République Tunisienne

Ministère de l’Enseignement Supérieur et de la Recherche Scientifique

Institut National des Sciences Appliquées et de Technologie

FASCICULE DE TRAVAUX
PRATIQUES

Module : Modélisation, Identification et Estimation

Filière : Informatique Industrielle et Automatique (IIA)

Niveau : 3ème Année

Élaboré par : Fatma Ezzahra OUESLATI

Ines DLIMI

Dirigé par : M. Hichem KALLEL

Année universitaire: 2020/2021

TP Modélisation identification estimation (IIA3) INSAT A.U. 2020/2021

TP 1 : Modélisation et identification des systèmes dynamiques

Exercice n°1 :
On se propose, dans cet exercice, de modéliser l’évolution de la température X d’un
corps C .

Initialement ce corps est à une température X i . A l’instant t = t0, ce corps est plongé
dans un milieu de température X m . On note le taux de changement de température
constant .
L’évolution de la température du corps C est régie par l’équation différentielle
suivante :

dX
 (X  Xm)
dt
1. Créer une fonction portant le nom «differ.m », dans laquelle :
a. Définir les entrées et les sorties de cette fonction.
b. Définir l’équation différentielle régissant l’évolution du système. On prendra :
X m  10 C et  0.1 C / s .
2. Créer un nouveau script nommé « solution_differ.m », dans lequel :
Courbe x=f(t)
100 T= X=
Evolution de la température du corps C en fonction du temps
90 0 100.0000
80
0.5582 95.1138
1.1164 90.4930
70 1.6746 86.1230
…. ….
Température

60
50.2328 10.5926
50
51.7328 10.5100
53.2328 10.4390
40 54.7328 10.3779
56.2328 10.3252
30
57.1746 10.2960
20 58.1164 10.2694
59.0582 10.2452
10
0 10 20 30 40 50 60
60.0000 10.2232
Temps

Figure 1 – Schéma de l’évolution de la température du corps C en fonction du temps

a. Sachant que la température initiale du corps est X i  100 C , résoudre l’équation

différentielle définie dans le script « differ.m » à l’aide de la fonction Matlab
« Ode45 » (taper sur l’invite de commande « help ode45 »).
b. Tracer le graphe de l’évolution de la température du corps en fonction du temps.
c. Comparer la courbe obtenue à celle de la figure ci-dessous (Figure 1), s’il y a des
différences, modifier le programme afin d’obtenir une figure qui lui soit identique.

Fatma Ezzahra OUESLATI & Ines DLIMI Page 1/7

TP Modélisation identification estimation (IIA3) INSAT A.U. 2020/2021

Exercice n°2 :
On se propose, dans cet exercice, de modéliser un système linéaire via une
représentation d’état.
Pour ce faire, considérons un circuit RLC composé de trois éléments électriques
passifs montés en série : un résistor de résistance R, une bobine d’inductance L et un
condensateur de capacité C, comme schématisé dans la figure suivante (Figure 2) :

Figure 2 - Circuit RLC monté en série

Ce circuit est une maille unique où chaque nœud a seulement une entrée et une sortie,
par conséquent, l'application de la loi des nœuds montre, qu’à un instant t, l’intensité du
courant i(t) est la même dans tout le circuit.
En appliquant maintenant, à ce circuit, la loi des mailles, nous obtenons ainsi
l’équation différentielle qui régit le système :

UU=UURR+UULL +U UC
{ di(t)
C
1 tf ( )
 di (t ) 1 t
U = RRii(t)
U (t ) +LL  t i ( )d
f

dtdt +CC ƒt0 i 8 d8

0

En choisissant comme variables d’état la charge du condensateur

qt (t )  tt i( )d et l’intensité du courant, cette équation différentielle nous
0
f

ramène à la représentation d’état suivante :

  q(t ) 
X 
 X = [q(t) ] ∶: le vecteur d ' état
le vecteur d′état
  i (t )
i(t) 
 ˙  i(t)
X = [di(t) ] = AX + BU
i(t )
X     AX  BU
L  didt(t ) 
  dt 

Fatma Ezzahra OUESLATI & Ines DLIMI Page 2/7

TP Modélisation identification estimation (IIA3) INSAT A.U. 2020/2021

Manipulation :
Créer un script portant le nom « TP1_RLC.m », dans lequel :
1. Définir les valeurs de la résistance, de l’inductance et de la capacité du système. On
prendra : R = 50Ω, L = 1H et c = 5mF.
2. Définir la matrice d’état A et la matrice de commande B.
3. Calculer les valeurs propres du système et conclure sur sa stabilité.
4. Calculer le rang de la matrice Q   B AB  et conclure sur sa commandabilité.
5. Initialiser le vecteur d’état X   0  et la tension d’entrée du système U = 10V.
0 
6. Définir la matrice d'observation C et la matrice d'action directe D, telque :
Y = CX + DU : la tension de sortie du système.
7. Créer une boucle « for » dans laquelle :
a. Calculer X via l’équation différentielle qui régit le système.
b. Calculer le nouveau vecteur d’état X  tt X (t ) dt .
0
f

