Beruflich Dokumente
Kultur Dokumente
SYSTEMES EN BOUCLE
FERMEE
Stéphane COLONGES
Oral probatoire
Février 2002
Identification des systèmes en BF
Sommaire
Introduction à l ’identification
Les techniques générales
Identification en boucle fermée
Simulation
Applications
Conclusion
Identification des systèmes en BF
Introduction à l ’identification
. Non Oui
Calcul
Régulateur
Identification des systèmes en BF
Techniques générales
100% Ke s
63% G ( s)
1 sT
t
τ = retard
τ T
T1
Mais...
Identification des systèmes en BF
Techniques générales
S.B.P.A u(t)
CNA + Procédé CAN
y(t)
BOZ (t )
yˆ (t )
Modèle échantillonné
ajustable
BF (t 1) y (t 1) yˆ (t 1)
Identification des systèmes en BF
Techniques générales
Et ensuite?
Identification des systèmes en BF
Pourquoi en boucle fermée?
BF (t 1) y (t 1) yˆ (t 1) à posteriori
r + u qd B y
T 1/S
A
la forme de l ’AAP récursif, avec mémoire est : - Procédé +
1/S û q Bˆ
d
ˆ(t 1) ˆ(t ) F (t ) (t ) BF (t 1) -
Aˆ
R Modèle
1
5
5 a 4
s+1 3
Sum1 Gain1 Transfer Fcn To Workspace 2
0
0 20 40 60 80 100 120 140 160
Input signal 1 e
Sum To Workspace3
K=10 F=20
Sum2 s+1 Dot Product
Dot Product1
Transfer Fcn1
8
1 b
100 F
7
s To Workspace1 6
0
0 20 40 60 80 100 120 140 160
K=5 F=100
Identification des systèmes en BF
Applications
Accélération primaire
Accélération primaire (perturbation)
Machine (masse) (perturbation)
-
Accélération résiduelle
Pré- Contrôleur
actionneur
Piston
Figure 1: schéma du système Figure 2 : schéma fonctionnel
Identification des systèmes en BF
Applications
Perturbations
Consigne + Mesure
Sortie
Contrôleur Procédé
- +
-
Modèle
Entrée
+ Sortie
(médicament) +
Boite noire
(modèle à identifier)
+
- (fréquence cardiaque, pression
artérielle, capacité pulmonaire)
Perpectives :
extension des algorithmes aux cas multivariables
systèmes non linéaires
Conclusion personnelle
Identification des systèmes en BF
Techniques générales
Tosc 1 2
1 arctan Grc K 1
2
2
Identification des systèmes en BF
Techniques générales
a1
On veut une bonne vitesse de convergence au début(grand gain d ’adaptation), puis un petit
gain au voisinage de l ’optimum pour pas d ’oscillations (cf simulation)
t 1
on cherche alors un AAP qui minise le critère des moindres carrés : ˆ(t 1) F (t 1)
y (i ) (i 1)
ˆ ˆ
L ’A.A.P. devient : (t 1) (t ) F (t 1) (t ) (t 1)
i 1
F (t ) (t ) (t )T F (t )
avec F (t 1) F (t ) et (t 1) y (t 1) ˆ(t )T (t )
1 (t ) F (t ) (t )
T
Identification des systèmes en BF
Les méthodes
Approche directe : pas besoin de s ’occuper du régulateur, ni du retour, pas d ’algorithme spécifique,
systèmes instables supportés tant que B.F. et prédicteur stables. Mais il faut un bon modèle du bruit
(sinon => biais)… méthode à choisir en premier
Approche indirecte : à partir référence et sortie => on retrouve système en B.O. en appliquant
méthodes B.O.. Il faut connaître le régulateur; mais toute erreur dans la boucle est répercutée sur le
modèle… ne nécessite pas une parfaite connaissance du bruit
Approche E/S commune : on considère y et u comme sorties d ’un système multivariables avec r(t)
et bruit les entrées; on identifie le processus en B.O; pas besoin de connaître le régulateur. Mais il faut
que le retour soit linéaire.
Identification des systèmes en BF
Les méthodes
+ SBPA (possibilité 1)
y0 y1
Consigne +
Régulateu Système y(t)
r physique
u(t)
Sortie
Identification des systèmes en BF
Les méthodes
Distribution du biais :
2
ˆ
ˆ* arg min Sˆ yp Sˆ yp r ( )d avec S yp KG /(1 KG )
ˆ
Identification des systèmes en BF
Simulation
Actual Output (Red Line) vs. The Predicted Model output (Blue Line) Actual Output (Red Line) vs. The Predicted Model output (Blue Line)
0 1
0.5
-2
0
-4
-0.5
-6 -1
2 2.5 3 3.5 4 2 2.5 3 3.5 4
Time (secs) Error In Predicted Model Error In Predicted Model Time (secs)
15 0
10 -0.5
Identification en B.O
5 Identification en B.F.-1
2 2.5 3 3.5 4 2 2.5 3 3.5 4
Comparaison des réponses indicielles pour différentes méthodesTime: (secs)
Time (secs)
2.5
2
2
1
1.5
0 1
En vert foncée on à la réponse réelle, en rouge, méthode ARX, méthode OE en vert clair, méthode de l’erreur de
0.5
-1
0
-2
-0.5
0.8 0
0.6 -0.05
0.4 -0.1
0.2 -0.15
-0.2
0
-0.25
-0.2
-0.3
-0.4
-0.35
-0.6
-0.4
-0.8
-0.45
-1 0 20 40 60 80 100 120 140 160
0 20 40 60 80 100 120 140 160
K=10, F=20 :
1.5 0.6
1 0.4
0.2
0.5
0
0
-0.2
-0.5
-0.4
-1
-0.6
-1.5
0 20 40 60 80 100 120 140 160
-0.8
0 20 40 60 80 100 120 140 160