Modélisation et Simulation

Dimension: px
Commencer à balayer dès la page:

Download "Modélisation et Simulation"

Transcription

1 Cours de modélisation et simulation p. 1/64 Modélisation et Simulation G. Bontempi Département d Informatique Boulevard de Triomphe - CP 212

2 Cours de modélisation et simulation p. 2/64 Notions de temps, entrée et sortie Nous commençons ici à définir la notion de système dynamique de manière formelle. Nous définissons un ensemble T, dénoté l ensemble des temps, tel que pour chaque t T les valeurs u(t) et y(t) sont définies et elles appartiennent aux ensemble U et Y, respectivement. Selon la nature de cet ensemble nous pouvons faire la distinction entre systèmes à temps continu et systèmes à temps discret. Les évolutions des entrées et des sorties appartiennent elles aussi à deux ensembles de fonctions, notés par Ω et Γ. Dorénavant, nous noterons par u( ) Ω (y( ) Γ) la fonction d entrée (sortie) et par u(t) U (y(t) Y) la valeur prise par telle fonction à l instant t. Exemple: Ω pourrait être l ensemble des fonctions continues par morceaux et Γ l ensemble des fonctions continues.

3 Cours de modélisation et simulation p. 3/64 Relation entrée-sortie La modélisation d un système comme système dynamique demande au préalable 1. la definition d une échelle des temps 2. la definition d une variable d entrée u et une variable de sortie y. Comment définir l entrée et la sortie d un système? La règle générale est définir comme entrées toutes les variables qui peuvent être contrôlées ou modifiées et comme sorties toutes les variables qui peuvent être mesurées. Supposons de vouloir étudier la réaction d un patient avec de la température à l administration d un médicament. Quelles pourraient être les variables d entrée et de sortie? Supposons de vouloir étudier l efficacité d une politique de réduction du trafic sur la pollution du centre ville de Bruxelles. Quelles pourraient être les variables d entrée et de sortie?

4 Cours de modélisation et simulation p. 4/64 Système statique et dynamique Fixons l évolution de la variable u dans un intervalle de temps [t 0, t f ]. Est-ce que la connaissance de u détermine de manière univoque le comportement de y? Dans le cas général la réponse est négative. Nous pouvons souvent rencontrer deux processus identiques auxquels la même fonction d entrée est appliquée pendant le même intervalle mais qui ont des valeurs de sortie différentes. Pensez au cas où u est la position de la pédale de l accélérateur et y est la vitesse de la voiture. Ceci montre la nécessité d un ensemble de variables internes (ou variables d état) additionnelles pour décrire d une manière univoque le comportement d un système. Toutefois il existe un cas très particulier de système dynamique où la connaissance de u détermine de manière univoque le comportement de y: les systèmes statiques. Dans ces systèmes la sortie change seulement en fonction de l entrée, c.-à-d. aucun changement de la sortie n a lieu si l entrée est constante.

5 Cours de modélisation et simulation p. 5/64 Système statique et dynamique y(t) u(t) u(t) y(t) Dans les systèmes dynamiques la connaissance de l entrée n est pas suffisante pour déterminer de manière univoque la sortie. La sortie y(t) dépend non seulement de l entrée présente u(t) mais aussi des entrées passées.

6 Cours de modélisation et simulation p. 6/64 Exemple: réservoir Considérons un réservoir d eau cylindrique de rayon R sur lequel nous pouvons effectuer des mesures ainsi que des actions de contrôle à intervalles réguliers de période. Nous mesurons le niveau d eau dans le réservoir et contrôlons le débit (volume de fluide écoulé par unité de temps) d eau en entrée ainsi que la section d un trou circulaire au fond. Comment le niveau d eau est-il influencé par le débit en entrée et la taille du trou? u 1 y 2R u 2

7 Cours de modélisation et simulation p. 7/64 Exemple: réservoir (II) Nous désignons donc le niveau d eau comme sortie du système y, le débit en entrée comme entrée u 1 et la section du trou comme entrée u 2. Soient: y(t): le niveau d eau à l instant t. u 1 (t): le débit volumique (en m 3 s 1 ) en entrée à l instant t. u 2 (t): la section du trou (en m 2 ) au fond du réservoir à l instant t. et x(t) la variable (en m 3 ) qui dénote le volume d eau dans le réservoir à l instant t.

8 Exemple: réservoir (II) Considérons le modèle suivant basé sur la loi de Bernoulli selon laquelle le débit en sortie d out est égale à la section fois la vitesse d écoulement v = 2gh = 2g x(t) πr où h est le niveau de l eau et g est l accélération de 2 gravité. r d out (t) = u 2 (t) 2g x(t) : débit en sortie πr2 d(t) = u 1 (t) d out (t) x(t) = max(0, x(t ) + d(t ) ) = r!! x(t ) = max 0, x(t ) + u 1 (t ) u 2 (t ) 2g πr 2 y(t) = x(t) πr 2 Nous supposons que le débit reste constant pendant l intervalle [t, t] où > 0 est le pas de discrétisation temporelle. Il s ensuit que d est le changement de volume d eau dans l intervalle [t, t]. Ce genre de système sera appelé dans la suite système à temps discret. Le lien entre u et y n est pas statique. Cours de modélisation et simulation p. 8/64

9 Exemple: réservoir (III) Supposons que x(0) = 0. Voici deux évolutions du système pour deux paires {u 1 ( ), u 2 ( )} de fonctions d entrée différentes: une paire composée par des fonctions constantes par morceaux et une paire composée par des fonctions sinusoïdales y(t): niveau x(t): volume u 1 (t): debit u 2 (t): trou Cours de modélisation et simulation p. 9/64

10 Cours de modélisation et simulation p. 10/64 La notion d état d un système En réfléchissant sur l exemple du réservoir nous nous apercevons que la valeur de la sortie n est pas déterminée complètement par la valeur de l entrée au même instant mais que elle est l effet de la totalité de l histoire passée du système. Il est nécessaire donc d introduire, suite à un exercice d abstraction, une troisième grandeur, appelée état, qui 1. résume l ensemble de l information sur le passé et le présent du système (mémoire) 2. dont la connaissance à l instant t 1, conjointement avec la connaissance de l entrée pendant l intervalle [t 1, t 2 ], est indispensable pour prédire la valeur de y(t 2 ). On supposera que 1. la connaissance de valeur x(t) doit être suffisante pour déterminer la valeur de la sortie au même instant, 2. la connaissance conjointe de x(t 1 ), c.-à-d. de l état à l instant t 1 et de u [t1,t 2 )( ), c.-à-d. de la valeur de l entrée dans l intervalle [t 1, t 2 ) doit permettre le calcul de l état (et donc de la sortie) à l instant t 2.

