Ecole Nationale Sup´erieure de G´eologie

Option ”Gestion des Mati`eres Premi`eres”
Analyse des processus continus
Version 2.0
29 mars 2009
Jos´e RAGOT. Institut National Polytechnique de Lorraine
Centre de Recherche en Automatique de Nancy
2
Table des mati`eres
1 G´en´eralit´es sur la mod´elisation 5
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.1 Les mod`eles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.2 Les diff´erents types de mod`ele . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.3 Les diff´erents types de mod´elisation . . . . . . . . . . . . . . . . . . . . . 6
1.1.4 Utilit´es d’un mod`ele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2 Analyse du fonctionnement d’un proc´ed´e . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.1 Description physique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.2 Description des variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.3 Mod`ele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.4 Affinement du mod`ele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.2.5 Mod`ele lin´earis´e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.3 Extension `a des processus automatis´es . . . . . . . . . . . . . . . . . . . . . . . . 12
1.4 Etablissement d’un mod`ele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.5 Estimation des param`etres d’un mod`ele . . . . . . . . . . . . . . . . . . . . . . . 15
1.5.1 Essais indiciels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.5.2 R´egression lin´eaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.5.3 R´egression multilin´eaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.5.4 Plan d’exp´erience . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2 Mod`eles de processus physiques ´el´ementaires 19
2.1 Syst`eme thermique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2 R´eaction chimique irr´eversible . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.3 R´eaction chimique r´eversible . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.4 R´eactions irr´eversibles en chaˆıne . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.5 Distributions granulom`etriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.6 R´eseau de transport de mati`ere . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.7 Processus de broyage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.7.1 Bilan en flux total . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.7.2 Bilan en flux partiel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.8 M´elangeur de flux de mati`ere . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.9 Hydrocyclone . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.9.1 Equation de bilan entre les trois flux . . . . . . . . . . . . . . . . . . . . . 33
2.9.2 Equation de bilan entre deux flux . . . . . . . . . . . . . . . . . . . . . . . 33
2.9.3 Mod`ele de courbe de partage . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.9.4 Mod`ele g´en´eral de la boucle broyage-classification . . . . . . . . . . . . . . 36
2.9.5 Forme g´en´erale d’un mod`ele . . . . . . . . . . . . . . . . . . . . . . . . . . 37
1
3 R´egulations ´el´ementaires 39
3.1 R´egulation de niveau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.2 R´egulation de proportion entre deux fluides . . . . . . . . . . . . . . . . . . . . . 39
3.3 R´egulation de temp´erature d’un ´echangeur de chaleur . . . . . . . . . . . . . . . 41
3.4 R´egulation dans un circuit de broyage . . . . . . . . . . . . . . . . . . . . . . . . 43
4 A propos de la qualit´e des mesures 46
4.1 G´en´eralit´es (Les ´etapes de la validation et du diagnostic) . . . . . . . . . . . . . 46
4.2 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.3 Technique s´equentielle de d´etection d’erreur . . . . . . . . . . . . . . . . . . . . . 50
4.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2
Table des figures
1.1 sch´ema physique d’un bac de chauffage . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2 diagramme fonctionnel d’un bac de chauffage . . . . . . . . . . . . . . . . . . . . 9
1.3 Sch´ema fonctionnel d´ecompos´e . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.4 Bac avec r´egulation de concentration . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.5 Les ´etapes de la mod´elisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.1 Echangeur de chaleur id´eal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2 Sch´ema de simulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.3 Contrˆ ole de temp´erature avec une action a priori et une action a posteriori . . . 22
2.4 Mise en oeuvre de la r´egulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.5 R´eacteur simple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.6 Tamis (Rotap) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.7 Leeds and Northrup Microtrac . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.8 Micromeretics Sedigraph 5000 ET) . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.9 Distribution granulom´etrique en cumul´e et par tranches . . . . . . . . . . . . . . 28
2.10 R´eseau de transport de mati`ere . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.11 M´elangeur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.12 Hydrocyclone : comparaison mesures estimations . . . . . . . . . . . . . . . . . . 36
2.13 Circuit de broyage-classification . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.1 R´egulation de niveau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.2 R´egulation de m´elange a posteriori. . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.3 R´egulation de m´elange a priori . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.4 R´egulation de m´elange a priori et a posteriori . . . . . . . . . . . . . . . . . . . . 41
3.5 R´egulation de temp´erature d’un ´echangeur . . . . . . . . . . . . . . . . . . . . . . 42
3.6 R´egulation de temp´erature d’un ´echangeur . . . . . . . . . . . . . . . . . . . . . . 42
3.7 Exemple d’organisation de boucles ´el´ementaires . . . . . . . . . . . . . . . . . . . 44
4.1 Processus physique et sources de perturbation . . . . . . . . . . . . . . . . . . . . 47
4.2 Processus de cristallisation de la potass . . . . . . . . . . . . . . . . . . . . . . . 48
3
Liste des tableaux
1.1 Domaine de variation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.2 Plan d’exp´erience . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.3 Plan d’exp´erience normalis´e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.1 Donn´ees pour identifier la courbe de partage . . . . . . . . . . . . . . . . . . . . . 35
4.1 Mesures et estimations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
4.2 Tableau 2. Mesures et pr´ecisions des mesures . . . . . . . . . . . . . . . . . . . . 50
4.3 R´esidus d’´equation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
4.4 D´etection de d´efauts . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
Pr´eambule
Analyse des processus continus
Le cours est focalis´e sur la fa¸ con de repr´esenter les syst`emes physiques. Ces derniers sont ca-
ract´eris´es par des variables traduisant un ´etat de fonctionnement, mais comprennent aussi des
grandeurs de commande. Comment ces variables sont reli´ees entre elles ? Telle est la r´eponse
fournie par la mod´elisation qui donne une image des liens entre les diff´erentes variables.
Une bibliographie compl´ete le document ainsi que quelques exercices propos´es dans les diff´erents
chapitres.
4
Chapitre 1
G´en´eralit´es sur la mod´elisation
Sommaire
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.1 Les mod`eles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.2 Les diff´erents types de mod`ele . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.3 Les diff´erents types de mod´elisation . . . . . . . . . . . . . . . . . . . . 6
1.1.4 Utilit´es d’un mod`ele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2 Analyse du fonctionnement d’un proc´ed´e . . . . . . . . . . . . . . . . 7
1.2.1 Description physique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.2 Description des variables . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.3 Mod`ele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.4 Affinement du mod`ele . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.2.5 Mod`ele lin´earis´e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.3 Extension `a des processus automatis´es . . . . . . . . . . . . . . . . . . 12
1.4 Etablissement d’un mod`ele . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.5 Estimation des param`etres d’un mod`ele . . . . . . . . . . . . . . . . . 15
1.5.1 Essais indiciels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.5.2 R´egression lin´eaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.5.3 R´egression multilin´eaire . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.5.4 Plan d’exp´erience . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.1 Introduction
1.1.1 Les mod`eles
Un proc´ed´e peut ˆetre d´ecrit par un ensemble de relations math´ematiques ou mod`eles afin de
d´ecrire voire de pr´edire certains aspects de son fonctionnement. L’efficacit´e d’un mod`ele, c’est-
`a-dire son aptitude `a d´ecrire le fonctionnement du proc´ed´e, est ´etroitement li´ee `a la ”finesse” de
l’analogie entre le proc´ed´e physique et sa repr´esentation math´ematique.
En g´en´eral on ne cherche pas, dans le domaine de l’automatique, `a d´ecrire la structure intime
d’un proc´ed´e. On cherche essentiellement `a d´ecrire les interactions du proc´ed´e avec son milieu.
Ceci n’exclut pas, bien au contraire, un minimum de connaissance sur le proc´ed´e lui-mˆeme :
transfert de chaleur, cin´etique chimique, traitement m´ecanique, propagation d’ondes, r´esistance
des mat´eriaux, ...
5
Rappelons qu’un mod`ele doit ensuite servir plusieurs objectifs : pr´evoir le comportement du
proc´ed´e, calculer des lois de r´egulation, optimiser le fonctionnement du proc´ed´e, diagnostiquer
le fonctionnement du proc´ed´e, d´etecter des d´efaillances, ´eduquer les utilisateurs et les op´erateurs
...
1.1.2 Les diff´erents types de mod`ele
Dans la suite de l’expos´e nous nous limiterons aux mod`eles qui d´ecrivent un proc´ed´e au cours de
son ´evolution temporelle. Nous ´ecarterons les proc´ed´es dont le fonctionnement n’est pas continu
(on exclut ainsi en particulier les syst`emes de production de pi`eces individualis´ees).
On distingue g´en´eralement deux classes de mod`eles :
– les mod`eles `a param`etres localis´es qui font intervenir un nombre fini de fonctions du temps pour
d´ecrire l’´etat d’un proc´ed´e. Ces fonctions se pr´esentent sous forme d’´equations diff´erentielles
ordinaires, d´ependant du temps.
– les mod`eles `a param`etres r´epartis qui font intervenir un nombre fini de fonctions du temps et
de l’espace. Ils se pr´esentent sous la forme d’un ensemble d’´equations aux d´eriv´ees partielles
(par exemple cas des syst`emes o` u la propagation de la chaleur intervient)
Dans chaque classe, on distingue les mod`eles lin´eaires des mod`eles non lin´eaires. Dans la suite
on se limitera essentiellement `a l’´etude des mod`eles lin´eaires.
1.1.3 Les diff´erents types de mod´elisation
Il peut se faire que le proc´ed´e dont on veut construire un mod`ele n’existe pas encore (cas
d’un proc´ed´e au stade de son avant projet ou de sa construction) ou soit inaccessible `a toute
exp´erimentation. L’´elaboration des mod`eles ne peut se faire qu’`a partir des connaissances ”th´eori-
ques” que l’on a a priori sur son fonctionnement. Ces mod`eles font intervenir, avec plus ou moins
d’hypoth`eses simplificatrices, les lois physiques qui r´egissent la plupart des ph´enom`enes naturels.
Les mod`eles obtenus sont dits mod`eles de connaissance.
Si le proc´ed´e `a mod´eliser est physiquement accessible, la d´emarche pr´ec´edente est toujours
possible. Elle peut cependant ˆetre judicieusement compl´et´ee par une ´etape de validation qui
consiste `a comparer le fonctionnement r´eel du proc´ed´e ` a celui de son mod`ele de connaissance. En
fonction des ´ecarts constat´es, un r´eajustement des param`etres du mod`ele est possible. De fa¸ con
plus syst´ematique on peut a priori se fixer une structure de mod`ele puis ajuster ses param`etres
pour qu’il repr´esente au mieux le comportement r´eel du proc´ed´e. Cette technique produit des
mod`eles de repr´esentation quelque fois qualifi´es de mod`eles ”boite noire” car n’utilisent pas les
connaissances physiques du proc´ed´e.
1.1.4 Utilit´es d’un mod`ele
L’´etablissement d’un mod`ele n’est pas une fin en soi. G´en´eralement il est destin´e, au sens large,
`a am´eliorer le comportement d’un processus. Parmi les nombreux usages auxquels il est d´edi´e,
citons :
– la meilleure connaissance du processus physique qu’il repr´esente
6
– la mise en ´evidence des variables sensibles
– l’aide `a la conception de processus (dimensionnement)
– l’aide `a la formation des op´erateurs
– l’aide au diagnostic (d´etection de disfonctionnements)
– l’aide `a la maintenance
– la pr´evision de situation
– l’aide `a la conduite (r´egulation, commande).
1.2 Analyse du fonctionnement d’un proc´ed´e
Pour commencer la description d’un proc´ed´e on peut toujours d´efinir ses fronti`eres puis d´enombrer
et caract´eriser ses interactions avec le milieu ext´erieur. Puis, en se limitant uniquement au
proc´ed´e ainsi d´elimit´e, on s’int´eresse `a d´ecrire les ph´enom`enes apparaissant `a l’int´erieur du
syst`eme.
L’exemple qui suit illustre cette d´emarche.
1.2.1 Description physique
Consid´erons un bac destin´e au r´echauffage d’un liquide (figure 1.1). Il re¸ coit un liquide caract´eris´e
par un d´ebit Q
e
(t) et une temp´erature T
e
(t). Il d´elivre un d´ebit de sortie lui aussi caract´eris´e
par son d´ebit Q
s
(t) et sa temp´erature T
s
(t). La puissance utilis´ee pour le r´echauffage est fournie
par une r´esistance soumise `a une tension efficace V (t) ; on note P
d
(t) la puissance thermique
correspondant aux pertes de chaleur vers l’ext´erieur, et on suppose nulles les pertes de mati`ere
par ´evaporation.
Enfin, comme on se place en r´egime dynamique, toutes les grandeurs sauf les grandeurs g´eom´etriques
peuvent varier au cours du temps.
Q (t),
e
Q (t),
s
H(t)
V(t)
T (t)
e
T (t)
s
T
0
Pertes thermiques

Fig. 1.1 – sch´ema physique d’un bac de chauffage
1.2.2 Description des variables
Les variables d’entr´ee correspondent `a l’ensemble des informations d´efinissant les contraintes
impos´ees au syst`eme par le milieu ext´erieur. Elles sont ici toutes fonction du temps : Q
e
(t), T
e
t),
7
Q
s
(t), P
d
(t) et V (t). Dans un cas plus g´en´eral elles pourraient d´ependre de l’espace ; la prise
en compte de la distribution de la temp´erature de l’air autour du bac conduirait `a ce type de
d´ependance.
Les grandeurs constantes pr´esentent en g´en´eral un int´erˆet secondaire. C’est le cas par exemple
de la section du bac qui n’est pas une grandeur de commande (sauf bien sˆ ur dans le cas ou l’on
disposerait de bac `a section commandable).
Certaines grandeurs d’entr´ee sont commandables par l’op´erateur. Dans le cas du bac, le d´ebit
d’entr´ee Q
e
(t) est commandable par l’interm´ediaire d’une vanne, l’apport d’´energie est com-
mandable par modification de la tension ´electrique V (t). Les autres entr´ees sont impos´ees par
l’environnement du proc´ed´e ; leurs fluctuations interviennent comme des perturbations ; ainsi, le
d´ebit de sortie Q
s
(t) est fix´e par la consommation de l’utilisateur situ´e en aval, la temp´erature
d’entr´ee T
e
(t) d´epend des conditions d’approvisionnement, les pertes thermiques d´ependent de
la temp´erature ext´erieure qui n’est pas maˆıtris´ee. Cette classification en commandes et pertur-
bations est bien sˆ ur propre `a chaque proc´ed´e et aussi `a son mode d’utilisation.
Remarquons aussi que ce sch´ema ne fait pas intervenir les organes de commande : ainsi la varia-
tion de d´ebit d’entr´ee peut ˆetre r´ealis´ee au moyen d’une ´electrovanne ou d’une vanne motoris´ee
et ces organes ont eux-mˆemes leur propre fonctionnement que l’on peut chercher `a caract´eriser.
Les grandeurs de sortie du proc´ed´e correspondent `a l’ensemble des grandeurs que l’on mesure
afin de suivre son fonctionnement ; on distingue deux type de sortie :
– celles qui sont utiles pour d´ecrire les interactions du proc´ed´e avec son milieu ext´erieur (c’est
le cas de la temp´erature de sortie T
s
(t) qui fournit une information sur le syst`eme vu depuis
l’ext´erieur),
– celles qui sont utiles pour suivre le fonctionnement du syst`eme (c’est le cas du niveau H(t)
qu’il faut contrˆ oler pour se pr´emunir contre les risques de d´ebordement ou de vidage du bac).
Les grandeurs de sortie sont mesur´ees par des instruments qui doivent ˆetre aussi consid´er´es
comme des proc´ed´es : ils sont caract´eris´es par une certain nombre de variables li´ees entre elles.
Un sch´ema plus r´ealiste devrait prendre en compte ces proc´ed´es ”secondaires” situ´es en aval du
proc´ed´e ”principal” `a ´etudier.
Le d´enombrement des entr´ees et des sorties d’un proc´ed´e rend alors possible sa repr´esentation
sous forme d’un diagramme fonctionnel (figure 2) qui traduit les relations de cause `a effet entre
les variables.
1.2.3 Mod`ele
Le mod`ele s’obtient `a partir d’un bilan de masse et d’un bilan d’´energie sur le liquide qu’il
contient. Ces deux bilans s’explicitent :
8
V(t)
H(t)
Q (t) T (t)
e s
Bac
Q (t)
s e
T (t) P (t)
d
Commandes
Perturbations
Sorties à contrôler

Fig. 1.2 – diagramme fonctionnel d’un bac de chauffage
bilan de masse :
d(SH(t)ρ)
dt
= Q
e
(t) −Q
s
(t) (1.1)
bilan d’´energie :
d(SH(t)ρC
p
T
s
(t))
dt
= Q
e
(t)C
p
T
e
(t) −Q
s
(t)C
p
T
s
(t) +
V
2
(t)
R
−P
d
(t) (1.2)
Si on suppose que la masse volumique du fluide et la section du bac restent constantes, ces
´equations se simplifient sous la forme :


dH(t)
dt
= Q
e
(tt −Q
s
(t)
H(t)
dT
s
(t)
dt
=
Q
e
(t)

(T
e
(t) −T
s
(t)) +
1
C
p

V
2
(t)
R
−P
d
(t)

(1.3)
La figure 3 indique la structure des deux mod`eles obtenus en montrant les couplages entre les
variables utilis´ees.
Q
e
Q
s
H
T
s
V
T
e
, P
d

Fig. 1.3 – Sch´ema fonctionnel d´ecompos´e
Ce mod`ele fait apparaˆıtre deux ´equations diff´erentielles ordinaires non lin´eaires. Le vecteur d’´etat
X(t), le vecteur de commande U(t) et le vecteur des perturbations ont pour expressions :
X(t) =

T
s
(t)
H(t)

U(t) =

Q
e
(t)
V (t)

P(t) =

¸
Q
s
(t)
T
e
(t)
P
d
(t)
¸

(1.4)
9
D’un point de vue structurel, on peut ´ecrire :
dX(t)
dt
= f(X(t), U(t), P(t)) (1.5)
qui est une forme tout `a fait adapt´ee pour ˆetre trait´ee par un logiciel de simulation et pour
´etudier la sensibilit´e, l’observabilit´e, la commandabilit´e et la stabilit´e du processus.
On remarquera que la fonction f d´epend de param`etres et notamment : ρ, S, C
p
. Pour que le
mod`ele soit utilisable, encore faut-il que ces param`etres soient connus. En ce qui concerne la
section S et ρ cela ne pose pas de probl`emes, par contre l’obtention de C
p
peut se r´ev´eler plus
d´elicate et sans doute n´ecessite de passer par quelques essais exp´erimentaux pour effectuer le
”calage” de ce param`etre et sa validation exp´erimentale.
1.2.4 Affinement du mod`ele
Ce mod`ele a ´et´e ´elabor´e `a partir d’hypoth`eses sur le fonctionnement du bac ; celles-ci peuvent
ˆetre remises en cause pour obtenir une description plus r´ealiste donc plus pr´ecise. Ainsi on peut
tenir compte de l’accumulation de la chaleur dans la r´esistance de chauffage. En supposant
uniforme la temp´erature dans le corps de la r´esistance un bilan thermique permet d’´ecrire :
MC
p
λA
dT
r
(t)
dt
+T
r
(t) =
1
λA
V (t)
2
R
+T
s
(t) (1.6)
Le flux de chaleur apport´ee par la r´esistance est alors donn´e par :
Φ = λA(T
r
(t) −T
s
(t)) (1.7)
avec comme notations :
T
r
temp´erature de la r´esistance
C
p
chaleur sp´ecifique de la r´esistance
M masse de la r´esistance
λ coefficient global d’´echange
A aire d’´echange
La premi`ere ´equation du bac est inchang´ee ; dans la seconde seul le terme sp´ecifiant l’apport
d’´energie est modifi´e :

Sρd(H(t))
dt
= Q
e
(t) −Q
s
(t)
SρC
p
d(H(t)T
s
(t))
dt
= Q
e
(t)C
p
T
e
(t) −Q
s
(t)C
p
T
s
(t) +λA(T
r
(t) −T
s
(t)) −P
d
(t)
MC
p
λA
dT
r
(t)
dt
+T
r
(t) =
1
λA
V
2
(t)
R
+T
s
(t)
(1.8)
L’´etat du syst`eme est maintenant caract´eris´e par trois variables :
X(t) =

¸
T
s
(t)
H(t)
T
t
(t)
¸

(1.9)
10
En continuant selon ce principe, on peut d´evelopper des mod`eles de complexit´e croissante, cor-
respondant `a une description de plus en plus fine du fonctionnement du proc´ed´e et ainsi tendre
vers un mod`ele de connaissance. La difficult´e consiste `a atteindre un compromis ”raisonnable”
entre un mod`ele pr´ecis traduisant bien le comportement du proc´ed´e et un mod`ele suffisamment
simple pour pouvoir ˆetre utilis´e dans des algorithmes de pr´ediction, de r´egulation et de com-
mande.
On remarque, malgr´e les hypoth`eses simples utilis´ee que le mod`ele obtenu est fortement non
lin´eaire. Dans la pratique, aucune solution analytique ne peut ˆetre envisag´ee ; il faut avoir recours
`a une int´egration num´erique des ´equations diff´erentielles.
1.2.5 Mod`ele lin´earis´e
Les mod`eles lin´eaires occupent une place importante en automatique car leur simplicit´e ap-
parente a permis l’´elaboration d’une th´eorie compl`ete ` a leur sujet. Pour cette raison, l’usage
courant incite `a remplacer, dans un certain domaine de fonctionnement, un mod`ele non lin´eaire
par un mod`ele lin´eaire.
La technique `a appliquer consiste `a d´eterminer un point d’´equilibre du syst`eme puis `a lin´eariser
les ´equations du syst`eme autour de ce point d’´equilibre. La lin´earisation consiste en d´eveloppement
en s´erie de Taylor au premier ordre des ´equations.
Dans le cas du bac, les grandeurs d’´equilibre sont affect´ees de l’indice 0. A partir de (1.3), la
recherche du r´egime stable des ´equations diff´erentielles donne :

Q
e0
−Q
s0
= 0
T
s0
= T
e0
+
V
2
0
RQ
e0
C
p

P
d0
Q
e0
C
p
(1.10a)
Ces deux ´equations d´efinissent un point d’´equilibre qui, dans un cas g´en´eral, peut ˆetre stable ou
instable. On note que l’on peut calculer les caract´eristiques du flux de sortie (d´ebit, temp´erature)
`a partir de celles du flux d’entr´ee et des apports d’´energie. De fa¸ con plus pr´ecise, on peut aussi
calculer la sensibilit´e de la sortie vis-`a-vis de l’entr´ee en ´evaluant les quantit´es :
∂T
s0
∂T
e0
,
∂T
s0
∂V
0
,
∂T
s0
∂Q
e0
, . . .
Ces sensibilit´es sont particuli`erement int´eressantes `a analyser pour d´eterminer les variables
d’entr´ee qui sensibilisent le plus celle de sortie.
On raisonne maintenant en petites variations autour de ce point d’´equilibre (qui est g´en´eralement
le point moyen de fonctionnement du syst`eme). Ainsi pour le d´ebit entrant, on note :
Q
e
(t) = Q
e0
+q
e
(t) (1.11)
11
De mˆeme, pour les autres variables, on note :
Q
s
(t) = Q
s0
+q
s
(t)
T
e
(t) = T
e0

e
(t)
P
d
(t) = P
d0
+p(t)
T
s
(t) = T
s0

s
(t)
H(t) = H
0
+h(t)
V (t) = V
0
+v(t)
En introduisant ces expressions dans les ´equations (1.3) et en n´egligeant les infiniment petits
d’ordre sup´erieur ou ´egal `a deux, on obtient :


dh(t)
dt
= q
e
(t) −q
s
(t)
H
0

s
(t)
dt
=
1

Q
e0

e
(t) −θ
s
(t)) +q
e
(t)(T
e0
−T
s0
) +
1
C
p

2V
0
v(t)
R
−p(t)

(1.12)
Le syst`eme (1.12) d´ecrit le comportement du processus. Il exprime lin´eairement h et θ
s
en
fonction de θ
e
, q
e
, v et p. Pour l’utiliser correctement, le lecteur doit veiller `a ce que le nombre
d’´equations corresponde au nombre de variables `a d´eterminer. Ici, les variables d’entr´ee (d´ebit
et temp´erature) sont suppos´ees connues (`a partir du processus se trouvant en amont de celui-ci),
les inconnues sont la hauteur et la temp´erature dans le r´eacteur ; le d´ebit de sortie donc ˆetre
fourni et en g´en´eral il est connu puisque correspond `a l’utilisation du flux produit par le r´eacteur.
1.3 Extension `a des processus automatis´es
L’´etablissement d’un mod`ele ne s’applique pas seulement `a un syst`eme physique. L’ensemble des
organes qui le compl`etent peut ´egalement ˆetre d´ecrit et en particulier les syst`emes de commande
ou de r´egulation. On consid`ere ici le cas d’un bac aliment´e par un produit brut de d´ebit Q
e
(t)
contenant une esp`ece chimique `a la concentration C(t). La r´eaction qui se produit dans le bac
a pour but de d´etruire cette esp`ece ind´esirable. La r´eaction se fait avec une vitesse k.
Capteur de
concentration
Vanne
motorisée
Gain
Consigne de
concentration

Fig. 1.4 – Bac avec r´egulation de concentration
12
La mise en ´equation est ici tr´es simple. Elle provient de l’´ecriture de la conservation de la
mati`ere. La premi`ere ´equation traduit la conservation du flux total et la seconde celle du flux
partiel relatif `a l’esp`ece chimique consid´er´ee :

dV (t)
dt
= Q
e
(t) −Q
s
(t)
d(V (t)C(t))
dt
= Q
e
(t)C
e
(t) −Q
s
(t)C
s
(t) −kV (t)C
s
(t)
(1.13)
La trois`eme ´equation est relative au syst`eme de commande du d´ebit d’entr´ee qui permet d’ajuster
la concentration dans le bac `a une valeur de r´ef´erence R
0
(ici constante) :
Q
e
(t) = K(R
0
−C
s
(t)) (1.14)
On dispose ainsi de trois ´equations liant des variables d’entr´ee du syst`eme {R
0
, C
e
(t)} aux
variables de sortie V (t), C(t), C
s
(t), Q
e
(t), Q
s
(t). Comme on ne dispose que de trois ´equations
pour cinq inconnues, la description du syst`eme n’est pas compl`ete. Physiquement, il manque
en effet, une relation entre la concentration dans le bac et celle en sortie ainsi qu’une relation
d´efinissant la fa¸ con dont le d´ebit de sortie est soutir´e. Pour les concentrations, l’hypoth`ese
d’homog´en´eit´e peut ˆetre formul´ee :
C(t) = C
s
(t) (1.15)
et pour le soutirage en sortie, on peut avoir l’une ou l’autre des situations :
– le d´ebit de sortie est ´egal au d´ebit d’entr´ee de fa¸ con ` a maintenir constant le niveau dans le
bac et dans ce cas Q
s
(t) = Q
e
(t) et le volume est constant ; les ´equations s’´ecrivent :

V (t) = V
0
dC
s
(t)
dt
= K
R
0
−C
s
(t)
V
0
(C
e
(t) −C
s
(t)) −kC
s
(t)
(1.16)
– le d´ebit de sortie Q
s
est fix´e par l’utilisateur, donc il doit ˆetre consid´er´e comme connu dans
les ´equations pr´ec´edentes ; les ´equations s’´ecrivent :

dV (t)
dt
= K(R
0
−C
s
(t)) −Q
s
(t)
dC
s
(t)
dt
= K
R
0
−C
s
(t)
V (t)
(C
e
(t) −C
s
(t)) −kC
s
(t)
(1.17)
Finalement, avec ces deux deux donn´ees suppl´ementaires, le syst`eme est compl`etement d´ecrit,
en ce sens que la connaissance des entr´ees R
0
et C
e
(t) permet la d´eduction de celle des autres
variables, par int´egration d’un syst`eme diff´erentiel lin´eaire ou non.
Question : le lecteur pourra examiner si avec ce mode d’action, la concentration C
s
prend une
valeur ´egale `a la consigne R
0
en r´egime permanent. Pour cela, il faut essayer de r´esoudre le
syst`eme :

0 = K(R
0
−C
s
) −Q
s
0 = K
R
0
−C
s
V
0
(C
e
−C
s
) −kC
s
(1.18)
13
et examiner la proximit´e de C
s
vis-`a-vis de R
0
en calculant l’´ecart relatif (C
s
−R
0
)/r
0
. Il serait
´egalement int´eresant d’analyser l’influence des param`etres K et V
0
du syst`eme sur le r´esultat
obtenu.
1.4 Etablissement d’un mod`ele
L’organigramme de la figure (1.5) sch´ematise les op´erations qui apparaissent syst´emati-quement
lors de la mod´elisation d’un proc´ed´e physique. Rappelons que la proc´edure la plus int´eressante
utilise conjointement un mod`ele de connaissance et un mod`ele de description encore appel´e
mod`ele ”boˆıte noire” ; les param`etres de ces mod`eles sont obtenus soit par le calcul direct issu de
la mise en ´equation physique soit `a partir d’exp´eriences d´epouill´ees de fa¸ con purement statistique.
Définition
du procédé
Etablissement
d'Hypothèses
Modélisation
Identification
Validation
frontières du système
recherche du domaine de fonctionnement
dénombrement des paramètres
dénombrement des variables
simplifications de
fonctionnement (homogénéité,
continuité, pertes nulles ...)
cinétique physique
cinétique chimique
bilan matière
bilan thermique
comparaison avec le processus réel
tests statistiques
validations croisées
plan d'expérience
essais expérimentaux
estimation paramétrique

