Cours I Com mande par la logique floue

I.1 INTRODUCTION

Les techniques de l’intelligence artificielle, notamment la logique floue, pouvant être utilisées
à bon escient pour leur qualités a résoudre certains problèmes liées aussi bien aux erreur de
modélisation qu’a la méconnaissance même du modèle du système à commander. A l’instar
d’un contrôleur PI classique, un contrôleur flou une PI flou, a l’aptitude d’améliorer les
performances dynamiques(en poursuite) et statiques (en rejection) d’un contrôle bouclé et cela
indépendamment de la connaissance du modèle du système à commander ceci pourrait donner
un à priori favorable pour le PI flou.

La logique floue suscite actuellement un intérêt général auprès des chercheurs et des
industriels. Elle peut généraliser des modes de raisonnement naturels, d’automatiser la prise
de décision dans leur domaine, de construire des systèmes artificiels effectuant les taches
habituellement prise en charge par les humains. De plus, la logique floue a été introduite pour
approcher le raisonnement humain à l’aide d’une représentation adéquate des connaissances.
Son intérêt réside dans sa capacité de traiter l’imprécis, l’incertain et le vague.
Elle est issue de la capacité de l’homme à décider et agir de façon pertinente malgré le flou
des connaissances disponibles.

Les bases théoriques de la logique floue ont été établies en 1965 par le professeur Lotfi Zadah
de l’université de Californie de Berkley .A cette époque la théorie de la logique floue n’a pas
été prise au sérieux en effet les ordinateurs avec leur fonctionnement exacte par tout ou rien
(1et 0) ont commencé a se répandre sur une large échelle .Par contre la logique floue permet
de traiter de variable non exacte dont la valeur peut prendre n’importe valeur entre (1et 0).

Pour cette optique, dans ce chapitre on présentera les aspects théoriques de la logique floue,
puis le principe de la conception d’un régulateur PI flou ainsi que son application pour le
réglage de la vitesse d’une machine électrique.

I.2 PRINCIPE DE LA LOGIQUE FLOUE

Dans la perspective des sciences de l’ingénieur, on peut admettre que dans les situations où
les méthodes traditionnelles de modélisation à partir d’observation physiques s’avèrent non
satisfaisantes, les sciences subjectives, particulièrement la logique floue, peuvent rendre
beaucoup de services, dès lors que les connaissances sur la façon de résoudre un problème, de

1
Cours I Com mande par la logique floue

piloter un grand système, d’effectuer un réglage…etc. sont disponibles. Cela suppose que l’on
sache définir des méthodes rigoureuses de représentation des connaissances.

En pratique la résolution d’un problème concret peut avoir recours à l’utilisation conjointe des
méthodes objectives traditionnelles et celles subjectives. La logique floue offre un cadre
formel, qui n’existait pas auparavant.

I.2.1 Bref historique

Depuis longtemps l'homme recherche à maîtriser les incertitudes et les imperfections

inhérentes à sa nature. La première réelle manifestation de la volonté de formaliser la prise en
compte des connaissances incertaines fut le développement de la théorie des probabilités à
partir du XVII siècle. Mais les probabilités ne peuvent maîtriser les incertitudes
psychologiques et linguistiques. On a donc assisté aux développements des théories de
probabilité subjective (dans les années 50) puis de l'évidence (dans les années 60).

Les prémisses de la logique floue sont apparues avant les années 1940, avec les premières
approches, par des chercheurs américains, du concept d'incertitude. Il a fallu attendre 1965,
pour que le concept de sous ensemble floue soit proposé par L. A. Zadeh, automaticien de
réputation internationale, professeur à l'université de Berkeley en Californie, qui a contribué à
la modélisation de phénomène sous forme floue, en vue de pallier les limitations dues aux
incertitudes des modèles classiques à équation différentielle. En 1974, M. Mamdani
expérimentait la théorie énoncée par Zadeh sur une chaudière à vapeur, matériel dont on
connaît la complexité, introduisant ainsi la commande floue dans la régulation d'un processus
industriel. En 1985, les premiers produits industriels utilisant le principe de la logique floue
appliqué à des problèmes de réglage et de commande sont nés au Japon. Des processeurs
dédiés à des applications de réglage par la logique floue ont été développés. Les sociétés
japonaises comprirent l'avantage à la fois technique et commercial de la logique floue à
savoir:

 Facilité d'implantation;
 Solution de problèmes multi variables complexes;
 Robustesse vis à vis des incertitudes;
 Possibilité d'intégration du savoir de l'expert ;
 Possibilité d'intégration du savoir de l'expert.