11 Cours de modélisation et simulation p. 11/64 La notion d état d un système (II) Notons que le choix des variables d état n est pas univoque. Le même système peut être décrit par des ensembles de variables d état différents.

12 Cours de modélisation et simulation p. 12/64 Système masse-ressort Supposons vouloir étudier la relation entre la position y de la masse sur le plan (sortie) et la force appliquée u = F (entrée). Selon les lois de la dynamique u = mÿ. Aucune dépendance directe n existe entre u e y. Définissons l état à l instant t 1 comme un vecteur x(t 1 ) = [x 1 (t 1 ), x 2 (t 1 )] composé par la position et la vitesse x 2 = ẋ 1 de la masse M. Les lois de la dynamique nous permettent de calculer à partir de x(t 1 ) et de la force u = F appliquée dans l intervalle [t 1, t 2 ) l état (c.-à-d. la position et la vitesse) à l instant t 2. Aussi, la connaissance de x (et donc de x 1 ) nous permet de connaître la valeur de y. Le vecteur x = [x 1, x 2 ] satisfait les propriétés requises par une variable d état M u

13 Cours de modélisation et simulation p. 13/64 Définition axiomatique d un système Un système dynamique est une entité définie par les quantités suivantes: 1. un ensemble ordonné T des temps, un ensemble U d entrée, un ensemble Ω des fonctions d entrée admissibles, un ensemble X d état, un ensemble Y de sortie et un ensemble Γ de fonctions de sortie. 2. la fonction de transition d état ϕ(,,, ) telle que x(t) = ϕ(t, t 0, x 0, u( )) est la valeur de l état à l instant t T obtenu en mettant le système dans l état x 0 à l instant t 0 et en appliquant la fa fonction d entrée u( ) Ω dans l intervalle [t 0, t). 3. la fonction η(, ), dite de transformation de sortie, telle que y(t) = η(t, x(t)) est la sortie à l instant t. Un système dynamique peut donc être résumé par le t-uple suivant: S = (T, U, Ω, X, Y, Γ, ϕ, η).

14 Cours de modélisation et simulation p. 14/64 Propriétés de la fonction de transition La fonction de transition d état ϕ(,,, ) jouit des propriétés suivantes: Consistance: ϕ(t, t, x, u( )) = x, (t, x, u( )) T X Ω Irréversibilité: ϕ est définie pour chaque t t 0, t T Composition: ϕ(t 2, t 0, x 0, u( )) = ϕ(t 2, t 1, ϕ(t 1, t 0, x 0, u( )), u( )), (x, u( )) X Ω } {{ } x(t 1 ) et pour chaque t 0 < t 1 < t 2 Causalité: si u [t 0,t]( ) = u [t 0,t]( ), alors ϕ(t, t 0, x, u ( )) = ϕ(t, t 0, x, u ( )), (t, t 0, x) T T X

15 Cours de modélisation et simulation p. 15/64 Propriétés de la fonction de transition Ces propriétés formalisent la notion clé de système dynamique: si nous connaissons l état à l instant t 0 et la fonction d entrée pendant l intervalle [t 0, t), alors nous savons déterminer d une manière univoque l état à l instant t. En d autres termes, l état futur d un système est déterminé d une manière univoque par l état initial et la fonction d entrée. Dans la première partie du cours, nous nous limiterons à une évolution strictement déterministe où l état initial et la fonction d entrée sont complètement spécifiés et une règle de calcul permet de passer sans ambiguïté à un état final unique. Notons que le lien entre l état et l entrée est un lien fonctionnel vu que la valeur x(t) dépend de toute la fonction u( ) dans [t 0, t). Au contraire le lien entre x(t) et y(t) est instantané: la sortie y(t) dépend seulement de la valeur de x à l instant t.

16 Cours de modélisation et simulation p. 16/64 Représentation graphique u(t) x(t) y(t) phi eta

17 Cours de modélisation et simulation p. 17/64 Mouvement et trajectoire Considérons un temps t 0, un état initial x(t 0 ) et une fonction d entrée u( ). Définition (Mouvement). Soit x(t) = ϕ(t, t 0, x(t 0 ), u( )) la valeur de l état à l instant t. Le mouvement d un système est l ensemble des couples (t, x(t)) pour t t 0. Définition (Trajectoire). La trajectoire d un système est l ensemble des valeurs {x(t)} pour t t 0. En autres termes le mouvement est défini dans l espace T X alors que la trajectoire est définie comme la projection du mouvement dans l espace X.

18 Cours de modélisation et simulation p. 18/64 Mouvement et trajectoire x 2 t 0 t 1 trajectoire t 3 x 1 mouvement t t 4

19 Cours de modélisation et simulation p. 19/64 État et sortie d équilibre Un état x est un état d équilibre s il existe la possibilité d agir sur le système avec une fonction u( ) de façon que, en partant de l état initial x le système reste indéfiniment dans le même état x. Définition. Un état x X est dit d équilibre en temps infini si pour chaque instant initial t 0 T il existe une fonction d entrée u( ) Ω telle que ϕ(t, t 0, x, u( )) = x, t > t 0 Définition. Une sortie ȳ Y est dite d équilibre en temps infini si pour chaque instant initial t 0 T ils existent un état x et une fonction d entrée u( ) Ω telle que η (t, ϕ(t, t 0, x, u( ))) = ȳ, t > t 0

20 Cours de modélisation et simulation p. 20/64 État d équilibre (exemple) Dans le système réservoir, l état x(t) = 0 est un état d équilibre pour toutes les fonctions d entrée u 1 ( ), u 2 ( ) où d out >= d in. un état quelconque x(t) est un état d équilibre pour toutes les fonctions d entrée u 1 ( ), u 2 ( ) où d out = d in.

21 Cours de modélisation et simulation p. 21/64 Système invariant Un système dynamique invariant (ou stationnaire) est un système où un mouvement obtenu à partir d un état x 0 à l instant t 0 suite à la fonction d entrée u [t0,t)( ) est égal au mouvement obtenu en partant toujours de l état x 0 à un instant de temps t 0 + δ et en appliquant une fonction d entrée u (δ) (t + δ) = u(t) obtenue par translation de u( ). Ceci signifie que les caractéristiques du système ne changent pas avec le temps ou plutôt que les expériences peuvent être reproduites. Les systèmes dynamiques non invariants sont tous les systèmes caractérisés par des changements périodiques ou qui subissent des phénomènes de vieillissement.

