Professional Documents
Culture Documents
Deuxième partie :
Asservissement des Systèmes Linéaires
Echantillonnés (discrets).
1
Table des matières
Liste des figures .............................................................................................................. 3
Liste des tableaux ............................................................................................................ 4
Introduction ................................................................................................................... 5
I. Chaine d’acquisition............................................................................................... 6
II. Conversion numérique et échantillonnage ............................................................. 7
II.1 traitement de l’information ................................................................................... 7
II.2 Echantillonnage de l’information ........................................................................ 13
III. Modélisation des systèmes linéaires échantillonnés............................................. 17
III.1 Représentation de la fonction de transfert ........................................................ 17
III.2 Effets du bloqueur sur la fonction de transfert d’un système linéaire continu ... 18
III.2.2 Transformée en z........................................................................................... 19
IV. Stabilité, précision et rapidité des systèmes à temps discrets .............................. 21
IV.1 Stabilité des systèmes à temps discrets.............................................................. 21
IV.2 Critère de Jury de la stabilité ............................................................................ 22
IV.3 précision et rapidité des systèmes linéaires échantillonnés. ............................ 24
V. Choix de correcteurs ............................................................................................. 30
V.1 Nécessité de correction ..................................................................................... 30
V.2 Choix des paramètres du correcteur ................................................................. 33
VI. Quelques technologies de régulation industrielle ................................................ 39
VI.1 Régulateurs ...................................................................................................... 40
V.2. Les PC ............................................................................................................ 43
V.3. Les automates .................................................................................................. 44
V.4 Autres configurations pour la régulation ............................................................ 45
V.5 Réseau industriel et régulation .......................................................................... 50
V.6 Logiciel de CAO en régulation et commande des systèmes ............................. 54
Bibliographie .................................................................................................................. 55
2
Liste des figures
Figure 1. Echantillonnage d'un signal sinusoïdal ............................................................. 7
Figure 2. Échantillonnage et conversion de données ...................................................... 8
Figure 3. Système à sortie échantillonnée ....................................................................... 9
Figure 4. Implémentation dans un contrôleur .................................................................. 9
Figure 5. Structure d'un CAN ........................................................................................ 10
Figure 6. Défaut de linéarité .......................................................................................... 11
Figure 7. Bruit introduit par le CAN ................................................................................ 11
Figure 8. CNA ................................................................................................................ 12
Figure 9. Exemple de structure d'un CNA ..................................................................... 12
Figure 10. Défaut d'un CNA ........................................................................................... 13
Figure 11. Echantillonnage ............................................................................................ 13
Figure 12. Échantillonnage d'un système ...................................................................... 14
Figure 13. Effet de Blocage du signal ............................................................................ 15
Figure 14. Stabilité des systèmes échantillonnés .......................................................... 21
Figure 15. Transformation en w ..................................................................................... 24
Figure 16. Rapidité et précision d'un système du deuxième ordre ................................ 25
Figure 17. Abaque du second ordre échantillonné ........................................................ 28
Figure 18. Abaque second ordre suite ........................................................................... 28
Figure 19. Composantes d'un correcteur PID ................................................................ 30
Figure 20. Correcteurs et effets ..................................................................................... 31
Figure 21. Schéma d'un système à retard ..................................................................... 35
Figure 22. Schéma du prédicteur de Smith ................................................................... 35
Figure 23. Architecture d'un régulateur (exemple du régulateur JUMO)........................ 40
Figure 24. Régulateurs à affichage de Omega .............................................................. 41
Figure 25. Série UDC de Honeywell .............................................................................. 41
Figure 26. Régulateurs de chez Eurotherm ................................................................... 43
Figure 27. Bloc fonction PID (Unity Pro Schneider) ....................................................... 44
Figure 28. Exemple d'automate offrant des capacités de régulation (96 boucles PID par
machine). ControLogix de Allen Bradley (Rockwell) ...................................................... 45
Figure 29. Thermocouple............................................................................................... 47
Figure 30. Variateur de puissance à thyristors JUMO ................................................... 48
Figure 31. Vanne électropneumatique ........................................................................... 49
Figure 32. Electrovanne et caractéristiques................................................................... 49
Figure 33. Intégration des applications. ......................................................................... 52
Figure 34. Régulateurs en réseau (Yokogawa) ............................................................. 53
3
Liste des tableaux
4
Introduction
5
de l’échantillonnage ainsi que les notions mathématiques y relatives. Ce faisant, la notion
de transformée en z est introduite. Les principaux théorèmes sont rappelés par la suite.
La fonction de transfert d’un système échantillonnée est dérivée ainsi que les règles de
calcul y relatifs. La modélisation des systèmes échantillonnés est alors traitée. Tout
comme les systèmes analogiques, la question de la stabilité, de la précision et de la
rapidité est traitée afin de permettre la conception de compensateurs pour de tels
systèmes. Le correcteur PID est celui qui est exposé dans ce chapitre. Enfin les
technologies de la régulation sont présentées pour permettre une conduite de projet de
régulation.