Fig. 1.5 – Les ´etapes de la mod´elisation
Il est bon de rappeler l’utilit´e d’un mod`ele. Dans la plupart des cas il sert `a d´efinir les lois de
commande `a appliquer au syst`eme de fa¸ con `a le conduire de fa¸ con optimale. Il ne faut pas oublier
d’autres utilit´es toutes aussi importantes : un mod`ele peut ˆetre utilis´e pour former les op´erateurs
`a la conduite d’un syst`eme (simulateur de centrale nucl´eaire par exemple), un mod`ele peut ˆetre
utilis´e pour effectuer le diagnostic d’un syst`eme, pour pr´edire un comportement. Enfin, la phase
de mod´elisation elle-mˆeme c’est-` a-dire la conception du mod`ele est tr`es riche d’enseignements
car elle oblige le concepteur `a r´efl´echir sur le comportement du syst`eme `a mod´eliser, les variables
qui d´ecrivent ce comportement, les interactions entre les variables. De fa¸ con indirecte, toute la
r´eflexion qui accompagne la phase de mod´elisation vise `a mieux connaˆıtre le syst`eme physique
et donc `a mieux percevoir ses r´eactions.
14
1.5 Estimation des param`etres d’un mod`ele
Lorsqu’on ´etablit la structure d’un mod`ele `a partir de lois physiques, on a vu qu’un certain
nombre de param`etres sont introduits. Ces derniers peuvent ˆetre d’origine g´eom´etrique (dimen-
sions d’un composant), traduire des comportements (vitesse r´eactionnelle, coefficient d’´echange
thermique), ou r´esulter d’hypoth`eses (coefficient de proportion par exemple). Certains de ces
param`etres peuvent ˆetre bien connus, d’autres pas ; pour ces derniers, il est alors n´ecessaire de
proc´eder `a leur identification. Pour cela, une proc´edure exp´erimentale compl´et´ee par une esti-
mation statistique est mise en oeuvre. On parle alors de calage param´etrique, l’objectif ´etant
en effet d’ajuster les param`etres du mod`ele de fa¸ con que son comportement refl`ete celui des
exp´eriences qui ont ´et´e conduites sur le processus r´eel.
1.5.1 Essais indiciels
Ces essais sont simples `a r´ealiser (en th´eorie) car consistent `a exciter le processus par des gran-
deurs d’entr´ee constantes. L’analyse de la r´eponse du syst`eme est souvent r´ealis´ee graphiquement
et permet d’extraire deux ´el´ements important d’un mod`ele : le gain et la constante de temps.
Exemple : estimation de la constante de temps d’un broyeur. On peut admettre qu’un broyeur,
lorsqu’on consid`ere uniquement les d´ebits totaux d’entr´ee q
e
et de sortie q
s
, peut ˆetre caract´eris´e
par le mod`ele diff´erentiel :
T
dq
s
(t)
dt
= q
e
(t) −q
s
(t) (1.19)
o` u T, la constante de temps du syst`eme est directement li´ee au temps de s´ejour de la mati`ere
dans le broyeur. Pour un essai indiciel, o` u l’entr´ee vaut q
e
(t) = q
0
, la sortie, s’explicite :
q
s
(T) = q
0
(1 − exp(−t/T)) (1.20)
Au bout d’un temps t = T, la sortie vaut :
q
s
(T) = q
0
(1 − exp(−1)) = 0.63q
0
(1.21)
Ainsi, la sortie atteint 63% de son r´egime d’´equilibre `a cet instant particulier t = T. Inversement,
il suffit de rep´erer, sur le signal de sortie q
s
(t), l’instant auquel 63% du r´egime final est atteint
pour estimer la valeur de la constante de temps T.
1.5.2 R´egression lin´eaire
La technique expliqu´ee pr´ec´edemment peut aussi ˆetre trait´ee par r´egression lin´eaire. En effet,
le mod`ele liant des deux d´ebits q
e
et q
s
montre que la relation th´eorique (1.19) dans le plan
{q
e
(t) − q
s
(t),
dqs(t)
dt
} est repr´esent´ee par une droite passant par l’origine. La pente de cette
droite est la constante de temps T qui peut donc s’obtenir graphiquement ou mieux encore par
r´egression lin´eaire. Afin d’´eviter l’utilisation de d´eriv´ees, on peut au pr´ealable utiliser un mod`ele
discret du syst`eme. L’´equation (1.19) int´egr´ee entre deux instants t − ∆ et t donne :
q
s
(t) = exp(−∆/T)q
s
(t − ∆) + (1 − exp(−∆/T))q
e
(t − ∆) (1.22)
15
En posant a = exp(−∆/T), on obtient alors :
q
s
(t) = aq
s
(t − ∆) + (1 −a)q
e
(t − ∆) (1.23)
o` u encore en isolant a :
q
s
(t) −q
s
(t − ∆) = a (q
s
(t − ∆) −q
e
(t − ∆)) (1.24)
L’estimation de a est donc simplement r´ealis´ee par r´egression lin´eaire et celle de T s’en d´eduit
alors.
1.5.3 R´egression multilin´eaire
C’est une extension de la technique pr´ec´edente `a un mod`ele `a plus de deux param`etres. De fa¸ con
g´en´erale, on explique une variable y `a partir de n variables explicatives x
i
. Pour les diff´erentes
observations r´ealis´ees sur les variables, on a donc le mod`ele :

¸
y
1
. . .
y
N
¸

=

¸
¸
¸
x
11
x
12
. . . x
1n
x
21
x
22
. . . x
2n
. . .
x
N1
x
N2
. . . x
Nn
¸

¸
a
1
. . .
a
N
¸

(1.25)
c’est-` a-dire sous forme matricielle y = Xa.
L’estimateur des param`etres a, au sens des moindres carr´es, est fourni par :
ˆ a = (X
T
X)
−1
X
T
y
Eemple : mod´elisation du d
50
d’une courbe de partage d’un cyclone. On admet, `a partir d’exp´e-
riences, que le d
50
de la courbe de partage d’un cyclone est ´etroitement li´ee au type d’apex utilis´e,
`a la pression d’alimentation de la pulpe d’alimentation et `a la masse volumique de cette pulpe.
En faisant l’hypoth`ese d’un mod`ele lin´eaire :
d
50
= f(Apex, P, ρ) = a
1
.Apex +a
2
.P +a
3

et en r´ealisant un nombre N (suffisament grand) d’essais sur ce cyclone, on peut donc estimer les
param`etres du mod`ele par une m´ethode type moindres-carr´es. Bien ´evidemment, la forme pro-
pos´ee pour le mod`ele n’est pas unique et le lecteur peut envisager de r´ealiser des transformations
sur les variables pour trouver un mod`ele plus ad´equat.
1.5.4 Plan d’exp´erience
La th´eorie des plans d’exp´erience est relative `a la d´efinition optimale des essais qu’il convient
de r´ealiser sur un processus de fa¸ con `a en extraire le maximum de renseignements sur son
comportement. On se contente, ici, d’examiner un point particulier, celui des plans d’exp´erience
o` u les variables prennent uniquement deux valeurs particuli`eres.
Reprenons l’exemple pr´ec´edent : d
50
= a
0
+a
1
.ρ +a
2
.Apex +a
3
P
o` u les variables prennent les ´etats particuliers :
Apex = {A, B} P ∈ [2.4, 3.2] atm. ρ ∈ [1.2, 1.8] T/m3.
16
Niveau bas Niveau haut
masse volumique 1.2 1.8
Apex A B
pression 2.4 atm. 3.2 atm.
Tab. 1.1 – Domaine de variation
Le plan d’exp´erience de dimension 2
3
= 8 est obtenu de la fa¸ con suivante : les essais ne sont
ralis´es qu’en consid´erant les valeurs minimales et maximales par les diff´erentes variables. Le
tableau (1.5.4) regroupe les valeurs en question et l’on a fait figurer dans la derni`ere colonne les
valeurs mesur´ees de d
50
.
essais masse vol. Apex pression d
50
1 1.2 A 2.4 61
2 1.8 A 2.4 95
3 1.2 B 2.4 63
4 1.8 B 2.4 99
5 1.2 A 3.2 55
6 1.8 A 3.2 96
7 1.2 B 3.2 60
8 1.8 B 3.2 94
Tab. 1.2 – Plan d’exp´erience
Les colonnes de la matrice X qui traduit ces diff´erents essais peuvent ˆetre rendues orthogonales.
Pour les variables qualitatives (type d’apex) au type A, on affecte la valeur 1 et au type B on
affecte la valeur −1. Pour les variables quantitatives, si x d´esigne la valeur courante et x
min
et
x
max
les valeurs basse et haute, on adopte le codage :
x
cod
= 2
x −
x
min
+x
max
2
x
max
−x
min
La matrice des ”nouvelles” donn´ees est donn´ee par le tableau (1.5.4).
essais ρ
c
. Apex
c
P
c
d
50
1 -1 -1 -1 61
2 1 -1 -1 95
3 -1 1 -1 63
4 1 1 -1 99
5 -1 -1 1 55
6 1 -1 1 96
7 -1 1 1 60
8 1 1 1 94
Tab. 1.3 – Plan d’exp´erience normalis´e
17
Dans ces conditions, la matrice X corrrespondant aux essais pr´ec´edents s’´ecrit :
X =

¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
−1 −1 −1
1 −1 −1
−1 1 −1
1 1 −1
−1 −1 1
1 −1 1
−1 1 −1
1 1 1
¸

(1.26)
Ainsi, X ne contient que des colonnes orthogonales, ce qui facilite l’inversion de la matrice X
T
X
dans le calcul de l’estimation :
b = (X
T
X)
−1
X
T
y
puisqu’ ici, X
T
X = 8I o` u I est la matrice unit´e de rang 3. Le mod`ele obtenu, avec les variables
”cod´ees” est :
ˆ
d
50
= −1.625ρ
c
+ 1.125Apex
c
+ 18.125P
c
. Si l’on revient aux variables physiques, on trouve :
ˆ
d
50
= −3.25ρ
c
+ 2.813Apex
c
+ 60.417P
c
− 11.85
. On peut alors noter que le mod`ele obtenu restitue les valeurs suivantes du d
50
:
60.25, 96.5, 62.5, 98.75, 57.0, 93.25, 59.25, 95.5
qui sont en accord avec les valeurs exp´erimentales.
18
Chapitre 2
Mod`eles de processus physiques
´el´ementaires
Sommaire
2.1 Syst`eme thermique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2 R´eaction chimique irr´eversible . . . . . . . . . . . . . . . . . . . . . . 22
2.3 R´eaction chimique r´eversible . . . . . . . . . . . . . . . . . . . . . . . 25
2.4 R´eactions irr´eversibles en chaˆıne . . . . . . . . . . . . . . . . . . . . . 26
2.5 Distributions granulom`etriques . . . . . . . . . . . . . . . . . . . . . . 26
2.6 R´eseau de transport de mati`ere . . . . . . . . . . . . . . . . . . . . . . 29
2.7 Processus de broyage . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.7.1 Bilan en flux total . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.7.2 Bilan en flux partiel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.8 M´elangeur de flux de mati`ere . . . . . . . . . . . . . . . . . . . . . . . 32
2.9 Hydrocyclone . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.9.1 Equation de bilan entre les trois flux . . . . . . . . . . . . . . . . . . . . 33
2.9.2 Equation de bilan entre deux flux . . . . . . . . . . . . . . . . . . . . . . 33
2.9.3 Mod`ele de courbe de partage . . . . . . . . . . . . . . . . . . . . . . . . 34
2.9.4 Mod`ele g´en´eral de la boucle broyage-classification . . . . . . . . . . . . . 36
2.9.5 Forme g´en´erale d’un mod`ele . . . . . . . . . . . . . . . . . . . . . . . . . 37
L’objet de ce chapitre est de familiariser le lecteur avec la mise en ´equation de quelques processus
simples. On montre qu’`a partir des lois ´el´ementaires de conservation de masse et d’´energie et en
utilisant quelques hypoth`eses simplificatrices, on peut obtenir un mod`ele qui traduit correcte-
ment le comportement des processus. Bien ´evidemment, les ´equations issues de ces bilans font in-
tervenir un certain nombre de param`etres physiques qu’il conviendra de d´efinir num´eriquement :
cette phase sera abord´ee ici et fait l’objet de l’identification de param`etres `a partir de donn´ees
exp´erimentales.
2.1 Syst`eme thermique
Consid´erons l’exemple d’un ´echangeur de chaleur. Ce type de processus se rencontre tr`es souvent
d`es que l’on veut ´echanger de l’´energie d’un corps `a un autre. Dans le domaine du traitement
des minerais, c’est le cas des op´erations du s´echage des produits granulaires avant broyage, l’un
des buts ´etant de r´eduire l’humidit´e des mat´eriaux pour augmenter l’efficacit´e de l’op´eration de
19
broyage (voir photo ci-dessous).
Sur la figure 1, le circuit ´electrique, essentiellement constitu´e d’une r´esistance chauffante joue
le rˆ ole d’une source de chaleur caract´eris´e par une puissance Q(t) ; cette source r´echauffe l’eau
du r´eservoir, de volume V constant, dont le d´ebit d’entr´ee est not´e q(t) ; le fluide d’entr´ee a
une chaleur sp´ecifique c et une temp´erature θ
0
suppos´ees constantes. La masse des ´el´ements
chauffants est m
1
et leur chaleur sp´ecifique c
1
.
Q(t)
q(t),
q(t),
θ
0
(t)
θ
2
(t)

Fig. 2.1 – Echangeur de chaleur id´eal
Quel probl`eme de conduite peut-on se poser ? Un des objectifs les plus simples `a consid´erer
est le maintien, `a une valeur constante, de la temp´erature du fluide `a la sortie de l’´echangeur.
Pour analyser une strat´egie de conduite, nous allons tout d’abord mettre en ´equation ce syst`eme
´el´ementaire. La mise en ´equation r´esulte de l’´ecriture des bilans thermiques des flux primaire et
secondaire de l’´echangeur.
Le bilan thermique entre deux instants ”voisins” t et t + ∆t peut s’´ecrire approximativement
(en n´egligeant les pertes) :
- pour l’´el´ement chauffant (suppos´e `a temp´erature homog`ene) :
m
1
c
1
∆θ
1
(t) = Q(t)∆t −G(θ
1
(t) −θ
2
(t))∆t (2.1)
- pour le fluide du r´eservoir (suppos´e `a temp´erature constante) :
V ρc∆θ
2
(t) = G(θ
1
(t) −θ
2
(t))∆t +q(t)ρc(θ
0
(t) −θ
2
(t))∆t (2.2)
Lorsque l’intervalle de temps ∆t tend vers 0, le passage `a la limite donne alors :


1
(t)
dt
=
Q(t) −G(θ
1
(t) −θ
2
(t))
m
1
c
1

2
(t)
dt
=
G(θ
1
(t) −θ
2
(t)) +q(t)ρc(θ
0
(t) −θ
2
(t))
V ρc
(2.3)
On dispose ainsi de deux ´equations diff´erentielles qui d´ecrivent compl`etement l’´evolution des
deux temp´eratures θ
1
(0) et θ
2
(0) du syst`eme. Il reste `a bien pr´eciser les conditions d’int´egration
de ces deux ´equations. Les grandeurs a priori connues du syst`eme sont les param`etres qui en
20
d´efinissent la g´eom´etrie : m
1
, c
1
, V , ρ, c (on notera que parmi ces param`etres, certains peuvent
ˆetre connus avec une grande pr´ecision, le volume par exemple, d’autres sont connus de fa¸ con
approch´ee, la masse volumique du flux entrant par exemple). Les grandeurs de commande (sur
lesquels l’utilisateur peut agir) sont q(t) le d´ebit de fluide `a l’entr´ee de l’´echangeur et Q(t) l’apport
d’´energie. Si l’´etat initial du syst`eme est connu (c’est-` a-dire θ
1
(0) et θ
2
(0)), les ´equations (2.3)
peuvent donc s’int´egrer et permettent ainsi de d´efinir compl`etement l’´etat θ
1
(t), θ
2
(t) du syst`eme
`a chaque instant.
Le sch´ema de simulation du syst`eme est donn´e `a la figure (2.2). On a fait apparaˆıtre `a gauche
les trois entr´ees et `a droite les deux temp´eratures qui en r´esultent.
Température
du fluide
de sortie
Température
élément chauffant
28
Température
du fluide
d'entrée
Puissance thermique
Q(t)
s
1
s
1
K2
K1
G
Débit de fluide
q(t)
K3

Fig. 2.2 – Sch´ema de simulation
Au niveau de la commande, on imagine bien que q(t) et Q(t) modifient les deux temp´eratures
θ
1
(t) et θ
2
(t). Diff´erents objectifs de commande peuvent ˆetre envisag´es et parmi ceux-ci la
maˆıtrise de la temp´erature du fluide de sortie. En particulier, si la temp´erature d’entr´ee est
constante et ´egale `a θ
0
, pour avoir θ
2
(t) constante et ´egale `a θ
2r
, on doit appliquer des commandes
constantes q etQ v´erifiant les ´equations suivantes :

0 =
1
m
1
c
1
(Q−G(θ
1r
−θ
2r
))
0 =
G(θ
1r
−θ
2r
) +qρc(θ
0
−θ
2r
)
V ρc
(2.4)
o` u θ
1r
est la temp´erature `a l’´equilibre du corps chauffant. L’apport d’´energie, not´e Q
r
est donc
d´efini par :
Q = qρc(θ
1r
−θ
2r
)
et on con¸ coit ais´ement un dispositif permettant d’en garantir la valeur au moyen d’un r´eglage
d’une tension ´electrique, pilotant par effet Joule un apport calorifique dans le corps chauffant.
On voit bien, sur cet exemple, l’int´erˆet d’un mod`ele pour d´eterminer la fa¸ con de ”conduire” le
21
processus en fonction d’un objectif d´efini ; la figure (2.3) donne le principe d’une r´egulation de
temp´erature et la figure (2.4) donne la simulation.
Q(t)
q(t),
q(t),
θ
0
(t)
θ
2
(t)
θ (t)
2
Consigne de
température
ρ c
+
+
+
-

Fig. 2.3 – Contrˆ ole de temp´erature avec une action a priori et une action a posteriori
Puissance
thermique
Q(t)
Température de
l'élément chauffant
Température
du fluide de sortie
28
Température
du fluide
d'entrée
65
Température
de référence
s
1
s
1
K4
K2
K1
G
K3
Débit de fluide
q(t)

Fig. 2.4 – Mise en oeuvre de la r´egulation
2.2 R´eaction chimique irr´eversible
Elle est repr´esent´ee symboliquement par A → B o` u A et B d´esignent le r´eactant et le produit
`a fabriquer. La vitesse de r´eaction est li´ee `a la variation de concentration au cours du temps.
22
Pour chaque esp`ece chimique A et B, l’´evolution des concentrations peut ˆetre d´ecrite par :

dc
A
(t)
dt
= f
A
(c
A
(t), c
B
(t))
dc
B
(t)
dt
= f
B
(c
A
(t), c
B
(t))
(2.5)
Pour obtenir ce type de structure, il est commode d’introduire la constante de r´eaction k
qui traduit l’apparition ou la disparition d’une esp`ece chimique. Cette constante d´epend de
la temp´erature `a laquelle se passe la r´eaction selon la loi d’Arrhenius :
k(θ) = k
0
exp

E

(2.6)
avec :
k
0
facteur constant
E ´energie d’activation
R constante universelle
θ temp´erature absolue (variable au cours du temps)
Pour montrer comment ´etablir les ´equations (2.5), on examine le cas simple d’un r´eacteur id´eal
`a volume V constant et d´ebit d’alimentation q
e
variable, parfaitement m´elang´e (donc homog`ene)
et sans perte.
q c c
e Ae Be
V
q c c
e A B

Fig. 2.5 – R´eacteur simple
Ecrivons le bilan mati`ere, pour l’esp`ece A, pendant l’intervalle de temps [t t + ∆t] :
V ∆c
A
(t) = variation de volume de l’esp`ece A
+c
Ae
q
e
(t)∆t volume de l’esp`ece A qui entre
−c
A
(t)q
e
(t)∆t volume de l’esp`ece A qui sort
−kV c
A
(t)∆t volume de l’esp`ece A qui se transforme en B
En divisant par ∆t, on obtient :
V
∆c
A
(t)
∆t
= (c
Ae
(t) −c
A
(t))q
e
(t) −kV c
A
(t) (2.7)
Si le bilan est consid´er´e pendant un temps infiniment court, le passage `a la limite donne
l ?´equation diff´erentielle :
V
dc
A
(t)
dt
= (c
Ae
(t) −c
A
(t))q
e
(t) −kV c
A
(t) (2.8)
De mˆeme pour l’esp`ece B, on peut ´etablir :
V
dc
B
(t)
dt
= (c
Be
(t) −c
B
(t))q
e
(t) +kV c
A
(t) (2.9)
23
Le syst`eme (2.8), (2.9) d´ecrit donc, au cours du temps, la fa¸ con dont les concentrations ´evoluent.
Une solution analytique (ou une int´egration num´erique) peut ˆetre obtenue si les param`etres
g´eom´etriques du r´eacteur (ici le volume V ) sont connus, si le d´ebit d’alimentation q
e
est constant,
si les concentrations c
Ae
et c
Be
du flux entrant sont connues et si les concentrations initiales dans
le r´eacteur c
A
(0) et c
B
(0) sont connues.
On peut aussi repr´esenter le syst`eme (6) sous forme matricielle :

˙ c
A
(t)
˙ c
B
(t)

=

−(k +
1
T
) 0
k −
1
T

c
A
(t)
c
B
(t)

+

1
T
0
0
1
T

c
Ae
(t)
c
Be
(t)

(2.10)
avec T =
qe
V
.
Cette ´equation est une ´equation diff´erentielle lin´eaire du premier ordre et vectorielle du type :
dX(t)
dt
= AX(t) +BU(t)
On pourra analyser et int´egrer cette ´equation selon les techniques classiques.
Remarque 1. Les deux ´equations qui apparaissent dans (2.10) sont li´ees. Cependant, la premi`ere
peut s’int´egrer s´epar´ement de la deuxi`eme.
Remarque 2. Cette mise en ´equation ”bilan mati`ere” peut ˆetre compl´et´ee par une mise en
´equation ”bilan thermique”. Cela est d’autant plus utile que la constante de r´eaction k est
une fonction de la temp´erature. Le bilan thermique peut ˆetre ´etabli comme pr´ec´edemment en
observant l’´evolution du syst`eme entre deux instants t et t + ∆t :
ρV c∆θ = variation de la quantit´e de chaleur dans le r´eacteur
+q
e
(t)ρcθ
0
∆t quantit´e de chaleur apport´ee par l’entr´ee
−q
e
(t)ρcθ(t)∆t quantit´e de chaleur enlev´ee par la sortie
Q
0
∆t quantit´e de chaleur apport´ee par l’ext´erieur
−Ak(θ)V c
A
(t) quantit´e de chaleur d´egag´ee par la r´eaction (A constante)
ou encore, apr`es passage `a la limite quand ∆t tend vers z´ero :
dθ(t)
dt
=
q
e
(t)
V

0
−θ(t)) +
1
ρV c
(Q
0
−Ak(θ)c
A
(t)) (2.11)
En r´esum´e, le syst`eme est d´ecrit par les ´equations :

V
dc
A
(t)
dt
= (c
Ae
(t) −c
A
(t))q
e
(t) −k(θ)V c
A
(t)
V
dc
B
(t)
dt
= (c
Be
(t) −c
B
(t))q
e
(t) +k(θ)V c
A
(t)
dθ(t)
dt
=
q
e
(t)
V

0
−θ(t)) +
1
ρV c
(Q
0
−Ak(θ)c
A
(t))
k(θ) = k
0
exp(−
E

)
(2.12)
auxquelles il faut ajouter les conditions initiales permettant leur int´egration : c
A
(0), c
B
(0), θ(0)
correspondant aux concentrations initiales dans le r´eacteur et `a sa temp´erature initiale. Comme
24
pr´ec´edemment, ces ´equations peuvent ˆetre regroup´ees sous forme matricielle :

¸
˙ c
A
(t)
˙ c
B
(t)
˙
θ(t)
¸

=

¸
¸
¸
¸
−(
1
T
+k(θ)) 0 0
K(θ) −
1
T
0
Ak(θ)
V ρc
0 −
1
T
¸

¸
c
A
(t)
c
B
(t)
θ(t)
¸

+

¸
¸
¸
¸
¸
1
T
0 0 0
0
1
T
0 0
0 0
1
T
1
V ρc
)
¸

¸
¸
¸
c
Ae
(t)
c
Be
(t)
θ
0
Q
0
¸

(2.13)
Remarque.. Dans la pratique, on cherche `a maˆıtriser la r´eaction et en particulier sachant que
son efficacit´e est optimale pour une certaine temp´erature θ
ref
, on cherche `a maintenir constante
la temp´erature du fluide dans le r´eacteur et ´egale `a θ
ref
. L’apport d’´energie peut servir `a satisfaire
cet objectif.
Remarque. Le lecteur peut ´etendre la description pr´ec´edente au cas d’un r´eacteur `a volume
variable.
2.3 R´eaction chimique r´eversible
La r´eaction entre les esp`eces A et B peut se faire dans deux sens : on peut produire A `a partir
de B et produire B `a partir de A. Ce qui diff´erentie les deux r´eactions est la vitesse.
Pour la r´eaction A → B la vitesse est (par exemple) r
1
= k
1
c
A
Pour la r´eaction B → A la vitesse est r
2
= k
2
c
B
La fa¸ con de mod´eliser le syst`eme est analogue
`a celle de la r´eaction irr´eversible. Le bilan entre les instants t et t + ∆t s’´ecrit (ici `a volume et
concentrations constantes de l’alimentation) :
V ∆c
A
(t) = variation de volume de l’esp`ece A
+c
Ae
q
e
∆t volume de l’esp`ece A qui entre
−c
A
(t)q
e
∆t volume de l’esp`ece A qui sort
−k
1
V c
A
(t)∆t volume de l’esp`ece A qui se transforme en B
+k
2
V c
B
(t)∆t volume de l’esp`ece B qui se transforme en A
Apr`es passage `a la limite, on obtient :
dc
A
(t)
dt
= (c
Ae
−c
A
(t))q
e
V −k
1
c
A
(t) +k
2
c
B
(t) (2.14)
De mˆeme, pour l’esp`ece B, on a :
dc
B
(t)
dt
= (c
Be
−c
B
(t))q
e
V +k
1
c
A
(t) −k
2
c
B
(t) (2.15)
Comme pr´ec´edemment, les constantes de r´eaction sont fonction de la temp´erature suivant la loi
d’Arrh´enius :
k
1
(θ) = k
0
exp[−E
1
/Rθ] k
2
(θ) = k
0
exp[−E
2
/Rθ] (2.16)
De plus, un bilan thermique permet d’expliciter l’´evolution temporelle de la temp´erature. Les
diff´erentes ´equations peuvent aussi recevoir une ´ecriture matricielle.
25
2.4 R´eactions irr´eversibles en chaˆıne
Un dernier cas que nous examinons est celui de deux r´eactions en chaˆıne (facilement g´en´eralisable
`a un nombre quelconque de r´eactions) :
A →
k
1
B →
k
2
C (2.17)
Le lecteur pourra facilement ´etablir (en utilisant le raisonnement pr´ec´edent) que :

¸
¸
¸
¸
¸
dc
A
(t)
dt
dc
B
(t)
dt
dc
C
(t)
dt
¸

=

¸
¸
¸
¸
¸
−(
1
T
+k
1
) 0 0
k
1
−(
1
T
+k
2
) 0
0 k
2

1
T
¸

¸
c
A
(t)
c
B
(t)
c
C
(t)
¸

+

¸
¸
¸
¸
¸
1
T
0 0
0
1
T
0
0 0
1
T
¸

¸
c
Ae
(t)
c
Be
(t)
c
Ce
(t)
¸

(2.18)
avec T =
q
0
V
2.5 Distributions granulom`etriques
Lorqu’on caract´erise un mat´eriau d’un point de vue granulaire, on est conduit `a d´efinir sa distri-
bution. Celle-ci s’obtient de fa¸ con exp´erimentale par diff´erentes techniques (tamisage, diffraction
laser, analyse d’image ...) ; les figures (2.6), (2.7) et (2.8) sont relatives `a trois appareils classiques
du commerce.
La figure (2.9) repr´esente une distribution obtenue par classe granulom´etrique. Souvent, pour
des raisons d’exploitation ult´erieure de ces r´esultats, on est conduit `a repr´esenter la distribution
exp´erimentale par une distribution analytique : tr`es g´en´eralement, il s’agit alors d’un probl`eme
d’ajustement param`etrique, les param`etres de la distribution th´eorique ´etant cal´es de fa¸ con `a
approximer correctement les r´esultats exp´erimentaux.
Fig. 2.6 – Tamis (Rotap)
De nombreux mod`eles ont ´et´e propos´es dans la lit´erature sp´ecialis´ee [3] ; parmi ceux-ci, nous
avons retenu celui de Rosin-Rammler :
26
Fig. 2.7 – Leeds and Northrup Microtrac
Fig. 2.8 – Micromeretics Sedigraph 5000 ET)
y = 1 − exp

x −x
0
α

r

qui d´epend de trois param`etres r, α et x
0
, x et y d´esignant respectivement la taille et le pour-cent
passant. Le principe de l’ajustement de ces trois param`etres consiste `a minimiser, par rapport
aux param`etres x
0
, α et r, le crit`ere de distance :
Φ =
1
2
N
¸
k=1

1 − exp

x(k) −x
0
α

r

−y(k)

2
o` u {x(k), y(k)} repr´esentent les couples taille-pourcentage et N le nombre d’observations (nombre
d’intervalles granulom´etriques). Les param`etres cherch´es doivent v´erifier les ´equations d’optima-
lit´e :
27
0 2 4 6 8 10 12 14 16 18
0
0.2
0.4
0.6
0.8
1
0 2 4 6 8 10 12 14 16 18
0
0.05
0.1
0.15
0.2
Fig. 2.9 – Distribution granulom´etrique en cumul´e et par tranches

∂Φ
∂r
=
N
¸
k=1
e(k) exp

x(k) −x
0
α

r

log

x(k) −x
0
α

= 0
∂Φ
∂α
= −
r
α
N
¸
k=1
e(k) exp

x(k) −x
0
α

r

x(k) −x
0
α

r
= 0
∂Φ
∂x
0
=
r
α
N
¸
k=1
e(k) exp

x(k) −x
0
α

r

x(k) −x
0
α

r−1
= 0
e(k) = 1 − exp

x(k)−x
0
α

r

−y(k)
(2.19)
Ce syst`eme non lin´eaire ne peut ˆetre r´esolu que de fa¸ con num´erique et it´erative (algorithmes de
gradient ou de Newton-Raphson par exemple).
Le lecteur pourra remarquer qu’un changement de pr´esentation du mod`ele peut simplifier la
proc´edure d’estimation des param`etres ; en effet, en utilisant deux fois la transformation loga-
rithmique :

x(k) −x
0
α

r
= log(1 −y(k))
soit encore :
˜ y(k) = r log(x(k) −x
0
) −b
avec :
˜ y(k) = log

log
1
1 −y(k)

On peut alors montrer que la proc´edure d’estimation est beaucoup plus simple, puisque le mod`ele
est alors lin´eaire par rapport aux param`etres r et b et que seul x
0
intervient de fa¸ con non lin´eaire.
Remarque : distribution en fr´equence.
Celle-ci s’obtient directement en d´erivant l’expression du mod`ele, c’est-` a-dire :
y(k) =
r
α
exp

x −x
0
α

r

x −x
0
α

r−1
28
Cette fa¸ con de proc´eder r´eduit l’influence des bruits de mesure. En effet, les donn´ees exp´erimentales
ont servi `a ajuster les param`etres du mod`ele th´eorique de la distribution cumul´ee, et c’est en
calculant une d´eriv´ee de fa¸ con analytique que la distribution par intervalle granulaire est obtenue.
Remarque : distribution bimodale
Dans certaines situations, il est n´ecessaire de combiner entre elles plusieurs lois de distribution.
En particulier, dans les op´erations de m´elange, on peut ˆetre conduit `a consid´erer la loi de distri-
bution comme une pond´eration de plusieurs lois ´el´ementaires. Les distributions qui en r´esultent
sont qualifi´ees de multimodales.
A titre anecdotique, voici quelques structures de mod`eles de distributions granulaires.

