Commande Prédictive. J. P. Corriou. LSGC-ENSIC-CNRS, Nancy.

Dimension: px
Commencer à balayer dès la page:

Download "Commande Prédictive. J. P. Corriou. LSGC-ENSIC-CNRS, Nancy. e-mail : corriou@ensic.inpl-nancy.fr"

Transcription

1 Commande Prédictive J P Corriou LSGC-ENSIC-CNRS, Nancy

2 Ý Consigne Trajectoire de référence Ý Ö Réponse Ý Horizon de prédiction À Ô ¹ Ù ¹ Temps Entrée Ù Horizon de commande À ¹ ¹ Passé Instant actuel Futur Temps d échantillonnage FIG 1 Principe de la Commande Prédictive basée sur le Modèle avec ses horizons de prédiction et de commande Objectif : maintenir les variables de commande proches de leurs consignes tout en respectant les contraintes opératoires du procédé

3 Premières publications 1978 : J Richalet, A Rault, JL Testud, J Papon, "Model Predictive Heuristic Control : Applications to Industrial processes", Automatica, 14, (1978) 1979 : C R Cutler, B L Ramaker, "Dynamic matrix control - a computer control algorithm", AIChE Annual Meeting, Houston, Texas (1979) Remarque importante : - développement par des sociétés industrielles : Adersa, Shell - ces articles concernent des applications industrielles complexes : distillation, FCC en pétrochimie

4 Nombreuses variantes et dénominations - IDCOM : IDentification-COMmand (Richalet et al) en tant que MAC (Model Algorithmic Control) - DMC : Dynamic Matrix Control (Cutler, Ramaker, 1979) - GPC : Generalized Predictive Control (Clarke, 1987) - EPSAC : Extended Prediction Self-Adaptive Control (Keyer, Cauwenberghe 1985) - EHAC : Extended Horizon Adaptive Control (Ydstie, 1984)

5 Intérêt selon Richalet d un algorithme de commande par optimisation Différents niveaux distingués : Niveau 0 : commande des systèmes esclaves (vannes) par des PID Niveau 1 : commande dynamique du procédé sous forme multivariable Niveau 2 : optimisation des consignes par minimisation de fonctions de coût Niveau 3 : ordonnancement spatial et temporel de la production Conclusion : Bénéfices économiques des niveaux 0 et 1 faibles µ porter l effort sur le niveau 2 (optimisation dynamique)

6 Objectifs généraux selon (Qin et Badgwell, 1996) de la Commande Prédictive Basée sur le Modèle 1 éviter la violation des contraintes d entrée et de sortie 2 amener les variables manipulées vers leurs valeurs stationnaires optimales (optimisation dynamique par rapport aux entrées), 3 amener les variables commandées vers leurs valeurs stationnaires optimales en prenant en compte les degrés de liberté restants (optimisation dynamique par rapport aux sorties), 4 éviter des variations excessives des variables manipulées, 5 lorsque les signaux et les actionneurs sont en défaut, commander une aussi grande partie du procédé que possible Les codes commerciaux de MPC respectent plus ou moins ces points de différentes manières

7 Démarche possible (Qin et Badgwell, 1996) - entrées Ù, perturbations, sorties Ý connues à l instant - mise à jour des sorties Calcul d un biais entre la sortie mesurée et la sortie prédite : Ý Ñ Ý ajout du biais à la sortie du modèle pour les prédictions suivantes : Ý Ü µ - détermination des entrées à manipuler et des sorties à commander (optimisation basée sur les degrés de liberté) - conditionnement mesuré par Ì ( est la matrice de gain du procédé) Améliorer ce conditionnement - optimisation stationnaire locale (éventuellement modèle non linéaire avec contraintes)

8 - optimisation dynamique : ÑÒ Ù Ù ½ Ù À ½ Â avec : Â ÈÀ Ô ½ Ý ÈÀ ½ É ¼ Ù ÈÀ ½ Ë ¼ Ù Ê soumise aux contraintes non linéaires du modèle : Ü Ü ½ Ù ½ µ ½ À Ô Ý Ü µ ½ À Ô et aux contraintes d inégalité des variables manipulées et commandées : Ù ÑÒ Ù Ù ÑÜ ½ À ½ Ù ÑÒ Ù Ù ÑÜ ½ À ½ Ý ÑÒ Ý Ý ÑÜ ½ À Ô ½ - hiérarchisation des contraintes : contraintes dures et contraintes douces - spécification des trajectoires de sortie et d entrée (consigne, zone, trajectoire de référence) - spécification des horizons de prédiction et de commande - identification (méthodes à erreur d équation ou erreur de sortie) Réponses impulsionnelles (IDCOM, HIECON) ou indicielles (DMC) souvent utilisées (intérêt : simplicité d où popularité dans l industrie) - réglage du régulateur Simulation hors-ligne Tests de régulation, poursuite, respect des contraintes, robustesse

9 Commande prédictive linéaire basée sur le modèle Description de DMC pour un système SISO Utilisation de la réponse indicielle : Ý ½µ Ý Å ½ Ù ½ µ Å ½ Ù Å µ Ù µ Å horizon du modèle "ss" : état stationnaire Décomposition de la prédiction de sortie basée sur les entrées passées et futures selon : Å Ý Ðµ Ý Ù Ð µ Ð ½ ßÞ Ð effet des entrées passées е ßÞ Ð effet des perturbations prédites Ð Ù Ð µ ½ ßÞ Ð effet des entrées futures Au-delà de l horizon de commande À, ie après l instant À, l entrée manipulée est supposée constante : Ù µ ¼ À

10 Définition de la prédiction de sortie correspondant à l influence des variations des entrées passées : Ý Ðµ Ý Å Ð ½ Calcul du vecteur des prédictions de sortie Ù Ð µ Ý ½µ ½ Ù µ Ý Ù ½µ Å Ù Å ½µ ½µ ½ Ù µ Ý ½µ ½µ Ý À µ ½ Ù À ½µ À Ù µ Ý À µ À µ Ý À ½µ Ù À ½µ À ½ Ù µ Ý À ½µ À ½µ Ý À Ô µ Å Ù À ½µ Å Ù µ d où : Ý ½µ Ý À Ô µ Ý À Ô µ À Ô µ si À Ô À Å ½ Ý ½µ Ý À Ô µ ½µ À Ô µ Ù µ Ù À ½µ

11 est la Matrice Dynamique de Commande du système de dimension À Ô À : ½ ¼ ¼ ½ À À ½ ½ Å Å ½ Å À ½ Å Å Å Å Å Å À lignes Å ½µ lignes ÀÔ À Å ½µ lignes La matrice dynamique est la même que la matrice de la commande prédictive généralisée Calcul du vecteur des prédictions de sortie Ý Ðµ correspondant à l influence des variations des entrées passées (en supposant À Ô Å) : Ý ½µ Ý Å ½µ Ý Åµ Ý À Ô µ Ý Ý Å Å ½ ¼ Å ¼ ¼ Å ¼ ¼ ¼ ¼ ¼ ¼ Ù Å ½µ Ù ½µ

12 Influence des effets non modélisés : µ Ý µ Ý µ et estimation des perturbations µ е µ Ý Ñ µ Ý µ Ý Ñ µ Ý È Å½ Ù µ Ð ½ À Ô Définition d un critère quadratique :  À Ô ½ Ý µ Ý ref µµ Minimisation par rapport au vecteur des entrées futures : Ù µ Ù µ Ù À ½µ Ì Système linéaire résultant : Ý ref ½µ Ý ½µ µ ½µ Ý ref À Ô µ Ý À Ô µ µ À Ô µ ½µ Ù µ Solution au sens des moindres carrés : Ù µ Ì µ ½ Ì ½µ Seule la première composante du vecteur Ù µ est implantée Choix : À petit et À Ô assez grand