2
Cours I Com mande par la logique floue

I.3 DOMAINE D’APPLICATION

Les systèmes flous ont été utilisés dans une large variété d’applications industrielles,
gestionnaires et médicales. Parmi ses applications on peut citer:

 Systèmes audio-visuels (appareils de photos autofocus, caméscope à stabilisateur

d'images, photocopieurs, ...) ;
 Appareils électroménagers (lave-linge, aspirateurs, autocuiseurs, ...etc.) ;
 Systèmes autonomes mobiles ;
 Systèmes de transport (train, métro, ascenseur, ...) ;
 Systèmes de conditionnement d'ambiance ;
 Systèmes de décision, diagnostic, reconnaissance ;
 Systèmes de contrôle/commande dans la plupart des domaines industriels de
production, transformation, traitement de produit et déchet ;
 Systèmes d'autoroute automatisés : direction automatique, freinage et contrôle de
la manette des gaz pour les véhicules ;
 Robotique : contrôle de la place et organisation de chemin
 Produits de consommation courante.
I.4 ELEMENTS DE BASE DE LA LOGIQUE FLOUE

Dans cette section, on présente brièvement, et d’une façon non exhaustive les éléments de
base principaux de la théorie de la logique floue.

I.4.1 Variables linguistiques

Le concept des variables linguistiques joue un rôle important dans le domaine de la logique
floue. Une variable linguistique comme son nom le suggère, est une variable définie à base de
mots ou des phrases au lieu des nombres. En effet, la description d’une certaine situation,
d’un phénomène ou d’un procédé contient en général des expressions floues comme ″quelque,
beaucoup, souvent, chaud, froid, rapide, lent, grand, petit …etc.″ Ce genre d’expressions
forme ce qu’on appelle des variables linguistiques de la logique floue.

On peut représenter une variable linguistique par un triplet (𝑉, 𝑈, 𝑇𝑣), tels que : 𝑉 est une
variable numérique (Vitesse, Taille, Température) définie sur un univers de référence 𝑈 et 𝑇𝑣
est un ensemble de catégories floues de 𝑈, qui sont utilisées pour caractériser 𝑉 à l’aide de
fonctions d’appartenance. Considérons la vitesse de rotation d’une machine électrique comme

3
Cours I Com mande par la logique floue

une variable linguistique définie sur un univers de discours 𝑈= [0,100] rd/s, et son ensemble
de catégories floues 𝑇 = (Lente, Rapide, Moyenne).

Ces trois ensembles flous de 𝑇 peuvent être représentés par des fonctions
d’appartenance comme le montre la figure suivante :
µ(𝑉𝑖𝑡𝑒𝑠𝑠𝑒)
Lente Moyenne Rapide
1

0.5

0 Vitesse
70 100
40 55

Fig. I.1 Représentation graphique des ensembles flous d’une variable linguistique.

I.4.2 Ensemble flou

Dans la théorie classique des ensembles, c’est la fonction caractéristique qui définit
l’ensemble. Cette fonction ne prend que les deux valeurs discrètes 0 (l’élément n’appartient
pas ...) ou 1 (...appartient à l’ensemble).

Un ensemble flou est défini par une fonction d’appartenance qui peut prendre toutes les
valeurs réelles comprises entre 0 et 1 . C’est l’élément de base de la logique floue. Il a été
introduit en première fois par Zadeh en 1965. Le concept de ce dernier a pour but d’éviter le
passage brusque d’une classe à une autre et de permettre des graduations dans l’appartenance
d’un élément à une classe ; c'est-à-dire d’autoriser un élément à appartenir plus ou moins
fortement à une classe.

A titre d’exemple les trois catégories ″Petite, Moyenne, Grande″, associées à leurs fonctions
d’appartenance, sont appelées des ensembles flous. Et on peut définir également l’univers de
discours ou l’univers de référence comme étant l’ensemble des valeurs réelles que peut
prendre la variable floue.