Gilvarry y = 1 − exp(−ax −bx
2
−cx
3
)
Rosin-Rammler y = 1 − exp(−ax
m
)
Distribution log-normale y = Aexp


1
2

log x − log x
0
s

2

(2.20)
2.6 R´eseau de transport de mati`ere
Dans une installation de traitement de minerais, on peut s’int´eresser `a ´etudier la propagation des
flux de mati`ere d’un processus unitaire `a un autre processus unitaire. La figure (2.10) visualise
8 processus unitaires reli´es entre eux par des voies de circulation de mati`ere. Si l’on s’int´eresse
aux flux totaux q
i
en chaque voie de ce r´eseau et si M d´esigne la matrice des connexions entre
les processus, on montre que :
Mq = 0 (2.21)
q ´etant le vecteur regroupant l’ensemble des flux.
Notons que cette ´equation de conservation s’´etend aux bilans partiels, c’est-` a-dire relatifs `a des
exp`eces min´erales constituant les diff´erents flux de mati`ere. En r´egime dynamique, on peut aussi
´etendre le formalisme pour prendre en compte les variations de quantit´e de mati`ere au sein des
processus unitaires.
1
2
4 5 3 10 12
13
15
14
11 7 9
8
6
1 2 3 4 5
6
7
8

Fig. 2.10 – R´eseau de transport de mati`ere
29
2.7 Processus de broyage
On rappelle que le but d’un processus de broyage est de r´eduire la granularit´e d’un mat´eriau
(sous forme de particules). Cette granularit´e est en g´en´eral rep´er´ee par la distribution granu-
lom´etrique du mat´eriau dont on rappelle une d´efinition.
On note P(x, t) la fonction prenant ses valeurs sur l’intervalle [0 1] et o` u x repr´esente la taille
des particules et t le temps auquel le mat´eriau est consid´er´e. P(x, t) repr´esente la proportion
(exprim´ee en pour-cent) de particules dont la taille est inf´erieure `a x `a l’instant t.
On peut d´eduire de cette d´efinition une forme discr`ete de la granulom´etrie. Consid´erons en effet
les deux tailles cons´ecutives x
i
et x
i+1
. Alors, `a l’instant t, P(x
i
, t) repr´esente le pourcentage de
particules de taille inf´erieure `a x
i
et P(x
i+1
, t) le pourcentage de particules de taille inf´erieure
`a x
i+1
. La quantit´e p
i
(t) = P(x
i+1
, t) − P(x
i
, t) repr´esente la proportion de particules dont la
taille est comprise entre x
i
et x
i+1
. Si l’intervalle granulom´etrique x
i+1
− x
i
est ”faible”, une
forme approch´ee de la quantit´e p
i
est :
p
i
(t) =
∂P(x, t)
∂x
|
x=x
i
(x
i+1
−x
i
) (2.22)
Pour d´ecrire le fonctionnement d’un broyeur, on aura a utiliser les variables suivantes :
Q
e
(t) : d´ebit de mati`ere min´erale `a l’entr´ee (T/h)
Q
s
(t) : d´ebit de mati`ere min´erale en sortie (T/h)
W(t) : quantit´e de mati`ere min´erale dans le broyeur (T)
2.7.1 Bilan en flux total
Le bilan mati`ere total donne :
dW(t)
dt
= Q
e
(t) −Q
s
(t) (2.23)
A cette expression de la conservation de mati`ere dans le broyeur, il faut ajouter la fa¸ con dont
le d´ebit de sortie est form´e. On prendra l’hypoth`ese d’un fonctionnement par d´ebordement que
l’on traduit en exprimant que le d´ebit de sortie est proportionnel `a la quantit´e de mati`ere dans
le broyeur :
Q
s
(t) =
W(t) −W
min
T
si W(t) > W
min
(2.24)
Q
s
(t) = 0 si W(t) < W
min
(2.25)
Physiquement, on peut expliquer que W
min
est li´ee `a la quantit´e minimale de mati`ere n´ecessaire
pour provoquer l’´ecoulement en sortie de broyeur par d´ebordement.
Remarque : le probl`eme restant `a r´esoudre est l’estimation des deux param`etres W
min
et T.
Ce point est `a d´evelopper et en particulier en imaginant une m´ethode d’identification `a partir
des mesures de d´ebits d’entr´ee et de sortie du broyeur.
30
2.7.2 Bilan en flux partiel
Il convient maintenant d’´etablir le bilan mati`ere pour chaque tranche granulom´etrique. La mise
en ´equation est plus complexe ; en effet, lorsqu’on exprime la variation de quantit´e de mati`ere
dans le broyeur form´ee de particules de taille inf´erieure `a la dimension x, il faut tenir compte
de la quantit´e de mati`ere form´ee de particules de taille inf´erieure `a la dimension x entrant dans
le broyeur, de la quantit´e de mati`ere form´ee de particules de taille inf´erieure `a la dimension x
sortant du broyeur, et de la quantit´e de mati`ere dans le broyeur form´ee de particules de taille
sup´erieure `a la dimension x mais qui apr`es broyage donne comme descendance des particules de
taille inf´erieure `a x.
On peut tout d’abord noter que, dans le broyeur P(y + ∆y) − P(y) repr´esente le pourcentage
de particules comprises entre les tailles y et y + ∆y. Donc la masse de particules de cette taille
dans le broyeur est W(t)(P(y + ∆y) −P(t)) soit encore de fa¸ con approch´ee W(t)
∂P(y)
∂y
∆y.
Le bilan des particules de taille inf´erieure `a x pendant l’intervalle de temps ∆t s’´ecrit donc :
∆(P(x, t)W(t)) = P
e
(x, t)Q
e
(t)∆t −P
s
(x, t)Q
s
(t)∆t +

xmax
x
∂P(y, t)
∂y
W(t)S(y)B(x, y)dy∆t
(2.26)
Dans cette expression S(y) repr´esente la fonction de s´election qui exprime le fait que parmi les
particules de taille y sup´erieure `a x, une certaine fraction not´ee S(y) est ”s´electionn´ee” pour
ˆetre broy´ee. Le passage `a la limite donne :
dP(x, t)W(t)
dt
= P
e
(x, t)Q
e
(t) −P
s
(x, t)Q
s
(t) +

xmax
x
∂P(y, t)
∂y
W(t)S(y)B(x, y)dy (2.27)
Pour commenter cette expression, remarquons que les particules broy´ees vont donner une descen-
dance et la fonction B exprime la taille des particules de cette descendance ; B(x, y) repr´esente
la proportion (en pourcentage) de particules de taille sup´erieure `a y qui apr`es broyage auront
une taille inf´erieure `a x. Enfin, on comprend bien les bornes de l’int´egrale rappelant que seules
les particules de tailles sup´erieures `a x sont `a consid´erer dans cette op´eration de broyage, x
max
´etant la taille maximale consid´er´ee.
Il reste `a exprimer la relation entre la granulom´etrie dans le broyeur et `a la sortie du broyeur.
On peut formuler l’hypoth`ese d’un broyeur parfaitement m´elang´e et dans ce cas, par continuit´e,
la granulom´etrie de sortie et celle de la mati`ere dans le broyeur sont identiques :
P
e
(x, t) = P(x, t)
Les ´equations (??), (2.24), (2.26) et (2.27) d´ecrivent compl`etement le fonctionnement du broyeur.
Il est important de noter que si les entr´ee sont connues (d´ebit d’alimentation Q
e
et granulom´etrie
d’entr´ee P
e
) alors par int´egration des ´equations du mod`ele, on peut calculer le d´ebit de sortie
Q
s
et la granulom´etrie de sortie P
s
.
Remarque : une forme discr`ete des ´equations peut ˆetre obtenue en ´ecrivant un bilan mati`ere
pour chaque intervalle granulom´erique, le bilan en flux total ´etant toujours valable. En, notant
31
rspectivement p
e,i
, p
i
, p
s,i
les granularit´es du flux d’entr´ee, dans le broyeur, du flux de sortie,
on a :
d(p
i
(t)W(t))
dt
= p
e,i
(t)Q
e
(t) −p
s,i
Q
s
(t) +
N
¸
j=i+1
W(t)p
j
(t)s
j
b
ij
−W(t)p
i
(t)s
i
(2.28)
dW(t)
dt
= Q
e
(t) −Q
s
(t) (2.29)
Cette ´equation traduit le bilan de la masse de particules de l’intervalle granulaire i dans le
broyeur, en prenant en compte les particules de cette taille des flux entrant et sortant du broyeur,
les particules des intervalles granulaires sup´erieurs `a i qui sont broy´ees et des particules de
l’intervalle granulaire i qui sont broy´ees.
Avec l’hypoth`ese d’homog´en´eit´e (granularit´e de sortie identique `a celle `a l’int´erieur du broyeur) :
dp
s,i
(t)
dt
=
Q
e
(t)
W(t)
(p
e,i
(t) −p
s,i
(t)) −p
s,i
s
i
+
N
¸
j=i+1
p
j
(t)s
j
b
ij
Par exemple, pour trois tranches granulom´eriques (N = 3), on a :

˙ p
s,1
(t) =
Q
e
(t)
W(t)
(p
e,1
(t) −p
s,1
(t)) −p
s,1
(t)s
1
+p
s,3
(t)s
3
b
13
+p
s,2
(t)s
2
b
12
˙ p
s,2
(t) =
Q
e
(t)
W(t)
(p
e,2
(t) −p
s,2
(t)) −p
s,2
(t)s
2
+p
s,3
(t)s
3
b
23
˙ p
s,3
(t) =
Q
e
(t)
W(t)
(p
e,3
(t) −p
s,3
(t)) −p
s,3
(t)s
3
(2.30)
soit encore sous forme vectorielle :

¸
˙ p
s,1
(t)
˙ p
s,2
(t)
˙ p
s,3
(t)
¸

=

¸
¸
¸
¸
¸
¸

1
T
1
s
2
b
12
s
3
b
13
0 −
1
T
2
s
3
b
23
0 0 −
1
T
3
¸

¸
p
s,1
(t)
p
s,2
(t)
p
s,3
(t)
¸

+
Q
e
(t)
W(t)

¸
p
e,1
(t)
p
e,2
(t)
p
e,3
(t)
¸

(2.31)
avec
1
T
1
=
Q
e
(t)
W(t)
+s
1
,
1
T
2
=
Q
e
(t)
W(t)
+s
2
,
1
T
3
=
Q
e
(t)
W(t)
+s
3
Remarque : le lecteur pourra essayer d’expliciter la solution de ce syst`eme en r´egime permanent
et donc d’exprimer la granulom´etrie de sortie du broyeur en fonction de la granularit´e d’entr´ee.
Pour cela, on peut noter que le syst`eme (2.31) est ”triangulaire” et que l’on peut obtenir p
s,3
,
puis p
s,2
et enfin p
s,1
. Les expressions obtenues peuvent aussi ˆetre analys´ees en fonction des
param`etres s et b de fa¸ con `a discuter de leurs influences sur la granularit´e.
Remarque : `a partir de cette ´equation, on pourra aussi consid´erer le cas particulier d’un
r´eservoir de stockage dans lequel le broyage n’existe pas.
2.8 M´elangeur de flux de mati`ere
On consid`ere, pour simplifier, le m´elange de deux flux de particules ne contenant que de la
mati`ere s´eche. Le m´elangeur est aliment´e par deux flux (de d´ebits q
1
(t) et q
2
(t)) et dont les
32
q (t)
1
q (t)
2
q(t)
W(t)
g (t)
i
g (t)
1,i
g (t)
1,i

Fig. 2.11 – M´elangeur
granulom´etries sont not´ees g
1,i
(t) et g
2,i
(t). On note W(t) la charge min´erale dans le m´elangeur
et on rep`ere ´egalement le flux de sortie par son d´ebit q et sa granulom´etrie g
i
. On suppose le
m´elangeur parfait, c’est-` a-dire que les granulom´etries dans le m´elangeur et `a la sortie sont les
mˆemes.
On peut ´ecrire les bilans mati`ere totaux et par tranche granulom´etrique :

dW(t)
dt
= q
1
(t) +q
2
(t) −q(t)
d(W(t)g
i
(t))
dt
= q
1
(t)g
1,i
(t) +q
2
(t)g
2,i
(t) −q(t)g
i
(t)
(2.32)
A ces ´equations s’ajoute la loi de variation du d´ebit de sortie q(t) (syst`eme d’extraction com-
mand´e ou ´ecoulement naturel).
2.9 Hydrocyclone
C’est un ´el´ement tr`es utilis´e dans les processus de traitement de minerais ; il permet d’effectuer
la s´eparation d’un flux de particules min´erales en fonction d’un crit`ere de taille. Il peut ˆetre
plac´e en sortie d’un broyeur afin de s´eparer les produits fins des produits gros, la s´eparation
entre ces deux qualificatifs ´etant fonction de la g´eom´etrie de l’appareil mais aussi des conditions
op´eratoires.
2.9.1 Equation de bilan entre les trois flux
On note Q
a
, Q
o
, Q
u
les flux d’alimentation, de surverse et de sousverse du s´eparateur. Les
distributions granulom´etriques sont not´ees : g
a,i
, g
o,i
et g
u,i
, l’indice i servant `a rep´erer le
num´ero de tranche granulom´etrique. Les relations suivantes traduisent la conservation du flux
total et des flux par tranche :

Q
a
= Q
o
+Q
u
Q
a
g
a,i
= Q
o
g
o,i
+Q
u
g
u,i
(2.33)
2.9.2 Equation de bilan entre deux flux
Dans la formalisation pr´ec´edente, la fonction de transfert du s´eparateur n’a pas ´et´e prise en
compte. Or les flux de sortie ainsi que les distributions granulom´etriques correspondantes d´ependent
33
de cette fonction de transfert. On note p
i
les coefficients de partage du s´eparateur rep´er´es pour
chaque tranche granulom´etrique. Ainsi, pour la surverse, la conservation de la mati`ere peut
s’expliciter :
Q
o
g
o,i
= p
i
Q
a
g
a,i
(2.34)
traduisant le fait qu’une fraction p
i
de la masse des particules de la tranche i passe de l’alimen-
tation `a la surverse. Par compl´ement :
Q
u
g
u,i
= (1 −p
i
)Q
a
g
a,i
(2.35)
Par sommation, on en d´eduit :
Q
o
= Q
a
N
¸
i=1
p
i
g
a,i
(2.36)
puis avec (2.34) et (2.36) :
g
o,i
=
p
i
g
a,i
¸
N
i=1
p
i
g
a,i
(2.37)
Ainsi, la connaissance du flux d’entr´ee et de la courbe de partage permet de d´eduire les sorties
en flux et granularit´e de la surverse et de la sousverse du s´eparateur.
2.9.3 Mod`ele de courbe de partage
La mise en ´equation de la fonction de s´eparation est extrˆemement complexe ; les lois fondamen-
tales de la m´ecanique peuvent ˆetre utilis´ees pour mettre en ´equation le mouvement des particules
dans un hydrocyclone en prenant en compte la taille et la masse des particules, la g´eom´etrie de
l’appareil, la pression avec laquelle les particules sont inject´ees dans le corps de l’appareil. Le
calcul est tr`es complexe ; de plus de nombreuses hypoth`eses simplificatrices doivent ˆetre faites
(milieu homog`ene, mouvement non gˆen´e, particules de forme sph´erique...) qui rendent le rapport
`a la r´ealit´e difficile `a valider.
En pratique, l’approche par mod`ele de connaissance `a partir des lois physiques se r´ev`ele ici tr`es
difficile. Pour cette raison, les mod`eles de ce type d’appareil sont tr`es souvent issus d’exp´eriences
et traduits par des lois empiriques dont les param`etres sont ajust´es par des techniques de
r´egression (voir document annex´e).
A titre indicatif, le tableau (2.9.3) rassemble quelques r´esultats exp´erimentaux sur un petit
hydrocyclone pour lequel on souhaite mod´eliser le point d
50
de la courbe de partage..
A partir de ces donn´ees exp´erimentales, on peut essayer de proposer un mod`ele de type boite-
noire pour exprimer les variations du d
50
de la courbe de partage de l’hydrocyclone. Parmi les
mod`eles ”classiques” de la lit´erature sp´ecialis´ee, on a retenu :
d
50
= a
1
DS
EA
+a
2
1
EA
+a
3
EA +a
4
(2.38)
Une estimation au sens des moindres carr´es donne le mod`ele de d50 :
d
50
= 22.5
DS
EA
− 401.2
1
EA
− 674.4EA + 8.8 (2.39)
34
Diam. sortie % eau alim %eau sortie Vortex diam. entr´ee
DS EA ES V O DE d
50
3.8 11.7 33.6 5.1 3.1 143
3.8 12.53 32.2 5.1 3.1 109
3.8 12.53 19.0 6.4 3.1 135
3.8 12.19 31.2 6.4 3.1 162
3.8 12.01 34.0 5.1 3.1 141
3.8 12.16 31.7 7.9 3.1 204
3.8 13.55 26.1 7.9 3.1 139
3.8 15.29 25.1 6.4 3.1 95
3.8 14.82 27.4 5.1 3.1 72
3.8 17.51 16.4 7.9 3.1 71
3.8 15.34 23.3 7.9 3.1 97
2.2 4.38 28.8 3.2 2.1 126
2.2 6.17 21.6 3.2 2.1 100
2.2 6.53 21.2 3.2 2.1 92
2.2 4.33 28.9 3.2 2.1 114
2.2 4.72 23.3 3.2 2.1 89
2.2 5.65 24.8 3.2 2.1 87
2.2 6.80 20.4 3.2 2.1 77
2.2 3.15 41.3 3.2 2.1 100
2.2 6.12 24.5 3.2 2.1 113
2.2 5.49 25.0 3.2 2.1 88
Tab. 2.1 – Donn´ees pour identifier la courbe de partage
35
Bien ´evidemment ce mod`ele n’a pas de sens physique. Les signes des coefficients traduisent
cependant le rˆ ole des variables physiques. Par exemple, une augmentation de DS se traduit par
une augmentation de d
50
. La figure (2.12) ci-dessous compare les valeurs de d
50
mesur´e et celles
fournies par le mod`ele ; on constate une bonne ad´equation entre les deux s´eries de r´esultats ce
qui ”justifie” a posteriori la structure et la qualit´e du mod`ele propos´e.
2 4 6 8 10 12 14 16 18 20
0
50
100
150
200
250
300
Fig. 2.12 – Hydrocyclone : comparaison mesures estimations
2.9.4 Mod`ele g´en´eral de la boucle broyage-classification
Ce paragraphe est laiss´e `a l’imagination du lecteur. Il s’agit, compte tenu des diff´erents mod`eles
de processus unitaires d´evelopp´es pr´ec´edemment, d’assurer les liaisons entre ces diff´erents pro-
cessus. La figure (2.13) montre l’agencement du circuit avec le broyeur (B), le r´eservoir tampon
(R), le s´eparateur (S). Dans la cas o` u l’on s’int´eresse uniquement `a la mati`ere solide, la structure
S
B
R
1
3
4
6
2
5
Fig. 2.13 – Circuit de broyage-classification
des ´equations est la suivante :

W
b
= f(Q
1
, Q
2
, Q
3
)
W
r
= f(Q
3
, Q
4
, Q
5
)
Q
3
= f(W
b
)
Q
5
= f(ω)
Q
6
= f(Q
5
, p
i
, g
5,i
)
Q
2
= Q
5
−Q
6
g
6,i
= f(g
5,i
, p
i
, Q
5
)
g
2,i
= f(g
5,i
, p
i
, Q
5
)
(2.40)
36
o` u ω est la vitesse de rotation de la pompe `a la sortie du r´eservoir tampon et p
i
les coefficients
de la courbe de partage du s´eparateur, W
b
et W
r
´etant les charges dans le broyeur et le r´eservoir.
Le lecteur devra expliciter les diff´erentes fonctions mises en jeu.
On peut ´egalement reprendre la mise en ´equation dans le cas l’on consid`ere des flux de pulpe et
non plus simplement la phase min´erale s´eche. Pour raisonner sur la pulpe, il faut alors prendre
en compte le bilan eau et le bilan mati`ere s´eche.
2.9.5 Forme g´en´erale d’un mod`ele
Les mises en ´equation pr´ec´edentes, mˆeme si elles ont ´et´e ´etablies `a propos d’exemples concrets,
donc n´ecessairement particuliers, pr´esentent entre elles certains caract`eres g´en´eraux.
On s’est tout d’abord efforc´e de d´enombrer les variables qui caract´erisent le processus consid´er´e
et de les classer en variables de cause et variables de cons´equence. Les variables de cause ´etant
les actions appliqu´ees au processus, les variables de cons´equence doivent pouvoir s’en d´eduire ;
le nombre d’´equations du mod`ele doit donc ˆetre ´egal au nombre de variables de cons´equence.
Dans le cas contraire, cela provient en g´en´eral d’une description incompl`ete du processus qu’il
convient donc de remettre en cause.
Il faut ensuite noter que les mod`eles obtenus sont de la forme g´en´erale :
dX(t)
dt
= F(X(t), U(t), θ) (2.41)
o` u X est le vecteur des variables de cons´equence, U le vecteur des causes et θ le vecteur des
param`etres. La fonction vectorielle F est lin´eaire ou non selon la nature du processus et des
relations mises en jeu.
La forme (2.41) peut, dans certains cas, ˆetre difficilement manipulable en raison du caract`ere non
lin´eaire de la fonction F. Il est possible d’utiliser une repr´esentation approch´ee en lin´earisation
la forme (2.41) autour d’un point de fonctionnement du processus. A cet effet, on rappelle qu’un
point de fonctionnement correspond souvent au point moyen autour duquel le processus ´evolue ;
par exemple, tel r´eacteur chimique est pr´evu pour ´evoluer autour d’une temp´erature de 320˚C,
une pression de 2 atmosph`eres et un PH de 6.5. Dans ce cas, il est simple de repr´esenter le fonc-
tionnement du processus en supposant que les ´ecarts par rapport `a ce point de fonctionnement
sont de faibles amplitude ; cela autorise, au niveau math´ematique, le d´eveloppement de F au
premier ordre autour du point de fonctionnement.
Dans le cas g´en´eral, on note X
0
et U
0
le point de fonctionnement. Les variables X(t) et U(t)
peuvent s’´ecrient :

X(t) = x(t) +X
0
U(t) = u(t) +U
0
(2.42)
les grandeurs x(t) et u(t) repr´esentent les variations de X(t) et U(t) autour du point de fonc-
tionnement. Le report de (2.42) dans (2.41) donne alors :
dx(t)
dt
= F (x(t) +X
0
, u(t) +U
0
) (2.43)
37
Un d´eveloppement en s´erie de Taylor au premier ordre donne alors :
dx(t)
dt
=
∂F(X(t), U(t))
∂X(t)
|
0,0
x(t) +
F(X(t), U(t))
∂U(t)
|
0,0
u(t) +F(X
0
, U
0
) (2.44)
La notation 0, 0 signifie que la quantit´e concern´e doit ˆetre ´evalu´ee pour les valeurs X
0
et U
0
.
L’´ecriture ce cette expression est simplifi´ee sous la forme :
dx(t)
dt
= Ax(t) +Bu(t) +f (2.45)
Enfin, si on prend soin de choisir comme point de fonctionnement un point d’´equilibre statique
du syst`eme (correspondant dans l’´equation (2.43) `a avoir le terme constant nul), la quantit´e
F(X
0
, U
0
) est nulle et l’´equation (2.45) devient :
dx(t)
dt
= Ax(t) +Bu(t) (2.46)
La forme (2.46) d´ecrit l’´evolution dynamique des syst`emes lin´eaires ou des syst`emes non lin´eaires
qui ont ´et´e lin´earis´es. C’est une forme bien connue en math´ematique, dont l’int´egration ne pose
aucune difficult´e.
Document annexe : Transient study of a closed grinding circuit.
38
Chapitre 3
R´egulations ´el´ementaires
Sommaire
3.1 R´egulation de niveau . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.2 R´egulation de proportion entre deux fluides . . . . . . . . . . . . . . 39
3.3 R´egulation de temp´erature d’un ´echangeur de chaleur . . . . . . . . 41
3.4 R´egulation dans un circuit de broyage . . . . . . . . . . . . . . . . . . 43
L’objet de ce chapitre est de familiariser le lecteur avec la r´egulation des processus simples. On
montre, `a partir de processus unitaires, la structure des boucles de r´egulation. Aucun calcul de
r´egulateur n’est propos´e ; on se limite `a pr´esenter la conception de la r´egulation.
3.1 R´egulation de niveau
La figure (3.1) sch´ematise un r´eservoir aliment´e par deux fluides, dont l’un q
r
(t) correspond `a
un r´eactif `a d´ebit tr`es faible ; le d´ebit de sortie est not´e q
s
(t). Pour r´eguler le niveau, c’est-` a-dire
l’asservir `a la consigne h
c
(t), l’une des solutions les plus simples consiste `a commander une vanne
qui permet d’ajuster le d´ebit de sortie.
Le mat´eriel `a mettre en oeuvre est constitu´e par :
– un capteur de niveau
– une vanne motoris´ee
– un boˆıtier de r´egulation.
Suggestions. Le lecteur pourra imaginer une r´egulation analogue en commandant une vanne
ajustant le d´ebit d’entr´ee. De plus, la simplicit´e de l’exemple permet d’´etablir la relation entre
le niveau mesur´e et le niveau de r´ef´erence ; il est alors possible de quantifier l’influence du
r´egulateur.
3.2 R´egulation de proportion entre deux fluides
Ce probl`eme est extrˆemement fr´equent dans la pratique et correspond `a la fabrication d’un
m´elange de deux fluides selon une proportion impos´ee ; cette proportion est not´ee k et est
d´efinie par le rapport ”quantit´e de produit B/quantit´e de produit A”. Si q
a
(t) est le d´ebit du
39
consigne
de hauteur
mesure de niveau
q (t)
a q (t)
r
q (t)
s
Fig. 3.1 – R´egulation de niveau
produit A, on souhaite donc avoir un d´ebit kq
a
(t) de produit B.
Une solution simple consiste `a analyser le m´elange. L’analyseur `a utiliser doit ˆetre capable de
fournir le rapport ”quantit´e de B/quantit´e de A” ; le rapport obtenu est ensuite compar´e `a la
consigne k et le d´ebit du produit B est ajust´e en cons´equence au moyen d’une vanne (de fa¸ con
similaire, on pourrait piloter une vanne de commande du produit A).
La mise en oeuvre de cette strat´egie ´el´ementaire n´ecessite les composants suivants :
– un analyseur de composition du m´elange
– une vanne motoris´ee
– un boˆıtier de r´egulation
k
A
B
Analyser
Fig. 3.2 – R´egulation de m´elange a posteriori.
Une autre solution consiste `a r´eagir directement sur la vanne de commande du produit B en
fonction du d´ebit du produit A. Pour cela, il suffit de mesurer le d´ebit q
a
(t), d’en d´eduire le
d´ebit que doit avoir le produit B : q
b
(t) = kq
a
(t) et de piloter la vanne en cons´equence. Cette
solution n’utilise pas d’analyseur a posteriori, et le lecteur pourra appr´ecier les avantages et les
inconv´enients de cette structure. Le sch´ema a ´et´e compl´et´e (figure 3.3) par une boucle d’asser-
vissement du d´ebit q
b
(t) qui utilise une mesure de ce d´ebit ensuite compar´ee `a la consigne de
d´ebit kq
a
(t).
40
La figure (3.4) correspond `a la superposition des deux structures pr´ec´edentes de r´egulation. Les
avantages de la r´egulation a priori et de la r´egulation a posteriori sont donc conjointement mis
`a profit.
k
A
B
q
q
A
B
FC