13 Description de DMC pour un système MIMO Système multivariable (Ò Ù entrées, Ò Ý sorties) représenté par : Ý ½µ Ý ¼ Å ½ Ù ½µ ½µ Matrice dynamique multivariable composée de matrices élémentaires : ½½ ½ÒÙ ÒÝ ½ ÒÝ Ò Ù Modération des entrées en introduisant une matrice de poids diagonale : diag ½ ßÞ ½Ð ÒÙ ÒÙ µ À valeurs et pondération sélective des sorties par diagonale, : diag ½ ßÞ ½Ð ÒÝ ÒÝ µ À Ô valeurs Nouveau critère quadratique :  ½ ½ ½ Ý µ Ý Ö µ Ì ÙÌ µ Ì Ù µ ½ Ù µ ½µ Ì Ì ½ ÙÌ µ Ì Ù µ Solution en absence de contraintes : Ù µ Ì Ý µ Ì Ì Ì ½ Ì Ì Ý Ö µ Ù µ ½µ ½µ

14 Description de QDMC (Quadratic Dynamic Matrix Control) Prise en compte des contraintes : - contraintes affectant les entrées (ex : saturations de vannes), Ù min Ù Ù max (1) - contraintes affectant les sorties (ex : éviter les dépassements), - contraintes affectant d autres variables qui doivent être maintenues à l intérieur de limites - contraintes ajoutées au procédé afin d éviter des réponses inverses provoquant un comportement à non-minimum de phase - contraintes terminales sur l état Résumé sous forme d un système d inégalités linéaires : Ù µ ½µ (2) Formulation comme un problème de programmation quadratique : ÑÒ Ù µ ½ Ù µì À Ù µ ½µ Ì Ù µ soumis aux contraintes (1) et (2) (3)

15 Formulation dans l espace d état : OBMPC (Observer Based Model Predictive Control) Idée originale (Li, 1989) : représenter la trajectoire complète pour un système monovariable comme une suite d états : Ü ½ µ Ü ½µ ½ Ù ½µ Ü µ Ü ½ ½µ Ù ½µ ½ Å Utilisation de ces équations par rapport à la sortie prédite correspondant à l influence des variations passées : Ý ½µ Ý ½ ½µ Ù ½µ Pour un système MIMO (Ò Ù Ò Ý ), représentation du système à chaque instant par la matrice Ë des coefficients des réponses indicielles : ½½ ½ ½ÒÙ Ë ½ ÒÙ (4) ÒÝ ½ ÒÝ ÒÝ Ò Ù ( Ð coefficient indiciel à l instant de la sortie correspondant à l entrée échelon Ð) En absence de perturbations, modèle correspondant dans l espace d état : µ ½µ Ë Ù ½µ Ý µ µ

16 Introduction de perturbations comme dans la commande LQG, modèle correspondant dans l espace d état : avec : µ ½µ Ë Ù ½µ Ì Û ½µ Ý µ µ Ý µ Ý µ Ú µ µ Ý µ Ì Ý ½µ Ì Ý Å ½µ Ì Ü Ù µ Ì Ü Û µ Ì Ì Ý µ Ý ½ µ Ý Ò Ý µ Ì Ù µ Ù ½ µ Ù ÒÙ µ Ì la matrice de dimension ÅÒ Ý dim Ü Ù dim Ü Û µ : ¼ Á ÒÝ ¼ ¼ ¼ ¼ ¼ ¼ Á ÒÝ ¼ ¼ ¼ Á ÒÝ ¼ ¼ ¼ ¼ Á ÒÝ Ù Û ¼ ¼ ¼ Ù ¼ ¼ ¼ ¼ ¼ Û la matrice Ë : la matrice : Ë ¼ Á ÒÝ Ë ½ Ë Å Ù ¼ ¼

17 Dynamiques résiduelles du procédé et de perturbation incorporées : Ü Ù ½µ Ù Ü Ù µ Ù Ù µ Ü Û ½µ Û Ü µ Û Û µ Prédiction des sorties futures en utilisant un observateur d état (ex : filtre linéaire optimal de Kalman) de matrice de gain à Etape de prédiction du modèle : ½µ µ Ë Ù µ Etape de correction basée sur les mesures : avec : µ ½µ Ã Ý µ Ý ½µ ½µ Ý ½µ Ì Ý ½ ½µ Ì Ý Å ½µ Ì Ü Ù Ü Û Ì Ý ½µ µ

18 Optimisation : avec : Â ½µ Ê ½µ Í µ Í µ Ù µ Ì Ù ½µ Ì Ù À ½µ Ì Ì ½µ ÀÔ µ Ë ÀÔ Í µ Ý ½µ Ì Ý À Ô µ Ì Ì Ê ½µ Ö ½µ Ì Ö À Ô µ Ì Ì Ê trajectoire de référence La matrice Ë ÀÔ est : Ë ½ ¼ ¼ ¼ Ë Ë ½ ¼ ¼ Ë ÀÔ Ë À Ë À ½ Ë ½ Ë ÀÔ Ë ÀÔ ½ Ë ÀÔ À ½ ÀÔ ¼ Á ÒÝ À Ô Solution au sens des moindres carrés de OBMPC : Í µ Ë Ì À Ô Ì Ë ÀÔ Ì ½ Ë Ì À Ô Ì Ê ½µ ÀÔ µ

19 Commande Prédictive Non Linéaire Plusieurs approches (ex : linéarisation) Ici, seule approche franchement non linéaire décrite Deux obstacles principaux concernant l extension de la commande prédictive des systèmes linéaires aux systèmes non linéaires : la question de la stabilité pour les systèmes contraints à horizon fini Possibilité d introduire différents types de contraintes pour garantir la stabilité la lourdeur du calcul numérique : un problème d optimisation non linéaire doit être résolu en ligne et il n existe en général pas de garantie de trouver un optimum global Modèle non linéaire : Ü Øµ Ü Øµ ٠صµ Ü ¼µ Ü ¼ soumis aux contraintes d entrée et d état : Ü Øµ avec : Ü Ò Ü ÑÒ Ü Ü ÑÜ Ù Øµ Í avec : Í Ù Ò Ù Ù ÑÒ Ù Ù ÑÜ Formulation du problème de commande prédictive non linéaire comme un problème de commande optimale en boucle ouverte à horizon fini : ÑÒ Ù Â Ü Ù Ì Ôµ soumis à : Ø ÌÔ Ø Ü Ü Øµ ص É Ù µ Ê Ü Øµ Ü Ùµ Ü Ø Ü Øµ Ü Øµ et : Ü Ü Øµ ص Ù µ Í

20 Approches utilisées : (Mayne et Michalska, 1990) introduisent une contrainte d égalité terminale : Ü Ø Ì Ô µ ¼ qui force l état vers zéro à la fin de l horizon de prédiction (Michalska et Mayne, 1993) relaxent cette condition en la transformant en une contrainte d inégalité terminale : Ü Ø Ì Ô µ Å Å région terminale constituant un domaine d attraction pour le système non linéaire commandé localement par une loi de retour d état linéaire : Ù Ã Ü Ainsi proposition d un régulateur double comme régulateur à horizon glissant : - en dehors de la région terminale, un régulateur à horizon glissant est appliqué, - dans la région terminale, loi de retour d état linéaire La bascule entre les deux régulateurs doit être réalisée Pour être possible, l état à la fin de l horizon fini doit se trouver sur la frontière de la région terminale Le problème d optimisation suivant doit alors être résolu : ÑÒ ÙÌ Ô Â Ü Ù Ì Ô µ avec Ì Ô Ì, horizon de commande

