utilisation du logiciel de commande

Slides:



Advertisements
Présentations similaires
Un environnement de développement éducatif
Advertisements

Reconstitution de l’état d’un micro drone par fusion de données
La Méthode de Simplexe Standardisation
Hassane ABOUAÏSSA*, Michel FLIESS**, Cédric JOIN***
Non linéarités liées à la thermique
« Systèmes électroniques »
Lille, France – 02/12/2009 Journées CIGIL
Présentation de la société, des logiciels et des services
Un exemple de système EDA d'index supérieur distillation réactive avec réactions chimiques instantanément équilibrées Dr. Karim Alloula (ingénieur informatique.
Borhen LOUHICHI Merci, Monsieur le président,
SPCTS – UMR CNRS 6638 University of Limoges France
Laurent Burlion Directrice de thèse : Madame F. Lamnabhi-Lagarrigue
1 V-Ingénierie… La compétence au service de lexigence… vous présente.
GEF 243B Programmation informatique appliquée
1 Vers la découverte de nouvelles modalités sensori-motrices. Encadrants : Pierre Bessière Anne Spalanzani Pierre Dangauthier DEA I.V.R. 24 Juin 2003 Sélection.
A Pyramid Approach to Subpixel Registration Based on Intensity
ASSERVISSEMENTS ET REGULATION
Optimisation du portefeuille clients d’EDF suivant des modèles de type Markowitz DALLAGI Anes.
1 Placement automatique des composants lors du déploiement dapplications à base de composants Abdelkrim Beloued Chantal Taconet, Dhouha Ayed, Guy Bernard.
1 Intégration numérique garantie de systèmes décrits par des équations différentielles non-linéaires Application à l'estimation garantie d'état et de paramètres.
Modélisation et commande hybrides d’un onduleur multiniveaux monophasé
Stages Equipe Epidaure INRIA Sophia-Antipolis Grégoire Malandain.
Titre conférence lundi 27 mars 2017
Plus rapide chemin bicritère : un problème d’aménagement du territoire
Analyse de la variance à un facteur
L’optimisation par essaims De particules
Chapitre VII :Commande par retour d’état
THÈME APPLICATION OF THE ARTIFICIAL NEURAL NETWORK FOR MODELING THE THERMAL BEHAVIOR OF BUILDING IN HUMID REGION Léopold Mbaa, Pierre Meukamb, Alexis.
Interface Homme Machine IHM Pro
E. Wurtz1, L. Mora2, K.C. Mendonça3, C. Maalouf*4
Centre National de la Recherche Scientifique Institut National Polytechnique de Grenoble Université Joseph Fourier Laboratoire G-SCOP 46, av Félix Viallet.
ELECTRONIQUE DE PUISSANCE Introduction
Cours d’Automatique MASTER OIV
MODÉLISATION DU TRANSPORT RÉACTIF EN MILIEU POREUX
Guy Gauthier, ing., Ph.D. Session été 2013.
Des RRA à la diagnosticabilité
Application des algorithmes génétiques
DEA Intelligence Artificielle et Optimisation Combinatoire
Mise en situation... m g l = 1 m l2 = 1 Positions: Vitesses:
Méthodes Numériques appliquées à la
Journée ConecsSdF 27 janvier 2011 ATELIER BENCHMARK Mise en œuvre du cas-test sur le simulateur Samovar Adrien GUENARD, INRIA Nancy, France Date.
Réduction de l’interaction d’un système MIMO
1 1 ST Crolles 2 Université Montpellier II France FTFC 2003 Représentation Unifiée des Performances Temporelles dune Bibliothèque de Cellules Standards.
DataLab® Toute la connaissance client en quelques minutes
Free surface flows in Code Saturne
F Copyright © Oracle Corporation, Tous droits réservés. Créer des programmes avec Procedure Builder.
Étude expérimentale de la robustesse d’une commande prédictive d’un procédé de cuisson sous infrarouge de peintures en poudre Bruno da Silva, Isabelle.
Guy Gauthier, ing., Ph.D. Session automne 2012.
Programmation linéaire en nombres entiers Algorithme de la subdivision successive («Branch and Bound Algorithm»)
CSI2520, Hiver 2007 Python Un langage de programmation par scripting et plus…
© Petko ValtchevUniversité de Montréal Janvier IFT 2251 Génie Logiciel Notions de Base Hiver 2002 Petko Valtchev.
Ordonnancement de tâches
Une introduction aux systèmes linéaires positifs C
Thierry Molinier > David Fofi >
Programmation linéaire en nombres entiers : les méthodes de troncature
GOL503 Spécificités sectorielles
Présentation de la méthode des Eléments Finis
ANALYSE METHODE & OUTILS
Institut de Recherche en Communications et Cybernétique de Nantes 1 Implémentation en précision finie modélisation et recherche de réalisations optimales.
1. Présentation générale du système
PRESTO Programme d’étude de séries temporelles Projet 4 ème année Jean-Frédéric Berthelot Paul-Alain Bugnard Camille Capelle Sébastien Castiel.
Réalisé par : Mr IRZIM Hédi Mr JRAD Firas
Guy Gauthier, ing., Ph.D. 6 janvier 2015
Conception d’un asservissement
Approche probabiliste pour la commande orientée
Présentation de la taxonomie XBRL BE-fr-pfs-ci Bruxelles, le 25 janvier 2006 Camille Dümm Pascal Rodrique Centrale des bilans.
Modélisation et simulation
CEA dapnia Saclay 24 Janvier LA COMMANDE PREDICTIVE FONCTIONNELLE de Jacques RICHALET COPPIER Hervé ESIEE-Amiens
CEA Dapnia Saclay 24 Janvier Hervé COPPIER ESIEE-Amiens De L’Identification et de la Modélisation au Contrôle : le Multicontrôleur,
Transcription de la présentation:

utilisation du logiciel de commande MPC@CB1 Commande prédictive en simulation/en ligne d’un procédé continu (du temps) : utilisation du logiciel de commande MPC@CB1 1© Université Claude Bernard Lyon 1 – EZUS, janvier 2007 Pour utiliser MPC@CB, contactez son auteur : dufour@lagep.univ-lyon1.fr http://hal.archives-ouvertes.fr/DUFOUR-PASCAL-C-3926-2008 http://www.lagep.univ-lyon1.fr/signatures/dufour.pascal

MPC : l’idée (née dans les ‘70) Morari, M.; Lee, J. L. Model predictive control: past, present and future. Computers and Chemical Engineering 1999, 23, 667–682 Prediction du modèle Référence Passé Futur Procédé Commande k+Nc k+Np Présent : k

MPC@CB : pourquoi faire ? Codes sources exploitables sous Matlab permettant de réaliser la commande prédictive sous contraintes d’un procédé continu (du temps). La spécificité de ces codes est tout d’abord de pouvoir adapter facilement MPC@CB à n’importe autre procédé SISO (Single Input Single Output), grâce à des fichiers utilisateurs (où celui-ci décrits ses équations) synchronisés par quelques fichiers standards principaux (où l’utilisateur doit très peu (voir pas) intervenir). Le modèle à fournir est sous la forme : c'est-à-dire que le modèle SISO initial comporte un nombre d’états quelconque, peut être linéaire ou non linéaire, temps invariant ou temps variant, à paramètres localisés et/ou répartis.

MPC@CB : pour quels problèmes de commande ? Il est simple à l’utilisateur de résoudre, au choix, plusieurs types de problèmes de commande, principalement : Commande prédictive pour un problème de régulation, de poursuite de trajectoire, de minimisation de temps opératoire avec ou sans contrainte sur la sortie considérée. Afin d’étudier la robustesse de MPC@CB, possibilité d’introduire des différences de valeurs entre les paramètres du procédé simulé et celui du modèle utilisé dans la loi de commande. Possibilité de spécifier un procédé mis en cascade au procédé contrôlé. Possibilité de préciser une condition quelconque pour terminer l’application. Commande en boucle fermée par PID en vue de la comparaison de performances avec la commande prédictive. Commande en boucle ouverte ou boucle fermée.

MPC@CB : une poursuite personnalisée du développement des codes La méthode de programmation utilisée pour développer ces codes permet très facilement de faire évoluer ces codes sources ,notamment pour: Commande prédictive avec un problème d’optimisation sous contrainte spécifique à l’utilisateur. La prise en compte de modèle SIMO, MISO ou MIMO. La prise en compte d’un observateur (capteur logiciel). Le passage de la simulation à l’application réelle de la loi de commande sur le procédé réel. L’interfaçage graphique GUI.

