Download - Télécom Physique Strasbourg FIP– 2ème année
![Page 1: Télécom Physique Strasbourg FIP– 2ème année](https://reader031.vdocuments.fr/reader031/viewer/2022012507/6182cfb226e1856507235744/html5/thumbnails/1.jpg)
Identification des systèmes dynamiques
Télécom Physique Strasbourg FIP– 2ème année
Professeur Michel de Mathelin
Cours intégré : 14 h
![Page 2: Télécom Physique Strasbourg FIP– 2ème année](https://reader031.vdocuments.fr/reader031/viewer/2022012507/6182cfb226e1856507235744/html5/thumbnails/2.jpg)
Programme du cours d’identification
• Chapitre I: Introduction – Définitions – Objectifs de l’identification
• Chapitre II: Structures de modèle – Modèles de connaissance et modèles de comportement – Modèles linéaires et non linéaires – Modèle à temps continu et à temps discret – Principe de parcimonie – Identifiabilité – Modèles déterministes et modèles stochastiques
• Chapitre III: Calcul du modèle – Méthodes graphiques – Algorithme des moindres carrés pondérés – Algorithme des moindres carrés récursifs – Méthode des moindres carrés étendus
![Page 3: Télécom Physique Strasbourg FIP– 2ème année](https://reader031.vdocuments.fr/reader031/viewer/2022012507/6182cfb226e1856507235744/html5/thumbnails/3.jpg)
Programme du cours d’identification (suite)
• Chapitre III: Calcul du modèle (suite) – Méthodes des moindres carrés généralisés – Méthode des variables instrumentales – Méthodes générales d’optimisation
• Chapitre IV: Mise en œuvre et validation – Choix des signaux d’entrées – Echantillonnage – Prétraitement des données – Calcul du modèle – Validation – Etude de cas
![Page 4: Télécom Physique Strasbourg FIP– 2ème année](https://reader031.vdocuments.fr/reader031/viewer/2022012507/6182cfb226e1856507235744/html5/thumbnails/4.jpg)
Bibliographie – ouvrages en français
• P. Borne et al. Modélisation et identification des processus. Technip, Paris, 1993.
• P. Borne et al. Analyse et régulation des processus industriels. Tome 1. Régulation continue. Technip, Paris, 1993.
• J.-M. Flaus. La régulation industrielle. Hermès, Paris, 1994.
• I. Landau. Identification et commande des systèmes. Hermès, Paris, 1995.
• I. Landau. Identification des systèmes. Hermès, Paris, 1998.
• R. Longchamp. Commande numérique de systèmes dynamiques. Presses Polytechniques et Universitaires Romandes, Lausanne, 1995.
• L. Povy. Identification des processus. Dunod, Paris, 1975.
![Page 5: Télécom Physique Strasbourg FIP– 2ème année](https://reader031.vdocuments.fr/reader031/viewer/2022012507/6182cfb226e1856507235744/html5/thumbnails/5.jpg)
Bibliographie – ouvrages en français (suite)
• J. Richalet. Pratique de l'identification. Hermes, Paris, 1991.
• M. Rivoire et J.-L. Ferrier. Cours d'automatique. Tome 3. Commande par calculateur - Identification.
Eyrolles, Paris, 1997. • E. Walter et L. Pronzato. Identification de modèles paramétriques à partir de
données expérimentales. Masson, Paris, 1994.
![Page 6: Télécom Physique Strasbourg FIP– 2ème année](https://reader031.vdocuments.fr/reader031/viewer/2022012507/6182cfb226e1856507235744/html5/thumbnails/6.jpg)
Bibliographie – ouvrages en anglais
• T. Bohlin. Interactive system identification: prospects and pitfalls. Springer Verlag, Berlin, 1991.
• R. Fletcher. Practical methods of optimization. John Wiley & Sons, New-York, 1987.
• P. Gill, W. Murray et M. Wright. Practical optimization. Academic Press, New-York, 1981.
• R. Johansson. System modelling and identification. Prentice-Hall, Englewood Cliffs, 1993.
• L. Ljung. System identification: Theory for the user. Prentice-Hall, Englewood Cliffs, 1987.
• L. Ljung. System identification: Matlab Toolbox user's guide. The Mathwork Inc., Natick, 1995.
• W. Press et al. Numerical recipes in C, the art of scientific computing. Cambridge University Press, Cambridge, 1986.
• T. Soderström & P. Stoica. System identification. Prentice Hall, Englewood Cliffs, 1989.
