Cours Identification des procédés industriels Badreddine LOUHICHI

DESCRIPTION DES SYSTÈMES DYNAMIQUES PAR

DES MODÈLES MATHÉMATIQUES

1. Introduction
La première étape dans toute étude d’un système nécessite, sans doute, de représenter celui-
ci par un modèle pouvant caractériser son comportement dynamique. Ainsi, cette étape est
primordiale dans la synthèse d’un schéma de commande. Elle peut présenter des difficultés de
mise en œuvre pratique, en particulier dans le cas de systèmes complexes. Ce modèle peut
être mathématique ou non mathématique.

Nous donnons ci-après quatre définitions, qui sont relatives à la description des systèmes
dynamiques par des modèles mathématiques.

2. Méthodes de description des systèmes dynamiques

La description d’un système dynamique par un modèle paramétrique peut être menée à
partir de trois méthodes d’analyse, à savoir : méthode théorique, méthode expérimentale et
méthode théorico-expérimentale.

2.1. Méthode théorique de description des systèmes dynamiques

Dans ce cas, l’élaboration d’un modèle mathématique en vue de la description d’un
système dynamique est menée en se basant sur une analyse théorique, c’est-à-dire en
appliquant à ce système les lois universelles (de la physique, de l’électricité, de la mécanique,
etc.) qui le régissent. Le modèle mathématique ainsi élaboré est appelé modèle mathématique
de connaissance. Il est également appelé modèle mathématique théorique, du fait que sa classe
et sa structure ont été établies à partir d’une analyse théorique. Par ailleurs, les paramètres qui
interviennent dans un modèle mathématique de connaissance ont une signification physique

(vitesse, tension, température, etc.).

2.2. Méthode expérimentale de description de système dynamique

Cette méthode est basée sur l’analyse des mesures expérimentales (sortie, entrée, état)
issues de ce système. Nous cherchons ici un modèle mathématique, où nous sommes appelés

Chapitre 1 : Description des systèmes dynamiques par des modèles mathématiques 1

Cours Identification des procédés industriels Badreddine LOUHICHI

à sélectionner sa classe, à estimer sa structure et à estimer ses paramètres. L’élaboration du

modèle mathématique est faite, dans ce cas, en se basant sur des mesures recueillies du
système considéré. Ceci constitue bien l’étape d’identification de ce système.

2.3. Méthode théorico-expérimentale de description des systèmes

dynamiques
Dans cette méthode l’élaboration d’un modèle mathématique est menée en faisant appel à
une analyse théorico-expérimentale, qui est une combinaison entre la méthode théorique et la
méthode expérimentale. Le modèle mathématique élaboré par la méthode théorico-
expérimentale correspond donc à un modèle mathématique de type représentation.

2.4. Méthode d’élaboration des modèles mathématiques de

représentation
Lors de l’élaboration d’un modèle mathématique de type représentation, différents
problèmes de mise en œuvre peuvent se présenter. Nous devons donc disposer d’une certaine
méthodologie d’analyse afin de mener à bien cette tâche. Ainsi, nous devons réaliser
différents types d’essais expérimentaux sur le système considéré et utiliser des méthodes
appropriées de sélection de la classe, d’estimation structurelle et d’estimation paramétrique,
en vue d’obtenir un modèle mathématique adéquat.

Nous représentons figure 1.1 le schéma de la structure de description d’un système

dynamique.

Figure 1.1. Schéma de principe de la structure de description d’un système dynamique

Chapitre 1 : Description des systèmes dynamiques par des modèles mathématiques 2

Cours Identification des procédés industriels Badreddine LOUHICHI

3. Aperçu sur les perturbations aléatoires

Toute grandeur qui peut prendre lors d’un essai expérimental l’une quelconque des valeurs
possibles, inconnue d’avance, est dite aléatoire ou stochastique.

3.1. Classification des perturbations aléatoires

Dans un contexte idéal, les mesures effectuées sur un système dynamique ne sont pas
entachées de perturbations aléatoires et les hypothèses de travail retenues sont parfaites.
Cependant, ceci n’est pas toujours confirmé en pratique. En effet, les valeurs mesurées de la
sortie d’un système dynamique sont entachées de perturbations aléatoires, bien que les
conditions essentielles de travail soient maintenues constantes.

Ces perturbations aléatoires sont donc dues à la présence de certaines conditions

secondaires, qui influent sur le résultat expérimental, mais ne figurant pas parmi les
conditions essentielles lors de la mise en équation du système.

Nous appellerons ici « bruit » toute perturbation aléatoire pouvant agir sur un système
dynamique. Ainsi, nous classons les bruits en quatre catégories, à savoir : bruit du système,
bruit de description, bruit d’entrée et bruit de mesure.