Fig. 3.3 – R´egulation de m´elange a priori
k
A
B
Analyser
q
q
A
B
FC
Consigne de
proportion
Fig. 3.4 – R´egulation de m´elange a priori et a posteriori
3.3 R´egulation de temp´erature d’un ´echangeur de chaleur
La figure (3.5) sch´ematise un ´echangeur de chaleur constitu´e d’un circuit primaire parcouru par
un fluide chaud qui apporte un certain flux thermique `a un circuit secondaire dont le fluide
est `a r´echauffer. Un tel processus est largement utilis´e dans les op´erations de r´echauffage ou
de r´ecup´eration d’´energie. Dans la pratique, il est souvent souhait´e que la temp´erature de sor-
tie du fluide secondaire ait une temp´erature donn´ee ou soit capable de suivre une consigne de
temp´erature. Pour cela, on peut penser agir sur l’apport d’´energie en modifiant le d´ebit de fluide
au primaire au moyen d’une vanne. C’est le principe adopt´e dans le sch´ema de la figure (3.5) :
un capteur de temp´erature donne la temp´erature du fluide secondaire, et l’´ecart de temp´erature
par rapport `a la consigne pilote une vanne de r´eglage du d´ebit primaire.
41
La mise en oeuvre n´ecessite le mat´eriel suivant :
– un capteur de temp´erature
– une vanne motoris´ee
– un boˆıtier de r´egulation
Le lecteur pourra imaginer une autre possibilit´e qui consiste `a modifier la temp´erature du fluide
primaire au moyen d’une source de chaleur commandable.
TC
TT
Circuit primaire
Circuit secondaire
Entrée
Entrée
Consigne
de
température

Fig. 3.5 – R´egulation de temp´erature d’un ´echangeur
La figure (3.6), reprend le principe pr´ec´edent, mais avec en plus un asservissement sur la vanne
de r´eglage du fluide primaire. Cette solution permet de s’assurer que la commande envoy´ee `a la
vanne est effectivement prise en compte (en mesurant le d´ebit de circulation).
TC
TT
FC
Circuit primaire
Circuit secondaire

Fig. 3.6 – R´egulation de temp´erature d’un ´echangeur
Note. A partir de ces structures simples, portant sur des r´egulation monovariable, le lecteur est
en mesure d’aborder des probl`emes plus complexes. Il peut reprendre, par exemple, le sch´ema
de la figure (3.1) en se donnant les objectifs suivant `a satisfaire simultan´ement :
42
– maintenir le niveau constant
– garantir la proportion de r´eactif dans le r´eservoir
– maintenir la temp´erature dans le r´eservoir constante.
3.4 R´egulation dans un circuit de broyage
L’´etape importante de la conception d’un syst`eme de commande est l’organisation des boucles
´el´ementaires pour que les objectifs vis´es soient atteints de la fa¸ con la plus satisfaisante possible.
Pour illustrer ce concept, on peut donner un exemple.
Soit le circuit de la figure (3.7) o` u les entr´ees et sorties suivantes sont consid´er´ees (Daniel
HODOUIN, Ren´e DEL VILLAR, Les trechniques de l’ing´enieur) :
y
1
fraction massique de solides dans l’alimentation du classificateur (hydrocyclones)
y
2
niveau du r´eservoir ;
y
3
signal acoustique du broyeur primaire ;
y
4
fraction massique de solide dans le produit final ;
y
5
finesse du produit final ;
y
6
fraction massique de solide dans le broyeur secondaire ;
u
1
d´ebit de minerai ;
u
2
d´ebit d’eau ajout´ee au broyeur primaire ;
u
3
d´ebit d’eau ajout´ee au r´eservoir ;
u
4
d´ebit d’eau ajout´ee au broyeur secondaire.
On suppose ici que y
4
est d´eduit des valeurs corrig´ees des d´ebits d’alimentation selon une formule
du type :
y
4
= F
F
1
u
1
F
1
u
1
+F
2
u
2
+F
3
u
3
+F
4
u
4
o` u F1 `a F4 sont, par exemple, des filtres pour compenser la dynamique des r´eponses de y
4
`a u
1
,
u
2
, u
3
et u
4
, et F est un filtre `a moyenne mobile pour tenir compte des effets d’inertie dus aux
proc´ed´es en aval qui filtreront naturellement les fluctuations haute fr´equence de y
4
. On suppose
aussi que y
5
et y
6
ne sont mesur´ees que de temps en temps, par exemple une fois par poste
de travail pour la granulom´etrie y
5
et une fois par heure pour la densit´e de pulpe du broyeur
secondaire y
6
.
Le sch´ema de base de la commande est constitu´e de deux boucles de r´etroaction PID (y
2
/u
1
) et
(y1/u3) et d’une boucle d’anticipation P ( u
2
/u
1
). La premi`ere boucle vise `a maintenir le niveau
de pulpe du r´eservoir constant, la deuxi`eme `a maintenir la densit´e de pulpe d’alimentation aux
hydrocyclones constante et la troisi`eme `a stabiliser la dilution de la pulpe dans le broyeur pri-
maire. En stabilisant la densit´e de pulpe `a l’alimentation des hydrocyclones, on vise `a maintenir
`a peu pr`es constantes ses caract´eristiques de s´eparation et donc `a r´eguler la finesse du produit
final. Ce syst`eme est ´evidemment imparfait et doit ˆetre r´eajust´e par des modifications du point
de consigne r1lorsque les mesures de y
5
sont disponibles.
43

Fig. 3.7 – Exemple d’organisation de boucles ´el´ementaires
La figure (7b) donne une repr´esentation simplifi´ee de l’organisation du syst`eme de commande.
On y voit apparaˆıtre les deux boucles de r´etroaction PID principales, le proportionneur P et le
superviseur qui effectue les tˆaches suivantes : la v´erification que le niveau sonore y
3
est dans le
domaine acceptable et la prise d’action prioritaire sur l’ajout d’eau u
2
et sur l’alimentation en
minerai u
1
s’il sort du domaine ; la v´erification que la densit´e de pulpe estim´ee et filtr´ee est dans
le domaine acceptable, sinon modification des entr´ees de mati`ere u
1
, u
2
, u
3
, u
4
; la v´erification
que la finesse y
5
est comprise entre les tol´erances, sinon modification du point de consigne r
1
de
44
y
1
; la v´erification que l’´ecart `a la consigne de niveau du r´eservoir r
2
? y
2
reste dans le domaine
autoris´e et que la vitesse de variation du niveau ne causera pas des probl`emes.
En dehors de ces fonctions, le superviseur donne, par exemple, priorit´e `a l’ajout d’eau u3, pour
´eviter des d´ebordements ou des d´esamor¸ cages de pompe.
En pratique, en fonctionnement normal, seules les boucles PID et la boucle P sont actives. En
fonctionnement fortement perturb´e, l’algorithme superviseur choisit prioritairement des actions
selon une logique s´equentielle habituelle ou selon des r`egles trait´ees dans un syst`eme expert si
l’on dispose d’un environnement informatique plus ´evolu´e.
45
Chapitre 4
A propos de la qualit´e des mesures
Sommaire
4.1 G´en´eralit´es (Les ´etapes de la validation et du diagnostic) . . . . . . 46
4.2 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.3 Technique s´equentielle de d´etection d’erreur . . . . . . . . . . . . . . 50
4.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
Les processus continus de fabrication et de traitement peuvent ˆetre en g´en´eral d´ecompos´es en
une s´erie de processus ´el´ementaires reli´es entre eux par des voies de circulation de mati`ere ou
d’´energie. Les mesures effectu´ees sur ces flux fournissent des informations extrˆemement utiles au
contrˆ ole du processus et `a son diagnostic de fonctionnement. On examine comment interpr´eter
ces informations afin de fournir un diagnostic sur l’´etat de fonctionnement du processus.
4.1 G´en´eralit´es (Les ´etapes de la validation et du diagnostic)
La s´ecurit´e et la sˆ uret´e de fonctionnement sont deux facteurs importants de la conduite d’un
processus de fabrication. Celles-ci peuvent ˆetre mises en cause lors de l’apparition de d´efaillances
du processus physique lui-mˆeme (d´egradation, fuites, ...) ou de ses organes de conduite (action-
neurs, capteurs, ...). Cependant, il est difficile de dissocier le processus de son environnement de
conduite (figure 1) et les perturbations qui affectent le processus complet peuvent avoir des effets
difficilement dissociables les uns des autres ; il convient donc d’´elaborer des techniques de sur-
veillance capables d’appr´ehender aussi bien le processus physique que ses organes de conduite.
La complexit´e actuelle des proc´edures de surveillance et de supervision ainsi que la n´ecessit´e
d’accomplir ces tˆaches dans un temps restreint limitent fortement le rˆ ole des op´erateurs hu-
mains ; ces proc´edures doivent ˆetre rendues automatiques si on veut les rendre performantes.
D’un point de vue fonctionnel, la surveillance n’est pas limit´ee `a une simple centralisation et
visualisation d’informations mais doit r´epondre aux objectifs suivants : d´etecter et localiser les
fautes, estimer leurs amplitudes, expliquer leurs causes, d´ecider d’une action compensatrice si
une faute est mise en ´evidence de fa¸ con `a ce que le processus puisse remplir la mission qui lui a
´et´e confi´ee.
Pour am´eliorer la s´ecurit´e et la sˆ uret´e de fonctionnement d’un syst`eme, il faut donc essayer
de s’affranchir de l’influence de ces fautes. Diff´erentes m´ethodes peuvent ˆetre utilis´ees de fa¸ con
conjointe ; elles se classent de la fa¸ con suivante : pr´evention, tol´erance, ´elimination et pr´evision.
46
Actionneurs Processus Capteurs
Défaillance
Erreur de modèle
Bruit aléatoire

Fig. 4.1 – Processus physique et sources de perturbation
Bien souvent, la surveillance d’un proc´ed´e repose sur l’utilisation de mod`eles de comportement
et de redondance d’informations. Cet expos´e se limite `a l’examen de m´ethodes de d´etection
de d´efaillances utilisant la notion de redondance. En accord avec la terminologie classique, le
diagnostic de d´efaillance est constitu´e de quatre phases essentielles : la d´etection, l’isolation des
d´efaillances, l’identification des d´efail-lances et la reconfiguration des lois de commande.
La d´etection concerne la mise en ´evidence d’´ev´enements qui affectent l’´evolution du processus.
Tr`es g´en´eralement, un ´ev´enement traduit un changement de situation sans pr´ejuger du fait qu’il
soit normal (dˆ u `a une action d´elib´er´ee de la part d’un op´erateur) ou non (dˆ u `a une perturbation
ext´erieure).
L’isolation concerne l’analyse des ´ev´enements pour distinguer ceux qui sont anormaux et la
localisation pr´ecise de la d´efaillance de fa¸ con `a pouvoir d´eterminer le composant d´efaillant du
processus.
L’identification consiste `a quantifier la d´efaillance en estimant sa dur´ee et son amplitude. Dans
certains cas, l’identification cherche `a comprendre l’origine de la d´efaillance (recherche des
causes) et mˆeme `a pr´evoir son ´evolution (probl`eme de pronostic).
Enfin, la reconfiguration concerne la remise en ´etat de la partie d´efectueuse du syst`eme de
fa¸ con `a lui permettre de satisfaire `a sa mission. La nature de la reconfiguration est ´etroitement
li´ee `a la gravit´e des d´efaillances d´etect´ees ; dans les cas mineurs, d´er´eglage de faible amplitude
d’un capteur par exemple, on peut se contenter d’une adaptation d’un param`etre de r´eglage ;
par contre, la d´efaillance d’un organe de commande n´ecessite en g´en´eral la modification de la
structure de la loi de commande.
4.2 Exemple
On consid`ere une installation de retraitement de sels de potasse dans laquelle les flux de mati`ere
sont caract´eris´e par leurs d´ebits massiques (Q) et leurs concentrations en chlorure de sodium
(n) et chlorure de potassium (k). Le processus d’enrichissement n’est pas ´etudi´e et on se limite
a observer les flux et les flux sortants de cette installation (figure (4.2).
47
Une campagne de mesure a permis de relever des mesures sur les flux pendant une p´eriode de
12 jours ainsi que teneurs en NaCl et KCl. La figure (4.2) donne ´egalement ces mesures.
On se propose de faire une analyse de ces mesures afin de mettre en ´evidence certaines anomalies
encore appel´ees grosses erreurs.
Processus
de cristallisation
Alimentation
Eau d'apoint
Concentré
Rejet
Q
a
= 400 944 T
n
a
= 60. 68 %
k
a
= 26. 97 %





Q
c
= 104 256 T
n
c
= 3. 82 %
k
c
= 86.16 %





Q
r
= 1 380 340 T
n
r
= 17.33 %
k
r
= 0.57 %





Q
e
= 1 083 300 T {

Fig. 4.2 – Processus de cristallisation de la potass
Test de fermeture des bilans mati`ere
Une premi`ere analyse de la qualit´e des mesures peut ˆetre faite `a partir des ´equations qui lient
les grandeurs vraies. Pour cela, on utilise les ´equations de conservation de masse totale et de
masse partielle (pour chaque constituant) sous la forme :

Q
a
+Q
e
−Q
c
−Q
r
= 0
Q
a
k
a
−Q
c
k
c
−Q
r
k
r
= 0
Q
a
n
a
−Q
c
n
c
−Q
r
n
r
= 0
(4.1)
Si on injecte les mesures dans ces trois ´equations de bilan, on ne trouve pas ”0” mais des r´esidus
ou ´ecarts de fermeture qui traduisent la pr´esence d’erreurs de mesure :

r
1
= −352 T
r
2
= 10441 T
r
3
= 98 T
(4.2)
On con¸ coit bien que la pr´esence d’incertitudes `a caract`ere al´eatoire affecte les mesures, mais
ici, l’amplitude de ces r´esidus laisse supposer la pr´esence d’erreurs syst´ematiques. Un examen
sommaire des amplitudes des r´esidus laisse `a penser que si on peut accepter les r´esidus du pre-
mier et du troisi`eme bilan, le r´esidu du deuxi`eme bilan est anormal. A partir de cette hypoth`ese
vraisemblable, on peut affiner l’analyse et penser que si un r´esidu est d’amplitude faible, les
variables qui le constituent sont vraisemblablement correctement mesur´ees c’est-` a-dire ne sont
pas affect´ees d’erreurs syst´ematiques. Dans ces conditions, les variables qui interviennent dans
les r´esidus r
1
et r
3
sont consid´er´ees comme valides ; le r´esidu r
2
est anormal, donc les variables
qui le constituent peuvent ˆetre suspect´ees. Les deux conclusions que nous venons de formuler
48
peuvent ˆetre r´eunies et on conclu alors `a la pr´esence vraisemblable d’erreurs de mesure anor-
males sur les variables de teneur en KCl.
Test de coh´erence des indices de r´ecup´eration
Une autre fa¸ con simple de tester la qualit´e des mesures, consiste `a ´evaluer le rendement du
processus. Celui peut ˆetre d´efini comme ´etant la quantit´e de NaCl ou de KCL que l’on r´ecup`ere
dans le concentr´e :

R
k
=
Q
c
k
c
Q
a
k
a
R
n
=
Q
c
n
c
Q
a
n
a
(4.3)
Ces indices de r´ecup´eration peuvent aussi se calculer `a partir des rejets, sous la forme :

R
k
= 1 −
Q
r
k
r
Q
a
k
a
R
n
= 1 −
Q
r
n
r
Q
a
n
a
(4.4)
Num´eriquement, on, trouve :

R
k
= 83%
R
n
= 1.7%

R
k
= 92%
R
n
= 1.6%
(4.5)
En ce qui concerne la r´ecup´eration du NaCl, les deux modes de calcul donnent sensiblement les
mˆemes valeurs ce qui n’est pas le cas pour la r´ecup´eration en KCl. On peut proposer la conclu-
sion sommaire suivante : les deux modes de calcul de la r´ecup´eration en NaCl ´etant coh´erents,
on peut supposer que les variables qui servent `a ce calcul sont valides ; par contre les variables qui
interviennent dans le calcul de la r´ecup´eration en KCl peuvent ˆetre suspect´ees. En regroupant
ces deux conclusions et s´eparant les variables non suspectes, on retrouve la conclusion qui tend
`a suspecter les mesures (ou l’une d’entre elles) de KCl.
Comparaison d’estimations multiples
Les ´equations de bilan du processus peuvent ´egalement ˆetre utilis´ees pour estimer certaines
grandeurs. Par exemple, le d´ebit d’alimentation Q
a
est mesur´e, mais il intervient aussi dans les
trois ´equations desquelles on peut donc le d´eduire :

mesure directe
estimation 1 : Q
c
−Q
e
+Q
r
estimation 2 :
Q
c
k
c
+Q
r
k
r
k
a
estimation 3 :
Q
c
n
c
+Q
r
n
r
n
a
(4.6)
On peut proc´eder de fa¸ con similaire pour les autres variables. L’ensemble des r´esultats de me-
sure et d’estimation apparaˆıt au tableau 2. Pour chaque variable, on peut donc comparer ses
diff´erentes estimations. Ainsi, pour Q
a
, la mesure et deux estimations sont du mˆeme ordre de
grandeur et diff´erent de fa¸ con significative de la deuxi`eme estimation ; si on consid`ere les variables
qui interviennent dans les diff´erentes estimations, on peut dire que les variables qui interviennent
dans des estimations semblables sont valides et que celles qui interviennent dans des estimations
tr`es dissemblables sont suspectes ? La encore, on est conduit `a suspecter une ou des mesures de
teneur en KCl. Le raisonnement peut ˆetre fait sur chaque variable et confirme cette conclusion.
49
Mesure Estimation 1 Estimation 2 Estimation 3
Q
a
400 944 401 296 362 228 400 781
Q
e
1 083 300 1 083 642
Q
c
104 256 103 904 116 373 106 806
Q 1 380 340 1 379 988 3 211 929 1 380 900
k
a
26.97 24.36
k
c
86.16 96.17
k
r
0.57 1.32
n
a
60.68 60.65
n
c
3.82 3.91
n
r
17.33 17.33
Tab. 4.1 – Mesures et estimations
4.3 Technique s´equentielle de d´etection d’erreur
On a vu pr´ec´edemment que les r´esidus d’´equation sont sensibles aux erreurs de mesure qui
affectent les variables. Inversement, si on est capable de d´etecter un r´esidu d’amplitude anormale,
il convient d’en rechercher la cause et en particulier de localiser la mesure probablement erron´ee.
On rappelle la liaison entre r´esidu et mesure :
R = My = Mǫ
La matrice M n’´etant pas r´eguli`ere en g´en´eral, l’identification de mesures erron´ees `a partir des
r´esidus doit ˆetre r´ealis´ee `a partir de la notion de signature de d´efaillance. Dans ce qui suit,
on propose une technique de d´etection d’erreur appliqu´ee `a un exemple dont le lecteur pourra
ais´ement g´en´eraliser la port´ee.
Consid´erons le mod`ele d’un syst`eme d´ecrit par les ´equations suivantes :

x
1
+x
2
−x
3
= 0
x
3
+x
4
−x
5
= 0
x
5
+x
6
−x
2
−x
7
= 0
x
7
−x
8
−x
9
= 0
(4.7)
On suppose que toutes les variables sont mesur´ees ; dans la pratique, s’il n’est pas ainsi, il
convient de proc´eder pr´ealablement `a l’extraction de la partie redondante du syst`eme. Le tableau
ci-dessous donne les valeurs des mesures et de leurs ´ecart-types respectifs.
Var. 1 2 3 4 5 6 7 8 9
Mesure 111.3 18.2 191.6 23.8 148.7 13.6 181.4 106.4 39.7
Ecart-type 2.8 0.5 3.2 0.6 3.7 0.3 3.5 2.7 1
Tab. 4.2 – Tableau 2. Mesures et pr´ecisions des mesures
Le tableau (4.3) indique les ´equations consid´er´ees, les valeurs des r´esidus d’´equation, les r´esidus
normalis´es (par leurs ´ecart-types), la nature aberrante ou non du r´esidu (seuil fix´e `a la valeur
2), les variables servant au calcul de chaque r´esidu. Dans les sept derni`eres lignes, on a fait
50
´egalement apparaˆıtre les r´esidus d’´equation correspondant `a l’agr´egation de certaines ´equations.
Pour analyser ce tableau, on peut noter que : toute ´equation ne pr´esentant pas de r´esidu aber-
rant est constitu´ee de variables elles-mˆemes sans valeurs aberrantes. Ainsi, on conclu que les
variables qui interviennent dans les ´equations 1 + 2, 3 + 4, 1 + 2 + 3 + 4 ne sont pas entach´ees
d’erreurs ; par d´eduction, les variables restantes 3 et 7 sont entach´ees d’erreur.
Une fa¸ con plus ´el´egante de pr´esenter cette proc´edure de d´etection d’erreur est r´esum´ee dans le
tableau (4.3). Les variables des r´esidus anormaux sont affect´ees de la valeur 1 ; les variables des
r´esidus normaux sont affect´ees de la valeur 0. Lorsqu’une variable n’intervient pas dans un r´esidu,
le symbole ”.” est utilis´e. La derni`ere ligne du tableau est le produit logique des indicateurs se
trouvant dans les colonnes ; un ”1” dans cette ligne indique que la variable correspondante est
entach´ee d’erreur. On peut remarquer que l’agr´egation des ´equations peut ˆetre faite de fa¸ con
s´equentielle ainsi que le produit logique ; sur cet exemple, on remarque que la localisation des
variables en d´efaut peut ˆetre faite avant la derni`ere agr´egation.
Le lecteur remarquera assez facilement que cette technique peut ˆetre ´etendue au cas d’´equations
dynamiques ou non lin´eaires. Toutefois une difficult´e apparaˆıt au niveau de l’agr´egation d’´equations
non lin´eaires qui fait l’objet de techniques particuli`eres.
Equation R´es. R´es.
normalis´e R´esidu anormal Variables
1 -61.9 -14.5 oui 1,2,3
2 66.5 13.4 oui 3,4,5
3 -37.1 -7.2 oui 2,5,6,7
4 35.1 7.8 oui 7,8,9
1+2 4.6 0.9 non 1,2,4,5
1+3 -99.0 -14.9 oui 1,3,5,6,7
2+3 29.4 6.1 oui 2,3,4,6,7
3+4 -2.0 -0.4 non 2,5,6,8,9
1+3+4 -63.9 -10.1 oui 1,3,5,6,8,9
2+3+4 64.5 14.8 oui 2,3,4,6,8,9
1+2+3+4 2.6 0.6 non 1,2,6,8,9
Tab. 4.3 – R´esidus d’´equation
4.4 Conclusion
On peut imaginer des traitement plus sophistiqu´es pour d´etecter et localiser des ”grosses” er-
reurs de mesure. Les techniques propos´ees ici, reposent sur l’analyse des amplitudes des r´esidus
d’´equations de bilan mati`ere avec l’hypoth`ese suivante : si une ´equation de bilan est v´erifi´ee,
les variables qui la constituent sont valides, sinon les variables peuvent ˆetre consid´er´ees comme
suspectes. Ce mode de raisonnement se g´en´eralise pour des processus plus complexes ; nous en
avons donn´e ici le principe de base.
51
Equation R´esidu anormal 1 2 3 4 5 6 7 8 9
1 oui 1 1 1 . . . . . .
2 oui . . 1 1 1 . . . .
3 oui . 1 . . 1 1 1 . .
4 oui . . . . . . 1 1 1
1+2 non 0 0 . 0 0 . . . .
1+3 oui 1 . 1 . 1 1 1 . .
2+3 oui . 1 1 1 . 1 1 . .
3+4 non . 0 . . 0 0 . 0 0
1+3+4 oui 1 . 1 . 1 1 . 1 1
2+3+4 oui . 1 1 1 . 1 . 1 1
1+2+3+4 non 0 0 . . . 0 . 0 0
Produit 0 0 1 0 0 0 1 0 0
Tab. 4.4 – D´etection de d´efauts
Appendix A : Quelques distributeurs ou fabricant de capteurs
52
ALLEN-BRADLEY 36, Avenue de l’Europe 78 941 V´elizy Cedex
BALLUFF 2, Rue du Vallon 94 440 Marolles en Brie
BALOGH 189, Rue d’Aubervilliers 75 886 Paris Cedex
CETIM 74, Rue des Aci´eries 42 951 Saint Etienne
CHAUVIN ARNOUX 190, Rue Championnet 75 018 Paris
CLUB INTERBUS-S Boulevard de Beaubourg 77 347 Marne la Vall´ee
CROUZET 111, Rue de la Forˆet 26 902 Valence Cedex
EQUIPEMENTS
SCIENTIFIQUES
127, Rue de Buzonval 92 380 Garches
EUROTHERM AUTO-
MATION
6, Chemin des joncs 69 572 Dardilly Cedex
HONEYWELL 4, Avenue Amp`ere 78 886 St Quentin en Yvelines
IVO INDUSTRIES 3, Rue Denis Papin 67 403 Illkirch Cedex
TELEMECANIQUE 5, Rue Nadar 92 500 Rueil Malmaison
SIEMENS 39-47 Boulevard Ornano 93 527 Saint Denis
HARTMANN ET
BRAUN
40, Rue Jean Jaures 93 176 Bagnolet Cedex
AK ELECTRONIC 54, Avenue Emile Zola 75 015 Paris
LEEDS AND NOR-
THRUP FRANCE
labo@acil-instruments.com
LASENTEC labo@acil-instruments.com
http ://glo.mt.com/mt/resources/contactUs.jsp
OUTOKUMPU-OY www.outokumpucopper.com
FOXBORO-ARMCO
AUTOMETRICS
http ://www.foxboro.com/us/eng/Homepage.htm
CENTRE DE TECH-
NOLOGIE DE NO-
RANDA
Blaise.Champagne@cnrc-nrc.gc.ca
ARMCO AUTOME-
TRICS
kellys@normin.com
www.equipment.noranda.com
OTT France www.ottfrance.com www.hydrolab.com
JUMO REGULATION 7, Rue des drapiers 57 075 Metz Cedex
53
Appendix B : Quelques types de capteur
54
Capteur Type
proximit´e `a courants de Foucault
`a effet capacitif
photo-´electrique
ultrasonic
`a effet Hall
magn´eto-resistifs
proximit´e capteurs inductifs
capteurs `a effet Hall
capteurs magn´eto-resistifs
d´eplacement capteurs r´esistifs
capteurs inductifs
capteurs `a propogation d’ondes
capteurs capacitifs
vitesse tachym`etres `a impulsions
g´en´eratrices analogiques
acc´el´eration acc´el´erom`etres pi´ezo-´electriques
acc´el´erom`etres pi´ezo-r´esistifs
acc´el´erom`etres inductifs
acc´el´erom`etres `a potentiom`etre
temp´erature couples thermo-´electriques
thermom`etres `a r´esistance m´etallique
thermom`etres `a semi-conducteur
thermom`etre `a quartz
pyrom`etres `a quartz
pyrom`etres optiques
thermom`etres `a dilatation de fluide
thermom`etre `a dilatation de solide
niveau dispositif `a flotteur
dispositif `a plongeur
dispositif `a bullage
dispositif `a palpeur ´electrom´ecanique
sondes conductives
sondes capacitives
dispositif `a rayonnement gamma
dispositifs `a ultrasons
d´ebit compteurs `a palettes
compteurs `a pistons
compteur `a turbine axiale
d´ebitm`etre `a organe d´eprimog`ene
d´ebitm`etre `a sonde (tube de Pitot)
d´ebitm`etre `a ultrasons
d´ebitm`etre `a effet vortex
d´ebitm`etre thermique
d´ebitm`etre ´electromagn´etique
55
Bibliographie
[1] B.A. WILLS Mineral Processing Technology, 4th edition. International Series on Material Scicenes and
Technology. Pergamon Press. 1988
[2] B. YARAR and Z.M. DOGAN Mineral Processing Design. Serie E : applied Sciences. Nato Asi Series, 1987.
[3] RAMAKRISHNANK.N. Modified Rosin Rammler equation for describing particle size distribution of milled
powders. Journal of Materials Science Letters, 19 ( 21), November, 2000.
[4] C.A. SMITH and A.B. CORRIPIO. Principles and practice of automatic process control. John Wilery and
Sons, 1985.
[5] RICHARD A., RAGOT J., CUNIN P., AUBRUN M., BLAZY P., Instrumentation d’un proc´ed´e de s´echage
de talc en vue de sa conduite automatis´ee. Revue de l’industrie Min´erale, Les Techniques, octobre 1986.
[6] RAGOT J., PAREL D., WISS C., RICHARD A., MAIHLLAC J., Mod´elisation en vue de la conduite
automatique d’un trieur de particules. Revue de l’Industrie Min´erale, Les Techniques, p. 176-183, mars-
avril 1988.
[7] RAGOT J., MORGANTI P. La place de l’automatique dans les techniques de valorisation des ressources du
sous-sol. Dans ”probl`emes et perspectives de l’industrie mini`ere en Afrique”. Edit´e par Pr´esence Africaine,
1992.
[8] RAGOT J., MAQUIN D., ADROT O. LMI approach for data reconciliation. 38th Conference of Metallur-
gists, Symposium Optimization and Control in Minerals, Metals and Materials Processing, Quebec, Canada,
August 22-26, 1999
[9] Proceedings of the 11th IFAC Symposium on Automation in Mining, Mineral and Metal Processing. Nancy,
8-10 septembre 2004.
[10] ALLEN T. Particle Size Measurement, Chapman and Hall, London, 4th edn. 1988 - a comprehensive
discussion of the theory and practice of powder sampling and particle sampling. The fifth edition was
published about 1998.
56

2

Table des mati`res e
1 G´n´ralit´s sur la mod´lisation e e e e 1.1 Introduction . . . . . . . . . . . . . . . . . . 1.1.1 Les mod`les . . . . . . . . . . . . . . e 1.1.2 Les diff´rents types de mod`le . . . . e e 1.1.3 Les diff´rents types de mod´lisation e e 1.1.4 Utilit´s d’un mod`le . . . . . . . . . e e 1.2 Analyse du fonctionnement d’un proc´d´ . . e e 1.2.1 Description physique . . . . . . . . . 1.2.2 Description des variables . . . . . . . 1.2.3 Mod`le . . . . . . . . . . . . . . . . e 1.2.4 Affinement du mod`le . . . . . . . . e 1.2.5 Mod`le lin´aris´ . . . . . . . . . . . e e e 1.3 Extension ` des processus automatis´s . . . a e 1.4 Etablissement d’un mod`le . . . . . . . . . e 1.5 Estimation des param`tres d’un mod`le . . e e 1.5.1 Essais indiciels . . . . . . . . . . . . 1.5.2 R´gression lin´aire . . . . . . . . . . e e 1.5.3 R´gression multilin´aire . . . . . . . e e 1.5.4 Plan d’exp´rience . . . . . . . . . . . e 5 5 5 6 6 6 7 7 7 8 10 11 12 14 15 15 15 16 16 19 19 22 25 26 26 29 30 30 31 32 33 33 33 34 36 37

. . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2 Mod`les de processus physiques ´l´mentaires e ee 2.1 Syst`me thermique . . . . . . . . . . . . . . . . . . . . . e 2.2 R´action chimique irr´versible . . . . . . . . . . . . . . . e e 2.3 R´action chimique r´versible . . . . . . . . . . . . . . . . e e 2.4 R´actions irr´versibles en chaˆ e e ıne . . . . . . . . . . . . . 2.5 Distributions granulom`triques . . . . . . . . . . . . . . e 2.6 R´seau de transport de mati`re . . . . . . . . . . . . . . e e 2.7 Processus de broyage . . . . . . . . . . . . . . . . . . . . 2.7.1 Bilan en flux total . . . . . . . . . . . . . . . . . 2.7.2 Bilan en flux partiel . . . . . . . . . . . . . . . . 2.8 M´langeur de flux de mati`re . . . . . . . . . . . . . . . e e 2.9 Hydrocyclone . . . . . . . . . . . . . . . . . . . . . . . . 2.9.1 Equation de bilan entre les trois flux . . . . . . . 2.9.2 Equation de bilan entre deux flux . . . . . . . . . 2.9.3 Mod`le de courbe de partage . . . . . . . . . . . e 2.9.4 Mod`le g´n´ral de la boucle broyage-classification e e e 2.9.5 Forme g´n´rale d’un mod`le . . . . . . . . . . . . e e e

1

3 R´gulations ´l´mentaires e ee 3.1 R´gulation de niveau . . . . . . . . . . . . . . e 3.2 R´gulation de proportion entre deux fluides . e 3.3 R´gulation de temp´rature d’un ´changeur de e e e 3.4 R´gulation dans un circuit de broyage . . . . e

. . . . . . . . . . chaleur . . . . .