22 Cours de modélisation et simulation p. 22/64 Définition. Un système est dit invariant si Système invariant 1. l ensemble T est un groupe additif (pour chaque t 1 T si t 2 T alors t 1 + t 2 T.) 2. pour chaque u( ) Ω et pour chaque δ T, la fonction u (δ) ( ) obtenue de u( ) par translation, c.-à-d. appartient aussi à Ω. u(t) = u (δ) (t + δ) 3. la fonction de transition d état satisfait la propriété ϕ(t, t 0, x 0, u( )) = ϕ(t + δ, t 0 + δ, x 0, u (δ) ( )), δ T 4. la transformation de sortie est indépendante de t y(t) = η(x(t))

23 Cours de modélisation et simulation p. 23/64 États accessibles La notion d accessibilité concerne un couple (x (1), x (2) ) d états. Définition. Un état x (2) est accessible à l instant t 2 à partir d un état x (1) s il existe un instant t 1 < t 2 et une fonction d entrée u( ) Ω telle que ϕ(t 2, t 1, x (1), u( )) = x (2)

24 Cours de modélisation et simulation p. 24/64 Système connexe Parfois il est intéressant de considérer des systèmes où chaque état x (2) à l instant t est accessible à partir de quelconque état x (1). Définition. Un système est dit connexe à l instant t si chaque état x (2) est accessible à l instant t à partir de tous les états x (1) X. Si cette condition est satisfaite pour tous les instants t, alors le système est dit connexe. Notons que dans un système connexe: deux états x (1) et x (2) peuvent être liés par une trajectoire qui va de x (1) à x (2) aussi bien que par une trajectoire qui va de x (2) à x (1). si le système est aussi invariant, il existe au moins une trajectoire fermée (c.-à-d. un cycle) passant par chaque couple d états.

25 Cours de modélisation et simulation p. 25/64 États équivalents Deux états équivalents sont deux états qui ne peuvent pas être distingués quelque soit la fonction d entrée utilisée. Définition. Deux états x (1) et x (2) sont équivalents à l instant t si pour toutes les fonctions d entrée u( ) Ω η(, ϕ(, t, x (1), u( ))) = η(, ϕ(, t, x (2), u( ))) Notons que si x (1) et x (2) sont équivalents, alors aussi les états x (1 ) et x (2 ) obtenus en appliquant la même fonction d entrée à x (1) et x (2) seront également équivalents.

26 Cours de modélisation et simulation p. 26/64 Forme réduite Définition. Un système est dit en forme réduite à l instant t s il n existe pas un couple d états équivalents (x (1), x (2) ) avec x (1) x (2). Si cette condition est vérifiée pour tous les instants t alors le système est en forme réduite

27 Cours de modélisation et simulation p. 27/64 Observabilité et équivalence La notion d équivalence est liée à la notion de l observation de l état. Définition. Un état est dit observable à l instant t 0 s il est possible déterminer un intervalle de temps [t 0, t) et une fonction d entrée u( ) qui puisse permettre la reconstruction de manière univoque de l état x(t 0 ) à partir de 1. u [t0,t)( ), 2. y [t0,t)( ) Si deux états sont équivalents à l instant t 0 il n est pas possible d effectuer la reconstruction de l état x(t 0 ) et donc de distinguer entre x (1) et x (2). Ceci est dû au fait que aucune trajectoire d entrée u [t0,t)( ) ne nous permettrait de observer de différentes y [t0,t)( ) selon que x(t 0 ) = x (1) ou x(t 0 ) = x (2).

28 Cours de modélisation et simulation p. 28/64 Exemple Considérons un système dynamique où x = [x 1, x 2 ] dénote la position d un robot dans une pièce rectangulaire, u = [u 1, u 2 ] sont les vitesses de déplacement horizontale et verticale et y = [y 1, y 2, y 3, y 4 ] sont les quatre valeurs observables par le robot qui correspondent aux valeurs renvoyées par quatre capteurs à ultrason. y 1 y 4 y 2 x 2 y 3 x 1 Est le système connexe? Est-il dans la forme réduite?

29 Cours de modélisation et simulation p. 29/64 Supposons que le robot peut aussi effectuer des rotations? Est il connexe? Est-il dans la forme réduite? y 3 y2 y 4 y 1 x 2 x 1 Supposons que un obstacle soit présent. y 1 y 4 y 2 x 2 y 3 x 1 Est il connexe? Est-il dans la forme réduite?

30 Cours de modélisation et simulation p. 30/64 Systèmes complexes Dans l étude des systèmes complexes il est nécessaire d introduire les notions de sous-système et interconnexion. Un sous-système est un système dynamique qui fait partie d un système plus complexe. Un agrégé de sous-systèmes est donc un système S = (T, U, Ω, X, Y, Γ, ϕ, η) composé par N sous-systèmes S i = (T i, U i, Ω i, X i, Y i, Γ i, ϕ i, η i ) connectés entre eux, soit à travers les sorties soit à travers les entrées. Notons que ce n est pas toujours vrai que en connectant N systèmes dynamiques d une manière quelconque on obtient encore un système dynamique. Ceci n est valable que pour un sous-ensemble de systèmes (par exemple les systèmes linéaires).

31 Cours de modélisation et simulation p. 31/64 Connexion en cascade Définition. Deux systèmes S 1 et S 2 sont dits connectés en cascade quand y 1 = u 2, c.-à-d. quand la sortie du premier système coïncide avec l entrée du deuxième. Pour que il soit possible de connecter deux systèmes en cascades il est nécessaire que les conditions suivantes soient satisfaites: T 1 = T 2, Y 1 U 2, Γ 1 Ω 2

32 Cours de modélisation et simulation p. 32/64 Connexion en cascade u=u1 S1 y1=u2 S2 y=y2

33 Cours de modélisation et simulation p. 33/64 Connexion en cascade Le système dynamique résultant est décrit par les ensembles suivants: T = T 1 = T 2 U = U 1 Ω = Ω 1 X = X 1 X 2 Y = Y 2 Γ = Γ 2 et par les fonctions ϕ = (x 1 (t), x 2 (t)) = = (ϕ 1 (t, t 0, x 1 (t 0 ), u( )), ϕ 2 (t, t 0, x 2 (t 0 ), η 1 (, ϕ 1 (, t 0, x 1 (t 0 ), u( ))) )) } {{ } y 1 (t) η = η 2 (t, x 2 (t))

34 Cours de modélisation et simulation p. 34/64 Connexion en parallèle Définition. Deux système S 1 et S 2 sont dits en parallèle quand u 1 = u 2, c.-à-d. quand ils ont la même entrée. L entrée du système est l entrée commune aux deux sous-systèmes et la sortie est le couple (y 1, y 2 ) des sorties de chacun des sous-systèmes. L état du système résultant est le couple (x 1, x 2 ), où x 1 X 1, x 2 X 2 et x X 1 X 2.

