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

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

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

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

Commande industrielle GEL-4100 / GEL-7063

Commande industrielle GEL-4100 / GEL-7063 Commande industrielle GEL-4100 / GEL-7063 Cours 02 Éric Poulin Département de génie électrique et de génie informatique Automne 2011 Plan du cours 02 2. Réglage des régulateurs PID 2.6 Analyse des performances

Plus en détail

en sciences de l ingénieur

en sciences de l ingénieur Systèmes Automatisés Optimisation en sciences de l ingénieur présente les principales méthodes exactes d optimisation statique et dynamique. Parmi les méthodes décrites figurent : - la programmation linéaire

Plus en détail

Restauration d images

Restauration d images Restauration d images Plan Présentation du problème. Premières solutions naïves (moindre carrés, inverse généralisée). Méthodes de régularisation. Panorama des méthodes récentes. Problème général Un système

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

ENSEIRB-MATMECA PG-113 2014. TP6: Optimisation au sens des moindres carrés

ENSEIRB-MATMECA PG-113 2014. TP6: Optimisation au sens des moindres carrés ENSEIRB-MATMECA PG-113 014 TP6: Optimisation au sens des moindres carrés Le but de ce TP est d implémenter une technique de recalage d images qui utilise une méthode vue en cours d analyse numérique :

Plus en détail

M1/UE CSy - module P8 1

M1/UE CSy - module P8 1 M1/UE CSy - module P8 1 PROJET DE SIMULATION AVEC MATLAB RÉGULATION DU NIVEAU ET DE LA TEMPÉRATURE DANS UN BAC En vue de disposer d un volume constant de fluide à une température désirée, un processus

Plus en détail

AUTOMATIQUE Glossaire

AUTOMATIQUE Glossaire AUTOMATIQUE Glossaire J.J. Orteu 22 septembre 2005 Table des matières 1 Français Anglais 2 2 Anglais Français 5 1 1 Français Anglais Action dérivée Action intégrale Action proportionnelle Actionneur Amorti

Plus en détail

Régulation par PID Mickaël CAMUS Etienne DEGUINE Daniel ROSS

Régulation par PID Mickaël CAMUS Etienne DEGUINE Daniel ROSS Régulation par PID Mickaël CAMUS Etienne DEGUINE Daniel ROSS 26/02/10 Plan Définition 1. Proportionnel 2. Intégral 3. Dérivé Réglages des coefficients 1. Différentes approches 2. Ziegler-Nichols 3. Process

Plus en détail

COMMANDE PAR RETOUR ACCELEROMETRIQUE APPLICATION A UN ROBOTS CARTESIENS 3 AXES. Frédéric Colas

COMMANDE PAR RETOUR ACCELEROMETRIQUE APPLICATION A UN ROBOTS CARTESIENS 3 AXES. Frédéric Colas SEPRO R O B O T I Q U E COMMANDE PAR RETOUR ACCELEROMETRIQUE APPLICATION A UN ROBOTS CARTESIENS 3 AXES Frédéric Colas ERT CEMODYNE (int. 1022) - ENSAM 8, Bd Louis XIV 59046 Lille Cedex barre@lille.ensam.fr

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

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

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

IUT Toulouse II - Automatique et Systèmes Génie Industriel et Maintenance GIM 2 Promo 14 Année 2007-2008. AUTOMATIQUE et SYSTEMES

IUT Toulouse II - Automatique et Systèmes Génie Industriel et Maintenance GIM 2 Promo 14 Année 2007-2008. AUTOMATIQUE et SYSTEMES IUT Toulouse II - Automatique et Systèmes Génie Industriel et Blagnac Maintenance GIM 2 Promo 14 Année 2007-2008 AUTOMATIQUE et SYSTEMES Les cours, TD et TP seront entièrement programmés en 2 ème année.

