
Le multi modle que nous avons obtenue est malgr tous reprsente bien la sortie m8du turbine.
V-12-3-FUEL SYSTEM:
V-12-3-1-a-La sortie t6 (temprature la sortie de linstallation carburant) :
Figure V- 38: La sortie t6 (temprature) de linstallation carburant avec la sortie du Multi-modle
Page 157
Discussion :
optimisation est : M=01 modle local, dont les fonctions de validit sont construites partir de
fonctions gaussienne cela se traduit par une zones de fonctionnement du systme.
[ ];
On a alors, une partition sur le support u1, une sur le support u2, une sur le support u3, et une
partition sur u4.
Le modle obtenue est reprsent sur la figure V-40 :
Page 158
Figure V-40: La sortie du multi modle
modle locale
-1.8542 0.8616 4.5912 -4.1365 -4.5202 0.0186 3.0344
Tableau V- 8 : Paramtres du multi-modle descriptif de la sortie t6 du fuel system
La reprsentation mathmatique de la sortie t6 de la turbine est de la forme :
La sortie t6 prsente la temprature du gaz la sortie de linstallation carburant, cette grandeur
est accessible (mesurable), lunit de mesure est le (kelvin).
Page 159
Concernant les figures V-40, on remarque labsence des zones vides, et des zones redondantes
(zones voisines pouvant dcrire un mme comportement du systme).
V-12-3-1-b-La sortie p5 (temprature la sortie de linstallation carburant) :
Figure V- 41: La sortie p5 (pression) de linstallation carburant avec la sortie du Multi-modle
Page 160
Discussion :
[ ];
On a alors, deux partitions sur le support u1, une sur le support u2, une sur le support u3, et une
partition sur u4.
Figure V-43: Les sorties des modles
Page 161

modle locale
-01,8389 00,8365 -149,8756 -18,7444 -506,1859 04,5339 1075,6464
-01,7554 00,7557 -5941,4870 78,8403 5479,0002 00,4067 763,6153
Tableau V- 9 : Paramtres du multi-modle descriptif de la sortie p5 du fuel system
La reprsentation mathmatique de la sortie p5dela turbine est de la forme :
La sortie p5 prsente la pression du gaz la sortie de linstallation carburant, cette grandeur est
accessible (mesurable), lunit de mesure est le (N/m2).
relativement au signal de sortie p5.
Concernant les figures V-43, on remarque lexistence de zones vides (modle n01), et labsence
des zones redondantes (zones voisines pouvant dcrire un mme comportement du systme).
V-12-3-1-c-La sortie p3 (la pression la sortie de linstallation carburant) :
Figure V- 44: La sortie p3 (pression) de linstallation carburant avec la sortie du Multi-modle
Page 162
Discussion :
[ ];
partition sur u4.
Page 163
modle locale
-00,302 -00,274 -00,103 00,172 00,127 00,000 -00,048
Tableau V- 10 : Paramtres du multi-modle descriptif de la sortie p3 du fuel system
La reprsentation mathmatique de la sortie qt de la turbine est de la forme :
La sortie p3 prsente la pression du gaz la sortie de linstallation carburant, cette grandeur est
accessible (mesurable), lunit de mesure est le (N/m2).
partir des figures V-45-a, nous pouvons constater que lerreur destimation est importante
relativement au signal de sortie p3.
Page 164
Le modle obtenue ne reprsente pas bien le systme, laugmentation de nombre de partition

sur le support des variables caractristique ne rsoudre pas le problme.
V-12-3-1-d-La sortie m10 (lcoulement de masse la sortie de linstallation carburant) :
Figure V- 47: La sortie m10 (mass flow) de linstallation carburant avec la sortie du Multi-modle
Discussion :
optimisation est : M=04 modle locaux, dont les fonctions de validit sont construites partir
Page 165
[ ];
On a alors, deux partitions sur le support u1, une sur le support u2, 2 sur le support u3, et une
partition sur u4, les quatre modles obtenues sont reprsent sur les figures suivantes :
La reprsentation mathmatique de la sortie m10 de linstallation carburant est de la forme :
La sortie m10 prsente lcoulement de masse du carburant, cette grandeur est accessible
(mesurable), lunit de mesure est le (kg/s).
Concernant les figures V-49, on remarque labsence des zones vides, et labsence des zones
redondantes (zones voisines pouvant dcrire un mme comportement du systme).
Page 166
V-12-3-1-e-La sortie t4 (temprature du carburant la sortie de