3.2. Analyse des perturbations aléatoires

L’analyse des perturbations aléatoires a attiré l’attention de plusieurs chercheurs dans

divers domaines, notamment en Automatique. En effet, le développement important remarqué
ces dernières années dans la commande des systèmes dynamiques est étroitement lié aux
méthodes d’analyse des perturbations aléatoires, qui agissent à différents endroits du système
commandé. Ainsi, lors de la formulation d’une loi, en vue de l’appliquer à un système opérant
dans un environnement stochastique, une analyse rigoureuse des perturbations aléatoires
mises en jeu s’impose afin de pouvoir satisfaire les objectifs de commande visés.

4. Modèles mathématiques considérés

La description d’un système dynamique par un modèle mathématique est une étape
primordiale lors de la formulation d’une certaine loi de commande pouvant être appliquée à
ce système, en vue de satisfaire des indices de performance désirés. Dans ce cas, le modèle
mathématique retenu doit décrire « au mieux » la dynamique du système à commander.

Chapitre 1 : Description des systèmes dynamiques par des modèles mathématiques 3

Cours Identification des procédés industriels Badreddine LOUHICHI

Il est important de souligner que, lors de la synthèse d’un schéma d’estimation ou de

commande d’un système dynamique, nous pouvons envisager essentiellement trois types de
représentation du modèle mathématique pouvant décrire le comportement de ce système, à
savoir :

1. représentation par fonction de transfert, où le modèle mathématique est donné sous la

forme d’une fonction de transfert dans le plan de Laplace;

2. représentation en espace d’état, dans laquelle le modèle mathématique est défini par une
équation de l’évolution de l’état du système et une équation de l’observation de sa sortie.
Nous parlerons ici d’un modèle mathématique d’état, qui est constitué par ces deux équations;

3. représentation opératorielle, dans laquelle le modèle mathématique est décrit par une
équation aux différences; il est souvent appelé modèle mathématique entrée-sortie.

5. Modèles mathématiques entrée-sortie

Ce paragraphe est réservé à la présentation de différents types de modèles mathématiques

entrée-sortie, qui sont très répandus dans plusieurs applications industrielles. Notons toutefois
que les modèles mathématiques entrée-sortie considérés ici sont de type représentation.

Considérons un système dynamique opérant dans un environnement stochastique, qui peut

être décrit par un modèle mathématique entrée-sortie, linéaire, stochastique, monovariable, à
retard et à paramètres constants. La structure générale de ce modèle mathématique peut être
décrite par l’expression suivante :

q  d B  q 1 
y k   u  k   w0  k  (1.1)
A  q 1 

avec q 1 dénotant l’opérateur de retard : q 1 y  k   y  k  1 , y(k) et u(k) désignent

respectivement la sortie et l'entrée du système à l'instant discret k, d est le retard intrinsèque

du système, w0 (k) représente l’ensemble des perturbations pouvant agir sur différents endroits
du système, et A  q 1  et B  q 1  sont des polynômes définis par :

A  q 1   1  a1q 1  a2 q 2  ...  anA q  nA (1.2)

B  q 1   b1q 1  b2 q 2  ...  bnB q  nB (1.3)

nA et nB étant les ordres des polynômes A  q 1  et B  q 1  respectivement.

Chapitre 1 : Description des systèmes dynamiques par des modèles mathématiques 4

Cours Identification des procédés industriels Badreddine LOUHICHI

Il est parfois possible d’opter pour une description dans laquelle le retard est inclus dans la
structure du polynôme B  q 1  et correspond à ses premiers paramètres nuls. Par exemple, si

le premier paramètre b1 = 0, alors le retard d = 1.

Remarquons que le polynôme A  q 1  commence par 1 et non pas par un paramètre

quelconque a0, c’est ainsi qu’il dit monique. Ceci est fait pour avoir un polynôme A  q 1 

normalisé dans l’expression du modèle mathématique, ce qui permet de formuler des schémas
d’estimation ou de commande.

Nous traitons ici le cas général d’un système stochastique, où le terme w0(k) intervenant
dans le modèle mathématique (1.1) représente l’ensemble des perturbations aléatoires et des
perturbations mesurables, qui peut être défini par l’expression suivante :

q  d L  q 1  C  q 1 
w0  k    k   ek  (1.4)
M  q 1  D  q 1 

où les polynômes M  q 1  , L  q 1  , C  q 1  et D  q 1  sont donnés par les expressions

suivantes :

M  q 1   1  m1q 1  m2 q 2  ...  mnM q  nM (1.5)

L  q 1   l1q 1  l2q 2  ...  lnL q  nL (1.6)

C  q 1   1  c1q 1  c2 q 2  ...  cnC q  nC (1.7)