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

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

Développement de méthodes multi-grilles dans le cadre de l intéraction pastille/gaine

Développement de méthodes multi-grilles dans le cadre de l intéraction pastille/gaine Développement de méthodes multi-grilles dans le cadre de l intéraction pastille/gaine January 25, 2011 Ce n est le bon chemin que si la flèche vise le coeur, R.Hauser Intéraction Pastille/Gaine Fonctionnement

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

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

Commande H prédictive pour l asservissement par vision d un stabilisateur cardiaque actif

Commande H prédictive pour l asservissement par vision d un stabilisateur cardiaque actif Commande H prédictive pour l asservissement par vision d un stabilisateur cardiaque actif W. Bachta, E. Laroche, P. Renaud, J. Gangloff LSIIT, CNRS, Université de Strasbourg, INSA de Strasbourg, France

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

Calcul garanti des contraintes pour la planification sécurisée de trajectoire

Calcul garanti des contraintes pour la planification sécurisée de trajectoire Calcul garanti des contraintes pour la planification sécurisée de trajectoire Application à la génération de trajectoire articulaire pour un patient paraplégique sous Stimulation Électrique Fonctionnelle

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

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

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

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

La commande basée vision : une nouvelle approche pour la commande en boucle fermée des écoulements fluides

La commande basée vision : une nouvelle approche pour la commande en boucle fermée des écoulements fluides La commande basée vision : une nouvelle approche pour la commande en boucle fermée des écoulements fluides Xuan Quy Dao Christophe Collewet EPC Fluminance Cemagref Rennes / INRIA Rennes Bretagne-Atlantique

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

1.1 Définitions... 2 1.2 Opérations élémentaires... 2 1.3 Systèmes échelonnés et triangulaires... 3

1.1 Définitions... 2 1.2 Opérations élémentaires... 2 1.3 Systèmes échelonnés et triangulaires... 3 Chapitre 5 Systèmes linéaires 1 Généralités sur les systèmes linéaires 2 11 Définitions 2 12 Opérations élémentaires 2 13 Systèmes échelonnés et triangulaires 3 2 Résolution des systèmes linéaires 3 21

Plus en détail

Résumé du document «Programmes des classes préparatoires aux Grandes Écoles ; Discipline : Informatique ; Première et seconde années - 2013»

Résumé du document «Programmes des classes préparatoires aux Grandes Écoles ; Discipline : Informatique ; Première et seconde années - 2013» Résumé du document «Programmes des classes préparatoires aux Grandes Écoles ; Discipline : Informatique ; Première et seconde années - 2013» I Objectifs Niveau fondamental : «on se fixe pour objectif la

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

a. Les éléments de base rectangle : représente un élément ou un groupe d éléments du système et son action associée

a. Les éléments de base rectangle : représente un élément ou un groupe d éléments du système et son action associée REGULATION 1/9 I. Présentation 1. Structure d'un système asservi L'objectif d'un système automatisé étant de remplacer l'homme dans une tâche, nous allons pour établir la structure d'un système automatisé

Plus en détail

Problème combinatoire sur le réseau de transport de gaz. Nicolas Derhy, Aurélie Le Maitre, Nga Thanh CRIGEN Manuel Ruiz, Sylvain Mouret ARTELYS

Problème combinatoire sur le réseau de transport de gaz. Nicolas Derhy, Aurélie Le Maitre, Nga Thanh CRIGEN Manuel Ruiz, Sylvain Mouret ARTELYS Problème combinatoire sur le réseau de transport de gaz Nicolas Derhy, Aurélie Le Maitre, Nga Thanh CRIGEN Manuel Ruiz, Sylvain Mouret ARTELYS Au programme Présentation du problème Un problème d optimisation

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

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

Une approche pour un contrôle non-linéaire temps réel

Une approche pour un contrôle non-linéaire temps réel Une approche pour un contrôle non-linéaire temps réel L. Mathelin 1 L. Pastur 1,2 O. Le Maître 1 1 LIMSI - CNRS Orsay 2 Université Paris-Sud 11 Orsay GdR Contrôle des décollements 25 Nov. 2009 Orléans

Plus en détail

Résolution d équations non linéaires

Résolution d équations non linéaires Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique

Plus en détail

Enoncé des travaux pratiques. du cours OpenMP

Enoncé des travaux pratiques. du cours OpenMP Enoncé des travaux pratiques Enoncé des travaux pratiques du cours OpenMP Enoncé des travaux pratiques : description Description Les travaux pratiques se dérouleront sur les nœuds vargas (grappes de 35

Plus en détail

Figure 3.1- Lancement du Gambit

Figure 3.1- Lancement du Gambit 3.1. Introduction Le logiciel Gambit est un mailleur 2D/3D; pré-processeur qui permet de mailler des domaines de géométrie d un problème de CFD (Computational Fluid Dynamics).Il génère des fichiers*.msh

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

CALCUL SCIENTIFIQUE. 1 Erreur absolue et erreur relative 2. 2 Représentation des nombres sur ordinateur 3

CALCUL SCIENTIFIQUE. 1 Erreur absolue et erreur relative 2. 2 Représentation des nombres sur ordinateur 3 MTH1504 2011-2012 CALCUL SCIENTIFIQUE Table des matières 1 Erreur absolue et erreur relative 2 2 Représentation des nombres sur ordinateur 3 3 Arithmétique flottante 4 3.1 Absorption........................................