I. Chaine d’acquisition
6
II. Conversion numérique et échantillonnage
Dans la plupart de ces cas, l’information n’est pas lue/traitée de façon continue mais à
intervalle régulier appelée période d’échantillonnage. Ce qui peut impliquer un
changement de comportement du système si la période d’échantillonnage n’est pas
largement inférieure à sa constante de temps. Un exemple couramment utilisé pour
illustrer cette situation est la sinusoïde comme le montre la figure ci-dessous. Si la période
d’échantillonnage est supérieure à une demi-période, on ne peut pas reconstituer une
sinusoïde. On ne peut voir qu’une droite. Si la période d’échantillonnage est suffisamment
petite, on peut reconstituer le signal initial.
0.8
0.6
0.4
0.2
-0.2
-0.4
-0.6
-0.8
-1
0 1 2 3 4 5 6 7 8 9 10
Contrairement aux systèmes linéaires continus, les systèmes échantillonnés peuvent être
représentés par des équations aux différences comme nous le verrons dans la suite du
texte. Les signaux qui, au départ, étaient continus deviennent discrets dans le temps c’est
à dire qu’un certain nombre de mesures sont prises à des intervalles soit réguliers soit
irréguliers. De même, les commandes (entrée du système) sont appliquées à des
intervalles bien donnés dépendant du temps de calcul (rapidité du processeur). Dans ce
7
cas, un certain nombre de points est prélevé sur le signal de départ. Ainsi le système
initial n’est vu qu’à des intervalles de temps donnés et non de façon continue.
Le principe de l’échantillonnage est régi par le théorème de Shannon qui est stipulé
comme suit :
THEOREME (de Shannon, 1948):
Pour pouvoir reconstituer sans perte d’information un signal continu à partir des
échantillons de période Te de celui-ci, il faut que la fréquence d’´échantillonnage, fe = 1/Te
soit au moins égale au double de la fréquence maximale contenue dans le spectre de ce
signal : fe ≥ 2fM où fM = ωM/2∏
La fréquence fN = fe/2 est appelée fréquence de Nyquist .
Dans la suite de ce texte, nous verrons le principe de l’échantillonnage et les implications
sur le système considéré : dynamique, comportement, régulation, stabilité et stabilisation.
Les notions, vues pour les systèmes linéaires continus, seront donc revues pour dans ce
cas.
II.2 Conversion numérique et analogique
Rappelons la mise en œuvre des systèmes échantillonnés, sur un calculateur. Elle fait
intervenir un bloqueur qui « fait attendre la donnée pendant un certain temps et deux
éléments importants : le convertisseur analogique numérique (CAN) et le convertisseur
numérique analogique (CNA).
8
Considérons un système dont la sortie est aussi échantillonnée. Dans le cas où cet
échantillonnage est suffisamment rapide, le système résultant peut encore être comme
continu. Cependant, il arrive que dans les applications très rapides (moteurs électriques,
production et distribution d’électricité par exemple) le besoin d’un bon échantillonnage se
fasse ressentir.
e(t) e*(t)
BOZ S(t)
H(p)
S*(t)
Calculateur
9
Convertisseur analogique numérique (CAN)
Les données analogiques provenant du système étudié en données numérisées c'est-à-
dire codées sur plusieurs bits et en 0, 1. Un exemple de convertisseur est donné sur la
figure suivante.
Source. www.microchip.com
Le CAN traduit donc le signal continu en une succession de bits dont la longueur traduit
la précision de conversion. Soit X la variable/signal à convertir.
Le CAN peut introduire une erreur qui apparait comme un bruit de conversion e(t).
e(t)
+
x(t) x(k) Xq(k)
Echantillonnage
+
( )= 2 + 2
11
Figure 8. CNA
Pour comprendre les caractéristiques des CNA, il faut se pencher sur la figure suivante.
12
Figure 10. Défaut d'un CNA
II.2.1 Principe
Considérons les courbes suivantes où les flèches (peigne) indiquent les instants de
prélèvement de points sur la courbe au-dessus.
Te 2Te nTe
…...
13
La conséquence de peigne (dit de Dirac) est représentée sur la figure suivante. A des
instants proportionnels à , la période échantillonnage, l’on vient prélever les valeurs de
f(t) représentée par la courbe de la figure précédente. A = ,, l’échantillon vaut f(t)(t-
nTe). (t) est appelée peigne de dirac et chaque valeur de est une impulsion comme
nous l’avons vu précédemment dans l’identification des systèmes.
Le signal continu est passé par un peigne de Dirac . Tout se passe comme si l’on utilise
un interrupteur pendant des durées presque nulles. L’opération est répétée chaque Te
période d’échantillonnage.
Appelons f*(t) l’échantillonnage f(t)(t). On peut écrire :
∗( ) = (0) ( ) + ( ) ( − ) + (2 ) ( −2 ) + ⋯+ ( ) ( − )…
Cette situation peut être representée par la figure suivante.
Te 2Te nTe
…...
