Automatique 3

Je suis désolé celui-là est un peu long mais j’ai pas réussi à faire plus court (c’et aussi pour ça que j’ai découpé l’automatique en 3 partie). Voir automatique1 et automatique2 avant celui-ci bien sûr !

Je vais essayer ici de présenter très succinctement sans artéfact mathématique les différentes techniques de contrôle des procédés. Je rappelle qu’on appelle procédé un système physique pourvu d’entrées (que l’on manipule) et de sorties (que l’on souhaite réguler ou maintenir dans certaines plages). Pour plus d’information, je vous renvoie à Wikipédia. Jusqu’à la semaine dernière, la partie automatique de Wikipédia France était quasiment vide (imaginez vous que le terme PID n’était mentionné nulle part, pourtant j’ai bien cherché partout), cela m’ étonne un peu d’ailleurs qu’il n’y avait aucun article traitant de la théorie du contrôle, je me suis donc investi de la mission de compléter cette encyclopédie libre au mieux possible mais c’est un travail de longue haleine. Vous pouvez donc désormais vous reporter à mes articles Wikipédia suivants (qui sont tous à étoffer donc si vous êtes spécialiste automaticien, ne vous gênez pas pour les modifier) :



Le contrôleur roi de l’industrie : le PID

 Un sigle qui signifie régulateur à action Proportionnelle-Intégrale-Dérivée ! Kesako ? Eh bien le principe est plutôt simple. C’est un régulateur qui fonctionne en boucle  fermée (voir Automatique1), il donne donc une action sur le procédé en fonction de l’erreur consigne/mesure. Mais l’astuce ici est qu’on s’intéresse aussi à l’historique de cette erreur. En gros, on regarde son évolution dans le temps. Si l’erreur diminue très vite (on se rapproche du point désiré rapidement) on va venir diminuer notre action pour ne pas trop dépasser la consigne et si l’erreur diminue lentement, on va booster notre action pour arriver plus vite au point désiré. Pour cela, on dispose de 3 paramètres P, I et D à régler (à « tunner »). Ceci est un problème loin d’être évident même si on peut arriver à un résultat potable de manière empirique. En tout cas, dans ce régulateur, tout est question de compensation et de compromis, quand on améliore quelque chose (par exemple la rapidité) on vient dégrader autre chose (par exemple le dépassement). L’ingénieur contrôle doit donc faire des compromis et trouver un résultat qui satisfait un cahier des charges, bien sûr la solution n’est pas unique, il n’y a pas de méthode parfaite !! Il faut tout de même savoir que dans 70% des industries utilisant des PID (j’avance au hasard ce chiffre mais a mon avis c est encore pire que ça), ils sont réglés à la main de manière empirique, avec l’habitude et la pratique. A titre d’exemple votre ordinateur comporte plusieurs centaines de boucles PID !! Bah oui pour réguler le ventilateur, les tensions, les courants, la position de la tête de lecture de votre disque dur, DVD, les moteurs qui font tourner tout ce bazar, tout ce petit monde est contrôlé avec des PID… Evidement ici on ne règle pas à la main, c’est trop long, on fait de l’ « auto-tunning », comme ça tout se règle automatiquement (on automatise l’automatisme en fait), je vous passe les détails théoriques complexes, mais il faut savoir que ça existe. Je vous parle de ça car aujourd’hui j’ai assisté à une conférence à ce propos. Bref, si vous n’avez jamais entendu ce terme PID avant, sachez que vous en êtes dépendant tous les jours !

Contrôle avancé

 Bien sûr le PID atteint ses limites très rapidement quand les systèmes sont complexes, surtout quand il y a beaucoup de variables à réguler en même temps, quand il y a des retards importants et le pire de tout lorsque le système est à phase non minimale. Ce dernier terme un peu barbare signifie que si on demande par exemple à un truc d’aller vers la gauche, il va d’abord aller vers la droite pour aller ensuite à gauche. En gros, il produit la réponse inverse à ce qu’on avait prévu, dans ce cas là, le PID est complètement perdu (du style, dans les systèmes cryogéniques du CERN pour refroidir les aimants supraconducteurs, c’est ce qui se passe: quand on demande au bidule de ce refroidir, il se réchauffe avant !!!). La solution ? eh bien le contrôle avancé (c’est à dire tout sauf les retours d’état, les PID et les correcteurs simples)!!