Plus en détail

Programmation Linéaire Cours 1 : programmes linéaires, modélisation et résolution graphique

Programmation Linéaire Cours 1 : programmes linéaires, modélisation et résolution graphique Programmation Linéaire Cours 1 : programmes linéaires, modélisation et résolution graphique F. Clautiaux francois.clautiaux@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 Motivation et objectif du cours

Plus en détail

2B La résolution de modèles linéaires par Excel 2010

2B La résolution de modèles linéaires par Excel 2010 2B La résolution de modèles linéaires par Excel 2010 Nous reprenons ici, de façon plus détaillée, la section où est indiqué comment utiliser le solveur d'excel 2010 pour résoudre un modèle linéaire (voir

Plus en détail

Processus Markoviens Déterministes par Morceaux et Fiabilité Dynamique

Processus Markoviens Déterministes par Morceaux et Fiabilité Dynamique Processus Markoviens Déterministes par Morceaux et Fiabilité Dynamique Karen Gonzalez Benoîte de Saporta et François Dufour IMB, Université Bordeaux Neuvième Colloque Jeunes Probabilistes et Statisticiens

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

1 Contrôle des connaissances 2010/2011

1 Contrôle des connaissances 2010/2011 1 Contrôle des connaissances 2010/2011 Remarque préliminaire On s attachera dans la rédaction à être aussi précis que possible. Ainsi, lors de l écriture de chaque problème d optimisation et de chaque

Plus en détail

Excel Avancé. Plan. Outils de résolution. Interactivité dans les feuilles. Outils de simulation. La valeur cible Le solveur

Excel Avancé. Plan. Outils de résolution. Interactivité dans les feuilles. Outils de simulation. La valeur cible Le solveur Excel Avancé Plan Outils de résolution La valeur cible Le solveur Interactivité dans les feuilles Fonctions de recherche (ex: RechercheV) Utilisation de la barre d outils «Formulaires» Outils de simulation

Plus en détail

Introduction aux Support Vector Machines (SVM)

Introduction aux Support Vector Machines (SVM) Introduction aux Support Vector Machines (SVM) Olivier Bousquet Centre de Mathématiques Appliquées Ecole Polytechnique, Palaiseau Orsay, 15 Novembre 2001 But de l exposé 2 Présenter les SVM Encourager

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

Schneider Electric Vers des process plus économes Francis NICOLAS 1

Schneider Electric Vers des process plus économes Francis NICOLAS 1 Schneider Electric Vers des process plus économes Francis NICOLAS 1 «Le contrôle avancé pour des process plus économes» L expertise contrôle avancé Pour améliorer la performance de vos procédés Respect

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

ÉÍ ÄÉÍ ËÊ ÈÈ ÄËÁÆÌÊÇ Í ÌÁ Ë ÄÊÁ¹ÍÒ Ú Ö Ø È Ö Á ÇÖ Ý Æ ÓÐ Ó Ø Ó ØÐÖ º Ö ÍÒ Ú Ö Ø È Ö ËÙ Ë˹ÁÁ¹ ÓÒÒ Ú Ò Ë ÓÒØ ÓÒÒ Ð Ø ØÈÖ Ò Ô ÍÒËÝ Ø Ñ Ø ÓÒ ÓÒÒ Ë µ ÉÙ³ ØÕÙ³ÙÒ ÓÒÒ ÈÓÙÖÕÙÓ Ô ÙÒËÝ Ø Ñ Ø ÓÒ Ö ÈÓÙÖÕÙÓ Ö À ØÓÖ

Plus en détail

Al g ori thmi q u e N u méri q u e

Al g ori thmi q u e N u méri q u e Al g ori thmi q u e N u méri q u e Rapport de TP "Gauss et compagnie" Ce rapport présente deux algorithmes de produit matriciel (méthode "Classique" et de Strassen) ainsi que deux algorithmes de résolution

Plus en détail

Cours de spécialité mathématiques en Terminale ES

Cours de spécialité mathématiques en Terminale ES Cours de spécialité mathématiques en Terminale ES O. Lader 2014/2015 Lycée Jean Vilar Spé math terminale ES 2014/2015 1 / 51 Systèmes linéaires Deux exemples de systèmes linéaires à deux équations et deux