35 Cours de modélisation et simulation p. 35/64 Connexion en parallèle u1 S1 y1 u y2 u2 S2

36 Cours de modélisation et simulation p. 36/64 Systèmes hiérarchiques La combinaison des plusieurs sous-systèmes en cascade et en parallèle peut générer des systèmes de structure complexe. Un exemple est la structure hiérarchique. Dans cette organisation un sous-système à un certain niveau influence seulement les sous-systèmes à plus bas niveau et il est influencé exclusivement par des systèmes de niveau supérieur. Notons que dans cette structure, aucun cycle n est présent.

37 Cours de modélisation et simulation p. 37/64 Systèmes hiérarchiques S3 S1 S4 u S0 S5 S2 S6

38 Cours de modélisation et simulation p. 38/64 Rétroaction Ce genre de connexion est la plus simple connexion qui contient une boucle Nous somme en présence d une boucle de rétroaction quand la sortie y 1 d un système S 1 agit comme entrée u 2 sur un système S 2 dont la sortie va agir de nouveau sur S 1. La rétroaction est appelée négative si un changement de y 1 entraîne un changement de y 2 (et donc de u 1 ) qui s oppose au changement de y 1. La rétroaction est appelée positive si un changement de y 1 entraîne un changement de y 2 (et donc de u 1 ) qui amplifie le changement de y 1. La notion de rétroaction est une des notions les plus fameuses et utiles de la théorie des systèmes. Il nous suffit de penser à l ensemble des systèmes automatiques et de contrôle.

39 Cours de modélisation et simulation p. 39/64 Rétroaction Définition. Deux systèmes S 1 et S 2 sont dits en rétroaction l un sur l autre si u 1 (t) = ψ 2 (y 2 (t), v 1 (t), t) u 2 (t) = ψ 1 (y 1 (t), v 2 (t), t) u1 S1 y1 v2 Mux psi2 psi1 Mux v1 y2 S2 u2

40 Cours de modélisation et simulation p. 40/64 Rétroaction sur l état Le but de la rétroaction est d imposer au système un certain type de comportement en choisissant un u adéquat. Vu que la quantité qui permet de déterminer exactement l évolution du système, une fois l entrée connue, est l état x, il est plus intéressant de rendre l entrée dépendante de l état plutôt que de la sortie. Définition. Un système est dit rétro-actionné sur l état si u(t) = k(x(t), v(t), t) La fonction k est appelée la loi de contrôle. Ce schéma de contrôle suppose l accès ou l observabilité de l état du système. Dans l impossibilité de mesurer l état des schémas alternatifs sont envisageables, comme la combinaison d un estimateur de l état avec un contrôleur.

41 Cours de modélisation et simulation p. 41/64 Rétroaction et climat temperature surface glaciers albedo absorption du rayonnement solaire

42 Cours de modélisation et simulation p. 42/64 Loi de contrôle v Mux u phi x eta x k x

43 Cours de modélisation et simulation p. 43/64 Exemple: régulation manuelle Régulation manuelle de la température d une douche (consigne égale à 40 C). Temperature sortie chaudiére 40 Consigne Ecart K Action vanne [10] y(0) 1 1 z 1 y(t+1)=y(t)+u(t) Saturation 4 Z Retard Temperature perçue Temperature perçue Notons l existence d un retard entre l action entreprise par l opérateur sur la vanne mélangeuse pour modifier la température y(t) et l effet résultant (température au bout du tuyau).

44 Exemple: régulation manuelle (II) Voici l évolution de la température perçue par deux types d opérateurs: un opérateur pressé qui réagit de manière importante à l écart entre la température perçue et celle désirée Temperature Temps et un opérateur modéré qui a des réactions plus mitigées Temperature Temps Cours de modélisation et simulation p. 44/64

45 Cours de modélisation et simulation p. 45/64 Systèmes à temps continu et discret Définition. Un système est dit à temps continu si l ensemble T est l ensemble des nombres réels. Un exemple de système à temps continu est un système qui décrit le niveau d un fleuve. La variable d état change d une manière continue le long du temps. Définition. Un système est dit à temps discret si l ensemble T est un ensemble discret. Les systèmes à temps discrets peuvent être synchrones où les variables du système prennent leur valeurs selon une fréquence préétablie (par exemple T est l ensemble des nombres entiers), asynchrones où les instants de temps suivent une distribution aléatoire. Ces systèmes sont aussi appelés systèmes à évènements discrets. Un exemple de système à temps discret synchrone est un système qui décrit l évolution annuelle du Produit Intérieur Brut (PIB) d une nation. Un exemple de système à évènements discrets est un système qui décrit le nombre de clients dans un banque. La variable d état change sa valeur seulement quand un client entre ou sort de la banque.

46 Cours de modélisation et simulation p. 46/64 Automate Définition. Un automate est un système dynamique invariant à temps discret et avec un espace d état discret, où les ensembles d entrée et de sortie sont finis. Définition. Un automate fini est un automate avec un espace d état fini. Dans la suite nous nous considérerons que des automates finis.

47 Cours de modélisation et simulation p. 47/64 Automate Dans le cas d un système invariant à temps discret, nous pouvons remplacer la fonction de transition et la transformation de sortie par { x(t + 1) = δ(x(t), u(t)) y(t) = η(x(t)) Si les espaces d état, entrée et sortie sont finis, ces fonctions peuvent être aussi représentées par des tableaux et/ou par des graphes.