∗( )= ( (0) ( ) + ( ) ( − ) + (2 ) ( −2 )+⋯
+ ( ) ( − ) + ⋯ +)
∗( )= ∗( ) = (0) ( ) + ( ) ( − ) +
Ainsi, on obtient
(2 ) ( −2 ) +⋯+ ( ) ( − ) +⋯
14
D’où l’adoption d’une écriture plus simplifiée :
∗( )
= ( ) = (0) + (1. ) + (2. ) + ⋯+ ( . ) +⋯
= ( )
( ) = 1, ( − ) = (Règle du retard).
Où = . On note Z(f)= F*(p)=F(z).
Cette transformation correspond à la transformée en z utilisée dans les systèmes
échantillonnés. La transformée en z correspond donc à une version de la transformée de
Laplace.
Dans le cas de la mesure et de la valeur de la commande, entre deux échantillons, lors
de la mise en œuvre de régulation, la valeur obtenue est maintenue constante pendant
un intervalle de temps et l’on obtient la figure suivante. On dit que l’on passe par un
bloqueur d’ordre zéro (BOZ).
( )= ( )
15
Linéarité : Si f(t) et g(t) sont deux fonctions échantillonnées et F et G leurs transformées
en Z, alors la transformée de la fonction combinaison linéaire des deux h=af+bg (a et b
sont des coefficients constants) est H(z) = a F(z) + b G(z).
Quelques propriétés de la fonction de transfert.
Transformée de la convolution : Z(f*g) = F.G
Retard : Z(f(t-t0) = z-t0 F(z) ;
Avance : ( − ) = ( )− ( )− ( )− ( )− ⋯− (( −
) )
Multiplication par ak : Z(ak f(k)) = F(z/a)
Théorème de la valeur initiale : f (0) lim F ( z )
z
Tableau 1. Transformées en z
Fonctions Transformée de Laplace Transformée en z
( ) (Dirac) 1 1
1 1
−1
1
+ −
1
( + ) ( − )
− − ( − )
( + )( + ) ( − )( − )
1
( − 1)
1 (1 + )
2 2 ( − 1)
sin sin
+ − 2 cos +1
cos (z − cos )
+ − 2 cos +1
16
III. Modélisation des systèmes linéaires échantillonnés
III.1 Représentation de la fonction de transfert
Le système échantillonné peut se mettre sous la forme d’un système dit en ’’temps
discret’’ c'est-à-dire comme la série suivante :
( − )+ ( − + 1) + ⋯ + ( − 1) + ( )
= ( − )+ ( − + 1) + ⋯ + ( − 1) + ( )
Dans ce système, y est la sortie mesurée du système et u l’entrée qui commande le
système. Pour être causal, le modèle doit être tel que m est inférieur ou égal à n.
Ainsi, les valeurs de la sortie forment une série avec celles de l’entrée. En utilisant, la
règle du retard et de linéarité de la transformée en z, on aboutit à :
( )+ ( )+⋯+ ( )+ ( )= ( )+ ( )
+ ⋯+ ( )+ ( )
On peut alors tirer la fonction de transfert G(z) en z en regroupant les différents termes
en U(z) et Y(z).
( + +⋯+ + ) ( )
=( + + ⋯+ + ) ( )
Commentaires :
La modélisation des systèmes linéaires échantillonnés peut donc se faire en procédant à
une expérimentation permettant de retrouver le modèle ci-dessus reliant entrées et sorties
de façon temporelle.
Avec ces valeurs, il est alors possible de faire une modélisation basée sur les données
expérimentales. À l’aide du modèle obtenu, on utilise d’abord la règle du retard puis on
isole les termes en z pour retrouver la fonction de transfert ci-dessus.
17
Quelques exemples
Exercice 1. On considère la série suivante :
( − 3) + 5 ( − 2) + ( − 1) + ( ) = ( − 3)
Exercice 2.
Ainsi, considérons la fonction de transfert suivante :
( ) 2,5 + − 1
( )= =
( ) 2,5 − 1,75 − 2 + 0,4
Écrire l’équation qui relie y(k-3), y(k-2) , y(k-1), y(k) en fonction de u(k-3), u(k-2) et
u(k-1). On utilisera Y(z) en fonction de U(z) et la propriété du retard.
III.2 Effets du bloqueur sur la fonction de transfert d’un système linéaire continu
Lorsque la fonction de transfert échantillonnée est obtenue à partir d’une relation sous
la forme de série comme ci-dessus, il n’y a pas besoin de transformer pour une seconde
fois la fonction de transfert. Cependant il peut arriver que l’on dispose de la fonction de
transfert du système continu et qu’on l’on ait besoin de la fonction de transfert
échantillonnée. Dans ces conditions, on se demande ce que devient cette fonction de
transfert après un échantillonnage.