Plus en détail

Modèle réduit pour la DSC : Application aux solutions binaires

Modèle réduit pour la DSC : Application aux solutions binaires Modèle réduit pour la DSC : Application aux solutions binaires Stéphane GIBOUT 1, Erwin FRANQUET 1, William MARÉCHAL 1, Jean-Pierre BÉDÉCARRATS 1, Jean-Pierre DUMAS 1 1 Univ. Pau & Pays Adour, LaTEP-EA

Plus en détail

Domaine Sciences et Technologie Filière Génie Electrique Spécialité Automatique

Domaine Sciences et Technologie Filière Génie Electrique Spécialité Automatique Université des Sciences et de la Technologie Houari Boumédiene Faculté d Electronique et d Informatique Domaine Sciences et Technologie Filière Génie Electrique Spécialité Automatique 1 Programme de la

Plus en détail

LA PROGRAMMATION LINEAIRE : UN OUTIL DE MODELISATION

LA PROGRAMMATION LINEAIRE : UN OUTIL DE MODELISATION LA PROGRAMMATION LINEAIRE : UN OUTIL DE MODELISATION Dans les leçons précédentes, nous avons modélisé des problèmes en utilisant des graphes. Nous abordons dans cette leçon un autre type de modélisation.

Plus en détail

M1/UE CSy - module P8 1

M1/UE CSy - module P8 1 M1/UE CSy - module P8 1 PROJET DE SIMULATION AVEC MATLAB MODÉLISATION D UNE SUSPENSION ET ÉTUDE DE SON COMPORTEMENT DYNAMIQUE La suspension d une automobile est habituellement assurée par quatre systèmes

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

CP 6632. Calibrateur portable pour signaux de process

CP 6632. Calibrateur portable pour signaux de process Calibrateur portable pour signaux de process Le CP 6632 est un calibrateur de signaux de process de haute précision (150 ppm de la lecture) capable de mesurer et générer courants et tensions. Simple et

Plus en détail

Plan de la séance. Partie 4: Restauration. Restauration d images. Restauration d images. Traitement d images. Thomas Oberlin

Plan de la séance. Partie 4: Restauration. Restauration d images. Restauration d images. Traitement d images. Thomas Oberlin Plan de la séance Traitement d images Partie 4: Restauration Thomas Oberlin Signaux et Communications, RT/ENSEEHT thomasoberlin@enseeihtfr 1 ntroduction 2 Modélisation des dégradations Modèles de bruit

Plus en détail

Analyse abstraite de missions sous PILOT

Analyse abstraite de missions sous PILOT Analyse abstraite de missions sous PILOT Damien Massé EA 3883, Université de Bretagne Occidentale, Brest damien.masse@univ-brest.fr Résumé Nous étudions la possibilité de réaliser un analyseur par interprétation

Plus en détail

Recherche opérationnelle. Programmation linéaire et recherche opérationnelle. Programmation linéaire. Des problèmes de RO que vous savez résoudre

Recherche opérationnelle. Programmation linéaire et recherche opérationnelle. Programmation linéaire. Des problèmes de RO que vous savez résoudre Recherche opérationnelle Programmation linéaire et recherche opérationnelle Ioan Todinca Ioan.Todinca@univ-orleans.fr tél. 0 38 41 7 93 bureau : en bas à gauche Tentative de définition Ensemble de méthodes

Plus en détail

Séance 12: Algorithmes de Support Vector Machines

Séance 12: Algorithmes de Support Vector Machines Séance 12: Algorithmes de Support Vector Machines Laboratoire de Statistique et Probabilités UMR 5583 CNRS-UPS www.lsp.ups-tlse.fr/gadat Douzième partie XII Algorithmes de Support Vector Machines Principe

Plus en détail

Domaines d application, exemples La démarche de l Automatique Un premier exemple. Automatique. Dynamique et Contrôle des Systèmes

Domaines d application, exemples La démarche de l Automatique Un premier exemple. Automatique. Dynamique et Contrôle des Systèmes Automatique Dynamique et Contrôle des Systèmes NICOLAS PETIT Centre Automatique et Systèmes Unité Mathématiques et Systèmes Mines ParisTech nicolas.petit@mines-paristech.fr 28 novembre 2008 Informations