linstallation carburant) :
Figure V- 50: La sortie t4 (temprature) de linstallation carburant avec la sortie du Multi-modle
Page 167
Discussion :
[ ];
partition sur u4.
Page 168
modle locale
-1.8395 0.8476 -0.3342 0.4313 0.3332 0.0046 1.5148
Tableau V- 11 : Paramtres du multi-modle descriptif de la sortie t4 du fuel system
La reprsentation mathmatique de la sortie tt de la turbine est de la forme :
La sortie t4 prsente la pression du gaz la sortie de linstallation carburant, cette grandeur est
accessible (mesurable), lunit de mesure est le (kelvin).
V-13-DUSCUTION ET INTERPRETAION DES RESULTATS:

On constate une bonne adquation entre la sortie relle du processus modlis
(compresseur, turbine, installation carburant) et le modle identifi.
On peut conclure que le multi modle linaire identifie par lalgorithme deux niveaux
construit un modle trs proche du modle physique du (compresseur, turbine, installation
carburant).
Lalgorithme deux niveaux que nous avons dvelopps dans ce mmoire prsente une
rapidit de calcul assez intressante de lordre de quelques secondes. En outre, nous avons une
erreur dapproximation dcroissance rapide.
L'inconvnient de la partition grille est son caractre combinatoire qui se traduit d'une
part par un nombre important de modles locaux et de l'autre par l'existence de zones vides
qui sont inutiles car elles n'apportent pas d'information pour l'explication du comportement
du systme.
Page 169
CONCLUSION:
Ce chapitre a t ddi lidentification hors ligne et l'optimisation paramtrique et structurelle
d'un multi-modle.
Lalgorithme didentification deux niveaux dcrit dans la figure V-13, alterne la fois entre la
dtermination et loptimisation des paramtres des fonctions dactivation, et la dtermination
des paramtres du multi-modle.
L'inconvnient de la partition grille est son caractre combinatoire qui se traduit d'une part
par un nombre important de modles locaux et de l'autre par l'existence de zones vides qui sont
inutiles car elles n'apportent pas d'information pour l'explication du comportement du
systme.
Ex : nz=5, et p1=p2=p3=p4=p5=6, ce que donne : 56= 15625 partitions.
Du constat que la partition grille gnre une structure multi-modle avec des modles inutiles
(couvrant des zones de fonctionnement vides) et des modles adjacents pouvant dcrire le
mme comportement du systme, Pour remdier ce problme une ide consiste fusionner o
liminer ces modles.
Page 170
Sommaire
V-1- INTRODUCTION : .................................................................................................... 122
V-2- PRINCIPE DE FONCTIONNEMENT : ........................................................................ 123
V-3- MODELISATION ET IDENTIFICATION :.................................................................... 124
V-4- REPRESENTATION SOUS SIMULINK : .................................................................... 124
V-4-1- SIMUNLINK : ........................................................................................................ 124
V-4-2- LES BRIQUES DE BASE ........................................................................................ 125
V-4-3- SCHEMA BLOC SOUS SIMULINK DE LA TURBINE : ............................................. 126
V-5- COMPRESSEUR : ..................................................................................................... 128
V-6- LES ENTREES-SORTIES DU COMPRESSEUR : ........................................................ 128
V-7- TURBINE :................................................................................................................ 129
V-8- LES ENTREES-SORTIES DE LA TURBINE :............................................................... 130
V-9- INSTALLATION CARBURANT :.................................................................................131
V-10- LES ENTREES -SORTEES DE LINSTALLATION CARBURANT : ...............................131
V-11- PRESENTATION PAR MULTI-MODELES : .............................................................. 132
V-11-1- ALGORITHME DIDENTIFICATION : .................................................................... 132
V-11-2- LES VARIABLES CARACTERISTIQUES CANDIDATES: ...................................... 135
V-12- IDENTIFICATION ET OPTIMISATION PARAMETRIQUES: ...................................... 135
V-12-1- COMPRESSEUR: ................................................................................................. 135
V-12-1-1-a- La sortie m3 (coulement de masse) : ............................................................ 135
V-12-1-1-b- La sortie t3 (Temprature de gaz la sortie du compresseur) : ....................... 138
V-12-1-1-c- La sortie qc (couple du compresseur) :............................................................ 141
V-12-2- TURBINE: ........................................................................................................... 144
V-12-2-1-a- La sortie qt (couple de la turbine) : ................................................................. 144
V-12-2-1-b- La sortie w (la puissance) :............................................................................. 146
V-12-2-1-c- La sortie t7 (la temprature la sortie de la turbine) : ..................................... 150
V-12-2-1-d- La sortie m8 (coulement de masse la sortie de la turbine) : ........................ 154
V-12-3- FUEL SYSTEM: ....................................................................................................157
V-12-3-1-a- La sortie t6 (temprature la sortie de linstallation carburant) : .....................157
V-12-3-1-b- La sortie p5 (temprature la sortie de linstallation carburant) :.................... 160
V-12-3-1-c- La sortie p3 (la pression la sortie de linstallation carburant) : ....................... 162
V-12-3-1-d- La sortie m10 (lcoulement de masse la sortie de linstallation carburant) : . 165
V-12-3-1-e- La sortie t4 (temprature du carburant la sortie de linstallation carburant) : 167
V-13- DUSCUTION ET INTERPRETAION DES RESULTATS: ............................................. 169
CONCLUSION:................................................................................................................ 170
Liste des Figures :
Figure V- 1 : Principe de fonctionnement d'une turbine gaz ....................................................... 124
Figure V- 2 : Reprsentation du bloc turbine sous Simulink ........................................................... 126