. . . .

. . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

39 39 39 41 43 46 46 47 50 51

4 A propos de la qualit´ des mesures e 4.1 G´n´ralit´s (Les ´tapes de la validation et du diagnostic) e e e e 4.2 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.3 Technique s´quentielle de d´tection d’erreur . . . . . . . . e e 4.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . .

2

Table des figures
1.1 1.2 1.3 1.4 1.5 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 2.10 2.11 2.12 2.13 3.1 3.2 3.3 3.4 3.5 3.6 3.7 4.1 4.2 sch´ma physique d’un bac de chauffage . . . . e diagramme fonctionnel d’un bac de chauffage Sch´ma fonctionnel d´compos´ . . . . . . . . e e e Bac avec r´gulation de concentration . . . . . e Les ´tapes de la mod´lisation . . . . . . . . . e e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 9 9 12 14 20 21 22 22 23 26 27 27 28 29 33 36 36 40 40 41 41 42 42 44 47 48

Echangeur de chaleur id´al . . . . . . . . . . . . . . . . . . . . . . . . . . . e Sch´ma de simulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e Contrˆle de temp´rature avec une action a priori et une action a posteriori o e Mise en oeuvre de la r´gulation . . . . . . . . . . . . . . . . . . . . . . . . . e R´acteur simple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e Tamis (Rotap) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Leeds and Northrup Microtrac . . . . . . . . . . . . . . . . . . . . . . . . . Micromeretics Sedigraph 5000 ET) . . . . . . . . . . . . . . . . . . . . . . . Distribution granulom´trique en cumul´ et par tranches . . . . . . . . . . . e e R´seau de transport de mati`re . . . . . . . . . . . . . . . . . . . . . . . . . e e M´langeur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e Hydrocyclone : comparaison mesures estimations . . . . . . . . . . . . . . . Circuit de broyage-classification . . . . . . . . . . . . . . . . . . . . . . . . . R´gulation de niveau . . . . . . . . . . . . . . . e R´gulation de m´lange a posteriori. . . . . . . . e e R´gulation de m´lange a priori . . . . . . . . . e e R´gulation de m´lange a priori et a posteriori . e e R´gulation de temp´rature d’un ´changeur . . . e e e R´gulation de temp´rature d’un ´changeur . . . e e e Exemple d’organisation de boucles ´l´mentaires ee . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Processus physique et sources de perturbation . . . . . . . . . . . . . . . . . . . . Processus de cristallisation de la potass . . . . . . . . . . . . . . . . . . . . . . .

3

. 17 17 17 35 50 50 51 52 Pr´ambule e Analyse des processus continus Le cours est focalis´ sur la fa¸on de repr´senter les syst`mes physiques. . . . . . . . .3 2. . . . . . . . . . e e . . . . . . . . . . .Liste des tableaux 1. . . . . . Comment ces variables sont reli´es entre elles ? Telle est la r´ponse e e fournie par la mod´lisation qui donne une image des liens entre les diff´rentes variables. . . . . . . . . . . . . . . . . . . . . . . . Ces derniers sont cae c e e ract´ris´s par des variables traduisant un ´tat de fonctionnement. . . Tableau 2. . . . . . . . . . . . . . . . . Plan d’exp´rience . . . .3 4. .2 1. . . . . . . .1 1. . . . . . . . . . . . . . . . . . . . . . . e e Donn´es pour identifier la courbe de partage . .4 Domaine de variation . . . . . . . . . . .1 4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . mais comprennent aussi des e e e grandeurs de commande. . . . . . . . . . . . . . . . . . . . . . Mesures et pr´cisions des mesures e R´sidus d’´quation .2 4. . . . e e Une bibliographie compl´te le document ainsi que quelques exercices propos´s dans les diff´rents e e e chapitres. . . . . e e D´tection de d´fauts . . . . . . . . . . . . e Mesures et estimations . . . . . . . . . . . . 4 . . . . . . . . . . . .1 4. . . . . . . . . . . . . e Plan d’exp´rience normalis´ . . .

. . . . . . . e e 1. . . . . . . . . . . . . .2. . L’efficacit´ d’un mod`le. . . . . . . . . 5 . . e e 1. . . . . . e . 16 . . . . . . . . . . . . . dans le domaine de l’automatique. . . e 1. . . . . . un minimum de connaissance sur le proc´d´ lui-mˆme : e e e e transfert de chaleur. . . . . . cin´tique chimique. . .Chapitre 1 G´n´ralit´s sur la mod´lisation e e e e Sommaire 1.5. . . . . . .2. . . . . . . .2. . . . . . .5 Mod`le lin´aris´ . . . . .3 R´gression multilin´aire . . . 16 1. . . . . .1. . . . . . .. .4 Utilit´s d’un mod`le . . . . . 7 . . . . . traitement m´canique. . . . . . . . . . . . . . .1 Les mod`les . . 15 . . . . . . . 5 . . . . .5. . . . . . . . . . . . . . . .1. . . .2. . . . . . . . . . . . . . . . .1 1. . . c’este e e e a `-dire son aptitude ` d´crire le fonctionnement du proc´d´. . . . . . 15 . . . . . . . . . .5. .1. . . . 15 . . . . ` d´crire la structure intime e e a e d’un proc´d´. .4 Affinement du mod`le . . . . e 5 . . . . . 1. . . . . . 1. . . . . . . e 1. . e e Analyse du fonctionnement d’un proc´d´ . . . . . . . . . . . . 10 . . . . . .3 1. . . . . . . .5 1. . . . . . e 1. . . 12 . . . . . .4 Plan d’exp´rience . . . . bien au contraire.2 1. . . . . . 1. . . . . . . . . . . .4 1. . . . .5. . . . .3 Mod`le . r´sistance e e des mat´riaux. . . . . . . . . . . . . . . . . . . e e 1. . . . 6 .2 Description des variables . . . . . . . . . . . . . . . . . . . . . 6 . . . . . . . . .. e Estimation des param`tres d’un mod`le . . . . . . . . .1.3 Les diff´rents types de mod´lisation . . . . . e e 1. . . . . . . 7 . . . . . . . . . . . . . . . . . . . . . . . . . a e Etablissement d’un mod`le . . . 11 . . propagation d’ondes. 7 . . . . . . 6 . . . . . . . . . 1. . . . . . e e 1. . . . . . . . .1 Essais indiciels . . . . e e e Extension ` des processus automatis´s . . . . . . . . . . .1. . . e e 1. est ´troitement li´e ` la ”finesse” de a e e e e e a l’analogie entre le proc´d´ physique et sa repr´sentation math´matique.2 Les diff´rents types de mod`le . . . . . . e e e e En g´n´ral on ne cherche pas. . . .2. . . .1 Introduction . 8 . . . . .2 R´gression lin´aire . . . . . .1 Description physique . . . . . . . e e a e e e Ceci n’exclut pas. . . . . . . 14 . . . . . . . . .1 Introduction Les mod`les e Un proc´d´ peut ˆtre d´crit par un ensemble de relations math´matiques ou mod`les afin de e e e e e e d´crire voire de pr´dire certains aspects de son fonctionnement. . . . . . . On cherche essentiellement ` d´crire les interactions du proc´d´ avec son milieu. .

Ces mod`les font intervenir.2 Les diff´rents types de mod`le e e Dans la suite de l’expos´ nous nous limiterons aux mod`les qui d´crivent un proc´d´ au cours de e e e e e son ´volution temporelle. 1. ´duquer les utilisateurs et les op´rateurs e e e e e e . un r´ajustement des param`tres du mod`le est possible. e e 1. avec plus ou moins e d’hypoth`ses simplificatrices. au sens large.4 Utilit´s d’un mod`le e e L’´tablissement d’un mod`le n’est pas une fin en soi. diagnostiquer e e e e e le fonctionnement du proc´d´. G´n´ralement il est destin´. En a e e e` e fonction des ´carts constat´s.. Elle peut cependant ˆtre judicieusement compl´t´e par une ´tape de validation qui e ee e consiste ` comparer le fonctionnement r´el du proc´d´ a celui de son mod`le de connaissance. calculer des lois de r´gulation. Cette technique produit des e e e e mod`les de repr´sentation quelque fois qualifi´s de mod`les ”boite noire” car n’utilisent pas les e e e e connaissances physiques du proc´d´.3 Les diff´rents types de mod´lisation e e Il peut se faire que le proc´d´ dont on veut construire un mod`le n’existe pas encore (cas e e e d’un proc´d´ au stade de son avant projet ou de sa construction) ou soit inaccessible ` toute e e a exp´rimentation. Nous ´carterons les proc´d´s dont le fonctionnement n’est pas continu e e e e (on exclut ainsi en particulier les syst`mes de production de pi`ces individualis´es).1. les lois physiques qui r´gissent la plupart des ph´nom`nes naturels. d´tecter des d´faillances.Rappelons qu’un mod`le doit ensuite servir plusieurs objectifs : pr´voir le comportement du e e proc´d´. e e Si le proc´d´ ` mod´liser est physiquement accessible. Ces fonctions se pr´sentent sous forme d’´quations diff´rentielles e e e e e e e ordinaires. L’´laboration des mod`les ne peut se faire qu’` partir des connaissances ”th´orie e e a e ques” que l’on a a priori sur son fonctionnement. optimiser le fonctionnement du proc´d´. Parmi les nombreux usages auxquels il est d´di´.1.1. e – les mod`les ` param`tres r´partis qui font intervenir un nombre fini de fonctions du temps et e a e e de l’espace. e e e e Les mod`les obtenus sont dits mod`les de connaissance. d´pendant du temps. Dans la suite e e e e on se limitera essentiellement ` l’´tude des mod`les lin´aires. Ils se pr´sentent sous la forme d’un ensemble d’´quations aux d´riv´es partielles e e e e (par exemple cas des syst`mes o` la propagation de la chaleur intervient) e u Dans chaque classe.. e e e On distingue g´n´ralement deux classes de mod`les : e e e – les mod`les ` param`tres localis´s qui font intervenir un nombre fini de fonctions du temps pour e a e e d´crire l’´tat d’un proc´d´. e e e e e a ` am´liorer le comportement d’un processus. a e e e 1. De fa¸on e e e e e c plus syst´matique on peut a priori se fixer une structure de mod`le puis ajuster ses param`tres e e e pour qu’il repr´sente au mieux le comportement r´el du proc´d´. la d´marche pr´c´dente est toujours e e a e e e e possible. e e e citons : – la meilleure connaissance du processus physique qu’il repr´sente e 6 . on distingue les mod`les lin´aires des mod`les non lin´aires.

– – – – – – – la mise en ´vidence des variables sensibles e l’aide ` la conception de processus (dimensionnement) a l’aide ` la formation des op´rateurs a e l’aide au diagnostic (d´tection de disfonctionnements) e l’aide ` la maintenance a la pr´vision de situation e l’aide ` la conduite (r´gulation. Il d´livre un d´bit de sortie lui aussi caract´ris´ e e e e e e par son d´bit Qs (t) et sa temp´rature Ts (t). Puis. Q (t). La puissance utilis´e pour le r´chauffage est fournie e e e e par une r´sistance soumise ` une tension efficace V (t) .1).2 Description des variables Les variables d’entr´e correspondent ` l’ensemble des informations d´finissant les contraintes e a e impos´es au syst`me par le milieu ext´rieur. e 1. e L’exemple qui suit illustre cette d´marche. et on suppose nulles les pertes de mati`re e e par ´vaporation. a e 1. Il re¸oit un liquide caract´ris´ e e e c e e par un d´bit Qe (t) et une temp´rature Te (t). Te t). e Enfin.1 Description physique Consid´rons un bac destin´ au r´chauffage d’un liquide (figure 1.1 – sch´ma physique d’un bac de chauffage e 1. e e e 7 . Te (t) e H(t) V(t) Pertes thermiques Qs (t). 1. on s’int´resse ` d´crire les ph´nom`nes apparaissant ` l’int´rieur du e e e e e a e e e a e syst`me. Elles sont ici toutes fonction du temps : Qe (t). Ts (t) T0 Fig. on note Pd (t) la puissance thermique e a correspondant aux pertes de chaleur vers l’ext´rieur. toutes les grandeurs sauf les grandeurs g´om´triques e e e peuvent varier au cours du temps.2.2.2 Analyse du fonctionnement d’un proc´d´ e e Pour commencer la description d’un proc´d´ on peut toujours d´finir ses fronti`res puis d´nombrer e e e e e et caract´riser ses interactions avec le milieu ext´rieur. commande). comme on se place en r´gime dynamique. en se limitant uniquement au e e proc´d´ ainsi d´limit´.

e e e e e Un sch´ma plus r´aliste devrait prendre en compte ces proc´d´s ”secondaires” situ´s en aval du e e e e e proc´d´ ”principal” ` ´tudier. C’est le cas par exemple e e e ee de la section du bac qui n’est pas une grandeur de commande (sauf bien sˆr dans le cas ou l’on u disposerait de bac ` section commandable). e Les grandeurs constantes pr´sentent en g´n´ral un int´rˆt secondaire. Ces deux bilans s’explicitent : 8 . e e ae Le d´nombrement des entr´es et des sorties d’un proc´d´ rend alors possible sa repr´sentation e e e e e sous forme d’un diagramme fonctionnel (figure 2) qui traduit les relations de cause ` effet entre a les variables. Dans un cas plus g´n´ral elles pourraient d´pendre de l’espace .3 Mod`le e Le mod`le s’obtient ` partir d’un bilan de masse et d’un bilan d’´nergie sur le liquide qu’il e a e contient. a Certaines grandeurs d’entr´e sont commandables par l’op´rateur. la prise e e e en compte de la distribution de la temp´rature de l’air autour du bac conduirait ` ce type de e a d´pendance. o e e Les grandeurs de sortie sont mesur´es par des instruments qui doivent ˆtre aussi consid´r´s e e ee comme des proc´d´s : ils sont caract´ris´s par une certain nombre de variables li´es entre elles. la temp´rature e e e e d’entr´e Te (t) d´pend des conditions d’approvisionnement. e a e Les grandeurs de sortie du proc´d´ correspondent ` l’ensemble des grandeurs que l’on mesure e e a afin de suivre son fonctionnement . ainsi. les pertes thermiques d´pendent de e e e la temp´rature ext´rieure qui n’est pas maˆ ee.2. Les autres entr´es sont impos´es par e l’environnement du proc´d´ .Qs (t). leurs fluctuations interviennent comme des perturbations . le d´bit e e e d’entr´e Qe (t) est commandable par l’interm´diaire d’une vanne. le e e d´bit de sortie Qs (t) est fix´ par la consommation de l’utilisateur situ´ en aval. Pd (t) et V (t). on distingue deux type de sortie : – celles qui sont utiles pour d´crire les interactions du proc´d´ avec son milieu ext´rieur (c’est e e e e le cas de la temp´rature de sortie Ts (t) qui fournit une information sur le syst`me vu depuis e e l’ext´rieur). 1. Cette classification en commandes et perture e ıtris´ bations est bien sˆr propre ` chaque proc´d´ et aussi ` son mode d’utilisation. u a e e a Remarquons aussi que ce sch´ma ne fait pas intervenir les organes de commande : ainsi la variae tion de d´bit d’entr´e peut ˆtre r´alis´e au moyen d’une ´lectrovanne ou d’une vanne motoris´e e e e e e e e et ces organes ont eux-mˆmes leur propre fonctionnement que l’on peut chercher ` caract´riser. Dans le cas du bac. e – celles qui sont utiles pour suivre le fonctionnement du syst`me (c’est le cas du niveau H(t) e qu’il faut contrˆler pour se pr´munir contre les risques de d´bordement ou de vidage du bac). l’apport d’´nergie est come e e e e mandable par modification de la tension ´lectrique V (t).

Qs (t) T e(t) P (t) d Perturbations Commandes Qe (t) V(t) Bac Sorties à contrôler Ts (t) H(t) Fig.2) Si on suppose que la masse volumique du fluide et la section du bac restent constantes. e Qs Te .4) . 1. 1.2 – diagramme fonctionnel d’un bac de chauffage bilan de masse : d(SH(t)ρ) = Qe (t) − Qs (t) dt (1. le vecteur de commande U (t) et le vecteur des perturbations ont pour expressions : Ts (t) H(t) Qe (t) V (t) 9  Qs (t) P (t) =  Te (t)  Pd (t)  X(t) = U (t) = (1. Le vecteur d’´tat e ıtre e e e e X(t). Pd Qe H Ts V Fig.3) V 2 (t)  H(t) dTs (t) = Qe (t) (T (t) − T (t)) + 1  − Pd (t) e s dt Sρ Cp Sρ R La figure 3 indique la structure des deux mod`les obtenus en montrant les couplages entre les e variables utilis´es.3 – Sch´ma fonctionnel d´compos´ e e e Ce mod`le fait apparaˆ deux ´quations diff´rentielles ordinaires non lin´aires.1) bilan d’´nergie : e d(SH(t)ρCp Ts (t)) V 2 (t) = Qe (t)Cp Te (t) − Qs (t)Cp Ts (t) + − Pd (t) dt R (1. ces ´quations se simplifient sous la forme : e   Sρ dH(t) = Qe (tt − Qs (t)  dt (1.

par contre l’obtention de Cp peut se r´v´ler plus e e e d´licate et sans doute n´cessite de passer par quelques essais exp´rimentaux pour effectuer le e e e ”calage” de ce param`tre et sa validation exp´rimentale. celles-ci peuvent e eee ea e ˆtre remises en cause pour obtenir une description plus r´aliste donc plus pr´cise. U (t).5) dt qui est une forme tout ` fait adapt´e pour ˆtre trait´e par un logiciel de simulation et pour a e e e ´tudier la sensibilit´.9) Tt (t) 10 .D’un point de vue structurel. e e e e e On remarquera que la fonction f d´pend de param`tres et notamment : ρ. Pour que le e e mod`le soit utilisable. En supposant e uniforme la temp´rature dans le corps de la r´sistance un bilan thermique permet d’´crire : e e e M Cp dTr (t) 1 V (t)2 + Tr (t) = + Ts (t) λA dt λA R Le flux de chaleur apport´e par la r´sistance est alors donn´ par : e e e Φ = λA(Tr (t) − Ts (t)) avec comme notations : Tr Cp M λ A temp´rature de la r´sistance e e chaleur sp´cifique de la r´sistance e e masse de la r´sistance e coefficient global d’´change e aire d’´change e (1. Ainsi on peut e e e tenir compte de l’accumulation de la chaleur dans la r´sistance de chauffage. la commandabilit´ et la stabilit´ du processus.7) La premi`re ´quation du bac est inchang´e . En ce qui concerne la e e section S et ρ cela ne pose pas de probl`mes. encore faut-il que ces param`tres soient connus. e e 1. dans la seconde seul le terme sp´cifiant l’apport e e e e d’´nergie est modifi´ : e e   Sρd(H(t))  = Qe (t) − Qs (t)    dt      SρCp d(H(t)Ts (t)) (1. l’observabilit´.8) = Qe (t)Cp Te (t) − Qs (t)Cp Ts (t) + λA(Tr (t) − Ts (t)) − Pd (t)  dt        M Cp dTr (t) 1 V 2 (t)   + Tr (t) = + Ts (t) λA dt λA R L’´tat du syst`me est maintenant caract´ris´ par trois variables : e e e e   Ts (t) X(t) =  H(t)  (1.2.6) (1.4 Affinement du mod`le e Ce mod`le a ´t´ ´labor´ ` partir d’hypoth`ses sur le fonctionnement du bac . on peut ´crire : e dX(t) = f (X(t). P (t)) (1. Cp . S.

temp´rature) e e e a ` partir de celles du flux d’entr´e et des apports d’´nergie. Ces sensibilit´s sont particuli`rement int´ressantes ` analyser pour d´terminer les variables e e e a e d’entr´e qui sensibilisent le plus celle de sortie. de r´gulation et de come e e e mande. ∂Te0 ∂Ts0 . la e e recherche du r´gime stable des ´quations diff´rentielles donne : e e e   Qe0 − Qs0 = 0  Ts0 = Te0 + Pd0 V02 − RQe0 Cp Qe0 Cp (1. dans un cas g´n´ral. On remarque.3).. l’usage e e e ` courant incite ` remplacer.5 Mod`le lin´aris´ e e e Les mod`les lin´aires occupent une place importante en automatique car leur simplicit´ ape e e parente a permis l’´laboration d’une th´orie compl`te a leur sujet. core e e respondant ` une description de plus en plus fine du fonctionnement du proc´d´ et ainsi tendre a e e vers un mod`le de connaissance. A partir de (1. Ainsi pour le d´bit entrant. Pour cette raison. on note : e Qe (t) = Qe0 + qe (t) (1. Dans la pratique. malgr´ les hypoth`ses simples utilis´e que le mod`le obtenu est fortement non e e e e lin´aire. les grandeurs d’´quilibre sont affect´es de l’indice 0. La lin´arisation consiste en d´veloppement e e e e e en s´rie de Taylor au premier ordre des ´quations.11) 11 . e e Dans le cas du bac.2. De fa¸on plus pr´cise.. dans un certain domaine de fonctionnement. On note que l’on peut calculer les caract´ristiques du flux de sortie (d´bit. un mod`le non lin´aire a e e par un mod`le lin´aire.En continuant selon ce principe.10a) Ces deux ´quations d´finissent un point d’´quilibre qui. e e e e 1. e e La technique ` appliquer consiste ` d´terminer un point d’´quilibre du syst`me puis ` lin´ariser a a e e e a e les ´quations du syst`me autour de ce point d’´quilibre. e On raisonne maintenant en petites variations autour de ce point d’´quilibre (qui est g´n´ralement e e e e le point moyen de fonctionnement du syst`me). La difficult´ consiste ` atteindre un compromis ”raisonnable” e e a entre un mod`le pr´cis traduisant bien le comportement du proc´d´ et un mod`le suffisamment e e e e e simple pour pouvoir ˆtre utilis´ dans des algorithmes de pr´diction. peut ˆtre stable ou e e e e e e instable. aucune solution analytique ne peut ˆtre envisag´e . ∂Qe0 . on peut aussi e e c e calculer la sensibilit´ de la sortie vis-`-vis de l’entr´e en ´valuant les quantit´s : e a e e e ∂Ts0 . ∂V0 ∂Ts0 . on peut d´velopper des mod`les de complexit´ croissante. il faut avoir recours e e e a ` une int´gration num´rique des ´quations diff´rentielles.

Il exprime lin´airement h et θs en e e e fonction de θe . pour les autres variables. le d´bit de sortie donc ˆtre e e e e fourni et en g´n´ral il est connu puisque correspond ` l’utilisation du flux produit par le r´acteur. v et p. on obtient : e e a   Sρ dh(t) = qe (t) − qs (t)    dt (1. La r´action se fait avec une vitesse k. e e e e Vanne motorisée Consigne de concentration Gain Capteur de concentration Fig.3 Extension ` des processus automatis´s a e L’´tablissement d’un mod`le ne s’applique pas seulement ` un syst`me physique. on note : e Qs (t) = Qs0 + qs (t) Te (t) = Te0 + θe (t) Pd (t) = Pd0 + p(t) Ts (t) = Ts0 + θs (t) H(t) = H0 + h(t) V (t) = V0 + v(t) En introduisant ces expressions dans les ´quations (1. La r´action qui se produit dans le bac e a e a pour but de d´truire cette esp`ce ind´sirable. 1. Pour l’utiliser correctement.3) et en n´gligeant les infiniment petits e e d’ordre sup´rieur ou ´gal ` deux. e e a les inconnues sont la hauteur et la temp´rature dans le r´acteur .12)    H dθs (t) = 1 Q (θ (t) − θ (t)) + q (t)(T − T ) + 1 2V0 v(t) − p(t)  0 e0 e s e e0 s0 dt Sρ Cp R Le syst`me (1. qe . On consid`re ici le cas d’un bac aliment´ par un produit brut de d´bit Qe (t) e e e e contenant une esp`ce chimique ` la concentration C(t).4 – Bac avec r´gulation de concentration e 12 . les variables d’entr´e (d´bit e a e e e et temp´rature) sont suppos´es connues (` partir du processus se trouvant en amont de celui-ci). Ici. le lecteur doit veiller ` ce que le nombre a d’´quations corresponde au nombre de variables ` d´terminer. L’ensemble des e e a e organes qui le compl`tent peut ´galement ˆtre d´crit et en particulier les syst`mes de commande e e e e e ou de r´gulation.12) d´crit le comportement du processus.De mˆme. e e a e 1.

Cs (t). l’hypoth`se e c e e e d’homog´n´it´ peut ˆtre formul´e : e e e e e C(t) = Cs (t) (1. La premi`re ´quation traduit la conservation du flux total et la seconde celle du flux e e e partiel relatif ` l’esp`ce chimique consid´r´e : a e ee   dV (t) = Q (t) − Q (t)   e s  dt (1. Elle provient de l’´criture de la conservation de la e e e mati`re. Pour les concentrations. la description du syst`me n’est pas compl`te. on peut avoir l’une ou l’autre des situations : – le d´bit de sortie est ´gal au d´bit d’entr´e de fa¸on a maintenir constant le niveau dans le e e e e c ` e e bac et dans ce cas Qs (t) = Qe (t) et le volume est constant . Ce (t)} aux e e e variables de sortie V (t). Qs (t). les ´quations s’´crivent :   V (t) = V0   (1. e e e e e en ce sens que la connaissance des entr´es R0 et Ce (t) permet la d´duction de celle des autres e e variables.13)  d(V (t)C(t))    = Qe (t)Ce (t) − Qs (t)Cs (t) − kV (t)Cs (t) dt La trois`me ´quation est relative au syst`me de commande du d´bit d’entr´e qui permet d’ajuster e e e e e la concentration dans le bac ` une valeur de r´f´rence R0 (ici constante) : a ee Qe (t) = K(R0 − Cs (t)) (1. Qe (t). Comme on ne dispose que de trois ´quations e pour cinq inconnues. Pour cela. donc il doit ˆtre consid´r´ comme connu dans e e e ee les ´quations pr´c´dentes .La mise en ´quation est ici tr´s simple. C(t).14) On dispose ainsi de trois ´quations liant des variables d’entr´e du syst`me {R0 . le syst`me est compl`tement d´crit.15) et pour le soutirage en sortie. avec ces deux deux donn´es suppl´mentaires. Physiquement. il manque e e en effet. il faut essayer de r´soudre le e a e e syst`me : e   0 = K(R0 − Cs ) − Qs   (1. les ´quations s’´crivent : e e e e e   dV (t) = K(R − C (t)) − Q (t)  0 s s  dt  (1. e e e e – le d´bit de sortie Qs est fix´ par l’utilisateur.18)   0 = K R0 − Cs (Ce − Cs ) − kCs  V0 13 .16) R0 − Cs (t)  dCs (t)   =K (Ce (t) − Cs (t)) − kCs (t) dt V0 Finalement. la concentration Cs prend une valeur ´gale ` la consigne R0 en r´gime permanent.17)  dC (t)  R0 − Cs (t) s   =K (Ce (t) − Cs (t)) − kCs (t) dt V (t) Question : le lecteur pourra examiner si avec ce mode d’action. par int´gration d’un syst`me diff´rentiel lin´aire ou non. une relation entre la concentration dans le bac et celle en sortie ainsi qu’une relation d´finissant la fa¸on dont le d´bit de sortie est soutir´.