18
Pour cela utilisons la fonction de transfert de Laplace à laquelle on doit adjoindre
la fonction de transfert du bloqueur d’ordre zéro. Le bloqueur agit en fait comme une
impulsion. La transformée de Laplace de l’impulsion résultant de l’action d’un bloqueur
donne :
1 e Te p
F1 ( p) f (0)
p
Considérons maintenant une entrée e (t) et une sortie s(t) échantillonnées. On
reprend le raisonnement qui a permis de générer la transformée en z de la fonction
échantillonnée. Dans le cas d’un simple peigne de Dirac, on a :
e * (t ) e(0) (t ) e(nTe ) (t nTe ) ; E * ( p) e(nTe )e nTe p
n0
s * (t ) s(0) (t ) s(nTe ) (t nTe ) ; S * ( p) s(nTe )e nTe p
n0
La transformée en z telle que définie précédemment est donnée par Z(s) = S*(z) et on
avait posé = Ce qui donne :
∗(
( )
( )= ) = (1 − )∗
( ) ( ) ∗ H ( p) * H ( p)
*
T p Te p
Considérons la fonction f*(t) donnée précédemment. On pose : z e e , e
On obtient donc
19
F * ( z ) f (0) f (Te ) z f (2Te ) z 2 f (nTe ) z n f (nTe ) z n
n 0
F * ( ) f (nTe ) n
n 0
Exemple :
1
On considère la fonction de transfert en Boucle Ouverte H ( p) . Trouver la
pa
fonction de transfert en boucle ouverte échantillonnée H(z).
( )= = =
( ) ( )( ) ( )
On considère une entrée en échelon unitaire. La sortie est donnée par :
( )= ( ) ( )= . Soit ( ) = (1 − )
( )
20
IV. Stabilité, précision et rapidité des systèmes à temps discrets
( )= = et =
( )( )
Z1 et z2 sont les pôles du système. La solution pour une entrée de Dirac s’écrit : ( )=
− . Si les modules sont <1, la sortie tend vers zéro pour n grand. Le système
est donc stable dans ce cas.
Critère de stabilité :
Pour que le système échantillonné soit stable il faut que tous les pôles soient à
l’intérieur du cercle unité.
z5
z1 z4
z2
z3
21
IV.2 Critère de Jury de la stabilité
Pour vérifier la stabilité d’un système linéaire échantillonné, il faut comme il a été rappelé
dans le chapitre ci-dessus que les pôles soient dans le cercle de rayon unité (module
inférieur à 1). La vérification de ce critère pour des systèmes de dont le dénominateur est
d’ordre supérieur ou égal à 3 devient difficile. Il faut donc un critère simple à avoir pour
vérifier que les pôles sont dans le cercle unité. Dans le cas des systèmes continus, il s’agit
du critère de Routh-Hurwitz. Dans le cas des systèmes linéaires échantillonnés, il s’agit
du critère de Jury qui va être détaillé ci-dessous. Considérons pour cela le polynôme
suivant :
( )= + + + ⋯+
Selon le critère de Jury, il faudrait que :
1. ∑ = (1) > 0
2. (−1) ∑ (−1) = (−1) > 0
3. | |− <0
4. − > 0; = 1, … , − 2
j
Où les coefficients sont calculés de la façon suivante : pour i =1, 2, …, n et les a0
et
j
ak
sont calculés de la façon suivante :
22
a10 a00 a00 an0 an0 , a11 a00 a10 an0 an01
Les calculs de la matrice ci-dessus sont complexes. Pour réduire la complexité, il est
usuel d’utiliser le tableau suivant.
23
positions par rapport au cercle unité. Il suffit pour cela de rentrer la fonction de transfert
en utilisant la fonction tf (H=tf(NUM, DEN,tz) du toolbox ‘’control systems’’.
Et de chercher les pôles par pole(H).
Exemple :
Vérifier la stabilité du système suivant
2 +1
( )=
+2 +4 +7
Autre méthode : Il existe une autre méthode consistant à faire un changement de
variable : = .
+1
=
−1
+1
=
−1
La rapidité d’un système est déterminée par son régime transitoire. Elle correspond à son
temps de réponse. Dans le cas du premier ordre, ce temps de réponse correspond à trois
fois la constante de temps. Dans le cas d’un système du second ordre, il convient de
prendre en compte le comportement de la sortie.
24
Le système du second ordre dans le cas analogique est donné par :
( )=
Dans le cas ou 0 < < 1 on observe des dépassements qui sont amortis avec le temps.
La figure suivante résume ce cas.
D1
D3 Précision en + ou -n%
e(t)
D2
0,9*e(t)
s(t) sans Tp
oscillations
s(t)
Système à retard
tm tM Trn%
Le tableau suivant donne les relations entre et d’une part et les performances du
système du second ordre dans le cas donné ci-dessus.
25
Tableau 3. Calcul des paramètres du système non amorti
Indicateurs
Formules
Temps de montée tm 1
= (
1−
− )
tM (temps du premier
dépassement) =
1−
Temps de réponse à n%
(pour < 0.7) % = ( )≈
pour n=5
Pseudo période Tp et
pseudo pulsation Wp = ;
= −
Dépassement en %
%=
Le système du second ordre est souvent pris en exemple. En effet, après correction on
désire ramener le plus souvent le système à un comportement équivalent au 2e ordre.
Pour les systèmes échantillonnés le système du second ordre prend la forme de :
−1 ( ) + −
( )= = =
+ + ( − )( − )
On peut dans ce cas retrouver les éléments de la forme.