48 Cours de modélisation et simulation p. 48/64 Tableaux Considérons un automate où X = {x (1), x (2) },U = {u (1), u (2) } et Y = {y (1), y (2) } sont composés par deux éléments chacun. Soient la fonction de transition et la transformation de sortie données par les tableaux suivants x-u u (1) u (2) x (1) x (2) x (1) x (2) x (1) x (2) x(t) y(t) x (1) y (1) x (2) y (2)

49 Graphe de transition Cours de modélisation et simulation p. 49/64

50 Cours de modélisation et simulation p. 50/64 Notons que Graphe de transition le symbole sur chaque arc qui connecte x (i) à x (j) représente la valeur de l entrée qui causes la transition x (i) x (j). la notation x (i) /y (i) signifie que la valeur y (i) Y est émise par l automate pendant que l automate est dans l état x (i) X. le nombre d états est égal au nombre de composants de X. le nombre d arcs qui sortent d un noeud est égal au nombre de composants de U. il est admis que δ(x, u ) = δ(x, u ), u u, c.-à-d. que entrées différentes u et u peuvent déclencher la même transition à partir d un état x. Dans ce cas, les deux valeurs u et u sont notées sur le même arc.

51 Cours de modélisation et simulation p. 51/64 États d équilibre Un état x est dit d équilibre si et seulement si il existe dans le graphe la boucle x x. Une sortie ȳ est d équilibre si et seulement si il existe dans le graphe une boucle qui traverse des noeuds ayant tous la sortie ȳ.

52 États d équilibre Cours de modélisation et simulation p. 52/64

53 Cours de modélisation et simulation p. 53/64 Pour un automate donné, Accessibilité un état x est accessible à partir d un état x s il existe dans le graphe un chemin x x. un automate est connexe ssi le graphe est fortement connexe (c.-à-d. si chaque sommet est accessible à partir de n importe quel autre).

54 Exemple Considérons un système d éclairage composé par deux lampes L 1 et L 2 le système soit contrôlé par un interrupteur u qui peut prendre deux positions U = {u (1), u (2) }. Ω puisse être quelconque séquence de valeurs u (1) et u (2) : en particulier les séquences constantes...,u (1), u (1),... et...,u (2), u (2),... sont admises. le système soit à temps discret et synchrone, par exemple l interrupteur peut être commuté chaque seconde. Donc T = {1, 2, 3,... }. le système ait quatre configurations internes: X = {x (1), x (2), x (3), x (4) }. l observateur puisse distinguer trois configurations d éclairage: y (0) qui correspond à l obscurité, y (1) qui correspond à seul la lampe L 1 allumée, y (2) qui correspond à seul la lampe L 2 allumée. Soit x(t) X la configuration à l instant t: la configuration suivante dépend de x(t) et de la valeur u(t) selon le graphe à gauche dans la page suivante. Soit x(t) X la configuration à l instant t: la sortie y(t) dépend de x(t) selon le graphe à droite dans la page suivante. Cours de modélisation et simulation p. 54/64

55 Cours de modélisation et simulation p. 55/64 Exemple u (1) u (2) x (1) u (1) x (4) x (1) u (2) u (2) x (2) y (1) x u (2) (2) (3) u (1) x u (1) x x (3) (4) y y (2) (0)

56 Exemple Il est possible montrer que le graphe de transition d état nous permet de calculer la fonction de transition ϕ. Par exemple, étant donné l état initial x(t 0 ) = x (1) à l instant t 0 et la fonction d entrée û( ) telle que û(t 0 ) = u (1), û(t 0 + 1) = u (2), û(t 0 + 2) = u (2) il est facile de dériver que x(t 0 + 3) = ϕ(t 0 + 3, t 0, x 0, û( )) = x (2). Il est facile aussi de montrer que cette fonction satisfait les propriétés de consistance, irréversibilité, composition et causalité. En plus le système est stationnaire et déterministe: fixé la condition initiale et la loi d entrée, l état finale est unique. Tous les états et les sorties sont d équilibre. Le système est connexe et en forme réduite. L état est observable en une seule transition. Notons aussi que cette représentation d état n est pas la seule qui garantit cette relation entrée-sortie. On pourrait par exemple obtenir la même relation entrée-sortie en ajoutant des états équivalents redondants. Cours de modélisation et simulation p. 56/64

57 Cours de modélisation et simulation p. 57/64 Exemple u (1) x u (1) x (1) u (1) x (4) u (2) x (1) x u (2) u (2) u (2) x (2) y (1) x u (2) (3) (2) u (1) x u (1) x x (3) (4) y y (2) (0)

58 Cours de modélisation et simulation p. 58/64 Exemple Considérons maintenant l automate suivant: u (1) u (2) x (1) u (1) x (4) x (1) u (2) u (2) x (2) y (1) x u (2) (2) (3) u (1) x u (1) x x (3) (4) y (0) Est-il encore observable? Est-il en forme réduite?

59 Cours de modélisation et simulation p. 59/64 Automates cellulaires Un automates cellulaires est un système dynamique à temps discret synchrone caractérisé par un grand (toutefois fini) nombre de variables d état x ij (ou cellules) disposés sur une grille où i et j représentent la position sur la grille. Chaque cellule x ij prends sa valeur dans un ensemble fini X. La valeur à l instant t + 1 de la cellule x ij est fonction de l état au temps t d un nombre fini de cellules appelé son voisinage. Aucune entrée n est présente. À chaque nouvelle unité de temps, les mêmes règles sont appliquées pour toutes les cellules de la grille, produisant une nouvelle génération de cellules dépendant entièrement de la génération précédente.

60 Cours de modélisation et simulation p. 60/64 Automate cellulaire unidimensionnel L automate cellulaire non-trivial le plus simple que l on puisse concevoir consiste en une grille unidimensionnelle de n cellules x i ne pouvant prendre que deux états (0 ou 1), avec un voisinage constitué, pour chaque cellule, d elle-même et des deux cellules qui lui sont adjacentes. Chacune des cellules pouvant prendre deux états, il existe 2 3 = 8 configurations (ou motifs) possibles d un tel voisinage. Pour que l automate cellulaire fonctionne, il faut définir quel doit être l état, à la génération suivante, d une cellule pour chacun de ces motifs.