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

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

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

LA MESURE DE PRESSION PRINCIPE DE BASE

LA MESURE DE PRESSION PRINCIPE DE BASE Page 1 / 6 LA MESURE DE PRESSION PRINCIPE DE BASE 1) Qu est-ce qu un sensor de pression? Tout type de sensor est composé de 2 éléments distincts : Un corps d épreuve soumit au Paramètre Physique φ à mesurer

Plus en détail

TRAVAUX PRATIQUES : PROGRAMMATION LINEAIRE

TRAVAUX PRATIQUES : PROGRAMMATION LINEAIRE Optimisation TP1 - Programmation linéaire 1 TRAVAUX PRATIQUES : PROGRAMMATION LINEAIRE Programmation linéaire Les problèmes de cette partie sont à traiter à l aide du logiciel MATLAB. La fonction à utiliser

Plus en détail

Projet de modélisation des réseaux biologiques et complexes par équations différentielles

Projet de modélisation des réseaux biologiques et complexes par équations différentielles Projet de modélisation des réseaux biologiques et complexes par équations différentielles GIRAUD Sandra MERLET-BILLON Maryvonne 1 Partie I : Etude d un mode le de l ope ron lactose Introduction Le système

Plus en détail

Méthodes avancées en décision

Méthodes avancées en décision Méthodes avancées en décision Support vector machines - Chapitre 2 - Principes MRE et MRS Principe MRE. Il s agit de minimiser la fonctionnelle de risque 1 P e (d) = y d(x;w, b) p(x, y) dxdy. 2 La densité

Plus en détail

Le problème des multiplications matricielles enchaînées peut être énoncé comme suit : étant

Le problème des multiplications matricielles enchaînées peut être énoncé comme suit : étant Licence informatique - L Année 0/0 Conception d algorithmes et applications (LI) COURS Résumé. Dans cette cinquième séance, nous continuons l exploration des algorithmes de type Programmation Dynamique.

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

M1500. Moteur pour vanne à siège

M1500. Moteur pour vanne à siège M1500 Moteur pour vanne à siège septembre 2007 Le moteur M1500 est un moteur électromécanique prévu pour commander des vannes à siège deux et trois voies dans : les circuits d eau chaude sanitaire les

Plus en détail

Calibration de systèmes de levé mobiles

Calibration de systèmes de levé mobiles 1/30 Calibration de systèmes de levé mobiles S. Levilly, N. Seube ENSTA Bretagne Brest, FRANCE et CIDCO Rimouski Qc, CANADA Journées AFHy, Juin 2014 Les systèmes mobiles Ils sont généralement constitués

Plus en détail

Raisonnement symbolique et géométrique pour la robotique mobile

Raisonnement symbolique et géométrique pour la robotique mobile Introduction à la réunion finale Raisonnement symbolique et géométrique pour la robotique mobile J. Guitton, J.L. Farges Control Architectures of Robots - Bourges - 30 mai 2008 1 Plan Introduction Vers

Plus en détail

Atelier «Très Haute Résolution Spatiale» Outils pour la reconnaissance des formes

Atelier «Très Haute Résolution Spatiale» Outils pour la reconnaissance des formes CNES Paris - 22/05/2003 Atelier «Très Haute Résolution Spatiale» Outils pour la reconnaissance des formes Michel DHOME LASMEA UMR 6602CNRS/UBP Clermont-Ferrand Etat de l art (communauté vision artificielle)

Plus en détail

- Mobiliser les résultats sur le second degré dans le cadre de la résolution d un problème.

- Mobiliser les résultats sur le second degré dans le cadre de la résolution d un problème. Mathématiques - classe de 1ère des séries STI2D et STL. 1. Analyse On dote les élèves d outils mathématiques permettant de traiter des problèmes relevant de la modélisation de phénomènes continus ou discrets.

Plus en détail

Polynômes à plusieurs variables. Résultant

Polynômes à plusieurs variables. Résultant Polynômes à plusieurs variables. Résultant Christophe Ritzenthaler 1 Relations coefficients-racines. Polynômes symétriques Issu de [MS] et de [Goz]. Soit A un anneau intègre. Définition 1.1. Soit a A \

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

Olivier Coulaud Projet ScAlApplix. 8 janvier 2008

Olivier Coulaud Projet ScAlApplix. 8 janvier 2008 Simulation de la propagation de fissures dans les lentilles du Laser Méga Joule : de la physique des matériaux au calcul haute performance en passant par l'algorithmique, la visualisation et le pilotage