D  q 1   1  d1q 1  d 2 q 2  ...  d nD q  nD (1.8)

Le modèle mathématique (1.1) se réécrit sous la forme suivante :

q  d B  q 1  q  d L  q 1  C  q 1 
y k   u k    k   ek  (1.9)
A  q 1  M  q 1  D  q 1 

5.1. Modèle mathématique entrée-sortie général

Un modèle mathématique entrée-sortie, plus général que le modèle mathématique (1.9) et
où le signal de sortie y(k) est filtré par un polynôme E  q 1  , peut être défini par :

q  d B  q 1  q  d L  q 1  C  q 1 
E q 1
 y k   u k    k   e k  (1.10)
A  q 1  M  q 1  D  q 1 

Chapitre 1 : Description des systèmes dynamiques par des modèles mathématiques 5

Cours Identification des procédés industriels Badreddine LOUHICHI

où E  q 1  est un polynôme monique, donné par :

E  q 1   1  e1q 1  e2 q 2  ...  enE q  nE (1.11)

Le schéma bloc du modèle mathématique entrée-sortie général (1.10) est représenté par la
figure 1.2 suivante :

Figure 1.2. Schéma bloc du modèle mathématique entrée-sortie général

5.2. Modèle mathématique entrée-sortie DARMA

Un système dynamique opérant dans un environnement déterministe (i.e., les perturbations
aléatoires sont supposées négligeables) peut être décrit par un modèle mathématique entrée-
sortie du type (1.10), avec e(k) = 0 et E  q 1   1 , soit:

q  d B  q 1  q  d L  q 1 
y k   u k    k  (1.12)
A  q 1  M  q 1 

Une version simplifiée du modèle mathématique entrée-sortie, tel que décrit par (1.12), où
l’ensemble des perturbations mesurables est absent (i.e., υ(k) = 0), peut être donnée par :

A  q 1  y  k   q  d B  q 1  u  k  (1.13)

Un modèle mathématique entrée-sortie du type (1.12) ou (1.13) est souvent noté dans la
littérature anglo-saxonne DARMA (Deterministic Auto-Regressive Moving Average).

5.3. Modèle mathématique entrée-sortie ARMAX

Un système dynamique opérant dans un environnement stochastique peut être décrit par un
modèle mathématique entrée-sortie, qui peut découler du modèle mathématique général (1.10)
avec: υ(k) = 0, D  q 1   A  q 1  et E  q 1   1 , tel que :

Chapitre 1 : Description des systèmes dynamiques par des modèles mathématiques 6

Cours Identification des procédés industriels Badreddine LOUHICHI

A  q 1  y  k   q  d B  q 1  u  k   C  q 1  e  k  (1.14)

Il est important d’indiquer que le modèle mathématique entrée-sortie (1.14) est très répandu
dans la synthèse des schémas d’estimation ou de commande des systèmes stochastiques. Dans
ce sens, ce type de modèle mathématique a été appliqué, avec succès, dans plusieurs
applications industrielles.

Par ailleurs, le modèle mathématique entrée-sortie (1.14) est appelé modèle auto-régressif à
moyenne mobile et entrée exogène (ou externe). Dans la littérature anglo-saxonne, il est noté
ARMAX (Auto-Regressive Moving Average with eXogeneous) ou CARMA (Controlled
AutoRegressive and Moving Average).

5.4. Modèle mathématique entrée-sortie ARIMAX

Un autre cas particulier du modèle mathématique entrée-sortie général (1.10), qui peut
découler du modèle mathématique entrée-sortie ARMAX (1.14) en introduisant une légère
modification du terme de bruit, est décrit par l’expression suivante :
1
A  q 1  y  k   q  d B  q 1  u  k   C  q 1     q 1   e  k  (1.15)

où   q 1  est un opérateur aux différences, donné par :

  q 1   1  q 1 (1.16)

Dans la littérature anglo-saxonne, le modèle mathématique entrée-sortie (1.15) est noté

ARIMAX (Auto-Regressive Integrated Moving Average with eXogeneous) ou CARIMA
(Controlled AutoRegressive Integrated and Moving Average). En fait, ce modèle
mathématique permet d’incorporer une action intégrale dans la loi de commande; ce qui
permet d’assurer une meilleure stabilité du schéma de commande.

6. Conclusion
Ce premier chapitre a été réservé à la description des systèmes dynamiques par des modèles
mathématiques.
Il faut toujours avoir un modèle de connaissances, si mauvais soit-il pour pouvoir « sentir »
le procédé et interpréter vos résultats. Ce modèle de connaissances est le préalable à toute
identification de système quelle que soit la méthode employée.

Chapitre 1 : Description des systèmes dynamiques par des modèles mathématiques 7