21 Approche de Chen et Allgöwer (1998) : Introduction d un terme de pénalité terminale : ÑÒÙ Â Ü Ù Ì Ôµ Ü Ø Ì Ô Ü Øµ ص È Ø ÌÔ Ü Ü Øµ ص É Ù µ Ê Algorithme : Ø Etape 1 : Calculer la linéarisation jacobienne µ, puis déterminer le retour d état linéaire localement stabilisant : Ù Ã Ü Etape 2 : choisir une constante positive «ÑÜ Ã µ et résoudre l équation de Lyapunov : à «Áµ Ì È È Ã «Áµ É Ã Ì Ê Ãµ afin d obtenir la matrice définie positive È,avec à à Etape 3 : Trouver le plus grand ½ définissant la région Å ½ telle que les contraintes d état et d entrée soient satisfaites lorsque Ü Å ½ : Å ½ Ü Ò Ü Ì È Ü ½ et Å ½ et ÃÜ Í Ü Å ½ Etape 4 : Trouver le plus grand ¼ ½ spécifiant une région terminale Å : ÑÜ Ü Å Ü Ò Ü Ì È Ü telle que l état optimal solution du problème d optimisation suivant soit non positive : Ü Ì È Üµ «Ü Ì È Ü Ü Ì È Ü avec : ܵ Ü Ãܵ à Ü

22 Etape 5 : Choisir l horizon de prédiction Ì Ô satisfaisant : Ì Ô Ì Ì Ì temps maximum nécessaire pour que le système non commandé atteigne Å en partant de Ü ¼

23 Commande prédictive linéaire d un FCC Flue gas Gaseous Products REGENERATOR Stripping Steam PARTICLE SEPARATOR Dilute phase STRIPPER Dense phase Spent Catalyst RISER Air Regenerated Catalyst Feed Oil FIG 2 Schéma d une unité de cracking catalytique Entrées : Ù ½ débit de catalyseur régénéré, Ù débit d air Sorties : température à la sortie du riser Ì Ö ½µ, température dans le régénérateur Ì Ö

24 Modèle simplifié du FCC Riser Température d alimentation : Ì Ö ¼µ Ø ÔØ Ì Ö ÔÓÐ Ì ÓÐ Ì µ À ÚÔ ÔÓ Ì ÓÐ µ Ø ÔØ ÔÓ Fractions massiques d huile et d essence le long du riser : Ý Ó Température le long du riser : Þ ½ Ý Ó ÓÛÖ Ø Ý Þ «½ Ý Ó Ý µ ÓÛÖ Ø Ì Ö À Þ ÖÖ Ý Ó Ø ÔØ ÔÓÐ Ô ØÑ Þ Séparateur Coke sur le catalyseur : Ó Ô Ø Ø ÓÖ ½µ Ó Ô µ Ñ Ø Ô Température : Ì Ô Ø Ø ÔØ Ì Ö ½µ Ì Ô µ Ñ Ø Ô ÔØ

25 Régénérateur Coke sur le catalyseur : ÓÖ Ø Ø Ó Ô ÓÖ µ Ö Ñ ØÖ Fraction molaire de O dans le lit dense : Ü Ç Ø ½ Ñ ÖÖ Température : Ö Å ÛÖ Ü Ç Ò Ü Ç µ ½ µ Ò À ½ µ Ö Å ÛÓ Ì Ö Ø ½ Ñ ØÖ ÔØ Ø ÔØ Ì Ô Ö ÔÖ Ì Ö Ø ÔØ Ö ÔÖ µ Ì Ö À Ö Å ÛÓ

26 Réponses en boucle ouverte Riser Temperature (K) Regenerator Temperature (K) Temperature (K) Temperature (K) Time Time FIG 3 Variations de température à la sortie du riser Ì Ö ½µ et de temperature dans le régénérateur Ì Ö pour des échelons sur le débit d air de 5% 788 Riser Temperature (K) 982 Regenerator Temperature (K) Temperature (K) Temperature (K) Time Time FIG 4 Variations de température à la sortie du riser Ì Ö ½µ et de temperature dans le régénérateur Ì Ö pour des échelons sur le débit de catalyseur de 5%

27 Commande prédictive QDMC du FCC 308 FCC Flowrate of regenerated catalyst 264 FCC Flowrate of air Flowrate (kg/s) Flowrate (kg/s) Time (s) Time (s) FIG 5 Variations des entrées manipulées du FCC (QDMC) FCC Riser Temperature at outlet of riser Setpoint FCC Regenerator Temperature in regenerator Setpoint Temperature (K) Temperature (K) Time (s) Time (s) FIG 6 Variations des sorties commandées du FCC (QDMC) Choix : horizon du modèle À Ñ ¼, horizon de prédiction À Ô ¼, horizon de commande À Poids sur les entrées égaux à 1 et sur les sorties égaux à 10

28 Commande prédictive avec observateur OBMPC du FCC Flowrate (kg/s) FCC Flowrate of regenerated catalyst Flowrate (kg/s) FCC Flowrate of air Time (s) Time (s) FIG 7 Variations des entrées manipulées du FCC (OBMPC) FCC Riser Temperature at outlet of riser Setpoint FCC Regenerator Temperature in regenerator Setpoint Temperature (K) Temperature (K) Time (s) Time (s) FIG 8 Variations des sorties commandées du FCC (OBMPC) Choix : horizon du modèle À Ñ ¼, horizon de prédiction À Ô ¼, horizon de commande À Filtre de Kalman Ecart-type des mesures ¼ Poids sur les entrées et les sorties égaux à 1

Contrôle par commande prédictive d un procédé de cuisson sous infrarouge de peintures en poudre.

Contrôle par commande prédictive d un procédé de cuisson sous infrarouge de peintures en poudre. Contrôle par commande prédictive d un procédé de cuisson sous infrarouge de peintures en poudre. Isabelle Bombard, Bruno da Silva, Pascal Dufour *, Pierre Laurent, Joseph Lieto. Laboratoire d Automatique

Plus en détail

ENSPS 3A ISAV Master ISTI AR. J. Gangloff

ENSPS 3A ISAV Master ISTI AR. J. Gangloff Commande prédictive ENSPS 3A ISAV Master ISTI AR J. Gangloff Plan 1.Introduction / Historique 2.Modélisation du système 3.Fonction de coût 4.Équations de prédiction 5.Commande optimale 6.Exemples 7.Réglage

Plus en détail

Analyse de la Commande Prédictive Floue : Algorithmes et Méthodologies de Solution

Analyse de la Commande Prédictive Floue : Algorithmes et Méthodologies de Solution République Algérienne Démocratique et Populaire MINISÈTRE DE L ENSEIGNEMENT SUPÉRIEUR ET DE LA RECHERCHE SCIENTIFIQUE MÉMOIRE DE MAGISTÈRE Présenté à L UNIVERSITÉ MENTOURI CONSTANTINE FACULTÉ DES SCIENCES

Plus en détail

I Stabilité, Commandabilité et Observabilité 11. 1 Introduction 13 1.1 Un exemple emprunté à la robotique... 13 1.2 Le plan... 18 1.3 Problème...

I Stabilité, Commandabilité et Observabilité 11. 1 Introduction 13 1.1 Un exemple emprunté à la robotique... 13 1.2 Le plan... 18 1.3 Problème... TABLE DES MATIÈRES 5 Table des matières I Stabilité, Commandabilité et Observabilité 11 1 Introduction 13 1.1 Un exemple emprunté à la robotique................... 13 1.2 Le plan...................................