Figure V- 3 : Devellopement du bloc turbine (compresseur+fuel system+turbine) ........................... 126
Figure V- 4 : Reprsentation du bloc compresseur .................................................................. 127
Figure V- 5 : Reprsentation du bloc installation carburant ..................................................... 127
Figure V- 6 : Reprsentation du bloc turbine ........................................................................... 127
Figure V- 7: Le compresseur ....................................................................................................... 128
Figure V- 8: Les entres-sorties du compresseur .......................................................................... 128
Figure V- 9: La turbine ............................................................................................................... 129
Figure V- 10: Les entres-sorties de la turbine ............................................................................. 130
Figure V- 11: Fuel system ............................................................................................................131
Figure V- 12 : Les entres-sortie de linstallation carburant ..........................................................131
Figure V- 13: Algorithme rcapitulant la procdure d'identification d'un multi-modle ................... 134
Figure V- 14: La sortie m3 (mass flow) du compresseur avec la sortie du Multi-modle .................. 135
Figure V-15: Erreur et Histogramme de prdiction ....................................................................... 136
Figure V-16: Les sorties des 8 premiers modles ......................................................................... 136
Figure V-17: Les sorties des 8 derniers modles ........................................................................... 137
Figure V- 18: La sortie t3 (temprature) du compresseur avec la sortie du Multi-modle................. 138
Figure V- 19: Erreur et Histogramme de prdiction ...................................................................... 139
Figure V-20: Les sorties des 8 modles ....................................................................................... 139
Figure V- 21: La sortie qc (couple) du compresseur avec la sortie du Multi-modle ......................... 141
Figure V- 24: La sortie qt (couple) de la turbine avec la sortie du Multi-modle .............................. 144
Figure V- 27: La sortie wt (power) de la turbine avec la sortie du Multi-modle .............................. 146
Figure V- 30: La sortie t7 (temprature) de la turbine avec la sortie du Multi-modle...................... 150
Figure V- 31: Erreur et Histogramme de prdiction....................................................................... 150
Figure V-33: Les sorties des 8 derniers modles .......................................................................... 152
Figure V- 34: La sortie m8 (mass flow) de la turbine avec la sortie du Multi-modle ....................... 154
Figure V-37: Les sorties des 8 derniers modles ........................................................................... 156
Figure V- 38: La sortie t6 (temprature) de linstallation carburant avec la sortie du Multi-modle ..157
Figure V-40: La sortie du multi modle ....................................................................................... 159
Figure V- 41: La sortie p5 (pression) de linstallation carburant avec la sortie du Multi-modle ....... 160
Figure V-43: Les sorties des modles .......................................................................................... 161
Figure V- 44: La sortie p3 (pression) de linstallation carburant avec la sortie du Multi-modle ....... 162
Figure V-46: La sortie du multi modle....................................................................................... 164
Figure V- 47: La sortie m10 (mass flow) de linstallation carburant avec la sortie du Multi-modle.. 165
Figure V- 50: La sortie t4 (temprature) de linstallation carburant avec la sortie du Multi-modle . 167
Figure V-52: La sortie du multi modle ....................................................................................... 168
Liste des tableaux :
Tableau V- 1 : Paramtres principaux (ISO) de fonctionnement dune turbine gaz ...................... 124
Tableau V- 2 : Paramtres du multi-modle descriptif de la sortie m3 du compresseur .................... 137
Tableau V- 3 : Paramtres du multi-modle descriptif de la sortie t3 du compresseur ..................... 140
Tableau V- 4 : Paramtres du multi-modle descriptif de la sortie qc du compresseur .................... 142
Tableau V- 5 : Paramtres du multi-modle descriptif de la sortie qt du turbine............................. 145
Tableau V- 6 : Paramtres du multi-modle descriptif de la sortie wt du turbine ............................ 148
Tableau V- 7 : Paramtres du multi-modle descriptif de la sortie t7 du turbine ............................. 153
Tableau V- 8 : Paramtres du multi-modle descriptif de la sortie t6 du fuel system ....................... 159
Tableau V- 9 : Paramtres du multi-modle descriptif de la sortie p5 du fuel system ..................... 162
Tableau V- 10 : Paramtres du multi-modle descriptif de la sortie p3 du fuel system .................... 164
Tableau V- 11 : Paramtres du multi-modle descriptif de la sortie t4 du fuel system ..................... 169
Conclusion gnrale
Afin de mener bien une tude en simulation dans le but de commander ou de surveiller le
fonctionnement d'un systme, l'tablissement d'un modle du systme est un passage
obligatoire. Dans ce mmoire, notre intrt s'est port sur l'identification dun systme
dynamique non-linaire dans le domaine nergtique (turbine gaz) en utilisant l'approche
multi-modle.
Le principe de l'approche multi-modle constitue en la dfinition du modle global du systme
comme une combinaison de modles locaux valables dans certaines zones de fonctionnement de
celui-ci.
Notre contribution se situe aux niveaux de lapplication de lapproche multi-modle un
composant stratgique qui est la turbine gaz, lment essentiel dans la production de lnergie
et aussi dans le transport.
A cet effet nous avons adopt la stratgie suivante savoir construire les modles locaux par un
algorithme deux niveaux, qui alterne entre lidentification des paramtres de ces derniers par la
mthode des moindres carre rgularise, et lestimation des paramtres des fonctions de
validits par lalgorithme de Levenberg Marquard .