![Page 7: Télécom Physique Strasbourg FIP– 2ème année](https://reader031.vdocuments.fr/reader031/viewer/2022012507/6182cfb226e1856507235744/html5/thumbnails/7.jpg)
I.1 Définitions (1)
• I.1.1 Système
I. INTRODUCTION
u w y
x u = entrées y = sorties w = bruit + perturbation x = états
Système S
![Page 8: Télécom Physique Strasbourg FIP– 2ème année](https://reader031.vdocuments.fr/reader031/viewer/2022012507/6182cfb226e1856507235744/html5/thumbnails/8.jpg)
I.1 Définitions (2)
• I.1.2 Modèle
I. INTRODUCTION
u
y
M
M
Modèle Parallèle
Modèle Inverse
Paramètres : θ Modèle paramétrique : M(θ) Structure de modèle : M(.)
![Page 9: Télécom Physique Strasbourg FIP– 2ème année](https://reader031.vdocuments.fr/reader031/viewer/2022012507/6182cfb226e1856507235744/html5/thumbnails/9.jpg)
I.1 Définitions (3)
• I.1.3 Critère
I. INTRODUCTION
u
S
M(θ)
+
y(t)
aussi proche de zéro que possible
Critère J(.) à minimiser:
meilleur que au sens du critère J
Erreur de sortie pour un modèle parallèle
+-
![Page 10: Télécom Physique Strasbourg FIP– 2ème année](https://reader031.vdocuments.fr/reader031/viewer/2022012507/6182cfb226e1856507235744/html5/thumbnails/10.jpg)
I.2 Procédure d’identification
1. Recueil des données expérimentales - Sélection des signaux d’entrée - Conditionnement des données
2. Sélection de la structure de modèle - Plusieurs modèles possibles
3. Choix du critère - Sélection de J
4. Calcul du meilleur θ - Choisir un algorithme d’optimisation
5. Validation - Test pouvant invalider
Modèle acceptable
I. INTRODUCTION
![Page 11: Télécom Physique Strasbourg FIP– 2ème année](https://reader031.vdocuments.fr/reader031/viewer/2022012507/6182cfb226e1856507235744/html5/thumbnails/11.jpg)
II.1 Modèles de connaissance et modèles de comportement
Modèles de connaissance (boîte blanche) Modèles de comportement (boîte noir)
Modèles intermédiaires (boîte grise)
II. STRUCTURE DE MODELES
Modèles de connaissance
Modèles de comportement
Paramètre Sens concret Pas de sens concret Simulation Délicate Facile
Information à priori Prise en compte Négligée Domaine de validité Etendu Restreint
![Page 12: Télécom Physique Strasbourg FIP– 2ème année](https://reader031.vdocuments.fr/reader031/viewer/2022012507/6182cfb226e1856507235744/html5/thumbnails/12.jpg)
II.2 Modèles linéaires et modèles nonlinéaires
2.2.1 Modèle linéaire par rapport aux entrées (LRE)
2.2.2 Modèle linéaire par rapport aux paramètres (LRP)
2.2.3 Modèle affine par rapport aux paramètre (LAP)
II. STRUCTURE DE MODELES
LRP Avec LRP
régresseur
![Page 13: Télécom Physique Strasbourg FIP– 2ème année](https://reader031.vdocuments.fr/reader031/viewer/2022012507/6182cfb226e1856507235744/html5/thumbnails/13.jpg)
II.3 Modèles à temps continu et modèles à temps discret II. STRUCTURE DE MODELES
Modèles continus
Modèles discrets
Paramètres Indépendants des instants de mesure
Fonctions de la période d’échantillonnage
Simulation Délicate Facile
Information à priori utilisable inutilisable
Instant de mesure quelconques imposés
![Page 14: Télécom Physique Strasbourg FIP– 2ème année](https://reader031.vdocuments.fr/reader031/viewer/2022012507/6182cfb226e1856507235744/html5/thumbnails/14.jpg)
II.4 Principe de parcimonie II. STRUCTURE DE MODELES
Pour un jeu de données particulier meilleur que
Mais pouvoir prédictif de peut être meilleur que
Parcimonie « le moins de paramètres possibles » • Tester le pouvoir prédictif • Pénaliser la complexité