Voici ce qui existe :

La commande prédictive, mon contrôle préféré ! Ici on parle de MPC (Model Predictive Control) car c’est un système de contrôle qui utilise un modèle du procédé. On connaît à priori le système et on vient prédire dans le futur jusqu’à un certain horizon ce qui va se passer pour anticiper. C’est le problème du conducteur automobile qui regarde au loin la route. S’il voit un feu vert depuis un bout de temps au loin, il va lever le pied de l’accélérateur au cas ou celui-ci passe au rouge (je parle des conducteurs sages évidemment, pas des branleurs en R5 avec des vitres fumées écoutant de la techno à l’aide de leur caisson de basse avec un sticker « tunning touch » sur la vitre arrière). Voir Commande prédictive sur Wikipédia pour plus de détails, j’ai fait quelque chose de plutôt accessible mais c’est loin d’être fini.

La commande adaptative : C’est une méthode de régulation qui peut être de n’importe quel ordre (un PID par exemple) mais l’ajustement des paramètres de contrôle se fait en temps réel. Pour cela, on vient effectuer une identification (voir automatique 2 ) en temps réel. C’est très utile lorsque les modèles des systèmes sont amenés à varier énormément. Par exemple en aéronautique, les composants d’un avion se comportent différemment au décollage au raz du sol et à 10 000 mètres d’altitudes (températures, pressions…). On actualise en permanence le modèle qui permet de changer les paramètres du contrôle.

Les commandes Robustes, souvent non-linéaires, également utilisation des LMI en linéaire, s’appuyant sur la théorie de Lyapunov (Tu vois de quoi je parle Milouze ? Je te vois sourire en Suisse depuis l’Espagne).  Ici on vient élaborer un contrôleur garantissant la stabilité et la robustesse du système (le genre d’applications où on a pas le droit à l’erreur du style centrale nucléaire). Donc dans cette rubrique mathématiquement barbare je m’étendrais pas trop parce que c’est vraiment impossible à vulgariser. Enfin si, au contraire, c’est même passionnant et peu même être abordé philosophiquement mais je laisserais à S.N ce plaisir avec ses futurs étudiants J Je projète un futur article sur le théorème de Lyapunov dans Wikipédia d’ailleurs (Milouze tu me prêteras le bouquin de Khalil j’espère, j’ai pas envie de débourser 120€).

Les contrôleurs flous (fuzzy logic: Ici, deux principales techniques, les systèmes experts et les réseaux de neurones.

  • Pour les systèmes experts, on vient formuler une base de connaissances. Cette base est constituée d’un ensemble de lois empiriques (si je cours j’ai très chaud, si je bois un coca je me rafraîchit un peu, si un pote me serre la main, ça me fait rien, si je vois une superbe fille qui vient me parler dans un bar, j’ai très très chaud et si son copain arrive alors je me refroidit à la vitesse de l’éclair). On ne quantifie jamais précisément, juste en disant, beaucoup, un peu, pas du tout… Grâce à ces connaissances empiriques on vient élaborer une technique de contrôle permettant de tenir compte de toutes ces contraintes mais à différents degrés (plus la fille est mignonne et plus j’ai chaud).
  • Pour les réseaux de neurones, c’est toujours un peu flou mais très différent. Cette méthode se base en effet sur le fonctionnement des réseaux de neurones de notre cerveau. C’est à dire que tout le monde communique sur différents niveau et il y a un phénomène d’apprentissage par l’expérience. La statistique est le maître mot ici. A titre de comparaison, avec un ordinateur super puissant, la vitesse de calcul est encore 1000 fois inférieur à celle de notre cerveaux en considération du nombre de neurones. En gros, si vous aviez cet ordinateur dans la tête il vous faudrait plus de 3h pour traverser un passage piéton modeste, au lieu de 20 secondes (ce que je dis est un peu débile mais cette comparaison m’est venu naturellement). Chaque neurone effectue un calcul très simple du style s’il reçoit un chiffre entre 10 et –10 il fait rien, si c’est supérieur à 10, il envoie 1, sinon il renvoie 0 (ou -1). Un neurone peut posséder un grand nombre d’entrées mais toujours une seule sortie (appelée axone) et on effectue alors plusieurs sommes pondérées entre toutes les actions des neurones. Pour l’apprentissage, ce sont les poids de ces sommes qui vont varier. On entraîne les neurones avec des exemples dont on connaît la solution et au fur et à mesure, les différentes pondérations se modifient (en fait on renforce ou diminue les liaisons). Donc plus l’entraînement est long, plus le réseau sera performant. Je rentre pas plus dans les détails, peut être un article dédié un de ces quatre.