Sur le plan thorique, aprs une prsentation dtaille du concept de multi-modle,
l'optimisation d'un multi-modle travers une partition grille a t traite. Le principe de la grille
est la dcomposition de l'espace caractristique (ou espace de fonctionnement) du systme sous
la forme d'un maillage rgulier. Les zones de fonctionnement rsultent de la combinaison de
partitions individuelles dfinies sur le support des variables caractristiques.
L'inconvnient de la partition grille est le nombre prohibitif de modles locaux gnrs lorsque
la dimension de l'espace caractristique est leve et/ou le nombre de partitions par variable
est important.
Lalgorithme en question est appliqu sur un ensemble des donnes obtenu partir dune
simulation dune turbine gaz sous Simulink, dvelopp dans luniversit de Ferrara (Italie) ayant
subie une modification de certain bloc par nous-mmes.
Les rsultats en simulation obtenu nous ont permis de dgager certains dsavantages dus la
mthode elle-mme notamment lexistence des zones redondantes et des zones vide.
A fin de pallier ces inconvnients des solutions intuitive sont proposs tel la fusion des modles
redondants et llimination des modle vide, dans le cas o nous possdons des informations
heuristiques cela peut tre traduit par un gain assez apprciable du temps de calcul.
Concernant les perspectives ouvertes par ce travail nous pensons quelles sont prometteuses, en
particulier nous mentionnons la possibilit de recherche de structure de commande adapte des
systmes complexe et prcisment la turbine gaz ainsi que laspect surveillance des systmes
nergtiques.
Annexe
Description of the Simulink Gas Turbine Model
1. Model Overview
Air flows via an inlet duct to the compressor; high pressure air from the compressor is heated in
combustion chambers and expands through a single stage compressor turbine. A Butterfly valve
provides a means of generating a back pressure on the compressor turbine (there is no power
turbine present in the model). Cooling air is bled from the compressor outlet to cool the turbine
stator and rotor.
The Governor regulates the combustor fuel flow to maintain the compressor speed at a set-point
value. Under steady state conditions the power generated by the compressor turbine is balanced
by that absorbed by the compressor, and losses.
The resistive elements represent pressure losses in components, capacitive elements component
volumes.
2. Simulink block diagrams
2.1 Top level:
Components between the inlet duct and the compressor turbine outlet including mechanical
losses, are represented by the block labelled 'turbine'. The block inputs are ambient air
temperature and pressure 't1' and 'p1', fuel flow 'ff' and turbine back pressure 'p7'. Block outputs
are turbine cooling air flow and temperature 'm10' and 't4', turbine outlet mass flow and
temperature 'm8' and 't7n', and turbine speed 'Wt'.
The turbine outlet duct volume is represented by the block labelled 'c5', flows 'm10' and 'm8' are
mixed in this element. The inputs to block 'c5' are, turbine outputs 'm8', 'm10', 't4', 't7n'
described above, together with pressurising valve mass flow 'm9'. Block outputs are pressurising
valve up-stream pressure and temperature 'p7' and 't7'.
Inputs to the 'Pressurising valve' block are up-stream pressure and temperature 'p7' and 't7'
described above, valve angle 'av', and valve down steam pressure 'p8', assumed to be ambient.
Block output is valve flow 'm9'.
The shaded blocks shown in the top left provide model initialisation and processing options, a
mouse click on the appropriate block runs the underlying Matlab '*.m' file.
Block 'Init 1' initialises the model data for investigating dynamic performance. Parameters are
set-up to sequence the speed demand and valve angle.
2.2 Turbine:
Inlet Duct:
The inlet ducts losses are represented by resistive element block 'R1 and the duct volume by
capacitive element 'C1'.
2.2.1 Compressor:
Mass flow and polytropic efficiency are evaluated as functions of inlet pressure, outlet pressures,
inlet temperature and speed. Outlet temperature is calculated from pressure ratio, efficiency,
inlet temperature, and mean gamma. Compressor shaft torque is calculated from mass flow,
temperature drop, mean Cp and shaft speed.
2.2.2 Fuel system:

All components from the compressor outlet to turbine inlet are included in this block
Diffuser:
Block 'C2' represents the gas volume of the compressor, and compressor outlet diffuser.
Blocks 'R2' represents the diffuser losses.
Combustors:
All combustors are combined and modelled as a single component.
Block 'C3' represents the volume associated with the outer cases of the combustion chambers.
Block 'R3' represents the losses associated with air flow into the combustion chambers
Block 'Combustion' represents the combustion process. Where:-
Output temperature t5c = inlet temperature t5 + temperature rise dt
Where dt is a function of air/fuel mass flow ratio.
Combustor outlet mass flow is the sum of the inlet air mass flow 'm5' and fuel flow 'ff'.
Block 'C4' represents the gas volume of the combustion chamber and the gas path between the
combustion chamber and turbine inlet.
Cooling air bleed flows:
Air flow is diverted from the outlet of the compressor to cool the stator and rotor of the power
turbine.
Blocks 'Chk R6' amd 'Chk R10' represent the cooling air bleed flow paths from the compressor to
the turbine. The flow through these paths is considered to be choked and a function of upstream
temperatures and pressures. Several paths for cooling air are provided in the engine; these have
been combined and reduced to two in the model. The path via block 'Chk R6' is assumed to enter
the gas path prior to the power turbine and contribute to the turbine shaft power. The path via
'Chk 10' is assumed to enter the gas path after the power turbine with no contribution to the shaft
power.
2.2.3 Compressor turbine:

The compressor turbine is modelled using generic curves to calculate turbine efficiency and mass
flow.
Turbine efficiency is calculated from a series of modified parabolic curves which relate isentropic
efficiency and velocity ratio. A Hodge curve is used to calculate mass flow as a function of
pressure ratio. Both curves are scaled to fit the design point conditions.
From block inputs; inlet temperature, inlet pressure, outlet pressure, and shaft speed; the
following block outputs are calculated; shaft torque, shaft power, isentropic efficiency, outlet
temperature and mass flow.
2.2.4 Mechanical load:

This block represents the relationship between load torque and shaft speed.
Load torque ie the difference between compressor and turbine torques, is the input to the block,
and shaft speed the block output.
Within the block torque losses, assumed proportional to speed2, are subtracted from the load
torque, divided by the load inertia and the result integrated to give shaft speed.
A feature is also included to ramp the speed linearly during the initial part of a simulation to the
point where the component models are valid, in a similar way to the starter on the real engine.
2.3 Pressurising valve:

The pressurising valve is of the butterfly type. The upstream side of the valve is linked to the
turbine outlet via duct volume, block 'c5', the downstream side is assumed to exhaust to
atmosphere.
The valve is considered as a nozzle with both choked and un-choked regions modelled. The
nozzle effective area is considered to be a function of both valve angle and pressure ratio, as
defined by graphical information supplied by the valve manufacturer.
Block inputs are; upstream pressure, downstream pressure (ambient), upstream temperature and
valve angle; block output is valve flow.
Valve angle is derived from a step function block which can be programmed to introduce a step in
valve angle at any time during a simulation.
2.4 Speed governor:

No attempt has been made to model the fuel control system in detail.
Fuel control in the model is performed in the block 'Governor' with turbine speed 'Wt' as input and
fuel flow 'ff' as output.
Fuel flow is initially increased as a linear ramp, accelerating the turbine. When the turbine speed
reaches a pre-programmed value the ramp rate is increased. When the speed reaches a second
pre-programmed value a proportional plus integral speed governor is brought into operation, and
the turbine speed is controlled to a set-point. Finally with the turbine under speed control, the
speed set-point is ramped to its steady state value.
3. Model Variable Names and Units

Model variables are computed in SI units as follows:
p - Pressure [N/m2]
q - Torque [Nm]
m - Mass flow [kg/s]
ff - fuel flow [kg/s]
t - Temperature [K]
Nt - Shaft speed [rad/s]
av - Valve angle [Deg]
pct - Turbine shaft power [W]
turbE - Turbine isentropic efficiency [-]