Plus en détail

Nicolas Petit. Commande prédictive. Notes de cours Option Procédé Environnement. http ://cas.ensmp.fr/~petit/

Nicolas Petit. Commande prédictive. Notes de cours Option Procédé Environnement. http ://cas.ensmp.fr/~petit/ Nicolas Petit Commande prédictive Notes de cours Option Procédé Environnement http ://cas.ensmp.fr/~petit/ École Centrale Paris Année scolaire 2005-2006 Table des matières 1 Théorie générale de la commande

Plus en détail

الجمهىريت الجسائريت الديمقراطيت الشعبيت وزارة التعليم العالي و البحث العلمي

الجمهىريت الجسائريت الديمقراطيت الشعبيت وزارة التعليم العالي و البحث العلمي الجمهىريت الجسائريت الديمقراطيت الشعبيت وزارة التعليم العالي و البحث العلمي République Algérienne Démocratique et Populaire Ministère de l Enseignement Supérieur et de la Recherche Scientifique Ecole Nationale

Plus en détail

Identification et réglage assisté par ordinateur d un processus thermique

Identification et réglage assisté par ordinateur d un processus thermique I- But de la manipulation : Identification et réglage assisté par ordinateur d un processus thermique Le but est de procéder à la modélisation et à l identification paramétrique d un procédé considéré

Plus en détail

Mathématiques appliquées à l informatique

Mathématiques appliquées à l informatique Mathématiques appliquées à l informatique Jean-Etienne Poirrier 15 décembre 2005 Table des matières 1 Matrices 3 1.1 Définition......................................... 3 1.2 Les différents types de matrices.............................

Plus en détail

Commande robuste et extensions Pierre Apkarian. Travail Sous-Marin 15-16 Janv. 2014

Commande robuste et extensions Pierre Apkarian. Travail Sous-Marin 15-16 Janv. 2014 Commande robuste et extensions Pierre Apkarian Travail Sous-Marin 15-16 Janv. 2014 Sommaire Introduction Techniques fondamentales de commande robuste Extensions Travail Sous-Marin 15-16 Janv. 2014 - -

Plus en détail

Utilisation d informations visuelles dynamiques en asservissement visuel Armel Crétual IRISA, projet TEMIS puis VISTA L asservissement visuel géométrique Principe : Réalisation d une tâche robotique par

Plus en détail

Mémoire de Juin 2010. PID versus PFC

Mémoire de Juin 2010. PID versus PFC Mémoire de Juin 21 PID versus PFC Joëlle.Mallet. IRA Jacques.Richalet. Guy Lavielle. Consultants Philippe.D.Perrichon - Sylvain.Girault. Sanofi-Aventis. Vitry sur Seine Introduction : L automatique industrielle

Plus en détail

Automatique Linéaire 1 Travaux Dirigés 1A ISMIN

Automatique Linéaire 1 Travaux Dirigés 1A ISMIN Automatique Linéaire 1 Travaux Dirigés Travaux dirigés, Automatique linéaire 1 J.M. Dutertre 2014 TD 1 Introduction, modélisation, outils. Exercice 1.1 : Calcul de la réponse d un 2 nd ordre à une rampe

Plus en détail

Mathématique et Automatique : de la boucle ouverte à la boucle fermée. Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans

Mathématique et Automatique : de la boucle ouverte à la boucle fermée. Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans Mathématique et Automatique : de la boucle ouverte à la boucle fermée Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans Maitine.Bergounioux@labomath.univ-orleans.fr Plan 1. Un peu de

Plus en détail

Imagerie interférométrique avec des données bruitées

Imagerie interférométrique avec des données bruitées Imagerie interférométrique avec des données bruitées Josselin Garnier (Université Paris Diderot) But de l imagerie : sonder un milieu inconnu avec des ondes pour en extraire de l information. Une méthode

Plus en détail

Ê ÙÐ Ø ÓÒ Ö Ò Ð Ý Ø Ñ ØÖ Ù Ö Ø ØÙÖ Ø Ð ÓÖ Ø Ñ Ö Ö Ï ÙØ Ð Ø ÙÐØ ÆÓØÖ ¹ Ñ Ä È Ü Æ ÑÙÖ Ð ÕÙ Û ÙØ Ð Ò Óº ÙÒ Ôº º Ê ÙÑ º ij ÑÔÓÖØ Ò Ð ÓÖ Ø Ñ Ö Ô ÖØ Ø ÓÒ Ö Ò Ð Ý Ø Ñ ØÖ Ù Ò³ Ø ÔÐÙ ÑÓÒØÖ Öº Ò Ø Ð Ó Ü ³ÙÒ ØÝÔ

Plus en détail

Formations EViews FORMATIONS GENERALES INTRODUCTIVES INTRO : INTRODUCTION A LA PRATIQUE DE L ECONOMETRIE AVEC EVIEWS

Formations EViews FORMATIONS GENERALES INTRODUCTIVES INTRO : INTRODUCTION A LA PRATIQUE DE L ECONOMETRIE AVEC EVIEWS Formations EViews FORMATIONS GENERALES INTRODUCTIVES DEB : DECOUVERTE DU LOGICIEL EVIEWS INTRO : INTRODUCTION A LA PRATIQUE DE L ECONOMETRIE AVEC EVIEWS FORMATIONS METHODES ECONOMETRIQUES VAR : MODELES

Plus en détail

Exercice : la frontière des portefeuilles optimaux sans actif certain

Exercice : la frontière des portefeuilles optimaux sans actif certain Exercice : la frontière des portefeuilles optimaux sans actif certain Philippe Bernard Ingénierie Economique & Financière Université Paris-Dauphine Février 0 On considère un univers de titres constitué

Plus en détail

Projet CLANU en 3GE: Compléments d algèbre linéaire numérique

Projet CLANU en 3GE: Compléments d algèbre linéaire numérique Projet CLANU en 3GE: Compléments d algèbre linéaire numérique Année 2008/2009 1 Décomposition QR On rappelle que la multiplication avec une matrice unitaire Q C n n (c est-à-dire Q 1 = Q = Q T ) ne change

Plus en détail

Filtrage stochastique non linéaire par la théorie de représentation des martingales

Filtrage stochastique non linéaire par la théorie de représentation des martingales Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de

Plus en détail

$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU

$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU $SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU Fabien FIGUERES fabien.figueres@mpsa.com 0RWVFOpV : Krigeage, plans d expériences space-filling, points de validations, calibration moteur. 5pVXPp Dans le

Plus en détail

Programmation linéaire

Programmation linéaire 1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit

Plus en détail

Programmation linéaire

Programmation linéaire Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire

Plus en détail

Ordonnancement robuste et décision dans l'incertain

Ordonnancement robuste et décision dans l'incertain Ordonnancement robuste et décision dans l'incertain 4 ème Conférence Annuelle d Ingénierie Système «Efficacité des entreprises et satisfaction des clients» Centre de Congrès Pierre Baudis,TOULOUSE, 2-4

Plus en détail

Twincat PLC Temperature Controller. Régulation de Température à l aide de TwinCAT PLC.

Twincat PLC Temperature Controller. Régulation de Température à l aide de TwinCAT PLC. Twincat PLC Temperature Controller Régulation de Température à l aide de TwinCAT PLC. VERSION : 1.0 / JYL DATE : 28 Novembre 2005 1 Installation...4 2 Présentation :...4 3 Schéma fonctionnel :...5 4 Générateur

Plus en détail

Modèles à Événements Discrets. Réseaux de Petri Stochastiques

Modèles à Événements Discrets. Réseaux de Petri Stochastiques Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés

Plus en détail

Sujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.

Sujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes. Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de

Plus en détail

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante

Plus en détail

Manuel de validation Fascicule v4.25 : Thermique transitoire des structures volumiques

Manuel de validation Fascicule v4.25 : Thermique transitoire des structures volumiques Titre : TTLV100 - Choc thermique dans un tuyau avec condit[...] Date : 02/03/2010 Page : 1/10 Manuel de Validation Fascicule V4.25 : Thermique transitoire des structures volumiques Document : V4.25.100

Plus en détail

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation

Plus en détail

Monitoring continu et gestion optimale des performances énergétiques des bâtiments

Monitoring continu et gestion optimale des performances énergétiques des bâtiments Monitoring continu et gestion optimale des performances énergétiques des bâtiments Alexandre Nassiopoulos et al. Journée d inauguration de Sense-City, 23/03/2015 Croissance de la demande énergétique et

Plus en détail

Correction de l épreuve intermédiaire de mai 2009.

Correction de l épreuve intermédiaire de mai 2009. Licence de Gestion. 3ème Année Année universitaire 8-9 Optimisation Appliquée C. Léonard Correction de l épreuve intermédiaire de mai 9. Exercice 1 Avec les notations du cours démontrer que la solution

Plus en détail

Programmation Linéaire - Cours 1

Programmation Linéaire - Cours 1 Programmation Linéaire - Cours 1 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Ouvrages de référence V. Chvátal - Linear Programming, W.H.Freeman, New York, 1983.

Plus en détail

Analyse des erreurs de mesure lors d une opération de soudage ; Définition d une instrumentation optimale.

Analyse des erreurs de mesure lors d une opération de soudage ; Définition d une instrumentation optimale. Analyse des erreurs de mesure lors d une opération de soudage ; Définition d une instrumentation optimale. Morgan DAL 1, Philippe LE MASSON 1, Michel DUMONS 1, Didier LAWRJANIEC 2 1 LIMATB, Université

Plus en détail

I. Programmation I. 1 Ecrire un programme en Scilab traduisant l organigramme montré ci-après (on pourra utiliser les annexes):

I. Programmation I. 1 Ecrire un programme en Scilab traduisant l organigramme montré ci-après (on pourra utiliser les annexes): Master Chimie Fondamentale et Appliquée : spécialité «Ingénierie Chimique» Examen «Programmation, Simulation des procédés» avril 2008a Nom : Prénom : groupe TD : I. Programmation I. 1 Ecrire un programme

Plus en détail

La régulation. Principe de régulation p. 2. La régulation PID p. 5. La régulation à modèle p. 12. Autres types de régulation p. 15

La régulation. Principe de régulation p. 2. La régulation PID p. 5. La régulation à modèle p. 12. Autres types de régulation p. 15 Le magazine Schneider Electric de l'enseignement technologique et professionnel Juin 2004 La régulation Principe de régulation p. 2 La régulation PID p. 5 La régulation est au cœur de toutes nos actions

Plus en détail

Annexe 6. Notions d ordonnancement.

Annexe 6. Notions d ordonnancement. Annexe 6. Notions d ordonnancement. APP3 Optimisation Combinatoire: problèmes sur-contraints et ordonnancement. Mines-Nantes, option GIPAD, 2011-2012. Sophie.Demassey@mines-nantes.fr Résumé Ce document

Plus en détail

Fonctions de plusieurs variables

Fonctions de plusieurs variables Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme

Plus en détail

Résolution de systèmes linéaires par des méthodes directes

Résolution de systèmes linéaires par des méthodes directes Résolution de systèmes linéaires par des méthodes directes J. Erhel Janvier 2014 1 Inverse d une matrice carrée et systèmes linéaires Ce paragraphe a pour objet les matrices carrées et les systèmes linéaires.

Plus en détail

Commande auto-adaptative par auto-séquencement, avec application à un avion instable

Commande auto-adaptative par auto-séquencement, avec application à un avion instable Commande auto-adaptative par auto-séquencement, avec application à un avion instable Patrice ANTOINETTE 1 2 Gilles FERRERES 1 1 ONERA-DCSD, Toulouse 2 ISAE, Toulouse GT MOSAR, 4 juin 2009 Plan Introduction

Plus en détail

Î ÐÙ Ø Ê Ñ ÙÖ Ô Ø Ð ÓÒÓÑ ÕÙ µ Ð Ê ÓÙÐ Ø ² Ì ÖÖÝ ÊÓÒ ÐÐ ÖÓÙÔ Ê Ö ÇÔ Ö Ø ÓÒÒ ÐÐ Ö Ø ÄÝÓÒÒ Ñ Ð ÐºÖ ÓÙÐ ØÖ ØÐÝÓÒÒ º Ö Ø ÖÖݺÖÓÒ ÐÐ Ö ØÐÝÓÒÒ º Ö ÈÐ Ò Ð³ ÒØ ÖÚ ÒØ ÓÒ ½º ÁÒØÖÓ ÙØ ÓÒ ÓÒ ÔÖÓÔÖ Ø Î ÐÙ ¹ Ø¹Ê Ä Ü

Plus en détail

Apports de la commande prédictive pour la régulation thermique des bâtiments

Apports de la commande prédictive pour la régulation thermique des bâtiments Apports de la commande prédictive pour la régulation thermique des bâtiments Petru-Daniel Moroşan, Romain Bourdais et Hervé Guéguen SUPELEC - IETR Avenue de la Boulaie - B.P. 81127 F-35511 Cesson-Sévigné

Plus en détail

UN PROCEDE DE SUPERVISION ET TELESURVEILLANCE A DISTANCE : UN OUTIL PEDAGOGIQUE FAVORISANT L INITIATION AU TRAVAIL DE GROUPE

UN PROCEDE DE SUPERVISION ET TELESURVEILLANCE A DISTANCE : UN OUTIL PEDAGOGIQUE FAVORISANT L INITIATION AU TRAVAIL DE GROUPE UN PROCEDE DE SUPERVISION ET TELESURVEILLANCE A DISTANCE : UN OUTIL PEDAGOGIQUE FAVORISANT L INITIATION AU TRAVAIL DE GROUPE Cyril Noirel (1), Didier Theilliol (2), Christophe Aubrun (3), Jean Christophe

Plus en détail

Modélisation intégrée des écoulements pour la gestion en temps réel d'un bassin versant anthropisé

Modélisation intégrée des écoulements pour la gestion en temps réel d'un bassin versant anthropisé 1 TGR Modélisation intégrée des écoulements pour la gestion en temps réel d'un bassin versant anthropisé Simon Munier Institut des Sciences et Industries du Vivant et de l'environnement (AgroParisTech)

Plus en détail

Contents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes

Contents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes Université Claude Bernard Lyon 1 Institut de Science Financière et d Assurances Système Bonus-Malus Introduction & Applications SCILAB Julien Tomas Institut de Science Financière et d Assurances Laboratoire

Plus en détail

Évaluation de la régression bornée

Évaluation de la régression bornée Thierry Foucart UMR 6086, Université de Poitiers, S P 2 M I, bd 3 téléport 2 BP 179, 86960 Futuroscope, Cedex FRANCE Résumé. le modèle linéaire est très fréquemment utilisé en statistique et particulièrement

Plus en détail

FacultéPolytechnique. Dimensionnement optimal de convertisseurs continu-continu isolés par la méthode des plans d expériences Travail de fin d études

FacultéPolytechnique. Dimensionnement optimal de convertisseurs continu-continu isolés par la méthode des plans d expériences Travail de fin d études FacultéPolytechnique Dimensionnement optimal de convertisseurs continu-continu isolés par la méthode des plans d expériences Travail de fin d études Stijn Coorevits Promoteurs : Prof. O. Deblecker Ir C.