Je mentionne juste vite fait que bien sûr, tout cela nécessite souvent des systèmes de supervision dans l’industrie (SCADA) pour contrôler tout en temps en réel sur des écrans et vérifier tout le bazar qui fonctionne. Ca emploie pas mal de monde en général, des opérateurs, pour manipuler les procédés et les surveiller. Cet aspect ne doit jamais être négligé en industrie, il garanti une bonne maintenance et une bonne utilisation.(en photo salle de control du CERN)

FIN DE L’AUTOMATIQUE 

 En espérant désormais que le monde de l’automatique vous est un peu plus familier. Si vous avez trouvez ça ennuyeux, je vous le dit tout de suite, je ne traiterai plus ce sujet, je passe sur Wikipédia pour ce domaine, je conserve ici mes loisirs hors boulot qui sont plutôt tournés vers la réflexion sur la Science et la physique fondamentale (surtout les particules).

 A venir : les trous noirs, la cosmologie et l’expansion de l’univers pour sortir du monde Terre à Terre de l’Automatique et se mettre la tête dans les étoiles (je ne sais pas s’il y a beaucoup de lecteurs qui arriveront jusqu’à cette ligne mais bon… le principal c’est d’y croire)

Bien sûr vous pouvez m’envoyer des petits mails si vous voulez des détails

7 réponses à “Automatique 3

  1. Pour les trous noirs, c’est assez simple, c’est ce qui m’arrive souvent en exam!

  2. Cher Benjamin, je suis allé au bout de tous les articles, ce fut un plaisir.Merci

  3. j’ai pu te suivre et je suis alle sur wiki esperant satisfaire ma curiosite mais non je n’ai pas compris la logique floue Ce n est pas de ta faute je ne dois pas être conformé pour cela 

  4. J’ai lu l’article entier. Ce fut tres interessant, mais …. je ne sais toujours pas ce que fait la touche fuzzy logic sur mon appareil photo …Comme quoi google a des limites mais permet de decovrir des trucs passionants.Et merci a toi Ben

  5. Alexandre Moraux

    Très complet ce tour d’horizon de l’automatique, il est en effet difficile de rentrer en détails dans chacune des méthodes exposées, que ce soit en commande, en modélisation ou en identification.Peut-on admettre que les réseaux de neurones font partis des contrôleurs flous ? Ou sont-il plus généralement liés a l’intelligence artificiel, au même titre que la commande à logique floue.J’ajouterai juste que les réseaux de neurones sont également très pratiques en identification/modélisation également pour représenter des comportements non linéaires, difficilement exprimables par un jeu d’équation, sous forme d’une boite grise avec un fonctionnement semi appréhendé.

  6. Merci, c’est trés bien,mais j’attend encore plus des détails sur la commade prédictive j’en ai besoin. 

  7. Cet article de vulgarisation est très intéressant. Nous venons de publier un logiciel innovant qui met en oeuvre ces différentes techniques, surtout celle basée sur Model Predictive Control. Tous les détails sont sur http://aptitude.ipcos.be/en/inca_discovery_iaCiao,Seb.

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.