MPC@CB : références(*) de la loi de commande utilisée P. Dufour, Thèse "Contribution à la commande prédictive des systèmes à paramètres répartis non linéaires", avec Y. Touré, directeur de thèse au LAGEP Université Claude Bernard Lyon 1, 2000 OAI:TEL-00337724 P. Dufour, Y. Touré, D. Blanc, P. Laurent "On Nonlinear Distributed Parameter Model Predictive Control Strategy: On-line Calculation Time Reduction and Application to an Experimental Drying Process", Computers and Chemical Engineering, 27(11), pp. 1533-1542, 2003. OAI : HAL-00352371 (*) Références téléchargeables en archives libres sur : http://hal.archives-ouvertes.fr/DUFOUR-PASCAL-C-3926-2008

MPC@CB : références(*) avec applications J. De Temmerman, P. Dufour, B. Nicolaï, H. Ramon, "MPC as control strategy for pasta drying processes", soumis le 12 septembre 2007, Computers and Chemical Engineering, 33(1), 50-57, 2009. OAI : hal-00350086 B. Da Silva, P. Dufour, N. Othman, S. Othman, « Model Predictive Control of Free Surfactant Concentration in Emulsion Polymerization », submitted 6/21 September 2007 to the 17th IFAC World Congress 2008, Paper 823/1693, Seoul, South Korea, July 6-11, 2008. OAI : hal-00352737 N. Daraoui, P. Dufour, H. Hammouri, « Model Predictive Control of the Primary Drying Stage of the Drying of Solutions in Vials: an Application of the MPC@CB Software (Part 1) », Proceedings of the 5th Asia-Pacific Drying Conference (ADC) 2007, vol. 2, pp. 883-888, Hong Kong, China, August ,13-15 2007. hal-00352431 K. Abid, P. Dufour, I. Bombard, P. Laurent, « Model Predictive Control of a Powder Coating Curing Process: an Application of the MPC@CB© Software », Proceedings of the 26th IEEE Chinese Control Conference (CCC) 2007, Zhangjiajie, China, vol. 2, pp. 630-634, July 27-29 2007. OAI: hal-00338891 (*) Références téléchargeables en archives libres sur : http://hal.archives-ouvertes.fr/DUFOUR-PASCAL-C-3926-2008

MPC@CB (optimisation vitesse + contrainte) MPC@CB : application 1 : cuisson de poudre de peinture (Abid et al., 2007)  Contrainte sur la sortie, ajout d’une erreur sur les paramètres PID (régulation) MPC@CB (optimisation vitesse + contrainte)

MPC@CB : application 1 : cuisson de poudre de peinture (Abid et al  Contrainte sur la sortie, ajout d’une erreur sur les paramètres MPC@CB (optimisation vitesse + contrainte) PID (régulation) La saturation de la contrainte sortie nécessite de diminuer l’action de commande Conclusion : MPC@CB>PID  : Temps opératoir MPC  temps opératoir PID (de 10%) Consommation d’énergie MPC  consommation d’énergie PID (de 6.72%) Précision : au final, MPC se rapproche mieux de la référence que le PID

MPC@CB : application 2 : lyophilisation d’un vaccin (Daraoui et al Maximiser la vitesse de déplacement du front de sublimation Minimiser le temps de sublimation (Contraintes sur la variable de commande) (Contraintes sur la sortie) L’algorithme stoppe quand le front de séchage a fini de traverser le flacon : H(t)=L

MPC@CB : application 2 : lyophilisation d’un vaccin (Daraoui et al Fin : H(t)=L

MPC@CB : application 2 : lyophilisation d’un vaccin (Daraoui et al La saturation de la contrainte sortie provoque la diminution de l’action de commande

1© Université Claude Bernard Lyon 1 – EZUS, janvier 2007 MPC@CB : pour votre utilisation ? Pour utiliser le logiciel de commande MPC@CB1 pour votre problème de commande de procédé continu : dufour@lagep.univ-lyon1.fr http://hal.archives-ouvertes.fr/DUFOUR-PASCAL-C-3926-2008 http://www.lagep.univ-lyon1.fr/signatures/dufour.pascal 1© Université Claude Bernard Lyon 1 – EZUS, janvier 2007