1. Enfin. un mod`le peut ˆtre e e e e utilis´ pour effectuer le diagnostic d’un syst`me. les param`tres de ces mod`les sont obtenus soit par le calcul direct issu de e ıte e e la mise en ´quation physique soit ` partir d’exp´riences d´pouill´es de fa¸on purement statistique. continuité.5) sch´matise les op´rations qui apparaissent syst´mati-quement e e e lors de la mod´lisation d’un proc´d´ physique. a e 14 . la phase e e e de mod´lisation elle-mˆme c’est-`-dire la conception du mod`le est tr`s riche d’enseignements e e a e e car elle oblige le concepteur ` r´fl´chir sur le comportement du syst`me ` mod´liser. De fa¸on indirecte.5 – Les ´tapes de la mod´lisation e e Il est bon de rappeler l’utilit´ d’un mod`le. pour pr´dire un comportement.) Modélisation cinétique physique cinétique chimique bilan matière bilan thermique plan d'expérience essais expérimentaux estimation paramétrique Identification Validation comparaison avec le proce ssus réel tests statistiques validations croisées Fig.. Dans la plupart des cas il sert ` d´finir les lois de e e a e commande ` appliquer au syst`me de fa¸on ` le conduire de fa¸on optimale. Rappelons que la proc´dure la plus int´ressante e e e e e utilise conjointement un mod`le de connaissance et un mod`le de description encore appel´ e e e mod`le ”boˆ noire” . Il ne faut pas oublier a e c a c d’autres utilit´s toutes aussi importantes : un mod`le peut ˆtre utilis´ pour former les op´rateurs e e e e e a ` la conduite d’un syst`me (simulateur de centrale nucl´aire par exemple).et examiner la proximit´ de Cs vis-`-vis de R0 en calculant l’´cart relatif (Cs − R0 )/r0 . toute la e c r´flexion qui accompagne la phase de mod´lisation vise ` mieux connaˆ le syst`me physique e e a ıtre e et donc ` mieux percevoir ses r´actions. les variables a e e e a e qui d´crivent ce comportement. 1.4 Etablissement d’un mod`le e L’organigramme de la figure (1. les interactions entre les variables. e a e e e c frontières du système recherche du domaine de f nctionnement o dénombrement des paramètr s e dénombrement des variable s Définition du procédé Etablissement d'Hypothèses simplifications de fonctionnement (homogénéité. pertes nulles .. Il serait e a e ´galement int´resant d’analyser l’influence des param`tres K et V0 du syst`me sur le r´sultat e e e e e obtenu.

5 Estimation des param`tres d’un mod`le e e Lorsqu’on ´tablit la structure d’un mod`le ` partir de lois physiques. une proc´dure exp´rimentale compl´t´e par une estie a e e ee mation statistique est mise en oeuvre. la sortie. sur le signal de sortie qs (t).5. ou r´sulter d’hypoth`ses (coefficient de proportion par exemple). La pente de cette e e droite est la constante de temps T qui peut donc s’obtenir graphiquement ou mieux encore par r´gression lin´aire. la sortie vaut : qs (T ) = q0 (1 − exp(−1)) = 0. la constante de temps du syst`me est directement li´e au temps de s´jour de la mati`re u e e e e dans le broyeur. s’explicite : u e qs (T ) = q0 (1 − exp(−t/T )) Au bout d’un temps t = T . On parle alors de calage param´trique. lorsqu’on consid`re uniquement les d´bits totaux d’entr´e qe et de sortie qs . peut ˆtre caract´ris´ e e e e e e par le mod`le diff´rentiel : e e dqs (t) = qe (t) − qs (t) (1.1.5. traduire des comportements (vitesse r´actionnelle. e e a il suffit de rep´rer. coefficient d’´change e e thermique). Afin d’´viter l’utilisation de d´riv´es.20) Ainsi. on a vu qu’un certain e e a nombre de param`tres sont introduits. e ee e 1. la sortie atteint 63% de son r´gime d’´quilibre ` cet instant particulier t = T . d’autres pas . on peut au pr´alable utiliser un mod`le e e e e e e e discret du syst`me.2 R´gression lin´aire e e La technique expliqu´e pr´c´demment peut aussi ˆtre trait´e par r´gression lin´aire. ee e Exemple : estimation de la constante de temps d’un broyeur. il est alors n´cessaire de e e e proc´der ` leur identification.21) (1. Pour un essai indiciel.22) 15 .19) int´gr´e entre deux instants t − ∆ et t donne : e e e e qs (t) = exp(−∆/T )qs (t − ∆) + (1 − exp(−∆/T ))qe (t − ∆) (1. l’objectif ´tant e e en effet d’ajuster les param`tres du mod`le de fa¸on que son comportement refl`te celui des e e c e exp´riences qui ont ´t´ conduites sur le processus r´el. dt } est repr´sent´e par une droite passant par l’origine. L’´quation (1.63q0 (1. pour ces derniers.1 Essais indiciels Ces essais sont simples ` r´aliser (en th´orie) car consistent ` exciter le processus par des grana e e a deurs d’entr´e constantes. En effet. L’analyse de la r´ponse du syst`me est souvent r´alis´e graphiquement e e e e e et permet d’extraire deux ´l´ments important d’un mod`le : le gain et la constante de temps.19) dans le plan e e e dqs (t) {qe (t) − qs (t). 1. On peut admettre qu’un broyeur. Ces derniers peuvent ˆtre d’origine g´om´trique (dimene e e e sions d’un composant). Certains de ces e e param`tres peuvent ˆtre bien connus. o` l’entr´e vaut qe (t) = q0 .19) T dt o` T . Pour cela. Inversement. e e e e e e e le mod`le liant des deux d´bits qe et qs montre que la relation th´orique (1. l’instant auquel 63% du r´gime final est atteint e e pour estimer la valeur de la constante de temps T .

.25) . on a donc le mod`le : e e e     x11 x12 .. la forme proe e e e e pos´e pour le mod`le n’est pas unique et le lecteur peut envisager de r´aliser des transformations e e e sur les variables pour trouver un mod`le plus ad´quat. 3. e e 1. Pour les diff´rentes e e a e observations r´alis´es sur les variables.P + a3 .2. x2n  . on peut donc estimer les e param`tres du mod`le par une m´thode type moindres-carr´s. . celui des plans d’exp´rience e o` les variables prennent uniquement deux valeurs particuli`res. .ρ et en r´alisant un nombre N (suffisament grand) d’essais sur ce cyclone.Apex + a3 P e e o` les variables prennent les ´tats particuliers : u e Apex = {A. ` partir d’exp´e a e riences. On se contente. 1. x1n   y1   a1 . . ρ ∈ [1.5.  (1. . au sens des moindres carr´s. 16 . On admet.4. e e e a ` la pression d’alimentation de la pulpe d’alimentation et ` la masse volumique de cette pulpe. que le d50 de la courbe de partage d’un cyclone est ´troitement li´e au type d’apex utilis´. . xN n c’est-`-dire sous forme matricielle y = Xa. on obtient alors : qs (t) = aqs (t − ∆) + (1 − a)qe (t − ∆) o` encore en isolant a : u qs (t) − qs (t − ∆) = a (qs (t − ∆) − qe (t − ∆)) (1.3 R´gression multilin´aire e e C’est une extension de la technique pr´c´dente ` un mod`le ` plus de deux param`tres. P.. .23) L’estimation de a est donc simplement r´alis´e par r´gression lin´aire et celle de T s’en d´duit e e e e e alors. d’examiner un point particulier. ρ) = a1 .ρ + a2 . .  =  x21 x22 .  yN aN xN 1 xN 2 .2] atm.En posant a = exp(−∆/T ). Bien ´videmment.Apex + a2 . u e Reprenons l’exemple pr´c´dent : d50 = a0 + a1 . De fa¸on e e a e a e c g´n´rale.24) (1. a L’estimateur des param`tres a.4 Plan d’exp´rience e La th´orie des plans d’exp´rience est relative ` la d´finition optimale des essais qu’il convient e e a e de r´aliser sur un processus de fa¸on ` en extraire le maximum de renseignements sur son e c a comportement. . . on explique une variable y ` partir de n variables explicatives xi .8] T /m3. ici.5. a En faisant l’hypoth`se d’un mod`le lin´aire : e e e d50 = f (Apex. est fourni par : e e a = (X T X)−1 X T y ˆ Eemple : mod´lisation du d50 d’une courbe de partage d’un cyclone. B} P ∈ [2. 1.

on adopte le codage : x− xcod = 2 xmin + xmax 2 xmax − xmin La matrice des ”nouvelles” donn´es est donn´e par le tableau (1.4) regroupe les valeurs en question et l’on a fait figurer dans la derni`re colonne les e valeurs mesur´es de d50 .8 1.2 1.2 3.4 atm.2 1.4 2. Pour les variables quantitatives.1 – Domaine de variation Le plan d’exp´rience de dimension 23 = 8 est obtenu de la fa¸on suivante : les essais ne sont e c ralis´s qu’en consid´rant les valeurs minimales et maximales par les diff´rentes variables.8 1. 1. 1.8 1.2 atm.2 – Plan d’exp´rience e Les colonnes de la matrice X qui traduit ces diff´rents essais peuvent ˆtre rendues orthogonales. -1 1 -1 1 -1 1 -1 1 Apexc -1 -1 1 1 -1 -1 1 1 Pc -1 -1 -1 -1 1 1 1 1 d50 61 95 63 99 55 96 60 94 Tab.masse volumique Apex pression Niveau bas 1.2 1.5.4 3.2 d50 61 95 63 99 55 96 60 94 Tab.4 2. e e Pour les variables qualitatives (type d’apex) au type A.4).2 3.2 3. 1.3 – Plan d’exp´rience normalis´ e e 17 .8 Apex A A B B A A B B pression 2. Le e e e tableau (1. on affecte la valeur 1 et au type B on affecte la valeur −1. e e essais 1 2 3 4 5 6 7 8 ρc . Tab. e essais 1 2 3 4 5 6 7 8 masse vol.2 1.5.2 A 2.8 B 3. 1. si x d´signe la valeur courante et xmin et e xmax les valeurs basse et haute. Niveau haut 1.4 2.

125Pc .25ρc + 2. 98.813Apexc + 60. X T X = 8I o` I est la matrice unit´ de rang 3. ce qui facilite l’inversion de la matrice X T X dans le calcul de l’estimation : b = (X T X)−1 X T y puisqu’ ici. 96. Le mod`le obtenu.25.25.5. avec les variables u e e ”cod´es” est : e ˆ d50 = −1. 57. 59.417Pc − 11.5.26) Ainsi.125Apexc + 18.75. la matrice X corrrespondant aux essais pr´c´dents s’´crit : e e e   −1 −1 −1  1 −1 −1   −1 1 −1   1 1 −1   X =  −1 −1 1   1 −1 1    −1 1 −1 1 1 1 (1. 93.5 qui sont en accord avec les valeurs exp´rimentales.0. X ne contient que des colonnes orthogonales. e 18 .Dans ces conditions.25.625ρc + 1. 62. on trouve : ˆ d50 = −3. Si l’on revient aux variables physiques. On peut alors noter que le mod`le obtenu restitue les valeurs suivantes du d50 : e 60. 95.85 .

. . . . .2 2. .7 .2 Bilan en flux partiel . . . . . . .7. e R´action chimique irr´versible . . . . . . . . . . 19 22 25 26 26 29 30 30 31 32 33 33 33 34 36 37 L’objet de ce chapitre est de familiariser le lecteur avec la mise en ´quation de quelques processus e simples. . . . . . . Bien ´videmment. . . 2. . . . . . . . . . . . . . . . .9. 2. . . . . . . . . .2 Equation de bilan entre deux flux . . . . . . . . . . . . . . l’un e e des buts ´tant de r´duire l’humidit´ des mat´riaux pour augmenter l’efficacit´ de l’op´ration de e e e e e e 19 . . . . . . . . e 2. . . .6 2. . . . . . . . . c’est le cas des op´rations du s´chage des produits granulaires avant broyage. . . . . .1 Syst`me thermique e Consid´rons l’exemple d’un ´changeur de chaleur. . . . . . . . les ´quations issues de ces bilans font ine e tervenir un certain nombre de param`tres physiques qu’il conviendra de d´finir num´riquement : e e e cette phase sera abord´e ici et fait l’objet de l’identification de param`tres ` partir de donn´es e e a e exp´rimentales.1 2. . . . . . . . . . . 2. . .9. . . . . . . . . . . . e e R´action chimique r´versible . . . . . . . . . . . . .9. . Distributions granulom`triques . . . . . .8 M´langeur de flux de mati`re . e R´seau de transport de mati`re . . . . . . . . . . . . . . . .5 2. . . .5 Forme g´n´rale d’un mod`le . . . . .3 2. . . . . . . Ce type de processus se rencontre tr`s souvent e e e d`s que l’on veut ´changer de l’´nergie d’un corps ` un autre. . . . . e e Processus de broyage . . on peut obtenir un mod`le qui traduit correctee e ment le comportement des processus. . . . . . . . . . . . . .9 Hydrocyclone . . . . . . . . . . . . . . . . . . . . . . . 2. . e 2. . . . . .9. . . . . . . . . . . . . . . . . . . . . . . . . . .Chapitre 2 Mod`les de processus physiques e ´l´mentaires ee Sommaire Syst`me thermique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . On montre qu’` partir des lois ´l´mentaires de conservation de masse et d’´nergie et en a ee e utilisant quelques hypoth`ses simplificatrices. .7. . . . . . . 2. . . . . . e e R´actions irr´versibles en chaˆ e e ıne . . . . . e e e 2. . . . . . . . . . . . . . . . .1 Bilan en flux total . . . . . . .4 2. . . . . . . . . . . . . . . . . . . . . . . . . e e 2. . . . . . . . . . 2. . . . . . . . . .3 Mod`le de courbe de partage . . .1 Equation de bilan entre les trois flux . . . . . . . Dans le domaine du traitement e e e a des minerais. . . . . .9. . . . . . e e e 2. .4 Mod`le g´n´ral de la boucle broyage-classification .

nous allons tout d’abord mettre en ´quation ce syst`me e e e ´l´mentaire. de la temp´rature du fluide ` la sortie de l’´changeur. le fluide d’entr´e a e e e e e une chaleur sp´cifique c et une temp´rature θ0 suppos´es constantes. La masse des ´l´ments e e e ee chauffants est m1 et leur chaleur sp´cifique c1 .θ 2(t) Fig. e Le bilan thermique entre deux instants ”voisins” t et t + ∆t peut s’´crire approximativement e (en n´gligeant les pertes) : e . cette source r´chauffe l’eau o e e e du r´servoir. 2. dont le d´bit d’entr´e est not´ q(t) . e Q(t) q(t). Il reste ` bien pr´ciser les conditions d’int´gration e e a e e de ces deux ´quations.1 – Echangeur de chaleur id´al e Quel probl`me de conduite peut-on se poser ? Un des objectifs les plus simples ` consid´rer e a e est le maintien. le passage ` la limite donne alors : a   dθ1 (t) = Q(t) − G(θ1 (t) − θ2 (t))   dt  m1 c1 (2.pour le fluide du r´servoir (suppos´ ` temp´rature constante) : e ea e V ρc∆θ2 (t) = G(θ1 (t) − θ2 (t))∆t + q(t)ρc(θ0 (t) − θ2 (t))∆t Lorsque l’intervalle de temps ∆t tend vers 0. (t) θ 0 q(t).2) (2.broyage (voir photo ci-dessous). le circuit ´lectrique. Sur la figure 1. Les grandeurs a priori connues du syst`me sont les param`tres qui en e e e 20  dθ (t)  G(θ1 (t) − θ2 (t)) + q(t)ρc(θ0 (t) − θ2 (t))  2  = dt V ρc . a e a e Pour analyser une strat´gie de conduite. ` une valeur constante.3) On dispose ainsi de deux ´quations diff´rentielles qui d´crivent compl`tement l’´volution des e e e e e deux temp´ratures θ1 (0) et θ2 (0) du syst`me.pour l’´l´ment chauffant (suppos´ ` temp´rature homog`ne) : ee ea e e m1 c1 ∆θ1 (t) = Q(t)∆t − G(θ1 (t) − θ2 (t))∆t . La mise en ´quation r´sulte de l’´criture des bilans thermiques des flux primaire et ee e e e secondaire de l’´changeur. de volume V constant.1) (2. essentiellement constitu´ d’une r´sistance chauffante joue e e e le rˆle d’une source de chaleur caract´ris´ par une puissance Q(t) .

3) e e e a e peuvent donc s’int´grer et permettent ainsi de d´finir compl`tement l’´tat θ1 (t). les ´quations (2. l’int´rˆt d’un mod`le pour d´terminer la fa¸on de ”conduire” le ee e e c 21 . θ2 (t) du syst`me e e e e e a ` chaque instant. Le sch´ma de simulation du syst`me est donn´ ` la figure (2. on imagine bien que q(t) et Q(t) modifient les deux temp´ratures e θ1 (t) et θ2 (t). not´ Qr est donc u e a e e e d´fini par : e Q = qρc(θ1r − θ2r ) et on con¸oit ais´ment un dispositif permettant d’en garantir la valeur au moyen d’un r´glage c e e d’une tension ´lectrique. Diff´rents objectifs de commande peuvent ˆtre envisag´s et parmi ceux-ci la e e e maˆ ıtrise de la temp´rature du fluide de sortie.d´finissent la g´om´trie : m1 . e On voit bien. Les grandeurs de commande (sur e lesquels l’utilisateur peut agir) sont q(t) le d´bit de fluide ` l’entr´e de l’´changeur et Q(t) l’apport e a e e d’´nergie.4)   G(θ1r − θ2r ) + qρc(θ0 − θ2r )  0=  V ρc o` θ1r est la temp´rature ` l’´quilibre du corps chauffant. c1 . V . En particulier. c (on notera que parmi ces param`tres. on doit appliquer des commandes e a e a constantes q etQ v´rifiant les ´quations suivantes : e e   0 = 1 (Q − G(θ1r − θ2r ))    m1 c1 (2. pour avoir θ2 (t) constante et ´gale ` θ2r . d’autres sont connus de fa¸on e e c approch´e. certains peuvent e e e e ˆtre connus avec une grande pr´cision. Si l’´tat initial du syst`me est connu (c’est-`-dire θ1 (0) et θ2 (0)). la masse volumique du flux entrant par exemple). e a e e Température élément chauffant K1 Puissance thermique Q(t) 1 s G K2 Débit de fluide q(t) 28 Température du fluide d'entrée K3 1 s Température du fluide de sortie Fig.2 – Sch´ma de simulation e Au niveau de la commande. L’apport d’´nergie. si la temp´rature d’entr´e est e e e constante et ´gale ` θ0 . le volume par exemple. pilotant par effet Joule un apport calorifique dans le corps chauffant. On a fait apparaˆ ` gauche e e ea ıtre a les trois entr´es et ` droite les deux temp´ratures qui en r´sultent. 2. ρ. sur cet exemple.2).

3) donne le principe d’une r´gulation de e e temp´rature et la figure (2. la figure (2.θ 2(t) θ2 (t) + Consigne de température ρ c + + - Fig. 2. 0(t) θ q(t). La vitesse de r´action est li´e ` la variation de concentration au cours du temps.4) donne la simulation.3 – Contrˆle de temp´rature avec une action a priori et une action a posteriori o e Température de référence 65 K4 Puissance thermique Q(t) K1 1 s Température de l'élément chauffant G K2 Débit de fluide q(t) 28 Température du fluide d'entrée K3 1 s Température du fluide de sortie Fig. 2.2 R´action chimique irr´versible e e Elle est repr´sent´e symboliquement par A → B o` A et B d´signent le r´actant et le produit e e u e e a ` fabriquer. e e a 22 .4 – Mise en oeuvre de la r´gulation e 2.processus en fonction d’un objectif d´fini . e Q(t) q(t).

9) . on examine le cas simple d’un r´acteur id´al e e e e a ` volume V constant et d´bit d’alimentation qe variable. q c c e Ae Be V q c e A c B Fig.Pour obtenir ce type de structure. 2. le passage ` la limite donne ee a l ?´quation diff´rentielle : e e V dcA (t) = (cAe (t) − cA (t))qe (t) − kV cA (t) dt dcB (t) = (cBe (t) − cB (t))qe (t) + kV cA (t) dt 23 (2.5)  dc (t)   B  = fB (cA (t).8) De mˆme pour l’esp`ce B. cB (t)) dt (2.6) avec : k0 facteur constant E ´nergie d’activation e R constante universelle θ temp´rature absolue (variable au cours du temps) e Pour montrer comment ´tablir les ´quations (2. Cette constante d´pend de e e la temp´rature ` laquelle se passe la r´action selon la loi d’Arrhenius : e a e k(θ) = k0 exp− Rθ E Pour chaque esp`ce chimique A et B.5 – R´acteur simple e Ecrivons le bilan mati`re. pendant l’intervalle de temps [t t + ∆t] : e e V ∆cA (t) = + cAe qe (t)∆t − cA (t)qe (t)∆t − kV cA (t)∆t En divisant par ∆t. parfaitement m´lang´ (donc homog`ne) e e e e et sans perte. pour l’esp`ce A.7) variation de volume de l’esp`ce A e volume de l’esp`ce A qui entre e volume de l’esp`ce A qui sort e volume de l’esp`ce A qui se transforme en B e Si le bilan est consid´r´ pendant un temps infiniment court. il est commode d’introduire la constante de r´action k e qui traduit l’apparition ou la disparition d’une esp`ce chimique.5). l’´volution des concentrations peut ˆtre d´crite par : e e e e   dcA (t) = f (c (t). on obtient : V ∆cA (t) = (cAe (t) − cA (t))qe (t) − kV cA (t) ∆t (2. on peut ´tablir : e e e V (2. c (t))   A A B  dt (2.

12) auxquelles il faut ajouter les conditions initiales permettant leur int´gration : cA (0). e e e e Remarque 2. apr`s passage ` la limite quand ∆t tend vers z´ro : e a e qe (t) 1 dθ(t) = (θ0 − θ(t)) + (Q0 − Ak(θ)cA (t)) dt V ρV c En r´sum´.9) d´crit donc. e On peut aussi repr´senter le syst`me (6) sous forme matricielle : e e cA (t) ˙ cB (t) ˙ = −(k + k 1 T) 0 1 −T cA (t) + cB (t) 1 T 0 1 T 0 cAe (t) cBe (t) (2. cB (0). e e c e Une solution analytique (ou une int´gration num´rique) peut ˆtre obtenue si les param`tres e e e e g´om´triques du r´acteur (ici le volume V ) sont connus. θ(0) e correspondant aux concentrations initiales dans le r´acteur et ` sa temp´rature initiale.10) sont li´es.10) avec T = qe . V Cette ´quation est une ´quation diff´rentielle lin´aire du premier ordre et vectorielle du type : e e e e dX(t) = AX(t) + BU (t) dt On pourra analyser et int´grer cette ´quation selon les techniques classiques. la premi`re e e e peut s’int´grer s´par´ment de la deuxi`me. si le d´bit d’alimentation qe est constant. Cependant. le syst`me est d´crit par les ´quations : e e e e e   dcA (t)  V = (cAe (t) − cA (t))qe (t) − k(θ)V cA (t)     dcdt(t)   B V = (cBe (t) − cB (t))qe (t) + k(θ)V cA (t) dt  dθ(t) qe (t) 1     dt = V (θ0 − θ(t)) + ρV c (Q0 − Ak(θ)cA (t))    E k(θ) = k0 exp(− Rθ ) (2. la fa¸on dont les concentrations ´voluent.8). e e e e si les concentrations cAe et cBe du flux entrant sont connues et si les concentrations initiales dans le r´acteur cA (0) et cB (0) sont connues. e e Remarque 1. Comme e a e 24 . Cette mise en ´quation ”bilan mati`re” peut ˆtre compl´t´e par une mise en e e e ee ´quation ”bilan thermique”. Cela est d’autant plus utile que la constante de r´action k est e e une fonction de la temp´rature.11) (2. au cours du temps. Les deux ´quations qui apparaissent dans (2. Le bilan thermique peut ˆtre ´tabli comme pr´c´demment en e e e e e observant l’´volution du syst`me entre deux instants t et t + ∆t : e e ρV c∆θ = + qe (t)ρcθ0 ∆t − qe (t)ρcθ(t)∆t Q0 ∆t − Ak(θ)V cA (t) variation de la quantit´ de chaleur dans le r´acteur e e quantit´ de chaleur apport´e par l’entr´e e e e quantit´ de chaleur enlev´e par la sortie e e quantit´ de chaleur apport´e par l’ext´rieur e e e quantit´ de chaleur d´gag´e par la r´action (A constante) e e e e ou encore.Le syst`me (2. (2.

a e e Pour la r´action A → B la vitesse est (par exemple) r1 = k1 cA e Pour la r´action B → A la vitesse est r2 = k2 cB La fa¸on de mod´liser le syst`me est analogue e c e e a ` celle de la r´action irr´versible. e e e 25 .15) (2. Les e e diff´rentes ´quations peuvent aussi recevoir une ´criture matricielle..14) variation de volume de l’esp`ce A e volume de l’esp`ce A qui entre e volume de l’esp`ce A qui sort e volume de l’esp`ce A qui se transforme en B e volume de l’esp`ce B qui se transforme en A e Comme pr´c´demment. Remarque.13) ˙  B  T   θ0   T  Ak(θ) 1  θ(t)  ˙ θ(t) 1 1  0 − Q0 0 0 ) V ρc T T V ρc Remarque. Ce qui diff´rentie les deux r´actions est la vitesse. on a : e e dcB (t) = (cBe − cB (t))qe V + k1 cA (t) − k2 cB (t) dt (2. pour l’esp`ce B. Le lecteur peut ´tendre la description pr´c´dente au cas d’un r´acteur ` volume e e e e a variable. on cherche ` maˆ a ıtriser la r´action et en particulier sachant que e son efficacit´ est optimale pour une certaine temp´rature θref .pr´c´demment. 2. on cherche ` maintenir constante e e a la temp´rature du fluide dans le r´acteur et ´gale ` θref . on obtient : e a dcA (t) = (cAe − cA (t))qe V − k1 cA (t) + k2 cB (t) dt De mˆme. Le bilan entre les instants t et t + ∆t s’´crit (ici ` volume et e e e a concentrations constantes de l’alimentation) : V ∆cA (t) = + cAe qe ∆t − cA (t)qe ∆t − k1 V cA (t)∆t + k2 V cB (t)∆t Apr`s passage ` la limite.3 R´action chimique r´versible e e La r´action entre les esp`ces A et B peut se faire dans deux sens : on peut produire A ` partir e e a de B et produire B ` partir de A.16) De plus. les constantes de r´action sont fonction de la temp´rature suivant la loi e e e e d’Arrh´nius : e k1 (θ) = k0 exp[−E1 /Rθ] k2 (θ) = k0 exp[−E2 /Rθ] (2. ces ´quations peuvent ˆtre regroup´es sous forme matricielle : e e e e e  1   1   0 0 −( T + k(θ)) 0 0 0      cAe (t) T cA (t) ˙  cA (t)  1  c (t) 0  c (t) +  0 1 0 K(θ) −  cB (t) =  0   Be  (2. Dans la pratique. L’apport d’´nergie peut servir ` satisfaire e e e a e a cet objectif. un bilan thermique permet d’expliciter l’´volution temporelle de la temp´rature.

) .17) Le lecteur pourra facilement ´tablir (en utilisant le raisonnement pr´c´dent) que : e e e       dcA (t) 1 1   0 0  0 0  −( + k1 )  dt   T T  cA (t)  cAe (t)  dcB (t)    1 1    k1 −( + k2 ) 0  cB (t) +  0 0  cBe (t) (2. nous e ee e e e e avons retenu celui de Rosin-Rammler : 26 . Celle-ci s’obtient de fa¸on exp´rimentale par diff´rentes techniques (tamisage.18)    dt  =   T T  cC (t)     1 1  cCe (t) dcC (t) 0 k2 − 0 0 T T dt q0 avec T = V 2. les figures (2. pour e des raisons d’exploitation ult´rieure de ces r´sultats. il s’agit alors d’un probl`me e e e e e d’ajustement param`trique.. les param`tres de la distribution th´orique ´tant cal´s de fa¸on ` e e e e e c a approximer correctement les r´sultats exp´rimentaux.. parmi ceux-ci. analyse d’image . (2.8) sont relatives ` trois appareils classiques a du commerce.5 Distributions granulom`triques e Lorqu’on caract´rise un mat´riau d’un point de vue granulaire. diffraction c e e laser.6 – Tamis (Rotap) De nombreux mod`les ont ´t´ propos´s dans la lit´rature sp´cialis´e [3] . on est conduit ` repr´senter la distribution e e a e exp´rimentale par une distribution analytique : tr`s g´n´ralement.4 R´actions irr´versibles en chaˆ e e ıne Un dernier cas que nous examinons est celui de deux r´actions en chaˆ (facilement g´n´ralisable e ıne e e a ` un nombre quelconque de r´actions) : e A →k 1 B →k 2 C (2.7) et (2.9) repr´sente une distribution obtenue par classe granulom´trique. e e Fig.2. e La figure (2.6). Souvent. on est conduit ` d´finir sa distrie e a e bution. 2.

le crit`re de distance : e e 1 Φ= 2 N 1 − exp − k=1 x(k) − x0 α r 2 − y(k) o` {x(k). y(k)} repr´sentent les couples taille-pourcentage et N le nombre d’observations (nombre u e d’intervalles granulom´triques). 2. Le principe de l’ajustement de ces trois param`tres consiste ` minimiser. 2. α et x0 .8 – Micromeretics Sedigraph 5000 ET) y = 1 − exp − x − x0 α r qui d´pend de trois param`tres r.Fig. α et r. par rapport e a aux param`tres x0 . x et y d´signant respectivement la taille et le pour-cent e e e passant.7 – Leeds and Northrup Microtrac Fig. Les param`tres cherch´s doivent v´rifier les ´quations d’optimae e e e e lit´ : e 27 .