61 Cours de modélisation et simulation p. 61/64 Automate cellulaire unidimensionnel Considérons l automate cellulaire défini par n = 22 états binaires (X = {0, 1} 22 ) où x i (0) = { 0 i 11 1 i = 11, i = 1,...,22 et où la règle d évolution est donnée par x i 1 (t) x i (t) x i+1 (t) x i (t + 1)

62 Cours de modélisation et simulation p. 62/64 Automate cellulaire unidimensionnel (II) L état à l instant j est représenté par la jème ligne. L évolution temporelle avance du haut vers le bas

63 Cours de modélisation et simulation p. 63/64 Jeu de la vie Le jeu de la vie est un automate cellulaire bidimensionnel où chaque cellule peut prendre deux valeurs (0 et 1, qui dénotent la vie et la mort, respectivement) et où son état futur est déterminé par son état actuel et par le nombre de cellules vivantes parmi les huit qui l entourent. Une règle simple de transition est 1. Si la cellule est vivante et entourée par deux ou trois cellules vivantes, elle reste en vie à la génération suivante, sinon elle meurt. 2. Si la cellule est morte et entourée par exactement trois cellules vivantes, elle naît à la génération suivante. Il est intéressant de remarquer que ces deux règles, même fort simples, font émerger une dynamique inattendue à partir d une condition initiale aléatoire.

64 Cours de modélisation et simulation p. 64/64 Jeu de la vie (II)

Principes de la Mécanique

Principes de la Mécanique Chapitre 1 Principes de la Mécanique L expérience a montré que tous les phénomènes observés dans la nature obéissent à des lois bien déterminées. Ces lois peuvent être, en plus, déterministes ou indéterministes.

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

VIII- Circuits séquentiels. Mémoires

VIII- Circuits séquentiels. Mémoires 1 VIII- Circuits séquentiels. Mémoires Maintenant le temps va intervenir. Nous avions déjà indiqué que la traversée d une porte ne se faisait pas instantanément et qu il fallait en tenir compte, notamment

Plus en détail

Chapitre 2 Le problème de l unicité des solutions

Chapitre 2 Le problème de l unicité des solutions Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)

Plus en détail

Oscillations libres des systèmes à deux degrés de liberté

Oscillations libres des systèmes à deux degrés de liberté Chapitre 4 Oscillations libres des systèmes à deux degrés de liberté 4.1 Introduction Les systèmes qui nécessitent deux coordonnées indépendantes pour spécifier leurs positions sont appelés systèmes à

Plus en détail

Université Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications

Université Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications Université Paris-Dauphine DUMI2E 1ère année, 2009-2010 Applications 1 Introduction Une fonction f (plus précisément, une fonction réelle d une variable réelle) est une règle qui associe à tout réel x au

Plus en détail

Cours IV Mise en orbite

Cours IV Mise en orbite Introduction au vol spatial Cours IV Mise en orbite If you don t know where you re going, you ll probably end up somewhere else. Yogi Berra, NY Yankees catcher v1.2.8 by-sa Olivier Cleynen Introduction

Plus en détail

10 leçon 2. Leçon n 2 : Contact entre deux solides. Frottement de glissement. Exemples. (PC ou 1 er CU)

10 leçon 2. Leçon n 2 : Contact entre deux solides. Frottement de glissement. Exemples. (PC ou 1 er CU) 0 leçon 2 Leçon n 2 : Contact entre deu solides Frottement de glissement Eemples (PC ou er CU) Introduction Contact entre deu solides Liaisons de contact 2 Contact ponctuel 2 Frottement de glissement 2

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

TP 7 : oscillateur de torsion

TP 7 : oscillateur de torsion TP 7 : oscillateur de torsion Objectif : étude des oscillations libres et forcées d un pendule de torsion 1 Principe général 1.1 Définition Un pendule de torsion est constitué par un fil large (métallique)

Plus en détail

Chapitre 0 Introduction à la cinématique

Chapitre 0 Introduction à la cinématique Chapitre 0 Introduction à la cinématique Plan Vitesse, accélération Coordonnées polaires Exercices corrigés Vitesse, Accélération La cinématique est l étude du mouvement Elle suppose donc l existence à

Plus en détail

Les correcteurs accorderont une importance particulière à la rigueur des raisonnements et aux représentations graphiques demandées.

Les correcteurs accorderont une importance particulière à la rigueur des raisonnements et aux représentations graphiques demandées. Les correcteurs accorderont une importance particulière à la rigueur des raisonnements et aux représentations graphiques demandées. 1 Ce sujet aborde le phénomène d instabilité dans des systèmes dynamiques

Plus en détail

Jeux sous forme normale

Jeux sous forme normale CHAPITRE 4 Jeux sous forme normale Dans les problèmes de décision, nous avons relié les choix qui pouvaient être faits par un agent avec les utilités qu il pouvait en dériver. L idée qu un agent rationnel

Plus en détail

Conversion électronique statique

Conversion électronique statique Conversion électronique statique Sommaire I) Généralités.2 A. Intérêts de la conversion électronique de puissance 2 B. Sources idéales.3 C. Composants électroniques..5 II) III) Hacheurs..7 A. Hacheur série

Plus en détail

Induction électromagnétique

Induction électromagnétique Induction électromagnétique Sommaire I) Théorie de l induction électromagnétique..2 A. Introduction 2 B. Notion de force électromotrice 3 C. Loi de Faraday..5 D. Quelques applications.7 Spire circulaire

Plus en détail

Mouvement et vitesse . A A B

Mouvement et vitesse . A A B Chapitre 1 Mouvement et vitesse I/ Caractère relatif d'un mouvement Le mouvement d'un objet est décrit par rapport à un autre objet qui sert de référence ( le référentiel) exemple : assis dans une voiture

Plus en détail

Texte Agrégation limitée par diffusion interne

Texte Agrégation limitée par diffusion interne Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse

Plus en détail

Cours d Analyse. Fonctions de plusieurs variables

Cours d Analyse. Fonctions de plusieurs variables Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........

Plus en détail

Circuits RL et RC. Chapitre 5. 5.1 Inductance

Circuits RL et RC. Chapitre 5. 5.1 Inductance Chapitre 5 Circuits RL et RC Ce chapitre présente les deux autres éléments linéaires des circuits électriques : l inductance et la capacitance. On verra le comportement de ces deux éléments, et ensuite

Plus en détail

POLY-PREPAS ANNEE 2009/2010 Centre de Préparation aux Concours Paramédicaux

POLY-PREPAS ANNEE 2009/2010 Centre de Préparation aux Concours Paramédicaux POLY-PREPAS ANNEE 2009/2010 Centre de Préparation aux Concours Paramédicaux - Section : i-prépa Audioprothésiste (annuel) - MATHEMATIQUES 8 : EQUATIONS DIFFERENTIELLES - COURS + ENONCE EXERCICE - Olivier

Plus en détail

1 Questionnaire à choix multiples

1 Questionnaire à choix multiples EXAMEN FINAL mercredi 19 janvier 2011, Durée h00 Pierre Fleckinger Une attention particulière doit être portée à la rédaction et à l explication des calculs faits. Utiliser un feuillet simple pour le QCM

Plus en détail

Théorie de l information : historique

Théorie de l information : historique Théorie de l information : historique Développée dans les années quarante par Claude Shannon. Objectif : maximiser la quantité d information pouvant être transmise par un canal de communication imparfait.

