La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Résumé Algorithme de commande en ligne : ( Algorithme de commande en ligne : (http://MPC-AT-CB.univ-lyon1.fr) Modèle de comportement de la.

Présentations similaires


Présentation au sujet: "Résumé Algorithme de commande en ligne : ( Algorithme de commande en ligne : (http://MPC-AT-CB.univ-lyon1.fr) Modèle de comportement de la."— Transcription de la présentation:

1 Résumé Algorithme de commande en ligne : ( Algorithme de commande en ligne : (http://MPC-AT-CB.univ-lyon1.fr) Modèle de comportement de la peinture fonction des propriétés radiatives peintures et émetteurs IR Optimisation de la commande u(k) (le flux IR) pour minimiser le critère de performance J Conclusions Résultats expérimentaux Mai 2009 Golfe du Morbihan - VANNES Bruno da Silva, Isabelle Bombard,Pascal Dufour*, Pierre Laurent Bruno da Silva, Isabelle Bombard, Pascal Dufour*, Pierre Laurent * : Université de Lyon, Université Lyon 1 CNRS UMR 5007, LAGEP, F Villeurbanne Cedex Objectifs de commande en ligne Evaluer les performances du cycle de cuisson commandée en boucle fermée : la commande prédictive (via le logiciel doit être robuste vis-à-vis des incertitudes sur la connaissance de différentes propriétés radiatives des peintures et des comportements émetteurs difficiles à modéliser. Étude expérimentale de la robustesse dune commande prédictive dun procédé de cuisson sous infrarouge de peintures en poudre Lobjectif est de montrer la robustesse dune loi de commande prédictive en temps réel dun procédé de cuisson de peintures en poudre sur un support plan et métallique sous infrarouge. En dépit dun modèle de connaissance non parfait dû à des propriétés radiatives (statique et dynamique) de lémetteur et de la peinture complexes à modéliser et à mesurer en ligne, cette commande en boucle fermée permet de contrôler expérimentalement létat du feuil de peinture qui est étroitement lié à la maîtrise de lévolution des températures pendant le cycle de cuisson, en particulier au sein de la couche de peinture. 1. Four pilote Malgré des incertitudes de modélisation et de certains de ces paramètres, le cycle de cuisson choisi à lavance est suivi, quelque soit la couleur de léchantillon. La couleur blanche est la plus sensible à la variation en ligne de labsorptivité. La commande prédictive basée sur le modèle possède de façon intrinsèque des propriétés de robustesse intéressantes. Réglage de la commande : existence dun optimum sur le réglage de lhorizon de prédiction Np. Perspective : utilisation dun observateur (capteur logiciel en ligne basé sur un modèle) pour estimer le coefficient dabsorption. Cette estimation peut ensuite être utilisée en ligne dans le modèle afin daméliorer les performances de commande. 3. Etude expérimentale pour différentes valeurs des coefficients dabsorption de la peinture introduite dans le modèle Modèle de peinture noire Modèle de peinture blanche Modèle moyen n = 0.95 (-) b = 0.55 (-) m = 0.75 (-) 4. Critères dévaluation des performances : erreur quadratique moyenne RMSE P représente la différence entre la référence contrainte et la sortie du procédé, RMSE M représente la différence entre la sortie du procédé et la sortie du modèle 5. Résultats expérimentaux pour la peinture blanche : température modèle référence température ____ température expérimentale …… contraintes ____ flux IR …… contraintes o modèle avec n x modèle avec p + modèle avec m Meilleure performance :Np =12, = 0.55 M 2.. Contraintes à vérifier pour le flux infrarouge pendant loptimisation P Meilleure commande : Np =12, = 0.55


Télécharger ppt "Résumé Algorithme de commande en ligne : ( Algorithme de commande en ligne : (http://MPC-AT-CB.univ-lyon1.fr) Modèle de comportement de la."

Présentations similaires


Annonces Google