2.4 0.2 0 0 2 4 6 8 10 12 14 16 18 0. c’est-`-dire : e e a y(k) = r exp − α x − x0 α 28 r x − x0 α r−1 . e Celle-ci s’obtient directement en d´rivant l’expression du mod`le.6 0. Le lecteur pourra remarquer qu’un changement de pr´sentation du mod`le peut simplifier la e e proc´dure d’estimation des param`tres .1 0. puisque le mod`le e e est alors lin´aire par rapport aux param`tres r et b et que seul x0 intervient de fa¸on non lin´aire.2 0.9 – Distribution granulom´trique en cumul´ et par tranches e e Ce syst`me non lin´aire ne peut ˆtre r´solu que de fa¸on num´rique et it´rative (algorithmes de e e e e c e e gradient ou de Newton-Raphson par exemple). en utilisant deux fois la transformation logae e rithmique : x(k) − x0 r − = log(1 − y(k)) α soit encore : y (k) = r log(x(k) − x0 ) − b ˜ avec : y (k) = log log ˜ 1 1 − y(k)  N  ∂Φ x(k) − x0 r x(k) − x0    = e(k) exp − log =0  ∂r  α α   k=1   N  ∂Φ  x(k) − x0 r x(k) − x0 r r   =0 =− e(k) exp − ∂α α α α k=1   N  ∂Φ  r x(k) − x0 r−1 x(k) − x0 r   =0 e(k) exp −   ∂x0 = α α α   k=1  r    e(k) = 1 − exp − x(k)−x0 − y(k) α (2. e e c e Remarque : distribution en fr´quence.8 0.05 0 0 2 4 6 8 10 12 14 16 18 Fig.19) On peut alors montrer que la proc´dure d’estimation est beaucoup plus simple.15 0. en effet.1 0.

6 R´seau de transport de mati`re e e Dans une installation de traitement de minerais. on montre que : Mq = 0 (2. En effet. et c’est en a e e e e calculant une d´riv´e de fa¸on analytique que la distribution par intervalle granulaire est obtenue. on peut aussi e e e e e ´tendre le formalisme pour prendre en compte les variations de quantit´ de mati`re au sein des e e e processus unitaires. e A titre anecdotique. il est n´cessaire de combiner entre elles plusieurs lois de distribution.20) 2. on peut ˆtre conduit ` consid´rer la loi de distrie e e a e bution comme une pond´ration de plusieurs lois ´l´mentaires.Cette fa¸on de proc´der r´duit l’influence des bruits de mesure. c’est-`-dire relatifs ` des e e a a exp`ces min´rales constituant les diff´rents flux de mati`re. on peut s’int´resser ` ´tudier la propagation des e ae flux de mati`re d’un processus unitaire ` un autre processus unitaire. e   Gilvarry y = 1 − exp(−ax − bx2 − cx3 )    Rosin-Rammler y = 1 − exp(−axm ) 2   Distribution log-normale y = A exp − 1 log x − log x0   2 s (2. e En particulier. voici quelques structures de mod`les de distributions granulaires. e e c Remarque : distribution bimodale Dans certaines situations. 2. La figure (2. 6 1 4 5 3 10 12 1 2 2 7 3 4 9 5 11 13 6 8 7 14 15 8 Fig. Notons que cette ´quation de conservation s’´tend aux bilans partiels. Si l’on s’int´resse e e e aux flux totaux qi en chaque voie de ce r´seau et si M d´signe la matrice des connexions entre e e les processus.21) e q ´tant le vecteur regroupant l’ensemble des flux. Les distributions qui en r´sultent e ee e sont qualifi´es de multimodales.10 – R´seau de transport de mati`re e e 29 . les donn´es exp´rimentales c e e e e ont servi ` ajuster les param`tres du mod`le th´orique de la distribution cumul´e. En r´gime dynamique.10) visualise e a 8 processus unitaires reli´s entre eux par des voies de circulation de mati`re. dans les op´rations de m´lange.

On prendra l’hypoth`se d’un fonctionnement par d´bordement que e e e e l’on traduit en exprimant que le d´bit de sortie est proportionnel ` la quantit´ de mati`re dans e a e e le broyeur : W (t) − Wmin T Qs (t) = 0 Qs (t) = si W (t) > Wmin si W (t) < Wmin (2. P (x.7. e e Remarque : le probl`me restant ` r´soudre est l’estimation des deux param`tres Wmin et T .23) dt A cette expression de la conservation de mati`re dans le broyeur. e e e On note P (x. P (xi . t) repr´sente la proportion e ee e (exprim´e en pour-cent) de particules dont la taille est inf´rieure ` x ` l’instant t. e e a a On peut d´duire de cette d´finition une forme discr`te de la granulom´trie.2.22) Pour d´crire le fonctionnement d’un broyeur.24) (2. t) repr´sente le pourcentage de e a e particules de taille inf´rieure ` xi et P (xi+1 . e a e e Ce point est ` d´velopper et en particulier en imaginant une m´thode d’identification ` partir a e e a des mesures de d´bits d’entr´e et de sortie du broyeur. t) repr´sente la proportion de particules dont la e e taille est comprise entre xi et xi+1 . on aura a utiliser les variables suivantes : e Qe (t) : d´bit de mati`re min´rale ` l’entr´e (T/h) e e e a e Qs (t) : d´bit de mati`re min´rale en sortie (T/h) e e e W (t) : quantit´ de mati`re min´rale dans le broyeur (T) e e e 2. La quantit´ pi (t) = P (xi+1 . Alors. t) la fonction prenant ses valeurs sur l’intervalle [0 1] et o` x repr´sente la taille u e des particules et t le temps auquel le mat´riau est consid´r´. une e forme approch´e de la quantit´ pi est : e e pi (t) = ∂P (x.7 Processus de broyage On rappelle que le but d’un processus de broyage est de r´duire la granularit´ d’un mat´riau e e e (sous forme de particules). t) |x=xi (xi+1 − xi ) ∂x (2.25) Physiquement. Consid´rons en effet e e e e e les deux tailles cons´cutives xi et xi+1 . e e 30 . t) − P (xi . Si l’intervalle granulom´trique xi+1 − xi est ”faible”. ` l’instant t. Cette granularit´ est en g´n´ral rep´r´e par la distribution granue e e ee lom´trique du mat´riau dont on rappelle une d´finition. il faut ajouter la fa¸on dont e c le d´bit de sortie est form´.1 Bilan en flux total Le bilan mati`re total donne : e dW (t) = Qe (t) − Qs (t) (2. t) le pourcentage de particules de taille inf´rieure e a e a ` xi+1 . on peut expliquer que Wmin est li´e ` la quantit´ minimale de mati`re n´cessaire e a e e e pour provoquer l’´coulement en sortie de broyeur par d´bordement.

7. t)W (t)) = Pe (x. en effet.24). Le passage ` la limite donne : e e a ∆(P (x. et de la quantit´ de mati`re dans le broyeur form´e de particules de taille e e e sup´rieure ` la dimension x mais qui apr`s broyage donne comme descendance des particules de e a e taille inf´rieure ` x. y)dy∆t ∂y x (2.27) Pour commenter cette expression. dans le broyeur P (y + ∆y) − P (y) repr´sente le pourcentage e de particules comprises entre les tailles y et y + ∆y. de la quantit´ de mati`re form´e de particules de taille inf´rieure ` la dimension x e e e e a sortant du broyeur. t)Qe (t)∆t − Ps (x. En.26) et (2. le bilan en flux total ´tant toujours valable. t)Qe (t) − Ps (x. B(x. il faut tenir compte e e a de la quantit´ de mati`re form´e de particules de taille inf´rieure ` la dimension x entrant dans e e e e a le broyeur.27) d´crivent compl`tement le fonctionnement du broyeur. e ee Il reste ` exprimer la relation entre la granulom´trie dans le broyeur et ` la sortie du broyeur. Donc la masse de particules de cette taille dans le broyeur est W (t)(P (y + ∆y) − P (t)) soit encore de fa¸on approch´e W (t) ∂P (y) ∆y. on comprend bien les bornes de l’int´grale rappelant que seules e a e les particules de tailles sup´rieures ` x sont ` consid´rer dans cette op´ration de broyage. remarquons que les particules broy´es vont donner une descene dance et la fonction B exprime la taille des particules de cette descendance . lorsqu’on exprime la variation de quantit´ de mati`re e e e dans le broyeur form´e de particules de taille inf´rieure ` la dimension x. e e e e la granulom´trie de sortie et celle de la mati`re dans le broyeur sont identiques : e e Pe (x. xmax e a a e e ´tant la taille maximale consid´r´e. on peut calculer le d´bit de sortie e e e e e Qs et la granulom´trie de sortie Ps . a e a On peut formuler l’hypoth`se d’un broyeur parfaitement m´lang´ et dans ce cas. t)Qs (t) + dt xmax x xmax ∂P (y.2 Bilan en flux partiel Il convient maintenant d’´tablir le bilan mati`re pour chaque tranche granulom´trique. par continuit´. e e e Il est important de noter que si les entr´e sont connues (d´bit d’alimentation Qe et granulom´trie e e e d’entr´e Pe ) alors par int´gration des ´quations du mod`le. e a On peut tout d’abord noter que. t) W (t)S(y)B(x. notant e e 31 .2. une certaine fraction not´e S(y) est ”s´lectionn´e” pour e a e e e ˆtre broy´e. La mise e e e en ´quation est plus complexe .26) Dans cette expression S(y) repr´sente la fonction de s´lection qui exprime le fait que parmi les e e particules de taille y sup´rieure ` x. e Remarque : une forme discr`te des ´quations peut ˆtre obtenue en ´crivant un bilan mati`re e e e e e pour chaque intervalle granulom´rique. t) = P (x. c e ∂y Le bilan des particules de taille inf´rieure ` x pendant l’intervalle de temps ∆t s’´crit donc : e a e ∂P (y. t)W (t) = Pe (x. y)dy ∂y (2. t) W (t)S(y)B(x. t) Les ´quations (??). (2. t)Qs (t)∆t + dP (x. Enfin. (2. y) repr´sente e la proportion (en pourcentage) de particules de taille sup´rieure ` y qui apr`s broyage auront e a e une taille inf´rieure ` x.

3 (t)s3  ˙ W (t) soit encore sous forme vectorielle :  1   − ps. on peut noter que le syst`me (2.2 (t) − ps. du flux de sortie. on a : e    ps. les particules des intervalles granulaires sup´rieurs ` i qui sont broy´es et des particules de e a e l’intervalle granulaire i qui sont broy´es. Les expressions obtenues peuvent aussi ˆtre analys´es en fonction des e e param`tres s et b de fa¸on ` discuter de leurs influences sur la granularit´.2 (t)s2 + ps. Le m´langeur est aliment´ par deux flux (de d´bits q1 (t) et q2 (t)) et dont les e e e e e 32 . le m´lange de deux flux de particules ne contenant que de la e e mati`re s´che.i (t)Qe (t) − ps.1 (t)s1 + ps.2 (t) + pe.1 (t) = Qe (t) (pe.30) (2.31) est ”triangulaire” et que l’on peut obtenir ps. en prenant en compte les particules de cette taille des flux entrant et sortant du broyeur. on pourra aussi consid´rer le cas particulier d’un a e e r´servoir de stockage dans lequel le broyage n’existe pas.3 (t)s3 b13 + ps. ps.i si + dt W (t) N pj (t)sj bij j=i+1 Par exemple. e c a e Remarque : ` partir de cette ´quation.3 . e Avec l’hypoth`se d’homog´n´it´ (granularit´ de sortie identique ` celle ` l’int´rieur du broyeur) : e e e e e a a e dps.2 (t)  T2 W (t) pe.31) avec 1 Qe (t) + s2 . pour trois tranches granulom´riques (N = 3).3 (t) 1  ps.i les granularit´s du flux d’entr´e.28) (2.3 (t) ˙  0 1 Qe (t) + s1 .i (t) Qe (t) = (pe.3 (t) = Qe (t) (pe. = T2 W (t) Remarque : le lecteur pourra essayer d’expliciter la solution de ce syst`me en r´gime permanent e e et donc d’exprimer la granulom´trie de sortie du broyeur en fonction de la granularit´ d’entr´e.3 (t) − ps. e e e Pour cela.8 M´langeur de flux de mati`re e e On consid`re.rspectivement pe.i .2 (t)s2 b12  ˙   W (t)   Qe (t) (pe.3 (t)s3 b23 ˙ ps.1 (t)  ps. dans le broyeur. e 2.i (t)) − ps.1 (t)) − ps.2 et enfin ps.1 (t) − ps.2 (t) =  0 ˙   ps.1 (t) ˙  T1 ps.2 (t) =  W (t)      ps.i (t) − ps. = T1 W (t) s2 b12 s3 b13      pe. e puis ps.29) Cette ´quation traduit le bilan de la masse de particules de l’intervalle granulaire i dans le e broyeur.3 (t)) − ps.3 (t) 0 − T3 1 Qe (t) + s3 = T3 W (t)  (2. pi .i Qs (t) + dt dW (t) = Qe (t) − Qs (t) dt N W (t)pj (t)sj bij − W (t)pi (t)si j=i+1 (2.1 (t) 1 Qe (t)   − s3 b23  ps.2 (t)) − ps. pour simplifier.1 . e e on a : d(pi (t)W (t)) = pe.

i (t) − q(t)gi (t) dt A ces ´quations s’ajoute la loi de variation du d´bit de sortie q(t) (syst`me d’extraction come e e mand´ ou ´coulement naturel). de surverse et de sousverse du s´parateur.i + Qu gu. c’est-`-dire que les granulom´tries dans le m´langeur et ` la sortie sont les e a e e a mˆmes.9.i . Qu les flux d’alimentation.1 Equation de bilan entre les trois flux On note Qa . Il peut ˆtre e e e e plac´ en sortie d’un broyeur afin de s´parer les produits fins des produits gros.i (t) et g2.i (t) + q2 (t)g2.i (t). la s´paration e e e entre ces deux qualificatifs ´tant fonction de la g´om´trie de l’appareil mais aussi des conditions e e e op´ratoires.i et gu. 2. il permet d’effectuer ee e e la s´paration d’un flux de particules min´rales en fonction d’un crit`re de taille.9.32)  d(W (t)g (t))   i  = q1 (t)g1. e On peut ´crire les bilans mati`re totaux et par tranche granulom´trique : e e e   dW (t) = q (t) + q (t) − q(t)   1 2  dt (2.i W(t) q(t) g i (t) Fig. Qo . On note W (t) la charge min´rale dans le m´langeur e e e e et on rep`re ´galement le flux de sortie par son d´bit q et sa granulom´trie gi . e 2.i = Qo go.11 – M´langeur e granulom´tries sont not´es g1.i (2. Les relations suivantes traduisent la conservation du flux e e total et des flux par tranche : Qa = Qo + Qu Qa ga.33) 2.9 Hydrocyclone C’est un ´l´ment tr`s utilis´ dans les processus de traitement de minerais .2 Equation de bilan entre deux flux Dans la formalisation pr´c´dente.i (t) q2 (t) g (t) 1. l’indice i servant ` rep´rer le e e a e num´ro de tranche granulom´trique. On suppose le e e e e m´langeur parfait. Les e distributions granulom´triques sont not´es : ga. Or les flux de sortie ainsi que les distributions granulom´triques correspondantes d´pendent e e 33 . la fonction de transfert du s´parateur n’a pas ´t´ prise en e e e ee compte.i . e e 2. go.q1 (t) g 1.

i Par sommation. on en d´duit : e N (2.34) et (2. e e A titre indicatif. e A partir de ces donn´es exp´rimentales. particules de forme sph´rique..38) Une estimation au sens des moindres carr´s donne le mod`le de d50 : e e d50 = 22.3) rassemble quelques r´sultats exp´rimentaux sur un petit e e hydrocyclone pour lequel on souhaite mod´liser le point d50 de la courbe de partage. Par compl´ment : a e Qu gu. la g´om´trie de e e l’appareil.i = pi Qa ga.37) Ainsi.i (2.i N i=1 pi ga. l’approche par mod`le de connaissance ` partir des lois physiques se r´v`le ici tr`s e a e e e difficile. Pour cette raison.) qui rendent le rapport e e e e a ` la r´alit´ difficile ` valider.5 1 DS − 401. le tableau (2. la pression avec laquelle les particules sont inject´es dans le corps de l’appareil.2 − 674.i pi ga.i = (1 − pi )Qa ga. on peut essayer de proposer un mod`le de type boitee e e noire pour exprimer les variations du d50 de la courbe de partage de l’hydrocyclone.39) . les lois fondamene e e tales de la m´canique peuvent ˆtre utilis´es pour mettre en ´quation le mouvement des particules e e e e dans un hydrocyclone en prenant en compte la taille et la masse des particules. e e a En pratique.36) puis avec (2.34) traduisant le fait qu’une fraction pi de la masse des particules de la tranche i passe de l’alimentation ` la surverse.36) : go.9. e e 2. la connaissance du flux d’entr´e et de la courbe de partage permet de d´duire les sorties e e en flux et granularit´ de la surverse et de la sousverse du s´parateur. pour la surverse. mouvement non gˆn´.9. la conservation de la mati`re peut e e s’expliciter : Qo go. Le e calcul est tr`s complexe . de plus de nombreuses hypoth`ses simplificatrices doivent ˆtre faites e e e (milieu homog`ne. On note pi les coefficients de partage du s´parateur rep´r´s pour e ee chaque tranche granulom´trique. Parmi les mod`les ”classiques” de la lit´rature sp´cialis´e.35) Qo = Qa i=1 pi ga.8 EA EA 34 (2.. on a retenu : e e e e d50 = a1 1 DS + a2 + a3 EA + a4 EA EA (2.de cette fonction de transfert.i = (2.i (2..4EA + 8.3 Mod`le de courbe de partage e La mise en ´quation de la fonction de s´paration est extrˆmement complexe . les mod`les de ce type d’appareil sont tr`s souvent issus d’exp´riences e e e et traduits par des lois empiriques dont les param`tres sont ajust´s par des techniques de e e r´gression (voir document annex´). Ainsi.

2 2.1 d50 143 109 135 162 141 204 139 95 72 71 97 126 100 92 114 89 87 77 100 113 88 Tab.1 27.2 3.1 – Donn´es pour identifier la courbe de partage e 35 .8 21.2 34.1 3.80 3.0 31.1 3.4 41.1 3.1 2.1 3.1 2.0 Vortex VO 5.29 14.51 15.Diam.53 12.1 2.6 21.2 19.9 7.8 2.2 3.1 3.8 3.1 25.2 3.1 2.1 2.5 25.1 2.72 5.2 diam.9 23.34 4.1 3.8 20.2 3.4 5.15 6.2 2.4 5.2 2.2 2.8 3.33 4.1 7.1 3.49 %eau sortie ES 33.1 3.7 26.1 3.53 4.0 31.8 3.3 24.3 24.9 6.3 28.6 32.53 12.55 15. sortie DS 3.2 2.1 2.2 28. entr´e e DE 3.4 23.8 3.1 3.38 6.2 3.8 3.9 3. 2.12 5.9 7.2 3.1 2.2 2.8 3.65 6.2 3.01 12.4 6.82 17.1 2.8 3.2 % eau alim EA 11.2 3.16 13.17 6.2 2.8 3.8 3.1 7.2 2.19 12.2 2.2 3.8 3.1 2.4 16.1 6.7 12.1 5.

i 5. Q .13 – Circuit de broyage-classification des ´quations est la suivante : e   Wb = f (Q1 .12 – Hydrocyclone : comparaison mesures estimations 2. p .13) montre l’agencement du circuit avec le broyeur (B). pi . La figure (2. le s´parateur (S). le r´servoir tampon e (R). Q5 ) 36 (2.40) . Q2 . Les signes des coefficients traduisent e e cependant le rˆle des variables physiques.i i 5   g2. la structure e u e a e 6 S 5 4 2 1 R B 3 Fig. d’assurer les liaisons entre ces diff´rents proe e e e e cessus. Il s’agit. 2. on constate une bonne ad´quation entre les deux s´ries de r´sultats ce e e e e qui ”justifie” a posteriori la structure et la qualit´ du mod`le propos´. Q )  6. pi .9. Par exemple.i = f (g5. g5. compte tenu des diff´rents mod`les ea e e de processus unitaires d´velopp´s pr´c´demment. 2. Dans la cas o` l’on s’int´resse uniquement ` la mati`re solide. La figure (2.Bien ´videmment ce mod`le n’a pas de sens physique. Q )  r  3 4 5   Q = f (W )  3  b   Q5 = f (ω)  Q6 = f (Q5 .i .12) ci-dessous compare les valeurs de d50 mesur´ et celles e fournies par le mod`le .4 Mod`le g´n´ral de la boucle broyage-classification e e e Ce paragraphe est laiss´ ` l’imagination du lecteur. une augmentation de DS se traduit par o une augmentation de d50 .i )    Q2 = Q5 − Q6     g = f (g . Q3 )   W = f (Q . e e e 300 250 200 150 100 50 0 2 4 6 8 10 12 14 16 18 20 Fig.

A cet effet. u(t) + U0 ) dt 37 (2. le d´veloppement de F au e e premier ordre autour du point de fonctionnement.42) U (t) = u(t) + U0 les grandeurs x(t) et u(t) repr´sentent les variations de X(t) et U (t) autour du point de fonce tionnement. il faut alors prendre e e en compte le bilan eau et le bilan mati`re s´che. Dans ce cas. dans certains cas.41) donne alors : dx(t) = F (x(t) + X0 .5. e e e le nombre d’´quations du mod`le doit donc ˆtre ´gal au nombre de variables de cons´quence. cela provient en g´n´ral d’une description incompl`te du processus qu’il e e e convient donc de remettre en cause. e e e e ˚ une pression de 2 atmosph`res et un P H de 6.41) autour d’un point de fonctionnement du processus. tel r´acteur chimique est pr´vu pour ´voluer autour d’une temp´rature de 320 C. La forme (2. Wb et Wr ´tant les charges dans le broyeur et le r´servoir. Pour raisonner sur la pulpe.43) . Les variables de cause ´tant e e les actions appliqu´es au processus. les variables de cons´quence doivent pouvoir s’en d´duire . on rappelle qu’un point de fonctionnement correspond souvent au point moyen autour duquel le processus ´volue . e On peut ´galement reprendre la mise en ´quation dans le cas l’on consid`re des flux de pulpe et e e e non plus simplement la phase min´rale s´che.42) dans (2. U (t). e e e e eee a donc n´cessairement particuliers. Il faut ensuite noter que les mod`les obtenus sont de la forme g´n´rale : e e e dX(t) = F (X(t).41) dt o` X est le vecteur des variables de cons´quence. Les variables X(t) et U (t) e e peuvent s’´crient : e X(t) = x(t) + X0 (2. e e e Le lecteur devra expliciter les diff´rentes fonctions mises en jeu. θ) (2. U le vecteur des causes et θ le vecteur des u e param`tres. on note X0 et U0 le point de fonctionnement. mˆme si elles ont ´t´ ´tablies ` propos d’exemples concrets. ˆtre difficilement manipulable en raison du caract`re non e e lin´aire de la fonction F .9. il est simple de repr´senter le fonce e tionnement du processus en supposant que les ´carts par rapport ` ce point de fonctionnement e a sont de faibles amplitude . e e e e e On s’est tout d’abord efforc´ de d´nombrer les variables qui caract´risent le processus consid´r´ e e e ee et de les classer en variables de cause et variables de cons´quence. au niveau math´matique. cela autorise. Le report de (2. Il est possible d’utiliser une repr´sentation approch´e en lin´arisation e e e e la forme (2.o` ω est la vitesse de rotation de la pompe ` la sortie du r´servoir tampon et pi les coefficients u a e de la courbe de partage du s´parateur. La fonction vectorielle F est lin´aire ou non selon la nature du processus et des e e relations mises en jeu. e e e e e Dans le cas contraire. Dans le cas g´n´ral.41) peut.5 Forme g´n´rale d’un mod`le e e e Les mises en ´quation pr´c´dentes. e e 2. pr´sentent entre elles certains caract`res g´n´raux. e par exemple.

0 x(t) + |0. e e e e e L’´criture ce cette expression est simplifi´e sous la forme : e e dx(t) = Ax(t) + Bu(t) + f dt (2.45) devient : e dx(t) = Ax(t) + Bu(t) dt (2.0 u(t) + F (X0 .Un d´veloppement en s´rie de Taylor au premier ordre donne alors : e e ∂F (X(t). 38 . U0 ) est nulle et l’´quation (2. la quantit´ e e a e F (X0 . e Document annexe : Transient study of a closed grinding circuit. dont l’int´gration ne pose ee e e e e aucune difficult´. U (t)) F (X(t).46) La forme (2. U0 ) dt ∂X(t) ∂U (t) (2. si on prend soin de choisir comme point de fonctionnement un point d’´quilibre statique e du syst`me (correspondant dans l’´quation (2. U (t)) dx(t) = |0. C’est une forme bien connue en math´matique.44) La notation 0.45) Enfin.46) d´crit l’´volution dynamique des syst`mes lin´aires ou des syst`mes non lin´aires e e e e e e qui ont ´t´ lin´aris´s.43) ` avoir le terme constant nul). 0 signifie que la quantit´ concern´ doit ˆtre ´valu´e pour les valeurs X0 et U0 .

. . . . . . . . . . e e a e e 3. . . . . l’une des solutions les plus simples consiste ` commander une vanne a a qui permet d’ajuster le d´bit de sortie. e Suggestions. on se limite ` pr´senter la conception de la r´gulation. e 3.1 3. . Le lecteur pourra imaginer une r´gulation analogue en commandant une vanne e ajustant le d´bit d’entr´e. . . . .1) sch´matise un r´servoir aliment´ par deux fluides. . . . il est alors possible de quantifier l’influence du e ee r´gulateur. . . . . le d´bit de sortie est not´ qs (t). . . ` partir de processus unitaires. dont l’un qr (t) correspond ` e e e a un r´actif ` d´bit tr`s faible . . Si qa (t) est le d´bit du e e e e 39 . De plus.Chapitre 3 R´gulations ´l´mentaires e ee Sommaire 3. . . . . c’est-`-dire e a e e e e e a l’asservir ` la consigne hc (t).4 R´gulation e R´gulation e R´gulation e R´gulation e de niveau . de temp´rature d’un ´changeur de e e dans un circuit de broyage . . . . Aucun calcul de a e r´gulateur n’est propos´ . . la structure des boucles de r´gulation. . . 39 39 41 43 L’objet de ce chapitre est de familiariser le lecteur avec la r´gulation des processus simples. . e Le mat´riel ` mettre en oeuvre est constitu´ par : e a e – un capteur de niveau – une vanne motoris´e e – un boˆ ıtier de r´gulation. .2 R´gulation de proportion entre deux fluides e Ce probl`me est extrˆmement fr´quent dans la pratique et correspond ` la fabrication d’un e e e a m´lange de deux fluides selon une proportion impos´e . de proportion entre deux fluides . . . . . . la simplicit´ de l’exemple permet d’´tablir la relation entre e e e e le niveau mesur´ et le niveau de r´f´rence . . Pour r´guler le niveau. .2 3. On e montre. . . .1 R´gulation de niveau e La figure (3.3 3. . . . chaleur . . . . . . . . cette proportion est not´e k et est e e e d´finie par le rapport ”quantit´ de produit B/quantit´ de produit A”. . . .

3) par une boucle d’assere e ee ee vissement du d´bit qb (t) qui utilise une mesure de ce d´bit ensuite compar´e ` la consigne de e e e a d´bit kqa (t). La mise en oeuvre de cette strat´gie ´l´mentaire n´cessite les composants suivants : e ee e – un analyseur de composition du m´lange e – une vanne motoris´e e – un boˆ ıtier de r´gulation e A B Analyser k Fig. e e Une autre solution consiste ` r´agir directement sur la vanne de commande du produit B en a e fonction du d´bit du produit A. 3. Pour cela.1 – R´gulation de niveau e produit A. e Une solution simple consiste ` analyser le m´lange. Le sch´ma a ´t´ compl´t´ (figure 3. L’analyseur ` utiliser doit ˆtre capable de a e a e fournir le rapport ”quantit´ de B/quantit´ de A” . il suffit de mesurer le d´bit qa (t). on pourrait piloter une vanne de commande du produit A).2 – R´gulation de m´lange a posteriori.qa(t) q (t) r mesure de niveau consigne de hauteur q s(t) Fig. le rapport obtenu est ensuite compar´ ` la e e e a consigne k et le d´bit du produit B est ajust´ en cons´quence au moyen d’une vanne (de fa¸on e e e c similaire. Cette e e solution n’utilise pas d’analyseur a posteriori. e 40 . on souhaite donc avoir un d´bit kqa (t) de produit B. d’en d´duire le e e e d´bit que doit avoir le produit B : qb (t) = kqa (t) et de piloter la vanne en cons´quence. 3. et le lecteur pourra appr´cier les avantages et les e inconv´nients de cette structure.