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

Jeux à somme nulle : le cas fini

Jeux à somme nulle : le cas fini CHAPITRE 2 Jeux à somme nulle : le cas fini Les jeux à somme nulle sont les jeux à deux joueurs où la somme des fonctions de paiement est nulle. Dans ce type d interaction stratégique, les intérêts des

Plus en détail

F411 - Courbes Paramétrées, Polaires

F411 - Courbes Paramétrées, Polaires 1/43 Courbes Paramétrées Courbes polaires Longueur d un arc, Courbure F411 - Courbes Paramétrées, Polaires Michel Fournié michel.fournie@iut-tlse3.fr http://www.math.univ-toulouse.fr/ fournie/ Année 2012/2013

Plus en détail

Modélisation multi-agents - Agents réactifs

Modélisation multi-agents - Agents réactifs Modélisation multi-agents - Agents réactifs Syma cursus CSI / SCIA Julien Saunier - julien.saunier@ifsttar.fr Sources www-lih.univlehavre.fr/~olivier/enseignement/masterrecherche/cours/ support/algofourmis.pdf

Plus en détail

TD1 Signaux, énergie et puissance, signaux aléatoires

TD1 Signaux, énergie et puissance, signaux aléatoires TD1 Signaux, énergie et puissance, signaux aléatoires I ) Ecrire l'expression analytique des signaux représentés sur les figures suivantes à l'aide de signaux particuliers. Dans le cas du signal y(t) trouver

Plus en détail

Chafa Azzedine - Faculté de Physique U.S.T.H.B 1

Chafa Azzedine - Faculté de Physique U.S.T.H.B 1 Chafa Azzedine - Faculté de Physique U.S.T.H.B 1 Définition: La cinématique est une branche de la mécanique qui étudie les mouements des corps dans l espace en fonction du temps indépendamment des causes

Plus en détail

Eléments de spécification des systèmes temps réel Pierre-Yves Duval (cppm)

Eléments de spécification des systèmes temps réel Pierre-Yves Duval (cppm) Eléments de spécification des systèmes temps réel Pierre-Yves Duval (cppm) Ecole d informatique temps réel - La Londes les Maures 7-11 Octobre 2002 - Evénements et architectures - Spécifications de performances

Plus en détail

Chapitre 1 Régime transitoire dans les systèmes physiques

Chapitre 1 Régime transitoire dans les systèmes physiques Chapitre 1 Régime transitoire dans les systèmes physiques Savoir-faire théoriques (T) : Écrire l équation différentielle associée à un système physique ; Faire apparaître la constante de temps ; Tracer

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

Structures de données non linéaires

Structures de données non linéaires Structures de données non linéaires I. Graphes Définition Un graphe (simple) orienté G est un couple (S, A), où : S est un ensemble dont les éléments sont appelés les sommets. A est un ensemble de couples

Plus en détail

Chapitre 2 : Caractéristiques du mouvement d un solide

Chapitre 2 : Caractéristiques du mouvement d un solide Chapitre 2 : Caractéristiques du mouvement d un solide I Rappels : Référentiel : Le mouvement d un corps est décris par rapport à un corps de référence et dépend du choix de ce corps. Ce corps de référence

Plus en détail

Repérage d un point - Vitesse et

Repérage d un point - Vitesse et PSI - écanique I - Repérage d un point - Vitesse et accélération page 1/6 Repérage d un point - Vitesse et accélération Table des matières 1 Espace et temps - Référentiel d observation 1 2 Coordonnées

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

Concours de recrutement interne PLP 2009

Concours de recrutement interne PLP 2009 Concours de recrutement interne PLP 2009 Le sujet est constitué de quatre exercices indépendants. Le premier exercice, de nature pédagogique au niveau du baccalauréat professionnel, porte sur le flocon

Plus en détail

PRIME D UNE OPTION D ACHAT OU DE VENTE

PRIME D UNE OPTION D ACHAT OU DE VENTE Université Paris VII - Agrégation de Mathématiques François Delarue) PRIME D UNE OPTION D ACHAT OU DE VENTE Ce texte vise à modéliser de façon simple l évolution d un actif financier à risque, et à introduire,

Plus en détail

IFT6561. Simulation: aspects stochastiques

IFT6561. Simulation: aspects stochastiques IFT 6561 Simulation: aspects stochastiques DIRO Université de Montréal Automne 2013 Détails pratiques Professeur:, bureau 3367, Pav. A.-Aisenstadt. Courriel: bastin@iro.umontreal.ca Page web: http://www.iro.umontreal.ca/~bastin

Plus en détail

Les automates. Fabrice EUDES, Pascal EVRARD, Philippe MARQUET, François RECHER & Yann SECQ

Les automates. Fabrice EUDES, Pascal EVRARD, Philippe MARQUET, François RECHER & Yann SECQ Les automates Fabrice EUDES, Pascal EVRARD, Philippe MARQUET, François RECHER & Yann SECQ Avril 2015 Retour sur l île et le barman Deux problèmes similaires: Des îles, des bateaux et un trésor à trouver

Plus en détail

Modélisation et Simulation

Modélisation et Simulation Modélisation et Simulation G. Bontempi L. Lerman Département d Informatique Boulevard de Triomphe - CP 212 http://www.ulb.ac.be/di September 17, 2015 Ressources Assistant: M. Liran Lerman. Les TPs débuteront

Plus en détail

Calcul intégral élémentaire en plusieurs variables

Calcul intégral élémentaire en plusieurs variables Calcul intégral élémentaire en plusieurs variables PC*2 2 septembre 2009 Avant-propos À part le théorème de Fubini qui sera démontré dans le cours sur les intégrales à paramètres et qui ne semble pas explicitement

Plus en détail

Lois de probabilité à densité Loi normale

Lois de probabilité à densité Loi normale DERNIÈRE IMPRESSIN LE 31 mars 2015 à 14:11 Lois de probabilité à densité Loi normale Table des matières 1 Lois à densité 2 1.1 Introduction................................ 2 1.2 Densité de probabilité