8. Simuler, en fonction du temps, l’entrée et la sortie du système, dans le même graphe.

9. Changer l’entrée du système, telle que : U1  sin(2 t )

U 2  cos(2 t )
10. Simuler, en fonction du temps, l’entrée et la sortie du système, dans le même graphe.
11. Conclure.
12. Lancer Simulink. Pour lancer Simulink, on peut soit utiliser l’icône du menu :

,
Soit taper sur la fenêtre de commande de Matlab (command window) : >> simulink.
13. Réaliser le schéma bloc du système RLC comme suit :

Figure 3 - Schéma bloc de la représentation d'état du circuit RLC

Fatma Ezzahra OUESLATI & Ines DLIMI Page 3/7

TP Modélisation identification estimation (IIA3) INSAT A.U. 2020/2021

TP 2 : Modélisation et identification d’un moteur à

courant continu
Objectif :
On se propose dans ce tp, de modéliser un moteur à courant continu (MCC) et d’étudier ses
caractéristiques.
On note H(p) la fonction de transfert du MCC reliant la vitesse de rotation du rotor ( p) à la
tension appliquée à l’induit U ( p) , définie comme suit :

Kc
H( p) 
( L J ) p 2  ( L f  J R) p  ( R f  K e K c )
 R est la résistance de l’induit du moteur, L est son inductance, f est le coefficient
de frottement visqueux, J est le moment d’inertie du rotor, K e est la constante de
la f.é.m et K c est la constante de couple.

I. Modélisation du MCC

1. Dans un fichier nommé « model _MCC.m », dans lequel :

a. Définir les différentes variables du MCC, sachant que les valeurs numériques
sont les suivantes :

R() L( H ) f (mNs / rd ) J (kg.m2 ) Ke Kc

1.44 5.6 10-4 1.29 10-4 7.2 10-4 0.1 Vs/rd 0.1 mN/A

b. Calculer les constantes de temps électrique  e et électromécanique  m du MCC.

c. Définir la fonction de transfert en boucle ouverte du MCC (taper « help tf »).
Remarque : Des commentaires peuvent être introduits à l’aide du symbole %.

II. Analyse des caractéristiques du MCC

1. Calculer, les pôles de la fonction de transfert en boucle ouverte du MCC.
2. Donner l’ordre du système ?
Remarque : Ne pas hésiter à tester différentes fonctions : taper par exemple, sur
l’invite principale de Matlab, « lookfor pole », « help roots », « help dcgain », etc …
3. Tracer la réponse indicielle du MCC a un échelon unitaire de tension.
4. Donner à la figure, un titre, une légende, des noms aux axes, etc…
5. Conclure sur la stabilité du système.

Fatma Ezzahra OUESLATI & Ines DLIMI Page 4/7

TP Modélisation identification estimation (IIA3) INSAT A.U. 2020/2021

III. Asservissement de vitesse du MCC

Dans ce qui suit, on se propose de réaliser l’asservissement de vitesse du MCC avec une commande

PI. Ceci est défini par le schéma bloc de la figure « Figure 4 ». La fonction du transfert du régulateur

est C ( p) . Yréf  3000tr / mn .

Yréf ( p) ε (p) U (p) Ω (p)

+ C (p) H (p)
_ -_

Figure 4 – Schéma de l’asservissement de vitesse du MCC

1. Définir la fonction de transfert du système asservi en boucle fermée, en combinant les

différents blocs à l’aide des fonctions « series » et « feedback ».
2. Calculer les pôles de la fonction de transfert du système asservi.
3. Sur une même figure, tracer les réponses indicielles du système asservi en boucle
ouverte et en boucle fermée.
4. Interpréter les résultats.

IV. Simulation graphique avec Simulink

1. Lancer Simulink. Créer un nouveau modèle portant le nom « MCC_model.mdl ».
2. Définir le modèle du MCC en boucle ouverte.
3. Tracer le schéma bloc du système en boucle fermée selon le schéma de la Figure 4.
4. Sur une même figure, tracer la consigne, la réponse indicielle du système en boucle
ouverte et la réponse indicielle du système en boucle fermée.
5. Faire varier le gain de proportionnalité Kp. Relever à chaque fois l’erreur statique ε.
6. Faire varier le gain de l’action intégrale Ki. Relever à chaque fois la valeur de l’erreur
statique.
7. Donner le rôle de chaque action du régulateur PI.
8. Fixer les valeurs de Kp, Ki pour que le système soit performant.
9. Interpréter le comportement du système de point de vue (stabilité, rapidité et
précision).