Dans un domaine continu les ensembles flous sont définis par leurs fonctions d’appartenance.
Tandis que dans le cas discret les ensembles flous sont des valeurs discrètes dans l’intervalle
[0 1].

4
Cours I Com mande par la logique floue

I.4.3 Fonction d’appartenance

Un ensemble flou est défini par sa fonction d’appartenance qui correspond à la notion de
fonction caractéristique en logique classique, elle permet de mesurer le degré d’appartenance
d’un élément à l’ensemble flou. En toute généralité, une fonction d’appartenance d’un
ensemble flou est désignée par µ ( ). L’argument se rapporte à la variable caractérisée,
alors que l’indice 𝐴 indique l’ensemble concerné.

Les fonctions d’appartenance peuvent avoir différentes formes à savoir:

Monotones (croissantes ou décroissantes) ;
Triangulaires (figure (I.2.a)) ;
Trapézoïdales (figure (I.2.b)) ;
En forme de cloche (Gaussiennes), comme le montre la figure (I.2.c).

Généralement, les plus souvent utilisées sont les fonctions de forme trapézoïdale ou
triangulaire.

µ𝐴 (𝑥) µ𝐴 (𝑥) µ𝐴 (𝑥)

1 1 1

0
𝑥 𝑥 𝑥
0 0
a) Forme triangulaire b) Forme trapézoidale c) Forme gaussienne

Fig. I.2 Différentes formes des fonctions d’appartenance.

I.4.4 Operateurs de la logique floue

Une fois les ensembles flous définis, des opérations mathématiques concernant ce type
d'ensembles ont été développées. Les opérateurs mathématiques élaborés ressemblent
beaucoup à ceux reliés à la théorie des ensembles conventionnels. Les opérateurs de
l’intersection, L’union, la complémentation et l’implication sont traduites par les opérateurs
″ 𝐸𝑇, 𝑂𝑈, 𝑁𝑂𝑁 et 𝐴𝐿𝑂𝑅𝑆″ respectivement. Soit 𝐴 et 𝐵 deux ensembles flous, dont les
fonctions d’appartenance sont ( ) ( ) respectivement. Le tableau suivant résume
quelques fonctions utilisées pour réaliser les différentes opérations floues de base.

5
Cours I Com mande par la logique floue

Opérateurs 𝐸𝑇 𝑂𝑈 𝑁𝑂𝑁
flous

Zadeh (1973) ( ( ) ( )) ( ( ) ( )) 1- ( )

Lukasiewicz, ( ( ) ( ) ) ( ( ) ( ) ) 1- ( )
Giles (1976)
Hamacher ( ) ( ) ( ) ( ) ( ) ( ) ( ) 1- ( )
(1978) ; ( )( ( ) ( ) ( ) ( )) ( ) ( ) ( )
(𝛾 > 0)
Bondler et ( ) ( ) ( ) ( ) ( ) ( ) 1- ( )
Kohout
(1980)
( ) ( ) ( ) ( ) 1- ( )

Weber ( ) ( ) ( ) ( )
0 sinon 1 sinon

Tab. I.1 Opérateurs de base de la logique floue.

D’autre part, l’implication floue se construit à partir des propositions floues élémentaires.
Pour cette opération, il existe encore plusieurs méthodes. Les plus souvent utilisées sont
données par le tableau suivant.

Appellation Implication floue

Zadeh { ( ( ) ( )) ( )}

Mamdani ( ( ) ( ))

Reichenbach ( ) ( ) ( )

Willmott { ( ) ( ( ) ( ))}

Dienes ( ( ) ( ))

1 si ( ) ( )
Brown Godel
( ) sinon

Lukasiewicz ( ( ) ( ))

Larsen ( ) ( )

Tab. I.2 Implication floue.

