Contribution à la modélisation et à la commande avancée d'une classe des systèmes non linéaires multivariables : application à un groupe de conditionnement d'air

par Riad Riadi

Thèse de doctorat en Automatique et informatique appliquée

Sous la direction de Ahmed Rachid.

Soutenue en 2009

à Angers .

mots clés

• Systèmes non linéaires -- Thèses et écrits académiques
• Physique -- Modèles mathématiques -- Thèses et écrits académiques
• Systèmes -- Identification -- Thèses et écrits académiques
• Commande prédictive -- Thèses et écrits académiques
• Systèmes adaptatifs -- Thèses et écrits académiques

Résumé

Ce mémoire de thèse traite de la modélisation physique, de l'identification des modèles paramétriques et de la commande d'un groupe de conditionnement d'air complexe (non linéaire, multivariable). Après avoir obtenu un modèle à paramètres répartis et un autre à paramètres localisés, nous avons appliqué deux méthodes de modélisation paramétrique des systèmes non linéaires à partir des données entrées-sorties. Le premier modèle à base d'une structure auto-régressive non linéaire (NARX) ; dans ce cas les paramètres et la structure du modèle sont identifiés simultanément par un algorithme itératif à orthogonalisation des régresseurs. Le deuxième modèle est un modèle flou affine de type Takagi-Sugeno (TS). Ce type de molèle permet une représentation à base de règles qui approximent la dynamique non linéaire comme une concaténation de sous-modèles localement linéaires. Les paramètres de ce modèle flou sont identifiés par différents algorithmes d'optimisation tels que : les moindres carrés, Levenberg Marquardt et les algorithmes génétiques. Le meilleur modèle obtenu nous a servi de simulateur. Afin de commander la température et l'humidité relative du système , la synthèse de commande prédictive généralisée à été proposée sous une approche décentralisée et sous différentes stratégies : déterministe, adaptative indirecte et adaptative directe, à base de modèle MLPDPF. . . .

Titre traduit

Contribution to the modelling and to the advanced control of nonlinear and multivariable class systems : application to an air conditioning system

Résumé

This thesis treats the physical modelling, the parametric model identification and the control of a complex air conditioning system (nonlinear, multivariable and stochastic). When we have obtained the distributed parametric model and an other one with localised parameters, we have applied two methods of parametric modelling for nonlinear system based on inputs-output data. The first model is based on nonlinear auto regressions structure (NARX). In this case the parameters and structure model are identified simultaneously with the regressor orthogonalisation iterative algorithm. The second is an affine fuzzy model of Takagi-Sugeno (TS) type. This type of model allows a rule-based representation which approximates the nonlinear dynamic as concatenation of autoregressive sub-models locally linear. The parameters of this fuzzy model are identified with different optimisation algorithms as : least square method, Levenberg-Marquardt and generic algorithm, where the best model is used as a system simulator. With different strategies : deterministic, indirect adaptive and direct adaptative, based on MLPDPF model, the generalised predictive control is proposed with a decentralised approach for the mixture air temperature and relative humidity control. . . . . .