Bibliographie & annexes
Présentation
English
RÉSUMÉ
La commande prédictive proposée dans cet article est de plus en plus courante, tant elle propose un rapport coût/performance intéressant. Elle est fondamentalement à base de modèle, c’est pourquoi cet article s’attache tout d’abord à décrire les problèmes et les solutions proposées afin d’obtenir ces modèles. Sont donc décrit les différents aspects que sont le type de modèle, l’identification, le protocole d'essai, l'analyse des signaux d'entrée et de sortie et les diverses procédures d'identification avec les logiciels correspondants.
Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.
Lire l’articleAuteur(s)
-
Jacques RICHALET : Docteur en Sciences - Fondateur et ancien directeur d'ADERSA
-
Guy LAVIELLE : Consultant, ancien automaticien - Ingénieur retraité du groupe Arcelor
-
Joëlle MALLET : Professeur en automatique avancée, - Institut de régulation et d'automatisation
INTRODUCTION
Cet article s'adresse aux techniciens et ingénieurs chargés d'installer dans les sites de production industriels des systèmes de commande automatique. La Commande Prédictive ici proposée est de plus en plus utilisée, car elle a des caractéristiques qui répondent bien aux besoins des utilisateurs avec un rapport coût/performance intéressant. C'est avec la volonté de rendre le message facilement accessible que cette commande est présentée ici de la façon la plus simple possible, alors que des justifications mathématiques sont disponibles dans d'autres documents plus théoriques.
Elle se présente sous la forme d'un algorithme de commande implantable, ou souvent déjà pré-implanté, dans les automates et systèmes de commande actuellement disponibles industriellement.
Tous les processus dans leurs environnements propres sont particuliers avec des objectifs bien spécifiques ; il ne s'agit pas d'appliquer des « recettes » mais plutôt de fournir des bases de solution à partir desquelles l'automaticien local pourra, selon sa compétence, adapter la méthode et son réglage au cas précis.
La loi de commande utilise en temps réel un modèle dynamique du processus, dont l'identification constitue l'essentiel du travail à effectuer.
La commande PFC est la plus ancienne commande prédictive, elle a été conçue volontairement ‘facile à comprendre’ et à implanter, mais elle assure en général de meilleures performances en précision et stabilité que la régulation PID traditionnelle, qu'elle ne cherche pas à remplacer mais dont elle souhaite prendre le relais lorsque celle-ci bute sur ses limites.
La commande prédictive est fondamentalement à base de modèle et nous commençons donc par décrire les problèmes et les solutions proposées pour obtenir ces modèles qui seront implantés et utilisés en temps réel dans l'organe de commande.
L'expertise technique et scientifique de référence
MOTS-CLÉS
applications logiciel procédure modélisation et identification de processus Modélisation régulation prédictive à modèle interne commande de processus industriel
DOI (Digital Object Identifier)
Cet article fait partie de l’offre
Automatique et ingénierie système
(139 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Présentation
Conclusion
English
6. Qualité du modèle
Il est plus aisé de définir les cas où un modèle n'est pas satisfaisant. Deux cas extrêmes peuvent se présenter.
6.1 Sous-caractérisation
Un modèle n'est pas acceptable s'il ne remplit pas sa première fonction qui est de se « comporter comme » le processus objet qu'il est sensé représenter. Un processus d'ordre 2 avec un mode oscillatoire ne pourra jamais être approché correctement par un système du premier ordre, quel que soit le gain et la constante de temps choisis. Le modèle est trop simple, sa caractérisation est trop élémentaire. Cela se traduit par un nombre insuffisant de paramètres qui définissent la structure du modèle.
La distance d'état est trop grande pour l'objectif recherché. On dit alors que le modèle est sous-caractérisé.
HAUT DE PAGE6.2 Sur-caractérisation
Le critère d'état est satisfaisant, pour une entrée donnée, objet et modèle se comportent de la même façon. Mais les domaines isodistances sont ouverts. Il y a compensation paramétrique, le volume d'incertitude est grand, plusieurs paramètres peuvent être pris « à n'importe quelle » valeur, les autres paramètres en surnombre compensant ce choix arbitraire. Ce risque de sur-caractérisation est plus subtil car si l'on ne considère que la distance d'état, on n'est pas informé de cette compensation paramétrique. Ne pas oublier que la véritable distance que l'on cherche à minimiser est la distance de structure. On ignore quel espace désensibilisé a été créé. La surprise est amère si les circonstances de l'utilisation du modèle s'éloignent de celles, bien particulières, qui ont prévalu lors de l'identification. Heureusement l'analyse de l'espace paramétrique, qui va bien au-delà de l'analyse de la variance des paramètres du modèle, nous renseigne parfaitement sur le caractère spécifique du modèle.
Le modèle ne vaut que par la richesse de sa structure qui doit donc être en équilibre avec le contenu informationnel du protocole d'essai.
Augmenter la dimension du modèle, son ordre, inclure des non-linéarités, etc. n'est acceptable que si corrélativement les signaux de test sont plus sensibilisants, avec des caractéristiques plus...
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Automatique et ingénierie système
(139 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Qualité du modèle
BIBLIOGRAPHIE
-
(1) - HIMMELBLAU (D.M.) - Applied nonlinear programming - Mc Graw Hill (1972).
-
(2) - RICHALET (J.) - Pratique de l'identification - ADERSA, Hermès (1998).
-
(3) - LANDAU (I.D.) - Identification et commande des systèmes - Hermès (1999).
-
(4) - BORNE (P.), DAUPHIN-TANGUY (G.), RICHARD (J.P.), ROTELLA (F.), ZAMBETAS (I.) - Modélisation et Identification des Processus - Tomes 1 et 2, Technip, Paris (1992).
-
(5) - LANDAU (I.D.) - Commandes systèmes - Éditions Hermès, Paris (2002).
-
(6) - BOUCHER (P.), DUMUR (D.) - La commande prédictive - Technip, Paris (1996).
-
...
DANS NOS BASES DOCUMENTAIRES
ANNEXES
Applications industrielles de la commande prédictive PFC (SEE / ISA), juin 2012.
HAUT DE PAGE
1 CD : Applications industrielles de la commande prédictive PFC SEE/ISA.
HAUT DE PAGE
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Automatique et ingénierie système
(139 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