I.4.5 Règles floues

La règle floue est une relation exprimée à l’aide d’une implication entre deux propositions
floues. Par exemple, considérons deux variables linguistiques (𝑉1, 𝑈, 𝑇𝑣1), (𝑉2, 𝑈, 𝑇𝑣2) et les
deux propositions suivantes ″ 𝑉1 est 𝐴″, ″ 𝑉2 est 𝐵″, où 𝐴 et 𝐵 sont deux ensembles flous de
𝑉1et 𝑉2. On peut définir la règle floue par l’expression ″ 𝑉1 est 𝐴 𝐴𝑙𝑜𝑟 𝑉2 est 𝐵″.
La proposition ″𝑉1 est 𝐴″ est la condition de l’implication ;

6
Cours I Com mande par la logique floue

La proposition ″𝑉2 est 𝐵″ est la conclusion de l’implication.

Généralement, plusieurs règles floues sont nécessaires pour prendre une décision face à une
situation donnée. On s’intéresse au cas de plusieurs règles floues dans le domaine de la
commande et la régulation. Les règles floues peuvent être décrites de plusieurs façons:

Linguistiquement : Dans ce cas, on exprime les règles de façon explicite comme dans
l’exemple suivant :
″Si l’accélération est faible et la vitesse est faible Alors faire appel à un grand couple″.
Symboliquement : Il s’agit, dans ce cas, d’une description linguistique où l’on remplace la
désignation des ensembles flous par des symboles tels que 𝑃𝐺, 𝑃𝑃,…etc. désignant (𝑃𝑜 𝑡 𝑓
𝐺𝑟 𝑑, 𝑃𝑜 𝑡 𝑓 𝑃etite ,…etc.).
Par matrice d’inférence : Dans ce cas, on rassemble toutes les règles qui sont désignées
symboliquement dans un tableau appelé ″Matrice d’inférence″. Les entrées du tableau
représentent les degrés d’appartenance des variables linguistiques des entrées aux différents
ensembles flous. Et l’intersection d’une colonne et d’une ligne donne l’ensemble flou de
sortie défini par la règle.

I.5 COMMANDE PAR LA LOGIQUE FLOUE

La commande par la logique floue est en pleine expansion. En effet, cette méthode permet
d'obtenir une loi de réglage souvent très efficace sans devoir faire des modélisations
approfondies. Par opposition à un régulateur standard ou à un régulateur à contre-réaction
d'état, le régulateur par logique floue ne traite pas une relation mathématique bien définie,
mais utilise des inférences avec plusieurs règles, se basant sur des variables linguistiques. Par
des inférences avec plusieurs règles, il est possible de tenir compte des expériences acquises
par les opérateurs d'un processus technique.

Généralement le traitement d’un problème par la logique floue se fait en trois étapes:

 La quantification floue des entrées, appelée aussi la Fuzzification. Elle permet la

conversion des variables des entrées qui sont des grandeurs physiques, en
grandeurs floues, ou variables linguistiques ;
 L’établissement des règles liant les sorties aux entrées, appelé l’Inférence floue ;
 La Défuzzification qui est l’opération inverse de la fuzzification. Elle consiste à
transformer les variables linguistiques en variables réelles ou numériques.

7
Cours I Com mande par la logique floue

Le schéma bloc d’un régulateur flou est illustré par la figure suivante:

Base de connaissance

E (𝑡)
Interface de Interface de u (𝑡)
fuzzification déffuzzification
y(𝑡)

Mécanisme d’inférence

Processus

Fig. I.3 Schéma général d’un régulateur flou.

Où :
E (𝑡) : Est le signal de référence ;
u (𝑡) : Est le signal de commande ;
y (𝑡) : Est la sortie du système à commander.

Le régulateur flou comporte essentiellement quatre parties ; une interface de fuzzification,

une base de connaissance, un mécanisme d’inférence et une interface de défuzzification.

I.5.1 Interface de fuzzification

La fuzzification est l’opération de projection des variables physiques réelles sur des
ensembles flous caractérisant les valeurs linguistiques prises par ces variables. Le bloc de
fuzzification effectue les fonctions suivantes :
 Définition des fonctions d’appartenance de toutes les variables d’entrées ;
 Transformation des grandeurs physiques (réelles ou numériques) à des
grandeurs linguistiques ou floues ;
 Représentation d’échelle transférant la plage des variables d’entrées aux
univers de discours correspondants ;
Pour les fonctions d’appartenance, on utilise généralement les formes triangulaires et
trapézoïdales.