−1 ( ) −1 1 1 −1
( )= = ⎛ ⎞= + +
2 − −
1+ +
⎝ ⎠
Pour le terme à l’intérieur des parenthèses, il s’agit de décomposition en éléments
simples. Par identification, on obtient :
1 1
= 1; = ; =
−2 (1 − ) + (1 − ) 2 (1 − ) − (1 − )
Ainsi
26
( )= + + = + + où T est la
période d’échantillonnage.
( )=1+ +
− −
On montre qu’on peut mettre H(z) sous la forme :
+
( )=
+ +
On retrouve les différents paramètres comme suit.
− + ; = (1 − )
( )
= −2 (1 − ) et =
Ce qui permet d’utiliser des abaques comme dans le cas des systèmes continus. Ces
abaques permettent de déterminer le nombre de dépassements, l’amortissement etc.
Dans le premier abaque, les valeurs de a0 et a1 sont en ordonnée et en abscisse. Ils
permettent d’obtenir les valeurs de la pulsation et de l’amortissement. Dans le second
cas, l’on a les courbes d’iso amortissement dans le cercle unité (condition de stabilité).
27
Figure 17. Abaque du second ordre échantillonné
28
La position des pôles permet grâce à la figure précédente de déterminer le coefficient
d’amortissement.
IV.3.2. Précision d’un système discret
La précision est liée au régime permanent. Pour ce faire on utilise la valeur finale du signal
pour évaluer la précision du système. Soit y(k) la sortie d’un système. La valeur finale de
y est donnée par
lim ( ) = lim( − 1) ( )
→ →
1 ∞ ∞ Précision en accélération
( )
2
29
V. Choix de correcteurs
Ici encore on recherche un correcteur qui doit satisfaire aux conditions de stabilité, de
précision et de rapidité (temps de réponse a 5%, dépassements, etc.). Pour cela, on va
implémenter les correcteurs P, PI et PID utilises dans le cas continu. La fonction de
transfert en boucle fermée s’écrit :
C( z) H ( z)
G( z ) . Il s’agit en fait du correcteur PID continu que l’on numérise.
1 C( z) H ( z)
Il comporte trois parties :
Un correcteur proportionnel représenté par le paramètre Kp
Un correcteur dérivé matérialisé par le paramètre =
On obtient donc trois paramètres à régler : kp, ki et kd. Le rôle de chaque type de
correcteur est montré dans la figure suivante.
30
peut déstabiliser le système. Il faut dans ce cas lui adjoindre un autre type de
correcteur.
Améliorer la précision en annulant l’erreur statique avec l’action intégrale. Cette
action agit comme une mémoire des erreurs passées pour mieux corriger le
système.
Améliorer la rapidité du système avec l’action dérivée. Cette action se sert de la
dérivée de l’erreur pour prédire son évolution. Ce qui permet d’améliorer la rapidité
de la réponse.
La figure suivante montre les effets des actions du PID sur la réponse d’un système.
31
Diverses combinaisons peuvent être observées dans la mise en œuvre du correcteur en
fonction des besoins. Ainsi, au lieu d’un PID, on peut utiliser les correcteurs suivants
dont les caractéristiques sont indiquées sur la figure précédente :
Le correcteur Proportionnel et Intégral (PI) : accroit la précision par un retard et
augmentation du gain statique.
Le correcteur Proportionnel et Dérivée PD (avance de phase) : accroit la stabilité
et la rapidité par une avance de phase.
( ) ∎ u(t)
( )
Ce qui donne dans le domaine de Laplace : ( ) = + + =
( )
( )= + + ou ≈ .
32
E(z) représente l’erreur entre la consigne et la sortie du système à corriger, et U(z)
représente l’entrée du système. Chacune des trois actions a un effet bien connu sur le
système comme le montre la figure suivante :
La figure suivante donne les paramètres en fonction des résultats de l’expérience. Il est
aussi donné pour différents types de correcteur les paramètres. Cette méthode est dite
de Takahashi. Le correcteur prend la forme :
−1
( )= ( )− + ( )
−1
Et ( )= ( ) pour un correcteur proportionnel P
33
Une alternative à l’utilisation de la méthode de Takahashi est la discrétisation du
correcteur obtenu dans le domaine de Laplace en utilisant les transformées en z de
l’intégrale et de la dérivée.
Dans le cas de systèmes très retardés, ce qui arrive souvent dans les applications
industrielles, les méthodes précédentes de PID conduisent à un système plus lent en
boucle fermée qu'en boucle ouverte si le retard pur dépasse la moitié de la constante de
temps dominante. Dans ce cas le système se met sous la forme : ( ) = ( )
k est le nombre de pas retard (kTe est le temps de retard). On a donc besoin d’un
correcteur C1(z) pour le système non retardé selon la configuration suivante :
34
Figure 21. Schéma d'un système à retard
Lorsqu’il est possible d’implémenter soit même le correcteur numérique comme c’est le
cas avec les microcontrôleurs ou les systèmes embarqués, le correcteur doit être
numérisé avant codage. L’implémentation d’un correcteur numérique part du modèle en
temps discret obtenu. En partant d’une fonction de transfert
35
+ + ⋯+ + ( )
( )= =
+ +⋯+ + ( )
On peut obtenir la relation entre la sortie et l’entrée en valeurs présentes et passées.