Plus en détail

Phase Locked Loop (boucle à verrouillage de phase) f ref Φ. f out

Phase Locked Loop (boucle à verrouillage de phase) f ref Φ. f out Phase Locked Loop (boucle à verrouillage de phase) f ref Φ f out N - Principe 2 - Principaux comparateurs de phase 3 - Différents types 3-: PLL du 2 nd ordre - type 3-2: PLL avec pompe de charge - 3 ème

Plus en détail

Résume du cours de Mécanique Analytique

Résume du cours de Mécanique Analytique Résume du cours de Mécanique Analytique jean-eloi.lombard@epfl.ch 22 janvier 2009 Table des matières 1 Équations de Lagrange 1 1.1 Calcul des variations....................... 3 1.2 Principe de moindre

Plus en détail

Exercices théoriques

Exercices théoriques École normale supérieure 2008-2009 Département d informatique Algorithmique et Programmation TD n 9 : Programmation Linéaire Avec Solutions Exercices théoriques Rappel : Dual d un programme linéaire cf.

Plus en détail

Obligation : transfert dans le temps

Obligation : transfert dans le temps Obligation : transfert dans le temps Dans ce premier chapitre nous introduirons les principales notions concernant les obligations. Les principes élémentaires de la notion d arbitrage y sont décrits. Une

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

Optimisation en nombres entiers

Optimisation en nombres entiers Optimisation en nombres entiers p. 1/83 Optimisation en nombres entiers Michel Bierlaire michel.bierlaire@epfl.ch EPFL - Laboratoire Transport et Mobilité - ENAC Optimisation en nombres entiers p. 2/83

Plus en détail

Généralités sur les graphes

Généralités sur les graphes Généralités sur les graphes Christophe ROSSIGNOL Année scolaire 2008/2009 Table des matières 1 Notion de graphe 3 1.1 Un peu de vocabulaire.......................................... 3 1.2 Ordre d un graphe,

Plus en détail

Identification de personnes Système Mains-libres Lecteur RFID UHF STid GAT

Identification de personnes Système Mains-libres Lecteur RFID UHF STid GAT Identification de personnes Système Mains-libres Lecteur RFID UHF STid GAT NOTE D APPLICATION Introduction Le lecteur GAT permet l identification «mains libres» de personnes en mouvement. Ce document a

Plus en détail

M M (maxi) + MS MS (maxi) 189Nm nominal 16.2Nm pour 10 000km. 639Nm nominal 54Nm pour 10 000km

M M (maxi) + MS MS (maxi) 189Nm nominal 16.2Nm pour 10 000km. 639Nm nominal 54Nm pour 10 000km HepcoMotion SBD Calcul de la durée de vie La durée de vie d une unité SBD est définie par le nombre de kilomètres qui peut être accompli avant que le guidage à billes atteigne sa durée de vie théorique.

Plus en détail

Optimisation de trajectoire pour une mission Ariane 5

Optimisation de trajectoire pour une mission Ariane 5 Optimisation de trajectoire pour une mission Ariane 5 Ludovic Goudenège (sur la base d un projet de Pierre Martinon) ENSTA - Module IN103 Septembre 2012 Plan 1 Quelques données et chiffres 2 Dynamique

Plus en détail

Rappel d une chaîne de mesure d un procédé régulé en continu :

Rappel d une chaîne de mesure d un procédé régulé en continu : TRANSMETTEURS EN INSTRUMENTATION Transmetteurs aux SIGNAUX ANALOGIQUES STANDARDS Rappel d une chaîne de mesure d un procédé régulé en continu : Capteur Transmetteur Régulateur PROCESSUS Actionneur Signal

Plus en détail

Commande Optimale. B. Bayle. Télécom Physique Strasbourg - 3A ISAV, UdS - master IRIV. Commande Optimale 1

Commande Optimale. B. Bayle. Télécom Physique Strasbourg - 3A ISAV, UdS - master IRIV. Commande Optimale 1 Commande Optimale B. Bayle Télécom Physique Strasbourg - 3A ISAV, UdS - master IRIV Commande Optimale 1 Plan du cours Objectifs Problématique de commande optimale Méthodes et limitations Intérêt pratique

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

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

Etude de l écoulement d un fluide entre deux plans parallèles munis d obstacles

Etude de l écoulement d un fluide entre deux plans parallèles munis d obstacles ème Congrès Français de Mécanique Bordeaux, 6 au 3 août 3 Etude de l écoulement d un fluide entre deux plans parallèles munis d obstacles. BODIF, F. DNNE,.K. BENKL niversité des Sciences et de la Technologie

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