8
Cours I Com mande par la logique floue

I.5.2 Base de connaissance

Ce bloc est une base de connaissance qui correspond à l’expertise ou au savoir-faire de

l’opérateur sur le comportement du système. Elle est composée de l’ensemble des
informations et des connaissances dans le domaine d’application et le résultat de commande
prévu. Elle permet de déterminer le signal de sortie du régulateur flou et exprime la relation
qui existe entre les variables d’entrée transformées en variables linguistiques et les variables
de sortie converties également en variables linguistiques . Ainsi, elle est constituée par une
collection de règles données sous la forme « 𝑆 …𝐴𝑙𝑜𝑟 ». D’une manière générale, on peut
exprimer la règle floue par la relation suivante :

𝑆 1 est 𝐹1( ) 𝑒𝑡 2 est 𝐹2( ) 𝑒𝑡… et est 𝐹 () 𝐴𝑙𝑜𝑟 𝑗 est 𝐺𝑗( )

Avec :

… 𝑚 est le nombre total des règles ;

𝐹1( ),𝐹2( ) … 𝐹 ( ) :Sont les ensembles flous des entrées ( 1, 2… , );
( ) est l’ensemble flou de la sortie 𝑗 correspondant à la règle.

On peut écrire les règles d’inférence sous forme d’une matrice appelée Matrice d’inférence,
qui est généralement antisymétrique. A titre d’exemple, si on considère un régulateur flou à
deux entrées caractérisées par trois ensembles flous et une sortie, alors la matrice d’inférence
peut prendre la forme suivante:

𝑋 𝐹 𝐹 𝐹
𝑋
𝐹 𝐺 𝐺 𝐺

𝐹 𝐺 𝐺 𝐺

𝐹 𝐺 𝐺 𝐺

Tableau III.3 Matrice d’inférence floue.

I.5.3 Mécanisme d’inférence floue

L’inférence floue ou la logique de prise de décision est le cœur du régulateur flou qui possède
la capacité de simuler les décisions humaines et de déduire (inférer) les actions de commande

9
Cours I Com mande par la logique floue

floue à l'aide de l'implication floue et des règles d'inférence de la logique floue [30]. Elle
utilise les variables floues transformées par la fuzzification et les règles d’inférence pour créer
et déterminer les variables floues de sortie, en se basant sur des opérations floues appliquées
aux fonctions d’appartenance.

Il existe plusieurs possibilités pour réaliser les opérateurs flous qui s’appliquent aux fonctions
d’appartenance. On introduit la notion de mécanisme ou méthode d’inférence, qui dépend des
relations utilisées pour réaliser les différents opérateurs dans une inférence, permettant ainsi
un traitement numérique de cette dernière.

Pour le mécanisme d’inférence flou, on utilise en général l’une des trois méthodes suivantes:

 Méthode d’inférence Max-Min (Méthode de Mamdani) ;

 Méthode d’inférence Max-Produit (Méthode de Larsen) ;
 Méthode d’inférence Somme-Produit.
Le tableau suivant résume la façon utilisée par ces trois méthodes d’inférence pour représenter
les trois opérateurs de la logique floue ″ 𝐸𝑡, 𝑂𝑢 et 𝐴𝑙𝑜𝑟 ″.

Opérateurs
flous Et Ou Alors
Méthodes
d’inférence
Max-Min Minimum Maximum Minimum

Max-Produit Minimum Maximum Produit

Somme-Produit Produit Moyenne Produit

Tableau I.4 Méthodes usuelles de l’inférence floue.

Le choix d’une telle ou telle méthode dépend de l’utilisateur et du cas à traiter. Dans notre
cas, on adopte la méthode d’inférence somme produit.

Cette méthode traite l’opérateur ET par la formation du produit. Pour la conclusion de

chaque règle précédée par ALORS, le produit du facteur d’appartenance de la condition et de
la fonction d’appartenance de la variable de sortie liées entre eux par la même règle

10
Cours I Com mande par la logique floue

représentent l’action linguistique de la règle en question. Les actions des différentes règles
sont liées entre elles par l’opérateur OU qui est réalisé par la formation de la somme
(moyenne arithmétique).