Fatma Ezzahra OUESLATI & Ines DLIMI Page 5/7

TP Modélisation identification estimation (IIA3) INSAT A.U. 2020/2021

TP 3 : Identification et optimisation d’un procédé industriel

Exercice n°1 :
On se propose, dans cet exercice, d’identifier les paramètres d’un procédé industriel dont
l’état est en évolution.
On a récolté les sorties du processus, mesurées expérimentalement toutes les heures, pendant
30 heures, et on a obtenu le tableau suivant :

Temps : Texp
0 1 2 3 4 5 6 7
(heure)

Yexp(t) 0 1.25 2.5 3.5 4.25 4.75 5 5

Temps : Texp
8 9 10 11 12 13 14 15
(heure)

Yexp(t) 4.5 4 3 2 0.75 - 0.5 -1.75 -3

Temps : Texp
16 17 18 19 20 21 22 23
(heure)

Yexp(t) -4 -4.5 -5 -5 -4.75 -4.25 -3.5 -2.5

Temps : Texp
24 25 26 27 28 29 30
(heure)

Yexp(t) -1.5 0 1 2.25 3.25 4 4.75

Le but de cet exercice est d’identifier les paramètres du modèle caractérisant l’évolution du
système. Il s’agit donc de minimiser les écarts entre les valeurs expérimentales et les valeurs
simulées de la sortie du système.
L’évolution du système est modélisée pendant sa phase sinusoïdale par l’équation suivante :

Y (t )  Y0 sin(t )

La fonction objective, à minimiser, est l’erreur au sens des moindres carrés, appelée erreur,
et l’algorithme d’optimisation est celui de Nelder-Mead programmé par la fonction fminsearch.
A. Créer une fonction portant le nom « model_erreur.m », dans laquelle :
1. Définir le temps expérimental en heures Texp .
2. Introduire le vecteur contenant les sorties expérimentales du système Yexp .
3. Vérifier que les dimensions de Yexp sont égales aux dimensions du vecteur Texp .

Fatma Ezzahra OUESLATI & Ines DLIMI Page 6/7

TP Modélisation identification estimation (IIA3) INSAT A.U. 2020/2021

4. Calculer la valeur du gain du système Y0 .

5. Introduire l’équation de la sortie simulée du système Y (t ) .

6. Définir l’erreur quadratique entre les valeurs expérimentales et les valeurs simulées
de la sortie du système.
B. Créer un nouveau script nommé « ident_erreur.m », dans lequel :
1. Utiliser la fonction fminsearch afin de minimiser l’erreur au sens des moindres
carrés, définie par la fonction réalisée ci-dessus.
2. Afin de simuler le comportement du système calculé :

 Redéfinir le temps expérimental en heures Texp et la valeur maximale du

vecteur contenant les sorties simulées du système Y0 .

 Copier le vecteur contenant les sorties expérimentales du système ainsi

que l’équation de la sortie simulée du système Y (t ) .
3. Tracer dans le même graphe les courbes de l’évolution du système réel et celle du
système simulé en fonction du temps.

Exercice n°2 :
On se propose dans cet exercice d’évaluer la sortie du processus industriel mesurée dans
l’Exercice n°1, Yexp (t ) , par une interpolation polynomiale.

L’interpolation polynomiale consiste à approcher la courbe liant les deux séries de mesures
(du temps et de la sortie du système) par un polynôme. Les coefficients optimaux de ce
polynôme sont ceux qui minimisent la variance de l’erreur d’interpolation. Ce principe est
connu sous le nom de « la méthode des moindres carrés ».

La fonction polyfit retourne le polynôme P de degré n permettant d’approcher, au sens

des moindres carrés, la courbe Y  f (t ) .
1. Dans le même fichier où a été créée la fonction fminsearch, calculer un polynôme
qui évalue la sortie du processus industriel mesurée Yexp (t ) qu’on nommera P .
2. Choisir un degré convenable pour ce polynôme P .
3. Définir un nouveau vecteur temps t1 , allant de 0 à 30s avec un pas de 0.01 .
4. Calculer le nouveau système Y1 (t1 ) interpolé à l’aide de la fonction polyval à partir
du polynôme P .
5. Tracer, dans un nouveau graphe, les courbes de l’évolution du système réel et celle
du système calculée Y1 (t1 ) à l’aide du polynôme P .
6. Conclure.

Fatma Ezzahra OUESLATI & Ines DLIMI Page 7/7