Ainsi on a :
( − )+ ( − + 1) + ⋯ + ( − 1) + ( )
= ( − )+ ( − + 1) + ⋯ + ( − 1) + ( )
On peut alors tirer Y(k) en fonction des autres variables :
1
( )= ( ( − )+ ( − + 1) + ⋯ + ( − 1) + ( )− ( − )
− ( − + 1) − ⋯ − ( − 1))
36
u(k-1) devient u(k-2)
u(k) devient u(k-1)
ainsi de suite.
fin de la boucle
Dans le domaine continu, il est possible de simuler le système en utilisant des algorithmes
du type Runge Kutta, Euler etc. Pour la mise en œuvre du correcteur PID, on l’utilise des
approximations de p à partir du PID en continu. Les approximations les plus connues sont
= , ou = , qui sont dérivées de l’approximation de la transformée en z de la
L’opérateur p peut être approximé par (méthode dite avant). Le correcteur continu est
( )
( )= 1+ + = 1+ + = (méthode avant).
( ) ( )
( ) + + + +
= =
( ) + +
Avec = ( + + ), =− (2 + ); = ; = , =−
37
On obtient l’équation de récurrence :
( )+ ( − 1) + ( − 2) = ( )+ ( − 1)
Un sous-programme de calcul du correcteur PID prend la forme :
définir les paramètres Ti, Te, Td, et Kp , Yc (si Yc est constant, si non le définir dans le
sous programme)
calculer a, b, c, d, e
initialiser (0) = (0) − (0), (1) = (1) − (1), (2) = (2) − (2), (1)
mémoriser (0), (1), (2), (1)
pour k variant de 1 à la fin de l’expérience (ou bien tant que k fin n’est pas donné par un
arrêt)
Calculer ( )= ( ( ) + ( − 1) + ( − 2) − ( − 1))
Remarque : sous matlab, cette implémentation est donnée par la fonction ‘pid’ qui
permet de définir le pid en précisant la méthode utilisée et le pas d’échantillonnage. Le
bouclage se fait par la fonction ‘feedback’.
38
VI. Quelques technologies de régulation industrielle
39
VI.1 Régulateurs
La technologie des régulateurs a évolué depuis les technologies analogiques (utilisation
d’amplificateur opérationnel pour réaliser les fonctions d’intégration, d’amplification et de
dérivation). Ainsi avec l’apparition des micro-processeurs et des capacités de stockage,
l’on a assisté à la réalisation et à l’utilisation de régulateurs de plus en plus sophistiqués.
On est ainsi passé de régulateurs à simple affichage et à une seule boule de régulation à
des régulateurs à plusieurs boucles de régulations et de filtrage nécessaires pour la mise
en œuvre des correcteurs PID et avec des fonctions de plus en plus complexes de
communication (RS 232, RS845 Etc.) et de supervision (alarme). Certains régulateurs et
automates ont des fonctions de logique floue permettant de renforcer la régulation.
D’autres ont intégré des fonctions d’automatisme (grafcet).
40
Figure 24. Régulateurs à affichage de Omega
Source : www.omega.com
L’affichage des données se fait sur un écran digital. La programmation se fait à l’aide de
touches telles qu’indiquées sur la figure. La programmation de certains régulateurs se fait
grâce à un logiciel et une connexion à un ordinateur ou l’ingénierie se fait.
Ces régulateurs sont dédiés uniquement aux fonctions de régulation et peuvent intégrer
des fonctions mathématiques, des fonctions logiques mais pas de fonction d’automate.
Ces fonctions permettent généralement de réaliser des applications de régulations
d’alarmes et de surveillance. Quelques boucles de régulation réalisées sont :
Il existe de plus en plus des régulateurs avec une interface homme machine (IHM) à écran
tactile et de plus en plus sophistiquée. On peut y voir représenté le process et ses
variables. Un logiciel de dessin permet dans ces cas de représenter le process à réguler
et d’y afficher les variables ainsi que quelques courbes. Pour le choix de ces régulateurs
il convient de se bien spécifier les caractéristiques. Par exemple :
41
le nombre de boucle de régulation
le type de régulation (température, débit, vitesse etc.)
le type de capteurs (RTD, thermocouple, PT 100 etc.)
nombre et type d’entrées –sorties ;
la connectivité (RS 232, MODBUS etc.)
le type de régulation (PID, PI, tout ou rien, Logique floue, auto réglage ou non,
adaptatif ou non etc.) ;
l’alimentation (tension continue, courant et tolérance) ;
l’affichage ;
l’encombrement (besoin d’insérer dans un tableau, longueur, largeur, profondeur,
masse) ;
autres aspects (mode de configuration.
42
Figure 26. Régulateurs de chez Eurotherm
V.2. Les PC
Un PC munie d’une bonne carte d’acquisition peut servir à implémenter une régulation
PID simple. Il suffit pour cela de se munir de la bonne carte d’acquisition (voir cartes
Labview de National Instruments ou Texas instruments.) On peut encore utiliser les ports
43
d’un PC pour l’acquisition et la commande dans des applications simples. Labview offre
un environnement de programmation et d’utilisation des PID pourvu que la carte
d’acquisition de National instrument soit incorporée. Le choix de l’ordinateur et de la carte
est lié au type d’application que l’on met en œuvre. Les caractéristiques recherchées
sont :
le processeur et la mémoire;
les caractéristiques de la carte : entrée-sortie, échantillonnage et numérisation ;
type d’applications
etc.