Si on suppose que les entrées du régulateur sont (x1,x2) et sa sortie est xr, alors l’action de
chaque règle est donnée par:

( ) ( ) ( ) ( ) ( ) (I )

Où :

( ) ( ) : Sont les facteurs d’appartenance des deux variables linguistiques x1 et x2 par

rapport à la condition de la règle Ri.
: Est le facteur d’appartenance de la condition.
( ) : Est la fonction d’appartenance de la décision correspondante à la iéme règle Ri.

La fonction d’appartenance résultante est donnée par:

( ) [ ( ) ( ) ( )] 𝑚 (I )

Tel que m Est le nombre de règles intervenant dans l’inférence.

I.5.4 Interface de défuzzification

Cette étape consiste à transformer la valeur floue ou linguistique issue du régulateur flou en
valeur numérique. Plusieurs méthode ont été proposées dans la littérature, telles que :
La methode des hauteurs ;
 Le premier des maxima ;
 Le dernier des maxima ;
 La moyenne des maxima ;
 Le centre de gravité ;
 Le centre des aires ;
 Le centre de la plus grande surface ;
 Le centre des maxima.
Néanmoins, il n’existe pas des critères de choix de l’une de ces méthodes. Cependant la
méthode du centre de gravité reste la plus utilisée pour la plupart des cas. Cette méthode fait
l’objet du paragraphe suivant.

11
Cours I Com mande par la logique floue

I.5.4.1 Défuzzification par la méthode du centre de gravité

La stratégie de cette méthode consiste à traiter graphiquement les aires associées aux
fonctions d’appartenance des termes linguistiques des conclusions ( ) qui forment
( ).Ces aires étant pondérées par le degré de vérité de chaque règle, donc il est logique
de confondre la valeur numérique de la sortie et l’abscisse du centre de gravité de la surface
formée pour l’union de ces aires ( ).

L’abscisse du centre de gravité de ( ) est donnée par l’expression suivante [30]:

∫ ( )𝑑 (I 3)
∫ ( )𝑑

La détermination de l’abscisse du centre de gravité nécessite une envergure de calcul

assez importante, ce calcul est notablement simplifié si ( ) est déterminé par la méthode
d’inférence somme-produit ce qui justifie son choix.

I.5.4.2 Méthode du centre de gravité associée à la méthode d’inférence somme-produit

Selon la relation (I.1) et d’une façon condensée ( ) est donnée par :

(I 4)
( ) ∑ ( )
𝑚

Remplaçons ( ) par son expression (III.4) dans le dénominateur de (I.3) :

(I 5)
∫ ( )𝑑 ∑ ( )𝑑 ∑ 𝑆
𝑚 𝑚

Telle que :

(I 6)
𝑆 ∫ ( )𝑑

Où 𝑆 est la surface de la fonction d’appartenance du sous ensemble flou de correspondant

à i éme règle.

Pour le numérateur de (I.3), il peut se simplifier comme suit :

12
Cours I Com mande par la logique floue

∫ ( )𝑑 ∑ ∫ ( )𝑑 ∑ 𝑆 (I )
𝑚 𝑚

Tel que :

∫ ( )𝑑 (I 8)
𝑆

Où est l’abscisse du centre de gravité de la surface 𝑆 .

Finalement, on obtient le centre de gravité de ( ) à partir de l’expression simplifiée et

discrète qui suit :

∑ 𝑆 (I 9)
∑ 𝑆

I.6 COMMANDE FLOUE DE LA VITESSE D’UNE MACHINE ELECTRIQUE

Cette partie est consacrée à l’application de la logique floue à la commande de vitesse d’une
machine électrique.

I.6.1 Structure de base d’une commande floue

L’observation du processus montre que les grandeurs significatives pour le contrôle sont
l’erreur de vitesse et la variation de cette erreur. On adoptera donc, pour les entrées du
correcteur flou, ces deux grandeurs caractéristiques notées 𝑒 et 𝑒.Quant à sa sortie
elle représente l’incrément du signal de commande à appliquer au processus à commander,
celui-ci correspondant à la variation du couple de référence .Cette configuration,
analogue à celle d’un PI conventionnel, est souvent qualifiée de PI flou.