Plus en détail

Projet de Traitement du Signal Segmentation d images SAR

Projet de Traitement du Signal Segmentation d images SAR Projet de Traitement du Signal Segmentation d images SAR Introduction En analyse d images, la segmentation est une étape essentielle, préliminaire à des traitements de haut niveau tels que la classification,

Plus en détail

Première STMG1 2014-2015 progression. - 1. Séquence : Proportion d une sous population dans une population.

Première STMG1 2014-2015 progression. - 1. Séquence : Proportion d une sous population dans une population. Première STMG1 2014-2015 progression. - 1 Table des matières Fil rouge. 3 Axes du programme. 3 Séquence : Proportion d une sous population dans une population. 3 Information chiffrée : connaître et exploiter

Plus en détail

CHAPITRE 1 : ETAT DE L ART.

CHAPITRE 1 : ETAT DE L ART. CHAPITRE 1 : ETAT DE L ART. 1. INTRODUCTION De nos jours, les machines tournantes sont de plus en plus performantes notamment en terme de rapport masse/puissance. Cela implique qu elles deviennent de plus

Plus en détail

Condition inf-sup pour l Elément Fini de Taylor-Hood È ¾ -iso-è ½

Condition inf-sup pour l Elément Fini de Taylor-Hood È ¾ -iso-è ½ Condition inf-sup pour l Elément Fini de Taylor-Hood È ¾ -iso-è ½ Patrick Ciarlet et Vivette Girault ciarlet@ensta.fr & girault@ann.jussieu.fr ENSTA & Laboratoire Jacques-Louis Lions, Paris 6 Condition

Plus en détail

RECONSIDÉREZ VOS TECHNOLOGIES

RECONSIDÉREZ VOS TECHNOLOGIES RECONSIDÉREZ VOS TECHNOLOGIES de mesure de viscosité en ligne Viscosimètre à diapason Micro Motion VISCOSIMÈTRE À DIAPASON MICRO MOTION D EMERSON Le viscosimètre à diapason (FVM) assure des mesures en

Plus en détail

INF6304 Interfaces Intelligentes

INF6304 Interfaces Intelligentes INF6304 Interfaces Intelligentes filtres collaboratifs 1/42 INF6304 Interfaces Intelligentes Systèmes de recommandations, Approches filtres collaboratifs Michel C. Desmarais Génie informatique et génie

Plus en détail

CAPTEURS - CHAINES DE MESURES

CAPTEURS - CHAINES DE MESURES CAPTEURS - CHAINES DE MESURES Pierre BONNET Pierre Bonnet Master GSI - Capteurs Chaînes de Mesures 1 Plan du Cours Propriétés générales des capteurs Notion de mesure Notion de capteur: principes, classes,

Plus en détail

Intérêt du découpage en sous-bandes pour l analyse spectrale

Intérêt du découpage en sous-bandes pour l analyse spectrale Intérêt du découpage en sous-bandes pour l analyse spectrale David BONACCI Institut National Polytechnique de Toulouse (INP) École Nationale Supérieure d Électrotechnique, d Électronique, d Informatique,

Plus en détail

Fiche technique. Vannes thermostatiques à eau de refroidissement Type AVTA. Septembre 2002 DKACV.PD.500.A4.04 520B1429

Fiche technique. Vannes thermostatiques à eau de refroidissement Type AVTA. Septembre 2002 DKACV.PD.500.A4.04 520B1429 Fiche technique Vannes thermostatiques à eau de refroidissement Septembre 2002 DKACV.PD.500.A4.04 520B1429 Table des matières Page Introduction... 3 Caractéristiques techniques... 3 AVTA pour fluides neutres...

Plus en détail

Intelligence précoce

Intelligence précoce Les données de procédé constituent une mine d informations très utiles pour l entreprise Geoff Artley Le secteur du raffinage est aujourd hui soumis à forte pression financière : amputation des marges,

Plus en détail

Mortalité observée et mortalité attendue au cours de la vague de chaleur de juillet 2006 en France métropolitaine

Mortalité observée et mortalité attendue au cours de la vague de chaleur de juillet 2006 en France métropolitaine Mortalité observée et mortalité attendue au cours de la vague de chaleur de uillet en France métropolitaine FOUILLET A 1, REY G 1, JOUGLA E, HÉMON D 1 1 Inserm, U75, Villeuif, France. Inserm CépiDc, IFR9,

Plus en détail

Logique binaire. Aujourd'hui, l'algèbre de Boole trouve de nombreuses applications en informatique et dans la conception des circuits électroniques.

Logique binaire. Aujourd'hui, l'algèbre de Boole trouve de nombreuses applications en informatique et dans la conception des circuits électroniques. Logique binaire I. L'algèbre de Boole L'algèbre de Boole est la partie des mathématiques, de la logique et de l'électronique qui s'intéresse aux opérations et aux fonctions sur les variables logiques.

Plus en détail

UQAC. UNTVUiSITf DU QUÊMC ACHICOUTUVB THÈSE PRÉSENTÉE À L'UNIVERSITÉ DU QUÉBEC À CHICOUTIMI COMME EXIGENCE PARTIELLE DU DOCTORAT EN INGENIERIE PAR

UQAC. UNTVUiSITf DU QUÊMC ACHICOUTUVB THÈSE PRÉSENTÉE À L'UNIVERSITÉ DU QUÉBEC À CHICOUTIMI COMME EXIGENCE PARTIELLE DU DOCTORAT EN INGENIERIE PAR UQAC UNTVUiSITf DU QUÊMC ACHICOUTUVB THÈSE PRÉSENTÉE À L'UNIVERSITÉ DU QUÉBEC À CHICOUTIMI COMME EXIGENCE PARTIELLE DU DOCTORAT EN INGENIERIE PAR RACHID ERROUISSI Contribution à la commande prédictive

Plus en détail

Calculs approchés d un point fixe

Calculs approchés d un point fixe M11 ÉPREUVE COMMUNE DE TIPE 2013 - Partie D TITRE : Calculs approchés d un point fixe Temps de préparation :.. 2 h 15 minutes Temps de présentation devant les examinateurs :.10 minutes Dialogue avec les

Plus en détail

Automatique Linéaire 1 1A ISMIN

Automatique Linéaire 1 1A ISMIN Automatique linéaire 1 J.M. Dutertre 2014 Sommaire. I. Introduction, définitions, position du problème. p. 3 I.1. Introduction. p. 3 I.2. Définitions. p. 5 I.3. Position du problème. p. 6 II. Modélisation

Plus en détail

Analyse et Commande des systèmes linéaires

Analyse et Commande des systèmes linéaires Analyse et Commande des systèmes linéaires Frédéric Gouaisbaut LAAS-CNRS Tel : 05 61 33 63 07 email : fgouaisb@laas.fr webpage: www.laas.fr/ fgouaisb September 24, 2009 Présentation du Cours Volume Horaire:

Plus en détail

16 Fondements du pilotage

16 Fondements du pilotage $YDQWSURSRV Le pilotage des systèmes de production est un sujet qui revêt une importance grandissante, au fur et à mesure que l automatisation de ceux-ci d une part, la multiplication des contraintes de

Plus en détail

Pré-dimensionnement par simulations dynamiques d un réacteur de stockage thermochimique assurant l autonomie d un système solaire combiné.