Un automate muni de la fonction de régulation peut être utilisé dans les applications de
régulation. Pour cela le bloc fonction PID ou PI peut être utilisé et configuré. Il faut une
certaine taille d’automate pour réaliser les fonctions de régulation à cause de la demande
en processeur et en mémoire. Les automates micro, et mini ne sont pas dans la plupart
des cas capables de réaliser ce type de régulation.
La figure suivante donne un exemple de block fonction PID fourni par plusieurs fabricants.
44
En plus du bloc fonction PID des fonctions mathématiques et logiques sont fournies pour
permettre l’application di PID. Les paramètres du PID dont configurables. Les termes PV
(process variable) et CV (control variable) sont l’entrée et la sortie. L’utilisation est
conforme à la norme IEC 61131 qui définit les langages utilisés par les automates.
Figure 28. Exemple d'automate offrant des capacités de régulation (96 boucles
PID par machine). ControLogix de Allen Bradley (Rockwell)
Les éléments de la boucle de régulation sont les capteurs, les actionneurs, les pré-
actionneurs, la communication (connectivité), les conditionneurs de signaux.
Encadré : Selon l’ancien PDG de General Electric (Jack Welsh): On ne peut gérer
un système dont on n’a aucune mesure.
45
analyseurs de réseau), de pression (manomètre), de pH (pHmètre), des
compteurs (volume par exemple) etc. ;
les analyseurs (turbidité, redox, conductivité, réseaux électriques et
télécommunications etc.) ;
des indicateurs (avec le suffix stat comme les pressostats).
Ce document n’est pas un cours sur les capteurs car cela mériterait tout un document
pour les détails. Cependant, nous donnons quelques technologies pour orienter et illustrer
ce cours.
Les technologies des capteurs partent de l’analogique au numérique, et sont aujourd’hui
assez variées. La grandeur mesurée est convertie en électricité sous la forme de tension
ou de courant. Le standard très utilisé dans les applications est :
pour le courant : 4 à 20mA ou 0 à 20 mA ;
pour la tension : 0 à 5V ou 0 à 10V.
La valeur du courant est ensuite convertie par une règle de 3 en valeur représentant la
grandeur à mesurer.
De toutes les applications de capteurs, celles de la température sont les plus rencontrées
dans pratiquement toutes les applications. On rencontre plusieurs types de capteurs : les
pt100 (au platine), les thermocouples, les RTD (capteurs dépendant de la résistance), les
capteurs à infrarouge etc. Le tableau suivant montre quelques caractéristiques de
capteurs. Les thermocouples sont rencontrés dans les applications à hautes températures
et à larges plages.
Les thermocouples sont composés principalement de deux jonctions. La première
jonction appelée ‘’point chaud’’ à l’intérieur du partie dont on veut mesurer la
température et la seconde ‘’point froid’’ à l’extérieur du système. Un courant est
créé lorsque la température du point chaud est différente de celle du point froid
considéré comme référence : c’est l’effet Seebeck. Il existe plusieurs types de
jonctions caractérisant les thermocouples.
46
N platinium 30% rhodium
E P Chromel -270 à 1000°C
N Constantan
J P Fer -200 à 1200°C
N Constantan
K P Chromel -270 à 1372°C
N Alumel
N P Nicrosil -270 à 1300°C
N Nisil
R P Platinium + 13%Rhodium -50 à 1768°C
N Platinium pure
S P Platinium + 10%Rhodium -50 à 1768°C
N Platinium pure
T P cuivre -270 à 400°C
N constantan
Le type K est plus utilisé pour cout moins élevé et sa relative stabilité. Sa sensibilité est
de 41micro Volt par °C. Due à la basse tension sortie par le thermocouple, il y a besoin
d’un conditionneur de signal (amplification et filtrage, éventuellement une numérisation
pour la transmission) est nécessaire pour une utilisation en régulation.
47
plusieurs applications (50 à 60% contre 30 à 40% pour les thermocouples). Ils sont
plus précis et non résistant dans les milieux où il y a des vibrations. Cependant,
dans les milieux où il y a du bruit ils sont préférés. Ils ne sont pas adaptés pour les
fortes températures.
Les turbomachines sont des équipements très utilisés dans l’industrie. Les pompes sont
un exemple de turbo machine. Ils combinent moteurs électriques et turbomachines de
transformation énergétique (mécanique à hydraulique). Cet attelage doit être maitrisé à
cause de la transformation de puissance électrique à mécanique et hydraulique. Les
48
conpresseurs et ventilateurs répondent de la même logique. Les problèmes de régulation
de flux et de pression sont nombreux. C’est le cas de la régulation de débit.