Rfrences bibliographiques
[1] Abdelkader Akhenak . Mohammed Chadli. Jose Ragot. Didier Maquin. [CIFA 2006] Synthse
d'un multi observateur robuste pour multi modle incertain entres inconnues : approche LMI .
[2] Abdelkader Akhenak [2004]. Conception dobservateurs non linaires par approche multi
modle : application au diagnostic .
[3] Dalil Ichalal, Benoit Marx, Jos Ragot, Didier Maquin.[2008] Diagnostic des systmes non
linaires par approche multi modle .
[4] T. Takagi and M. Sugeno. IEEE Transactions on Systems, Man, and Cybernetics, 15 :116132,
1985 . Fuzzy identication of systems and its applications to modeling and control.
[5] Rodolfo ORJUELA, Didier MAQUIN et Jos RAGOT. [2006], Identication des systmes non
linaires par une approche multi-modle tats dcoupls
[6] Liu Jizhen, Chen Yanqiao, Zeng Deliang, Yang Guangjun, [IEEE 2002], Identication of a boiler-
turbine system using T-S Fuzzy Model
[7] R.Babuska, J.A.Roubus, H.B.Verbruggen [1996], Identication of MIMO systems by input-

output TS Fuzzy Model
[8] Manuel Adam Medina, [2004], Diagnostic de dfauts des systmes reprsentation multi-
modle linaire invariant dans le temps
[9] Mickal Rodrigues, [2005] Diagnostic et commande active tolrante aux dfauts appliqus aux
systmes dcrits par des multi-modles linaires
[10] Gregor Gregorcic Gordon Lightbodyb, [2008] Nonlinear system identication: From multiple-
model networks to Gaussian processes
[11] Rodolfo Orjuela, Benot Marx, Jos Ragot et Didier Maquin, [2007], Estimation dtat des
systmes non linaires par une approche multi modle dcoupl
[12] Tor A.Johansen and Bjarne A . Foss, [1995], Identification of Non-linear System Structure and
Parameters using Regime Decomposition
[13] Rodolfo Orjuela, Benot Marx, Jos Ragot and Didier Maquin, [2008]Estimating the state and
the unknown inputs of nonlinear systems using a multiple model approach
[14] Mohammed Chadli, [2002], Stabilit et commande de systmes dcrits par des multi
modles
[15] K.J Astrom, R D .Bell, [1999], Drum-Boiler Dynamics
[16] Wen Tan, Horacio J. Marquez, Tongwen Chen, Jizhen Liu, [2005] , Analysis and control of a
nonlinear boiler-turbine unit.
[17] F.P. de Mello, Fellow, [1991], Boiler models for system dynamic performance studies .
[18] C.M. Cheng and N.W.Rees, [2008], Application of the Fuzzy Dynamical Model Approach for
identification of nonlinear Drum-Boiler Process
[19] Wen Tan, Horacio J. Marquez, Tongwen Chen, Jizhen Liu, [2005], Analysis and control of a
nonlinear boiler-turbine unit
[20] Andreas Fahlman, A Modified Marquardt-Levenberg Parameter Estimation Routine for

Matlab
[21] Oliver Nelles, [2000], Nonlinear System Identification
[22] Rao V.Dukkipati, [2007], Solving engineering system dynamics problems with MATLAB
[23] Ibrahim EKSIN, Osman Kaan EROL [2000], A fuzzy identification method for nonlinear
systems.
[24] M. Golob and B. Tovornik, [2000], Identification of non-linear dynamics systems with
decomposed Fuzzy Models.
[25] Lennart Ljung Div, [2005], Identication of Nonlinear Systems.
[26] Imre Beny, Jen Kovcs, Jari Mononen and Urpo Kortela [2004], Modeling of steam
temperature dynamics of a super heater.

Issam Memoire PDF

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Issam Memoire PDF

Hochgeladen von

Copyright:

Verfügbare Formate

Rpublique Algrienne Dmocratique Et Populaire

Ministre de lenseignement suprieur et de la recherche scientifique

Identification des lments dune centrale lectrique thermique

Par : Bechinia Issam

Directeur de mmoire : Mr Lafifi Mohamed Mourad M.C U-Annaba

Mes chers parents qui mont

mes frres et surs.