Pré-dimensionnement par simulations dynamiques d un réacteur de stockage thermochimique assurant l autonomie d un système solaire combiné. Pré-dimensionnement par simulations dynamiques d un réacteur de stockage thermochimique assurant l autonomie d un système solaire combiné. Samuel HENNAUT 1*, Sébastien THOMAS 1, Philippe ANDRE 1, Emilie

Plus en détail

La programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique

La programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique La programmation linéaire : une introduction Qu est-ce qu un programme linéaire? Qu est-ce qu un programme linéaire? Exemples : allocation de ressources problème de recouvrement Hypothèses de la programmation

Plus en détail

DEMARCHE ET MISE EN ŒUVRE

DEMARCHE ET MISE EN ŒUVRE Chapitre I : CONVENTIONS D ECRITURE 15 CHAPITRE I DEMARCHE ET MISE EN ŒUVRE Le développement de fonctions mathématiques peut répondre à plusieurs critères ou objectifs tels que la vitesse d exécution,

Plus en détail

Æ Ó ³ÓÖ Ö ¾ ½ ÌÀ Ë ÔÖ ÒØ Ú ÒØ Ð³ÍÒ Ú Ö Ø Ê ÒÒ ½ ÔÓÙÖ Ó Ø Ò Ö Ð Ö ÓØ ÙÖ Ð³ÍÒ Ú Ö Ø Ê ÒÒ ½ Å ÒØ ÓÒ ÁÒ ÓÖÑ Ø ÕÙ Ô Ö Ë Ö ÊÓÙÚÖ ÕÙ Ô ³ Ù Ð ÁÊÁË ÓÐ ÓØÓÖ Ð Å ÌÁËË ÓÑÔÓ ÒØ ÙÒ Ú Ö Ø Ö Á ËÁ Ì ØÖ Ð Ø ÍØ Ð Ø ÓÒ ³

Plus en détail

Les ordinateurs de plongée

Les ordinateurs de plongée NIVEAU 3 Les ordinateurs de plongée Tout le monde l utilise L arrivée des ordinateurs marque un progrès majeur dans la pratique de la plongée en scaphandre. Plus de calculs fastidieux d intervalles de

Plus en détail

Introduction à l informatique temps réel Pierre-Yves Duval (cppm)

Introduction à l informatique temps réel Pierre-Yves Duval (cppm) Introduction à l informatique temps réel Pierre-Yves Duval (cppm) Ecole d informatique temps réel - La Londes les Maures 7-11 Octobre 2002 -Définition et problématique - Illustration par des exemples -Automatisme:

Plus en détail

Économie d énergie dans les centrales frigorifiques : La haute pression flottante

Économie d énergie dans les centrales frigorifiques : La haute pression flottante Économie d énergie dans les centrales frigorifiques : La haute pression flottante Juillet 2011/White paper par Christophe Borlein membre de l AFF et de l IIF-IIR Make the most of your energy Sommaire Avant-propos

Plus en détail

Cours de Méthodes Déterministes en Finance (ENPC) Benoît Humez Société Générale Recherche Quantitative benoit.humez@sgcib.com

Cours de Méthodes Déterministes en Finance (ENPC) Benoît Humez Société Générale Recherche Quantitative benoit.humez@sgcib.com Cours de Méthodes Déterministes en Finance (ENPC) Benoît Humez Société Générale Recherche Quantitative benoit.humez@sgcib.com Points abordés Méthodes numériques employées en finance Approximations de prix

Plus en détail

La notion de dualité

La notion de dualité La notion de dualité Dual d un PL sous forme standard Un programme linéaire est caractérisé par le tableau simplexe [ ] A b. c Par définition, le problème dual est obtenu en transposant ce tableau. [ A

Plus en détail

PRECISION - REJET DE PERTURBATIONS T.D. G.E.I.I.

PRECISION - REJET DE PERTURBATIONS T.D. G.E.I.I. PRECISION - REJET DE PERTURBATIONS T.D. G.E.I.I.. Donner les erreurs en position, en vitesse et en accélération d un système de transfert F BO = N(p) D(p) (transfert en boucle ouverte) bouclé par retour

Plus en détail

COMOTEX COMmande temps réel de systèmes d Optique adaptative à Très grands nombres de degrés de liberté pour les télescopes EXtrêmement grands

COMOTEX COMmande temps réel de systèmes d Optique adaptative à Très grands nombres de degrés de liberté pour les télescopes EXtrêmement grands COMOTEX COMmande temps réel de systèmes d Optique adaptative à Très grands nombres de degrés de liberté pour les télescopes EXtrêmement grands Morgan GRAY Cyril PETIT, Sergey RODIONOV, Marc BOCQUET Laurent

Plus en détail

Introduction à l approche bootstrap

Introduction à l approche bootstrap Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?

Plus en détail

ÁÒØÖÓ ÙØ ÓÒ Ð ÔÖÓ Ö ÑÑ Ø ÓÒ Î ÓÙ Å ÖÓ Ó Ø Ü Ð Å Ø Ù È ÐØ Ö ¹Å Ð Å Ø ÙºÈ ÐØ ÖÒ ØÓÙÖÖ ÖºÓÑ ÀÓÑ Ô ØØÔ»» ÐØ ÖÒºÓÖ»Ô ÐØ ÖÑ»Û ÐÓÑ º ØÑ Å ÓÙÖ Ù»¾»¾¼¼¼ ÌÝÔÓ Ö Ô Ä Ì ¾ Ù Ø ÙÒ ÒØÖÓ ÙØ ÓÒ Ù ÒØ Ð ÔÖÓ Ö ÑÑ Ø ÓÒ Î ÓÙ

Plus en détail

La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1

La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois

Plus en détail

Principe d'alimentation par convertisseurs multiniveaux à stockage intégré - Application aux accélérateurs de particules

Principe d'alimentation par convertisseurs multiniveaux à stockage intégré - Application aux accélérateurs de particules Principe d'alimentation par convertisseurs multiniveaux à stockage intégré - Application aux accélérateurs de particules THÈSE N O 4034 (2008) PRÉSENTÉE le 30 mai 2008 À LA FACULTÉ DES SCIENCES ET TECHNIQUES

Plus en détail

Quantification Scalaire et Prédictive

Quantification Scalaire et Prédictive Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction

Plus en détail

Data Mining. Vincent Augusto 2012-2013. École Nationale Supérieure des Mines de Saint-Étienne. Data Mining. V. Augusto.

Data Mining. Vincent Augusto 2012-2013. École Nationale Supérieure des Mines de Saint-Étienne. Data Mining. V. Augusto. des des Data Mining Vincent Augusto École Nationale Supérieure des Mines de Saint-Étienne 2012-2013 1/65 des des 1 2 des des 3 4 Post-traitement 5 représentation : 6 2/65 des des Définition générale Le

Plus en détail

METHODES DE RESOLUTION EN ELEMENTS FINIS

METHODES DE RESOLUTION EN ELEMENTS FINIS Ecole Nationale Supérieure des Mines de Paris Enseignement spécialisé «Eléments finis» S3733-S3735 METHODES DE RESOLUTION EN ELEMENTS FINIS Stéphanie Basseville Frédéric Feyel 3ème 5ème semestre Année

Plus en détail

Utiliser les propriétés Savoir réduire un radical savoir +,-,x,: Utiliser les propriétés des puissances Calculer avec des puissances

Utiliser les propriétés Savoir réduire un radical savoir +,-,x,: Utiliser les propriétés des puissances Calculer avec des puissances ARITHMETIQUE 1 C B A Numération Ecrire en lettres et en chiffres Poser des questions fermées autour d un document simple (message, consigne, planning ) Connaître le système décimal Déterminer la position

Plus en détail

Direction des Études et Synthèses Économiques Département des Comptes Nationaux Division des Comptes Trimestriels

Direction des Études et Synthèses Économiques Département des Comptes Nationaux Division des Comptes Trimestriels Etab=MK3, Timbre=G430, TimbreDansAdresse=Vrai, Version=W2000/Charte7, VersionTravail=W2000/Charte7 Direction des Études et Synthèses Économiques Département des Comptes Nationaux Division des Comptes Trimestriels