![Page 15: Télécom Physique Strasbourg FIP– 2ème année](https://reader031.vdocuments.fr/reader031/viewer/2022012507/6182cfb226e1856507235744/html5/thumbnails/15.jpg)
II.5 Identifiabilité II. STRUCTURE DE MODELES
u
M(θ)
+
y(t)=
+-
Système
Modèle
* Absence de bruit * Système et modèle de même structure
A. globalement identifiable si
B. localement identifiable si
C. non identifiable si une infinité de |
Soit |
![Page 16: Télécom Physique Strasbourg FIP– 2ème année](https://reader031.vdocuments.fr/reader031/viewer/2022012507/6182cfb226e1856507235744/html5/thumbnails/16.jpg)
II.6 Exemple (1) II. STRUCTURE DE MODELES
Bras manipulateur à 2 degrés de liberté, rigide et sous frottements
![Page 17: Télécom Physique Strasbourg FIP– 2ème année](https://reader031.vdocuments.fr/reader031/viewer/2022012507/6182cfb226e1856507235744/html5/thumbnails/17.jpg)
II.6 Exemple (2) II. STRUCTURE DE MODELES
Modèle de connaissance: Modèle dynamique
Paramètres: - Matrices d’inertie aux centres de masse:
- Position des centres de masse:
- Masses: et
18 paramètres différents
![Page 18: Télécom Physique Strasbourg FIP– 2ème année](https://reader031.vdocuments.fr/reader031/viewer/2022012507/6182cfb226e1856507235744/html5/thumbnails/18.jpg)
II.6 Exemple (3) II. STRUCTURE DE MODELES
Modèle non LRP et non LRE ne contenant que 8 paramètres
Changement de variables:
Modèle LRP
et +
Seulement 5 paramètres dont uniquement 4 identifiables !
![Page 19: Télécom Physique Strasbourg FIP– 2ème année](https://reader031.vdocuments.fr/reader031/viewer/2022012507/6182cfb226e1856507235744/html5/thumbnails/19.jpg)
II.6 Exemple (4) II. STRUCTURE DE MODELES
Paramètres du modèle identifiable
![Page 20: Télécom Physique Strasbourg FIP– 2ème année](https://reader031.vdocuments.fr/reader031/viewer/2022012507/6182cfb226e1856507235744/html5/thumbnails/20.jpg)
II.6 Exemple (5) II. STRUCTURE DE MODELES
Modèle LRP non LRE
Entrées Sorties/mesures états
€
˙ ̇ θ 1˙ ̇ θ 2
⎡
⎣ ⎢ ⎢
⎤
⎦ ⎥ ⎥
En effet
€
τ1
τ2
⎡
⎣ ⎢
⎤
⎦ ⎥ = M(θ1,θ2)
˙ ̇ θ 1˙ ̇ θ 2
⎡
⎣ ⎢ ⎢
⎤
⎦ ⎥ ⎥
+ F(θ1,θ2, ˙ θ 1, ˙ θ 2)
avec
![Page 21: Télécom Physique Strasbourg FIP– 2ème année](https://reader031.vdocuments.fr/reader031/viewer/2022012507/6182cfb226e1856507235744/html5/thumbnails/21.jpg)
II.6 Exemple (6) II. STRUCTURE DE MODELES
+ _
![Page 22: Télécom Physique Strasbourg FIP– 2ème année](https://reader031.vdocuments.fr/reader031/viewer/2022012507/6182cfb226e1856507235744/html5/thumbnails/22.jpg)
II.7 Modèles stochastiques (1) II. STRUCTURE DE MODELES
Ajout d’un modèle de bruit sous forme d’un processus stochastique
A. Modèle ARX (AutoRégressif à variable eXogène)
Bruit blanc de moyenne nulle
où T = Période d’échantillonnage Signifie « vraie » valeur des paramètres Retard pur du système
* (≥1 en général)
Structure de modèle
€
θ * = a1* ... ana
* b1* b2
* ... bnb*[ ]
T Vecteur des « vraies » valeurs du modèle
![Page 23: Télécom Physique Strasbourg FIP– 2ème année](https://reader031.vdocuments.fr/reader031/viewer/2022012507/6182cfb226e1856507235744/html5/thumbnails/23.jpg)
II.7 Modèles stochastiques (2) II. STRUCTURE DE MODELES
+
Représentation polynomiale
![Page 24: Télécom Physique Strasbourg FIP– 2ème année](https://reader031.vdocuments.fr/reader031/viewer/2022012507/6182cfb226e1856507235744/html5/thumbnails/24.jpg)
II.7 Modèles stochastiques (3) II. STRUCTURE DE MODELES
Modèle de prédiction
€
θ = a1 a2 ... ana b1 b2 ... bnb[ ]T
Estimée des paramètres