3 R´gulation de temp´rature d’un ´changeur de chaleur e e e La figure (3.5) : e e un capteur de temp´rature donne la temp´rature du fluide secondaire. et l’´cart de temp´rature e e e e par rapport ` la consigne pilote une vanne de r´glage du d´bit primaire. Un tel processus est largement utilis´ dans les op´rations de r´chauffage ou a e e e e de r´cup´ration d’´nergie. C’est le principe adopt´ dans le sch´ma de la figure (3. Pour cela. Les a e e e avantages de la r´gulation a priori et de la r´gulation a posteriori sont donc conjointement mis e e a ` profit. il est souvent souhait´ que la temp´rature de sore e e e e tie du fluide secondaire ait une temp´rature donn´e ou soit capable de suivre une consigne de e e temp´rature. Dans la pratique. a e e 41 . on peut penser agir sur l’apport d’´nergie en modifiant le d´bit de fluide e e e au primaire au moyen d’une vanne.4) correspond ` la superposition des deux structures pr´c´dentes de r´gulation. 3.3 – R´gulation de m´lange a priori e e qA A q B B Analyser FC k Consigne de proportion Fig.La figure (3. qA A q B B FC k Fig.4 – R´gulation de m´lange a priori et a posteriori e e 3.5) sch´matise un ´changeur de chaleur constitu´ d’un circuit primaire parcouru par e e e un fluide chaud qui apporte un certain flux thermique ` un circuit secondaire dont le fluide a est ` r´chauffer. 3.

La mise en oeuvre n´cessite le mat´riel suivant : e e – un capteur de temp´rature e – une vanne motoris´e e – un boˆ ıtier de r´gulation e Le lecteur pourra imaginer une autre possibilit´ qui consiste ` modifier la temp´rature du fluide e a e primaire au moyen d’une source de chaleur commandable.1) en se donnant les objectifs suivant ` satisfaire simultan´ment : a e 42 .6 – R´gulation de temp´rature d’un ´changeur e e e Note. Il peut reprendre. reprend le principe pr´c´dent. portant sur des r´gulation monovariable. A partir de ces structures simples. mais avec en plus un asservissement sur la vanne e e de r´glage du fluide primaire. Cette solution permet de s’assurer que la commande envoy´e ` la e e a vanne est effectivement prise en compte (en mesurant le d´bit de circulation). e FC Circuit primaire TC TT Circuit secondaire Fig. le lecteur est e en mesure d’aborder des probl`mes plus complexes.5 – R´gulation de temp´rature d’un ´changeur e e e La figure (3. 3. 3.6). Entrée Circuit primaire Consigne TC de température Circuit secondaire Entrée TT Fig. le sch´ma e e de la figure (3. par exemple.

e e u3 d´bit d’eau ajout´e au r´servoir . Soit le circuit de la figure (3. des filtres pour compenser la dynamique des r´ponses de y4 ` u1 . e e e u4 d´bit d’eau ajout´e au broyeur secondaire. On suppose e e e aussi que y5 et y6 ne sont mesur´es que de temps en temps. Ren´ DEL VILLAR. La premi`re boucle vise ` maintenir le niveau e a de pulpe du r´servoir constant. et F est un filtre ` moyenne mobile pour tenir compte des effets d’inertie dus aux a proc´d´s en aval qui filtreront naturellement les fluctuations haute fr´quence de y4 . y6 fraction massique de solide dans le broyeur secondaire . Ce syst`me est ´videmment imparfait et doit ˆtre r´ajust´ par des modifications du point e e e e e de consigne r1lorsque les mesures de y5 sont disponibles. u1 d´bit de minerai . par exemple une fois par poste e de travail pour la granulom´trie y5 et une fois par heure pour la densit´ de pulpe du broyeur e e secondaire y6 . 43 . e e On suppose ici que y4 est d´duit des valeurs corrig´es des d´bits d’alimentation selon une formule e e e du type : F1 u1 y4 = F F1 u1 + F2 u2 + F3 u3 + F4 u4 o` F 1 ` F 4 sont.– maintenir le niveau constant – garantir la proportion de r´actif dans le r´servoir e e – maintenir la temp´rature dans le r´servoir constante. on peut donner un exemple. y4 fraction massique de solide dans le produit final . u3 et u4 .7) o` les entr´es et sorties suivantes sont consid´r´es (Daniel u e ee HODOUIN.4 R´gulation dans un circuit de broyage e L’´tape importante de la conception d’un syst`me de commande est l’organisation des boucles e e ´l´mentaires pour que les objectifs vis´s soient atteints de la fa¸on la plus satisfaisante possible. e u2 d´bit d’eau ajout´e au broyeur primaire . y5 finesse du produit final . Le sch´ma de base de la commande est constitu´ de deux boucles de r´troaction P ID (y2 /u1 ) et e e e (y1/u3) et d’une boucle d’anticipation P ( u2 /u1 ). e y3 signal acoustique du broyeur primaire . ee e c Pour illustrer ce concept. Les trechniques de l’ing´nieur) : e e y1 fraction massique de solides dans l’alimentation du classificateur (hydrocyclones) y2 niveau du r´servoir . on vise ` maintenir e a a a ` peu pr`s constantes ses caract´ristiques de s´paration et donc ` r´guler la finesse du produit e e e a e final. e e 3. u a e a u2 . par exemple. la deuxi`me ` maintenir la densit´ de pulpe d’alimentation aux e e a e hydrocyclones constante et la troisi`me ` stabiliser la dilution de la pulpe dans le broyeur prie a maire. En stabilisant la densit´ de pulpe ` l’alimentation des hydrocyclones.

la v´rification que la densit´ de pulpe estim´e et filtr´e est dans e e e e le domaine acceptable. sinon modification du point de consigne r1 de e 44 . la v´rification e e e que la finesse y5 est comprise entre les tol´rances. u4 . sinon modification des entr´es de mati`re u1 . 3. u2 . e e e On y voit apparaˆ les deux boucles de r´troaction P ID principales. u3 .7 – Exemple d’organisation de boucles ´l´mentaires ee La figure (7b) donne une repr´sentation simplifi´e de l’organisation du syst`me de commande.Fig. le proportionneur P et le ıtre e superviseur qui effectue les tˆches suivantes : la v´rification que le niveau sonore y3 est dans le a e domaine acceptable et la prise d’action prioritaire sur l’ajout d’eau u2 et sur l’alimentation en minerai u1 s’il sort du domaine .

priorit´ ` l’ajout d’eau u3. pour ea ´viter des d´bordements ou des d´samor¸ages de pompe. le superviseur donne.y1 . e e En dehors de ces fonctions. En fonctionnement fortement perturb´. e e e c En pratique. l’algorithme superviseur choisit prioritairement des actions e selon une logique s´quentielle habituelle ou selon des r`gles trait´es dans un syst`me expert si e e e e l’on dispose d’un environnement informatique plus ´volu´. seules les boucles P ID et la boucle P sont actives. par exemple. en fonctionnement normal. e e 45 . la v´rification que l’´cart ` la consigne de niveau du r´servoir r2 ? y2 reste dans le domaine e e a e autoris´ et que la vitesse de variation du niveau ne causera pas des probl`mes.

. ces proc´dures doivent ˆtre rendues automatiques si on veut les rendre performantes. ´limination et pr´vision. .1 G´n´ralit´s (Les ´tapes de la validation et du diagnostic) e e e e La s´curit´ et la sˆret´ de fonctionnement sont deux facteurs importants de la conduite d’un e e u e processus de fabrication. .) ou de ses organes de conduite (actione e neurs. . . . .. . . e e Conclusion . . elles se classent de la fa¸on suivante : pr´vention. Cependant. . . .. .3 4. capteurs. . . fuites. . . . .2 4. . . . e 4. .Chapitre 4 A propos de la qualit´ des mesures e Sommaire 4. . . Celles-ci peuvent ˆtre mises en cause lors de l’apparition de d´faillances e e du processus physique lui-mˆme (d´gradation. estimer leurs amplitudes. . . . tol´rance. Diff´rentes m´thodes peuvent ˆtre utilis´es de fa¸on e e e e c conjointe . . . . e La complexit´ actuelle des proc´dures de surveillance et de supervision ainsi que la n´cessit´ e e e e d’accomplir ces tˆches dans un temps restreint limitent fortement le rˆle des op´rateurs hua o e mains .. . . .). . il est difficile de dissocier le processus de son environnement de conduite (figure 1) et les perturbations qui affectent le processus complet peuvent avoir des effets difficilement dissociables les uns des autres . . . e e D’un point de vue fonctionnel. . . . . . . . expliquer leurs causes. . . . . . . la surveillance n’est pas limit´e ` une simple centralisation et e a visualisation d’informations mais doit r´pondre aux objectifs suivants : d´tecter et localiser les e e fautes. . . . . . . Les mesures effectu´es sur ces flux fournissent des informations extrˆmement utiles au e e e contrˆle du processus et ` son diagnostic de fonctionnement. . . Technique s´quentielle de d´tection d’erreur . . . .1 4. . d´cider d’une action compensatrice si e une faute est mise en ´vidence de fa¸on ` ce que le processus puisse remplir la mission qui lui a e c a ´t´ confi´e. . . . il faut donc essayer e e e u e e de s’affranchir de l’influence de ces fautes. il convient donc d’´laborer des techniques de sure veillance capables d’appr´hender aussi bien le processus physique que ses organes de conduite. . . . On examine comment interpr´ter o a e ces informations afin de fournir un diagnostic sur l’´tat de fonctionnement du processus. . . c e e e e 46 . . . ee e Pour am´liorer la s´curit´ et la sˆret´ de fonctionnement d’un syst`me.. . . 46 47 50 51 Les processus continus de fabrication et de traitement peuvent ˆtre en g´n´ral d´compos´s en e e e e e une s´rie de processus ´l´mentaires reli´s entre eux par des voies de circulation de mati`re ou e ee e e d’´nergie. . . . . . . . . . . . . .4 G´n´ralit´s (Les ´tapes de la validation et du diagnostic) e e e e Exemple .

l’identification cherche ` comprendre l’origine de la d´faillance (recherche des a e causes) et mˆme ` pr´voir son ´volution (probl`me de pronostic). d´r´glage de faible amplitude e a e e e e ee d’un capteur par exemple. dans les cas mineurs. 47 . 4.2). e e La d´tection concerne la mise en ´vidence d’´v´nements qui affectent l’´volution du processus. la surveillance d’un proc´d´ repose sur l’utilisation de mod`les de comportement e e e et de redondance d’informations. l’identification des d´fail-lances et la reconfiguration des lois de commande. 4. on peut se contenter d’une adaptation d’un param`tre de r´glage . e a e e e Enfin. e L’isolation concerne l’analyse des ´v´nements pour distinguer ceux qui sont anormaux et la e e localisation pr´cise de la d´faillance de fa¸on ` pouvoir d´terminer le composant d´faillant du e e c a e e processus. Cet expos´ se limite ` l’examen de m´thodes de d´tection e a e e de d´faillances utilisant la notion de redondance.Défaillance Erreur de modèle Bruit aléatoire Actionneurs Processus Capteurs Fig. un ´v´nement traduit un changement de situation sans pr´juger du fait qu’il e e e e e e soit normal (dˆ ` une action d´lib´r´e de la part d’un op´rateur) ou non (dˆ ` une perturbation ua e ee e ua ext´rieure). L’identification consiste ` quantifier la d´faillance en estimant sa dur´e et son amplitude. En accord avec la terminologie classique.1 – Processus physique et sources de perturbation Bien souvent. Dans a e e certains cas.2 Exemple e On consid`re une installation de retraitement de sels de potasse dans laquelle les flux de mati`re e sont caract´ris´ par leurs d´bits massiques (Q) et leurs concentrations en chlorure de sodium e e e (n) et chlorure de potassium (k). l’isolation des e e e d´faillances. e e e e e Tr`s g´n´ralement. la d´faillance d’un organe de commande n´cessite en g´n´ral la modification de la e e e e structure de la loi de commande. e e par contre. la reconfiguration concerne la remise en ´tat de la partie d´fectueuse du syst`me de e e e fa¸on ` lui permettre de satisfaire a sa mission. La nature de la reconfiguration est ´troitement c a ` e li´e ` la gravit´ des d´faillances d´tect´es . le e diagnostic de d´faillance est constitu´ de quatre phases essentielles : la d´tection. Le processus d’enrichissement n’est pas ´tudi´ et on se limite e e a observer les flux et les flux sortants de cette installation (figure (4.

on ne trouve pas ”0” mais des r´sidus e e ou ´carts de fermeture qui traduisent la pr´sence d’erreurs de mesure : e e   r1 = −352 T r = 10441 T (4. les variables qui interviennent dans e e ee e les r´sidus r1 et r3 sont consid´r´es comme valides .Une campagne de mesure a permis de relever des mesures sur les flux pendant une p´riode de e 12 jours ainsi que teneurs en N aCl et KCl.57 %  r Fig. e Alimentation Qa = 400 944 T  n a = 60.16 %  c Rejet Qr = 1 380 340 T  n r = 17. le r´sidu r2 est anormal.2 – Processus de cristallisation de la potass Test de fermeture des bilans mati`re e Une premi`re analyse de la qualit´ des mesures peut ˆtre faite ` partir des ´quations qui lient e e e a e les grandeurs vraies. l’amplitude de ces r´sidus laisse supposer la pr´sence d’erreurs syst´matiques.82 % k = 86. mais c e a e e ici. Pour cela. 4. A partir de cette hypoth`se e e e e vraisemblable.2)  2 r3 = 98 T On con¸oit bien que la pr´sence d’incertitudes ` caract`re al´atoire affecte les mesures. le r´sidu du deuxi`me bilan est anormal. Un examen e e e sommaire des amplitudes des r´sidus laisse ` penser que si on peut accepter les r´sidus du pree a e mier et du troisi`me bilan.68 % k = 26. donc les variables e qui le constituent peuvent ˆtre suspect´es. on utilise les ´quations de conservation de masse totale et de e masse partielle (pour chaque constituant) sous la forme :   Qa + Qe − Qc − Qr = 0 Q k − Qc kc − Qr kr = 0  a a Qa n a − Qc n c − Qr n r = 0 (4. e On se propose de faire une analyse de ces mesures afin de mettre en ´vidence certaines anomalies e encore appel´es grosses erreurs. 97 %  a Eau d'apoint {Qe = 1 083 300 T Processus de cristallisation Qc = 104 256 T  Concentré nc = 3.33 % k = 0.2) donne ´galement ces mesures. Les deux conclusions que nous venons de formuler e e 48 .1) Si on injecte les mesures dans ces trois ´quations de bilan. La figure (4. on peut affiner l’analyse et penser que si un r´sidu est d’amplitude faible. les e variables qui le constituent sont vraisemblablement correctement mesur´es c’est-`-dire ne sont e a pas affect´es d’erreurs syst´matiques. Dans ces conditions.

peuvent ˆtre r´unies et on conclu alors ` la pr´sence vraisemblable d’erreurs de mesure anore e a e males sur les variables de teneur en KCl. on retrouve la conclusion qui tend e a ` suspecter les mesures (ou l’une d’entre elles) de KCl. En regroupant e e e e ces deux conclusions et s´parant les variables non suspectes. On peut proposer la conclue e e sion sommaire suivante : les deux modes de calcul de la r´cup´ration en N aCl ´tant coh´rents.7% Rk = 92% Rn = 1. le d´bit d’alimentation Qa est mesur´. Par exemple.6)  estimation 2 : ka      estimation 3 : Qc nc + Qr nr na On peut proc´der de fa¸on similaire pour les autres variables. Celui peut ˆtre d´fini comme ´tant la quantit´ de N aCl ou de KCL que l’on r´cup`re e e e e e e dans le concentr´ : e   Rk = Qc kc  Qa ka (4. sous la forme : e e a   Rk = 1 − Qr kr  Qa ka (4. la mesure et deux estimations sont du mˆme ordre de e e grandeur et diff´rent de fa¸on significative de la deuxi`me estimation .6% (4. e e e e on peut supposer que les variables qui servent ` ce calcul sont valides . Comparaison d’estimations multiples Les ´quations de bilan du processus peuvent ´galement ˆtre utilis´es pour estimer certaines e e e e grandeurs. on. Ainsi. L’ensemble des r´sultats de mee c e sure et d’estimation apparaˆ au tableau 2.4)  R = 1 − Qr n r  n Qa n a Num´riquement. les deux modes de calcul donnent sensiblement les e e mˆmes valeurs ce qui n’est pas le cas pour la r´cup´ration en KCl. Le raisonnement peut ˆtre fait sur chaque variable et confirme cette conclusion. on peut donc comparer ses ıt diff´rentes estimations. Pour chaque variable. mais il intervient aussi dans les e e trois ´quations desquelles on peut donc le d´duire : e e   mesure directe   estimation 1 : Q − Q + Q   c e r  Qc kc + Qr kr (4. si on consid`re les variables e c e e qui interviennent dans les diff´rentes estimations. Test de coh´rence des indices de r´cup´ration e e e Une autre fa¸on simple de tester la qualit´ des mesures. pour Qa .5) En ce qui concerne la r´cup´ration du N aCl. par contre les variables qui a interviennent dans le calcul de la r´cup´ration en KCl peuvent ˆtre suspect´es. on est conduit ` suspecter une ou des mesures de e a teneur en KCl. on peut dire que les variables qui interviennent e dans des estimations semblables sont valides et que celles qui interviennent dans des estimations tr`s dissemblables sont suspectes ? La encore. e 49 .3)  R = Qc n c  n Qa n a Ces indices de r´cup´ration peuvent aussi se calculer ` partir des rejets. trouve : e Rk = 83% Rn = 1. consiste ` ´valuer le rendement du c e a e processus.

les variables servant au calcul de chaque r´sidu.16 0.33 Estimation 1 401 296 1 083 642 103 904 1 379 988 Estimation 2 362 228 116 373 3 211 929 24.57 60. Mesure Ecart-type 1 111. les valeurs des r´sidus d’´quation. e Var. 4. e e il convient d’en rechercher la cause et en particulier de localiser la mesure probablement erron´e.5 3 191. e On rappelle la liaison entre r´sidu et mesure : e R = My = Mǫ La matrice M n’´tant pas r´guli`re en g´n´ral.6 5 148. la nature aberrante ou non du r´sidu (seuil fix´ ` la valeur e e e ea 2).36 96.4 3. les r´sidus e ee e e e normalis´s (par leurs ´cart-types).Qa Qe Qc Q ka kc kr na nc nr Mesure 400 944 1 083 300 104 256 1 380 340 26.17 1.3 Technique s´quentielle de d´tection d’erreur e e On a vu pr´c´demment que les r´sidus d’´quation sont sensibles aux erreurs de mesure qui e e e e affectent les variables. l’identification de mesures erron´es ` partir des e e e e e e a r´sidus doit ˆtre r´alis´e ` partir de la notion de signature de d´faillance.6 0. dans la pratique.6 3.2 0.4 2. Inversement.82 17.7 6 13.65 3. e e e e Consid´rons le mod`le d’un syst`me d´crit par les ´quations suivantes : e e e e e   x1 + x2 − x3 = 0   x3 + x4 − x5 = 0  x5 + x6 − x2 − x7 = 0   x7 − x8 − x9 = 0 (4.97 86. Dans les sept derni`res lignes.32 Estimation 3 400 781 106 806 1 380 900 60.3 7 181.8 0. Dans ce qui suit.7 9 39. Le tableau e e a e ci-dessous donne les valeurs des mesures et de leurs ´cart-types respectifs. si on est capable de d´tecter un r´sidu d’amplitude anormale.3 2. e e e e a e on propose une technique de d´tection d’erreur appliqu´e ` un exemple dont le lecteur pourra e e a ais´ment g´n´raliser la port´e.8 2 18.3) indique les ´quations consid´r´es. 4.7 3.2 4 23.68 3. Mesures et pr´cisions des mesures e Le tableau (4.91 17.7 1 Tab.2 – Tableau 2.1 – Mesures et estimations 4. il e convient de proc´der pr´alablement ` l’extraction de la partie redondante du syst`me. on a fait e e 50 . s’il n’est pas ainsi.5 8 106.33 Tab.7) On suppose que toutes les variables sont mesur´es .

0 29. e 51 . e e Une fa¸on plus ´l´gante de pr´senter cette proc´dure de d´tection d’erreur est r´sum´e dans le c ee e e e e e tableau (4. La derni`re ligne du tableau est le produit logique des indicateurs se e e trouvant dans les colonnes .3.4 -7.9 6.9 -14.4.5.6.9 1.5 -37.5 2. e e e le symbole ”. 1 + 2 + 3 + 4 ne sont pas entach´es e e d’erreurs . on peut noter que : toute ´quation ne pr´sentant pas de r´sidu abere e e rant est constitu´e de variables elles-mˆmes sans valeurs aberrantes.8.8. e normalis´ e -61. Lorsqu’une variable n’intervient pas dans un r´sidu.1 35. on conclu que les e e variables qui interviennent dans les ´quations 1 + 2.6.5.6. les variables restantes 3 et 7 sont entach´es d’erreur.1 4. e ıtre e e a e e Pour analyser ce tableau.3 – R´sidus d’´quation e e 4. par d´duction.6.0 -63. les variables des e e r´sidus normaux sont affect´es de la valeur 0. Les techniques propos´es ici.2.8 0.4.4.6. Les variables des r´sidus anormaux sont affect´es de la valeur 1 .7 2.5 1. sur cet exemple.2. nous en e e avons donn´ ici le principe de base.6 R´s.3.” est utilis´. e R´sidu anormal e -14.9 2. e e e e e e les variables qui la constituent sont valides.1 -0.4 Conclusion On peut imaginer des traitement plus sophistiqu´s pour d´tecter et localiser des ”grosses” ere e reurs de mesure.8. reposent sur l’analyse des amplitudes des r´sidus e e d’´quations de bilan mati`re avec l’hypoth`se suivante : si une ´quation de bilan est v´rifi´e.9 1.3.1 14.8 0. 3 + 4.6. on remarque que la localisation des e variables en d´faut peut ˆtre faite avant la derni`re agr´gation.4 -10. e e Equation 1 2 3 4 1+2 1+3 2+3 3+4 1+3+4 2+3+4 1+2+3+4 R´s.2.6 -99.3 3.´galement apparaˆ les r´sidus d’´quation correspondant ` l’agr´gation de certaines ´quations.3).5.4. Ainsi.9 66.7 2.4 -2. un ”1” dans cette ligne indique que la variable correspondante est entach´e d’erreur.6 Variables oui oui oui oui non oui oui non oui oui non 1.7 7. Toutefois une difficult´ apparaˆ au niveau de l’agr´gation d’´quations e e ıt e e non lin´aires qui fait l’objet de techniques particuli`res.8.2 7. Ce mode de raisonnement se g´n´ralise pour des processus plus complexes .5.5 13.8.5 2. 4. On peut remarquer que l’agr´gation des ´quations peut ˆtre faite de fa¸on e e e e c s´quentielle ainsi que le produit logique .3. sinon les variables peuvent ˆtre consid´r´es comme e ee suspectes. e e e e Le lecteur remarquera assez facilement que cette technique peut ˆtre ´tendue au cas d’´quations e e e dynamiques ou non lin´aires.9 1.9 Tab.6.9 64.

. 1 . 1 1 . 1 8 . . 0 6 . 0 1 1 0 0 9 . 1 1 . 0 . . 1 . . . . 0 0 2 1 . . . . . . . 0 1 . . 1 . 1 . . 1 1 . 1 . . . 1 . 1 1 . . . 0 . 1 1 0 1 1 0 0 7 . 1 1 . 1 . . . 4. 0 1 1 0 0 Tab. 0 1 .Equation 1 2 3 4 1+2 1+3 2+3 3+4 1+3+4 2+3+4 1+2+3+4 Produit R´sidu anormal e oui oui oui oui non oui oui non oui oui non 1 1 . . 1 0 . 0 1 .4 – D´tection de d´fauts e e Appendix A : Quelques distributeurs ou fabricant de capteurs 52 . 0 5 . . 1 . 1 4 . 1 0 0 3 1 1 .

Avenue Emile Zola 75 015 Paris labo@acil-instruments.com/us/eng/Homepage.htm Blaise. Rue Denis Papin 67 403 Illkirch Cedex 5.ALLEN-BRADLEY BALLUFF BALOGH CETIM CHAUVIN ARNOUX CLUB INTERBUS-S CROUZET EQUIPEMENTS SCIENTIFIQUES EUROTHERM AUTOMATION HONEYWELL IVO INDUSTRIES TELEMECANIQUE SIEMENS HARTMANN ET BRAUN AK ELECTRONIC LEEDS AND NORTHRUP FRANCE LASENTEC OUTOKUMPU-OY FOXBORO-ARMCO AUTOMETRICS CENTRE DE TECHNOLOGIE DE NORANDA ARMCO AUTOMETRICS OTT France JUMO REGULATION 36. Avenue Amp`re 78 886 St Quentin en Yvelines e 3. Rue Championnet 75 018 Paris Boulevard de Beaubourg 77 347 Marne la Vall´e e 111.com http ://glo.noranda.hydrolab.ottfrance.equipment. Rue Nadar 92 500 Rueil Malmaison 39-47 Boulevard Ornano 93 527 Saint Denis 40.foxboro. Rue du Vallon 94 440 Marolles en Brie 189.com www.com www.com/mt/resources/contactUs.com www.com 7. Rue d’Aubervilliers 75 886 Paris Cedex 74.com http ://www.outokumpucopper. Rue de Buzonval 92 380 Garches 6. Rue des drapiers 57 075 Metz Cedex 53 .Champagne@cnrc-nrc. Rue de la Forˆt 26 902 Valence Cedex e 127.gc.mt. Rue Jean Jaures 93 176 Bagnolet Cedex 54.ca kellys@normin.com labo@acil-instruments.jsp www. Rue des Aci´ries 42 951 Saint Etienne e 190. Chemin des joncs 69 572 Dardilly Cedex 4. Avenue de l’Europe 78 941 V´lizy Cedex e 2.

Appendix B : Quelques types de capteur 54 .

Capteur proximit´ e proximit´ e d´placement e vitesse acc´l´ration ee temp´rature e niveau d´bit e Type a ` courants de Foucault a ` effet capacitif photo-´lectrique e ultrasonic a ` effet Hall magn´to-resistifs e capteurs inductifs capteurs ` effet Hall a capteurs magn´to-resistifs e capteurs r´sistifs e capteurs inductifs capteurs ` propogation d’ondes a capteurs capacitifs tachym`tres ` impulsions e a g´n´ratrices analogiques e e acc´l´rom`tres pi´zo-´lectriques ee e e e acc´l´rom`tres pi´zo-r´sistifs ee e e e acc´l´rom`tres inductifs ee e acc´l´rom`tres ` potentiom`tre ee e a e couples thermo-´lectriques e thermom`tres ` r´sistance m´tallique e a e e thermom`tres ` semi-conducteur e a thermom`tre ` quartz e a pyrom`tres ` quartz e a pyrom`tres optiques e thermom`tres ` dilatation de fluide e a thermom`tre ` dilatation de solide e a dispositif ` flotteur a dispositif ` plongeur a dispositif ` bullage a dispositif ` palpeur ´lectrom´canique a e e sondes conductives sondes capacitives dispositif ` rayonnement gamma a dispositifs ` ultrasons a compteurs ` palettes a compteurs ` pistons a compteur ` turbine axiale a d´bitm`tre ` organe d´primog`ne e e a e e d´bitm`tre ` sonde (tube de Pitot) e e a d´bitm`tre ` ultrasons e e a d´bitm`tre ` effet vortex e e a d´bitm`tre thermique e e d´bitm`tre ´lectromagn´tique e e e e 55 .

[7] RAGOT J. Revue de l’Industrie Min´rale. Journal of Materials Science Letters. Pergamon Press. 56 .A. octobre 1986.B. Instrumentation d’un proc´d´ de s´chage e e e de talc en vue de sa conduite automatis´e.Bibliographie [1] B. LMI approach for data reconciliation.. Symposium Optimization and Control in Minerals. [10] ALLEN T.. Dans ”probl`mes et perspectives de l’industrie mini`re en Afrique”. MAQUIN D.. MAIHLLAC J. YARAR and Z. e e [6] RAGOT J. DOGAN Mineral Processing Design. Nato Asi Series. Particle Size Measurement. BLAZY P. 1987. La place de l’automatique dans les techniques de valorisation des ressources du sous-sol... 1988 . Nancy. Mineral and Metal Processing.. August 22-26. 4th edition.. Serie E : applied Sciences. Les Techniques. Canada.A.. [5] RICHARD A. 176-183. November. AUBRUN M. WISS C. Edit´ par Pr´sence Africaine.N. 2000. CORRIPIO. p. The fifth edition was published about 1998.. London. 8-10 septembre 2004. WILLS Mineral Processing Technology. 1999 [9] Proceedings of the 11th IFAC Symposium on Automation in Mining. 4th edn. 38th Conference of Metallurgists. Mod´lisation en vue de la conduite e automatique d’un trieur de particules. Metals and Materials Processing. [8] RAGOT J. Principles and practice of automatic process control. 19 ( 21). PAREL D. Les Techniques. [3] RAMAKRISHNAN K. RICHARD A. marse avril 1988.M.a comprehensive discussion of the theory and practice of powder sampling and particle sampling. 1985.. e e e e 1992. CUNIN P. 1988 [2] B. ADROT O. SMITH and A. International Series on Material Scicenes and Technology. Chapman and Hall.. RAGOT J... Modified Rosin Rammler equation for describing particle size distribution of milled powders. Revue de l’industrie Min´rale. Quebec. [4] C. John Wilery and Sons. MORGANTI P.