Plus en détail

STATISTIQUES. UE Modélisation pour la biologie

STATISTIQUES. UE Modélisation pour la biologie STATISTIQUES UE Modélisation pour la biologie 2011 Cadre Général n individus: 1, 2,..., n Y variable à expliquer : Y = (y 1, y 2,..., y n ), y i R Modèle: Y = Xθ + ε X matrice du plan d expériences θ paramètres

Plus en détail

Comment ne pas construire un score-titanic

Comment ne pas construire un score-titanic Comment ne pas construire un score-titanic Mon mailing Olivier Decourt ABS Technologies / Educasoft Formations 1- Les principes 2- Un premier exemple : les vins de France 3- Mise en œuvre sous SAS 4- Un

Plus en détail

Automatique Modélisation et commande de systèmes par représentation d état

Automatique Modélisation et commande de systèmes par représentation d état Automatique Modélisation et commande de systèmes par représentation d état Marc BACHELIER - PPS5 October 30, 2013 Abstract Ce cours a pour objectif de faire découvrir des méthodes de conception de commande

Plus en détail

ESTIMATION DE LA HAUTEUR D UN LIT DE STOCKAGE DE L ENERGIE THERMIQUE UTILISANT UN MATERIAU A CHANGEMENT DE PHASE

ESTIMATION DE LA HAUTEUR D UN LIT DE STOCKAGE DE L ENERGIE THERMIQUE UTILISANT UN MATERIAU A CHANGEMENT DE PHASE 0-06 Novembre, 00, Sousse,Tunisie ESTIMATION DE LA HAUTEUR D UN LIT DE STOCKAGE DE L ENERGIE THERMIQUE UTILISANT UN MATERIAU A CHANGEMENT DE PHASE A. Benmansour A. Benzerdjeb Laboratoire de mécanique appliquée,

Plus en détail

Manipulateurs Pleinement Parallèles

Manipulateurs Pleinement Parallèles Séparation des Solutions aux Modèles Géométriques Direct et Inverse pour les Manipulateurs Pleinement Parallèles Chablat Damien, Wenger Philippe Institut de Recherche en Communications et Cybernétique

Plus en détail

L efficience énergétique...

L efficience énergétique... ......Une technique intelligente de régulation au service Edgar Mayer Product Manager CentraLine c/o Honeywell GmbH 02 I 2009 Grâce aux techniques de régulation intelligentes d aujourd hui, il est possible

Plus en détail

LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»

LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers

Plus en détail

Ê ÔÔÓÖØ Ø Ù ÐÐ ÙÑ Î Ð ÓÒ ¾ Ù Ò ¾¼¼¼ Ì Ð Ñ Ø Ö Á ÓÖ Ð ÓÑÑÙÒ Ø ÓÒ ½ ÈÖ ÒØ Ø ÓÒ Ð Ó Ø ¾ Ä ÓÑ Ò ³ Ø Ú Ø ¾º½ Ñ Ò ØÖ Ø ÓÒ Ý Ø Ñ Ð³ Ò ÓÖÑ Ø ÓÒ º º º º º º º º º º º ¾º¾ Ö Ø ØÙÖ Ö ÙÜ ÓÑÑÙÒ Ø ÓÒ º º º º º º º º

Plus en détail

Algorithmes pour la planification de mouvements en robotique non-holonome

Algorithmes pour la planification de mouvements en robotique non-holonome Algorithmes pour la planification de mouvements en robotique non-holonome Frédéric Jean Unité de Mathématiques Appliquées ENSTA Le 02 février 2006 Outline 1 2 3 Modélisation Géométrique d un Robot Robot

Plus en détail

Projetde SériesTemporelles

Projetde SériesTemporelles COMMUNAUTE ECONOMIQU E ET MONETAIRE DE L AFRIQUE CENTRALE (CEMAC) INSTITUT SOUS REGIONAL DE STATISTIQUES ET D ECONOMIE APPLIQUEE (ISSEA) Projetde SériesTemporelles MODELISATION DE LA RENTABILITE DE L INDICE

Plus en détail

T.P. FLUENT. Cours Mécanique des Fluides. 24 février 2006 NAZIH MARZOUQY

T.P. FLUENT. Cours Mécanique des Fluides. 24 février 2006 NAZIH MARZOUQY T.P. FLUENT Cours Mécanique des Fluides 24 février 2006 NAZIH MARZOUQY 2 Table des matières 1 Choc stationnaire dans un tube à choc 7 1.1 Introduction....................................... 7 1.2 Description.......................................

Plus en détail

Modélisation et Simulation

Modélisation et Simulation Cours de modélisation et simulation p. 1/64 Modélisation et Simulation G. Bontempi Département d Informatique Boulevard de Triomphe - CP 212 http://www.ulb.ac.be/di Cours de modélisation et simulation

Plus en détail

Calculer avec Sage. Revision : 417 du 1 er juillet 2010

Calculer avec Sage. Revision : 417 du 1 er juillet 2010 Calculer avec Sage Alexandre Casamayou Guillaume Connan Thierry Dumont Laurent Fousse François Maltey Matthias Meulien Marc Mezzarobba Clément Pernet Nicolas Thiéry Paul Zimmermann Revision : 417 du 1

Plus en détail

Minimisation de coût de l énergie de pompage Cas du Canal haut service des Doukkala. Pr. A. Oulhaj 1, A. Aboussaleh 1

Minimisation de coût de l énergie de pompage Cas du Canal haut service des Doukkala. Pr. A. Oulhaj 1, A. Aboussaleh 1 Résumé La hausse continue du coût de l'énergie et la rareté de l'eau rendent plus complexe la gestion de l'eau dans les périmètres irrigués. Ainsi au cours des deux dernières décennies, le prix de l'énergie

Plus en détail

LOGICIEL AUX ÉLÉMENTS FINIS H2D2 : VALIDATION DE LA FORMULATION DES ÉQUATIONS DE SAINT-VENANT. Rapport de recherche R-1023 Septembre 2008

LOGICIEL AUX ÉLÉMENTS FINIS H2D2 : VALIDATION DE LA FORMULATION DES ÉQUATIONS DE SAINT-VENANT. Rapport de recherche R-1023 Septembre 2008 LOGICIEL AUX ÉLÉMENTS FINIS H2D2 : VALIDATION DE LA FORMULATION DES ÉQUATIONS DE SAINT-VENANT Rapport de recherche R-1023 Septembre 2008 ii LOGICIEL AUX ÉLÉMENTS FINIS H2D2 : VALIDATION DE LA FORMULATION

Plus en détail

www.almig.de Turbocompresseurs Débit volumique : 25 350 m 3 /min DYNAMIC

www.almig.de Turbocompresseurs Débit volumique : 25 350 m 3 /min DYNAMIC www.almig.de Turbocompresseurs Débit volumique : 25 350 m 3 /min DYNAMIC 2 INTELLIGENTE DRUCKLUFT MADE IN GERMANY ALMiG Kompressoren GmbH est un nom associé à une technologie de haut de gamme en matière

Plus en détail

Master Modélisation Statistique M2 Finance - chapitre 4 Mouvement Brownien et modèle de Black-Scholes

Master Modélisation Statistique M2 Finance - chapitre 4 Mouvement Brownien et modèle de Black-Scholes Master Modélisation Statistique M2 Finance - chapitre 4 Mouvement Brownien et modèle de Black-Scholes Clément Dombry, Laboratoire de Mathématiques de Besançon, Université de Franche-Comté. C.Dombry (Université

Plus en détail