Prédiction de la sortie à l’instant k
si
Erreur de prédiction (à 1 pas)
![Page 25: Télécom Physique Strasbourg FIP– 2ème année](https://reader031.vdocuments.fr/reader031/viewer/2022012507/6182cfb226e1856507235744/html5/thumbnails/25.jpg)
II.7 Modèles stochastiques (4) II. STRUCTURE DE MODELES
Forme polynomiale:
Modèle LRP
Vecteur régresseur
NB: Prédiction à plusieurs pas Prédiction à 2 pas:
où Prédiction à un pas à l’instant k-2 de la sortie à l’instant k-1
Par extension : Prédiction à n pas
![Page 26: Télécom Physique Strasbourg FIP– 2ème année](https://reader031.vdocuments.fr/reader031/viewer/2022012507/6182cfb226e1856507235744/html5/thumbnails/26.jpg)
II.7 Modèles stochastiques (5) II. STRUCTURE DE MODELES
B. Modèle ARMAX (AutoRégressif à Moyenne Ajustée et variable eXogène)
Bruit blanc de moyenne nulle
€
θ * = a1* ... ana
* b1* ... bnb
* c1* ... cnc
*[ ]T
![Page 27: Télécom Physique Strasbourg FIP– 2ème année](https://reader031.vdocuments.fr/reader031/viewer/2022012507/6182cfb226e1856507235744/html5/thumbnails/27.jpg)
II.7 Modèles stochastiques (6) II. STRUCTURE DE MODELES
+
![Page 28: Télécom Physique Strasbourg FIP– 2ème année](https://reader031.vdocuments.fr/reader031/viewer/2022012507/6182cfb226e1856507235744/html5/thumbnails/28.jpg)
II.7 Modèles stochastiques (7) II. STRUCTURE DE MODELES
Modèle de prédiction
Prédiction à un pas Modèle non LRP
si
Erreur de prédiction
![Page 29: Télécom Physique Strasbourg FIP– 2ème année](https://reader031.vdocuments.fr/reader031/viewer/2022012507/6182cfb226e1856507235744/html5/thumbnails/29.jpg)
II.7 Modèles stochastiques (8) II. STRUCTURE DE MODELES
Formulation quasi-linéaire
Modèle non LRP
![Page 30: Télécom Physique Strasbourg FIP– 2ème année](https://reader031.vdocuments.fr/reader031/viewer/2022012507/6182cfb226e1856507235744/html5/thumbnails/30.jpg)
II.7 Modèles stochastiques (9) II. STRUCTURE DE MODELES
C. Modèle ARIMAX (AutoRégressif avec Intégration à Moyenne Ajustée et variable eXogène)
Action intégrale
![Page 31: Télécom Physique Strasbourg FIP– 2ème année](https://reader031.vdocuments.fr/reader031/viewer/2022012507/6182cfb226e1856507235744/html5/thumbnails/31.jpg)
II.7 Modèles stochastiques (10) II. STRUCTURE DE MODELES
D. Modèle ARARX et ARARMAX
Ajout d’un terme autorégressif sur le modèle de bruit
ARARX
ARARMAX
![Page 32: Télécom Physique Strasbourg FIP– 2ème année](https://reader031.vdocuments.fr/reader031/viewer/2022012507/6182cfb226e1856507235744/html5/thumbnails/32.jpg)
II.7 Modèles stochastiques (11) II. STRUCTURE DE MODELES
E. Modèle Erreur de sortie (« Output Error »)
+
€
θ * = b1* ... bnb
* f1* ... fn f
*[ ]T
![Page 33: Télécom Physique Strasbourg FIP– 2ème année](https://reader031.vdocuments.fr/reader031/viewer/2022012507/6182cfb226e1856507235744/html5/thumbnails/33.jpg)
II.7 Modèles stochastiques (12) II. STRUCTURE DE MODELES
Modèle de prédiction
si
Modèle non LRP
Modèle pseudo-LRP de simulation
![Page 34: Télécom Physique Strasbourg FIP– 2ème année](https://reader031.vdocuments.fr/reader031/viewer/2022012507/6182cfb226e1856507235744/html5/thumbnails/34.jpg)
II.7 Modèles stochastiques (13) II. STRUCTURE DE MODELES
F. Modèle de BOX et JENKINS
+
![Page 35: Télécom Physique Strasbourg FIP– 2ème année](https://reader031.vdocuments.fr/reader031/viewer/2022012507/6182cfb226e1856507235744/html5/thumbnails/35.jpg)
II.7 Modèles stochastiques (14) II. STRUCTURE DE MODELES
Modèle de prédiction
si