49
Le débit est proportionnel au signal de commande qui lui est corrélé à l’ouverture de la
vanne. Le coefficient de proportionnalité est appelé coefficient de vanne Cv (Kv selon
les fabricants). On peut exprimer la relation sous la forme :
= √∆
V.4.1.3 Les moteurs électriques.
Ce sont des machines électriques couramment rencontrées dans les applications de
l’ingénierie. On distingue entre autres :
le moteur pas à pas ;
le moteur à courant continu
le moteur asynchrone
le moteur synchrone
les actuateurs linéaires électriques.
Les applications sont nombreuses et variées : vitesse de rotation (pompes, ventilateurs,
compresseurs, motorisation de véhicules etc.), les mouvements de matières etc.
L’étude détaillée de ces équipements n’est pas abordée dans ce document. Seules leurs
utilisations dans des applications est intéressant ici.
La conception d’un réseau industriel est très importante dans la résolution des problèmes
de régulation et de commande de procédés. Elle montre l’approche d’ingénierie adoptée
dans la solution d’un problème qui est très souvent vaste. En effet, il existe plusieurs
50
boucles de régulation et d’autres applications dans une industrie. « Comment peut-on
découper l’éléphant pour le manger ? dirait-on ».
Une approche méthodologique (voir www/isa.com en particulier ISA/IEC 62442) peut
permettre de mieux appréhender le problème. Cette approche recommande que l’on
décompose (segmenter) l’application en zone, entité et ensemble. Dans le cas d’une
industrie de transformation, on peut distinguer trois niveaux :
la cellule ou zone
le site de production
et l’entreprise et son intégration.
Cette décomposition tient compte de la topologie de l’entreprise.
1. Zonage ou segmentation local.
Dans cette segmentation, on conseille la connexion de moins de 200 appareilles dans un
réseau local de type VLAN. C’est un moyen efficace pour une segmentation et pour le
respect des contraintes de trafic.
2. Conception de réseau pour un site de production.
Dans le cadre de l’internet des objets (Iot, internet of things), des objets de plus en plus
intelligents seront connectés par adressage IP et par réseau mobile. Pour assurer la
sécurité du réseau et son efficacité, la fréquence de 2,4 GHz habituellement utilisé dans
d’autres applications n’est pas conseillée pour des applications industrielles. On lui préfère
celle de 5GHz ou il y a moins d’interférence. Autres considérations : nombre de I/O, les
CPU, Les mémoires vives et le nombre d’objets à déployer ainsi que le nombre d’année
de déploiement.
3. Intégration de l’entreprise
Dans le cadre l’internet des objets, il est conseillé d’utiliser un réseau centré sur l’IP.
L’utilisation du Cloud computing pour l’intégration des applications permet une meilleure
maintenance, une réduction des couts, et une agilité, pourvu que les infrastructures
réseaux soient de bonne qualité.
51
Encadré (source www.isa.org). Utilisation de réseau Wifi dans les mesures dans
l’industrie alimentaire :
Les bandes de fréquence habituellement utilisées dans les applications sont celle de 2,4
GHz. Celles de 860 à 950MHz, et 433 MHz sont aussi utilisées. Le choix de la bande de
fréquence doit être judicieux. Les bandes de 2,4GHz et de 900MHz sont très sensibles à
l’humidité et ont une atténuation dans ces milieux. Celle de 433 MHz sont adaptés pour
des applications de cuisson
Source ABB.
52
Un logiciel d’intégration est aussi nécessaire dans ces cas. Dans le cas de ABB (et de
plusieurs fournisseurs), une plateforme d’ingénierie et de SCADA (Supervisory control
and data acquisition) est nécessaire pour permettre de travail de configuration, et de
déploiement. Ainsi dans l’exemple cité, une plateforme nommée 800xA a été développée
par ABB dans les années 2000 et est opérationnelle sur le marché. D’autres logiciels
existent telles que DeltaV (Emerson), Ignition (Inductive Automation), Movicon (Progea)
etc.
La conception d’un bon réseau passe par une bonne architecture permettant une
maintenabilité, une réduction des couts de mise en œuvre et une agilité du système.
Plusieurs régulateurs peuvent être mis en réseau industriel comme l’indique la figure
suivante pour le YS1000 de chez Yokogawa.
53
Réseau Ethernet et Fieldbus et importance dans le réseau. A compléter
54
Bibliographie
Terrence Blevins and Mark Nixon. Control Loop Foundation –Batch and Continuous
processes. ISA, 2012
Jutard A. et Betemps, INSA lyon, cours de régulation numérique, 1998. Docinsa.insa-
lyon.
David Polka, Motors and drives : a practical technology guide. ISA
Karl Astroem and Tore Haegglung, PID controllers: Theory, design and tuning. 2nd Edition.
ISA
Karl Astroem and Tore Haegglung, Advanced PID Control. ISA.
D. Jacob, Régulation PID en Génie Electrique. Etudes de cas régulation. Eclipse, Sept.
2000. Technosup.
Sites internet :
www.hornerocs.com
www.signalconditioning.weidmuller.com
www.rotork.com
55
www.io4ab.com
www.automationdirect.com
www.omegamation.com
www.hardyinstruments.com
www.selinc.com
www.opto22.com
56