A toute la famille et les amis

1 ( 12 - 2211 )2122 ( 125 21 - 155)

Je remercie chaleureusement Messieurs Lafifi Mohamed Mourad, Mc luniversit

J'exprime mes profonds remerciements et tous mes respects Monsieur A. Hadj

Je remercie Mr H. Kherfane, Mr S.Kermiche, Mr S.Bensaoula M.C au dpartement

Je remercie Mr A. Hichem, MC lUniversit dEvry Val dEssonne, Genopole, Mr

A notre poque, et sans lectricit, la vie quotidienne serait difficilement

Pour rpondre la consommation croissante dlectricit, il a fallu inventer

Si les modles non linaires sont en mesure de dcrire correctement les

Les multi modles constituent une alternative intressante et un outil

To answer the increasing consumption of electricity, it was necessary to

If the nonlinear models are able to correctly describe the nonlinear

We propose, in this work, a procedure of Identication off line of the

The model multi constitute an interesting alternative and a powerful tool in

The analysis of the results in simulation is encouraging

monde extrieur. La modlisation regroupe un ensemble de techniques permettant de disposer dune

reprsentation mathmatique du systme tudier. La modlisation thorique requiert une

exploitables, notamment pour la commande et le diagnostic des systmes.

vis du processus rel et ladquation de ce modle une forme mathmatiquement exploitable.

linaire devient ncessaire.

sorties dun systme physique [Gass 00b].

ventuellement rgulariss, tant fix .

Examine each question in terms of what is ethically and

I-2-DE LALTERNATEUR DE VELO VERS LES CENTRALE :

Figure I- 1 : Schma d'une dynamo de vlo

On utilise laiguille aimante pour dtecter la prsence dun champ magntique.

Figure I- 3 : Exprience N02

Figure I- 4 : Exprience N03

I-3-LA PRODUCTION DE LELECTRICITE :

De petites installations (brlant habituellement du gaz naturel) combinent la gnration d'lectricit

I-4-LES CENTRALES THERMIQUE :

La cognration consiste produire conjointement de la chaleur pour un procd industriel ou le

Centrales nuclaires (figure I-5)

I-4-1-LES CENTRALES NUCLEAIRES :

le btiment salle des machines, qui contient principalement :

une ligne d'arbre comprenant les diffrents tages de la turbine vapeur et

un arorfrigrant atmosphrique (la partie la plus visible dune centrale nuclaire), ou

Les autres installations de la centrale lectrique comprennent :

Figure I- 5 : Centrale nuclaire

le circuit primaire qui se situe dans une enceinte de confinement.

cette eau se vaporise dans 3 ou 4 gnrateurs de vapeur (suivant le type de tranche ;

Celle-ci est compose de plusieurs tages spars et comportant chacun de nombreuses

Le circuit de refroidissement assure le refroidissement du condenseur. L'eau est refroidie par

I-4-1-3-RENDEMENT D'UNE CENTRALE NUCLEAIRE :

I-4-2-LES CENTRALES A FLAMME:

Figure I- 6:Centrale flamme

I-4-3-CENTRALES RECUPERANT DE LA CHALEUR PREEXISTANTE (SOLAIRE,

I-4-3-1-CENTRALE SOLAIRE THERMODYNAMIQUE :

Figure I- 7:Centrale Solaire de THERMIS

Figure I- 8:Centrale constitue de capteurs cylindro paraboliques

Figure I- 9:Centrale solaire parabolique (projet DISH-STIRLING Font-Romeu-Odeillo)

Figure I- 10:Centrale solaire tour (SolarTower en Californie)

On distingue trois types de gothermie :

la gothermie peu profonde basse temprature ;

la gothermie profonde haute temprature ;

la gothermie trs profonde trs haute temprature.