La configuration de la boucle du régulateur flou de vitesse est illustrée par la figure suivante.

13
Cours I Com mande par la logique floue

𝑒 𝐶𝑒𝑚𝑟𝑒𝑓𝑛 𝐶𝑒𝑚𝑟𝑒𝑓 𝐶𝑒𝑚𝑟𝑒𝑓 Onduleur

𝑒𝑛 𝑟
𝐾𝑒 𝐾 ∑⬚ +
𝑒𝑟𝑒𝑓 𝐶𝑒𝑚𝑟𝑒𝑓
+ 𝑒𝑛
-
ME

𝑒 𝐾 𝑒

Fig. I.4 Schéma synoptique d’un régulateur flou de vitesse.

Avec :
𝑒 : L’erreur, elle est définie par : 𝑒( ) ( ) (I )

𝑒 : La variation de l’erreur : 𝑒( ) 𝑒( ) 𝑒( ) (I )
: Est la variation du couple électromagnétique de référence ;

Ces variables peuvent être normalisées comme suit :

𝑒 (I )
𝑒

𝑒 (I 3)
𝑒

(I 4)

Où :

, : Sont des gains de normalisation qui peuvent être constants ou variables. Le

choix adéquat de ces derniers permet de garantir la stabilité et d’améliorer les performances
dynamiques et statiques ciblés du système.

Les règles d’inférence permettent de déterminer le comportement du régulateur flou qui doit
donc inclure des étapes intermédiaires qui lui permettent de passer des grandeurs réelles vers
les grandeurs floues et vice versa ; ce sont les étapes de fuzzification et de défuzzification
comme le montre cette figure :

14
Cours I Com mande par la logique floue

𝑒𝑛
Fuzzification 𝑐𝑒𝑚𝑟𝑒𝑓𝑛
Moteur
Défuzzification
D’inférence
𝑒𝑛
Fuzzification

Matrice

D’inférence

Fig. I.5 Illustration des étapes internes de la régulation floue.

Pour les fonctions d’appartenance, on a choisi pour chaque variable les formes triangulaires et
trapézoïdales comme le montre la figure suivante :

𝜇(𝑒𝑛 ) 𝜇( 𝑒𝑛 ) 𝜇( 𝐶𝑒𝑚𝑟𝑒𝑓𝑛 )

NG NP EZ PP PG

0
-1 -0.5 0 0.5 1
𝑒𝑛 𝑒𝑛 𝐶𝑒𝑚𝑟𝑒𝑓𝑛

Fig. I.6 Fonctions d’appartenance des entrées et de la sortie du régulateur flou choisi.

Explicitons maintenant les notations des sous-ensembles flous utilisés pour fuzzifier les trois
variables précédentes :

NG: Négatif Grand ;

NP : Négatif Petit ;
EZ : Environ Zéro ;
PP : Positif Petit ;

15
Cours I Com mande par la logique floue

PG : Positif Grand.

Comme nous l’avons mentionné, chacune des deux entrées linguistiques du contrôleur flou
possède cinq ensembles flous, ce qui donne un ensemble de vingt-cinq règles. Celles-ci
peuvent être représentées par la matrice d’inférence suivante :

NG NP EZ PP PG

NG NG NG NP NP EZ

NP NG NP NP EZ PP

EZ NP NP EZ PP PP
𝑒
PP NP EZ PP PP PG

PG EZ PP PP PG PG

𝑆 𝑒 𝑒 𝑡 𝑃𝐺 𝑒𝑡 𝑒 𝑒 𝑡 𝑃𝐺 𝐴𝑙𝑜𝑟 𝑒 𝑡 𝑃𝐺

Fig. I.7 Matrice d’inférence du régulateur flou.

Cette matrice d’inférence est établie à partir d’une parfaite connaissance du comportement du
système, ainsi que la connaissance de l’objectif du contrôle à atteindre.

On prend comme critère de défuzzification la méthode du centre de gravité présentée

précédemment, donc l’action de commande générée est donnée par l’expression suivante :
∑ 𝑆 (I 5)
∑ 𝑆

Finalement, l’action de la commande peut s’exprimer par :

(I 6)

16