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

Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN

Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN Table des matières. Introduction....3 Mesures et incertitudes en sciences physiques

Plus en détail

INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE

INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE Le schéma synoptique ci-dessous décrit les différentes étapes du traitement numérique

Plus en détail

LA PHYSIQUE DES MATERIAUX. Chapitre 1 LES RESEAUX DIRECT ET RECIPROQUE

LA PHYSIQUE DES MATERIAUX. Chapitre 1 LES RESEAUX DIRECT ET RECIPROQUE LA PHYSIQUE DES MATERIAUX Chapitre 1 LES RESEAUX DIRECT ET RECIPROQUE Pr. A. Belayachi Université Mohammed V Agdal Faculté des Sciences Rabat Département de Physique - L.P.M belayach@fsr.ac.ma 1 1.Le réseau

Plus en détail

INTRODUCTION À LA THÉORIE DE STABILITÉ DES SYSTÈMES CONSERVATIFS

INTRODUCTION À LA THÉORIE DE STABILITÉ DES SYSTÈMES CONSERVATIFS INTRODUCTION À LA THÉORIE DE STABILITÉ DES SYSTÈMES CONSERVATIFS David Ryckelynck Centre des Matériaux, Mines ParisTech David.Ryckelynck@mines-paristech.fr Bibliographie : Stabilité et mécanique non linéaire,

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

Architectures Logicielles et Matérielles Travaux Dirigés Circuits

Architectures Logicielles et Matérielles Travaux Dirigés Circuits UNIVERSITE Joseph FOURIER, Grenoble U.F.R. d Informatique et Maths. Appliquées Architectures Logicielles et Matérielles Travaux Dirigés Circuits Rappel : dessins des portes logiques. Déroulement envisagé

Plus en détail

Système à enseigner : Robot M.I.M.I. MultipodeIntelligent à Mobilité Interactive. Version 1.0

Système à enseigner : Robot M.I.M.I. MultipodeIntelligent à Mobilité Interactive. Version 1.0 Système à enseigner : Robot M.I.M.I. MultipodeIntelligent à Mobilité Interactive Sommaire - Le Robot M.I.M.I. (Multipode Intelligent à Mobilité Interactive) - Présentation du Système à Enseigner. - Composition

Plus en détail

Extrait des Exploitations Pédagogiques

Extrait des Exploitations Pédagogiques Pédagogiques Module : Compétitivité et créativité CI Première : Compétitivité et créativité CI institutionnel : Développement durable et compétitivité des produits Support : Robot - O : Caractériser les

Plus en détail

Espaces vectoriels et applications

Espaces vectoriels et applications Espaces vectoriels et applications linéaires 1 Définitions On parle d espaces vectoriels sur le corps R ou sur le corps C. Les définitions sont les mêmes en substituant R à C ou vice versa. Définition

Plus en détail

Théorie des graphes pour l analyse de réseaux réels

Théorie des graphes pour l analyse de réseaux réels Théorie des graphes pour l analyse de réseaux réels Bertrand Jouve Laboratoire ERIC - IXXI - Université Lyon 2 Plan 1 Entre théorie des graphes et réseaux réels 2 Partitionnement métrique Exemple d étude

Plus en détail

Thème 12: Généralités sur les fonctions

Thème 12: Généralités sur les fonctions GÉNÉRALITÉS SUR LES FONCTIONS 69 Thème 12: Généralités sur les fonctions 12.1 Introduction Qu est-ce qu une fonction? Une fonction est une sorte de "machine". On choisit dans un ensemble de départ A un

Plus en détail

aux différences est appelé équation aux différences d ordre n en forme normale.

aux différences est appelé équation aux différences d ordre n en forme normale. MODÉLISATION ET SIMULATION EQUATIONS AUX DIFFÉRENCES (I/II) 1. Rappels théoriques : résolution d équations aux différences 1.1. Équations aux différences. Définition. Soit x k = x(k) X l état scalaire

Plus en détail

CHAPITRE IX : Les appareils de mesures électriques

CHAPITRE IX : Les appareils de mesures électriques CHAPITRE IX : Les appareils de mesures électriques IX. 1 L'appareil de mesure qui permet de mesurer la différence de potentiel entre deux points d'un circuit est un voltmètre, celui qui mesure le courant

Plus en détail

Ensimag 2A. Rapport de TER. Application de la Recherche Opérationnelle à la Finance

Ensimag 2A. Rapport de TER. Application de la Recherche Opérationnelle à la Finance Ensimag 2A Rapport de TER Application de la Recherche Opérationnelle à la Finance Elève : Yuefei HUANG Tuteur : Zoltán SZIGETI Mai, 2010 2 Sommaire 1. Introduction... 3 2. Le marché des changes et arbitrage...

Plus en détail

Quatrième partie. Hydrostatique, hydrodynamique des fluides parfaits

Quatrième partie. Hydrostatique, hydrodynamique des fluides parfaits Quatrième partie Hydrostatique, hydrodynamique des fluides parfaits 105 Chapitre 11 LE THÉORÈME DE BERNOULLI Le principe de conservation de l énergie est très général. Nous allons montrer qu il permet

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

Forces et Interactions

Forces et Interactions Février 2013 Cours de physique sur les Forces et les Interactions page 1 1 Objectifs Forces et Interactions Le but de ce cours est d'introduire la notion de force et d'étudier la statique, c'est-à-dire

Plus en détail

TP oscilloscope et GBF

TP oscilloscope et GBF TP oscilloscope et GBF Ce TP est évalué à l'aide d'un questionnaire moodle. Objectif : ce travail a pour buts de manipuler l oscilloscope et le GBF. A l issu de celui-ci, toutes les fonctions essentielles

Plus en détail

INTRODUCTION. A- Modélisation et paramétrage : CHAPITRE I : MODÉLISATION. I. Paramétrage de la position d un solide : (S1) O O1 X

INTRODUCTION. A- Modélisation et paramétrage : CHAPITRE I : MODÉLISATION. I. Paramétrage de la position d un solide : (S1) O O1 X INTRODUCTION La conception d'un mécanisme en vue de sa réalisation industrielle comporte plusieurs étapes. Avant d'aboutir à la maquette numérique du produit définitif, il est nécessaire d'effectuer une

Plus en détail

Marketing quantitatif M2-MASS

Marketing quantitatif M2-MASS Marketing quantitatif M2-MASS Francois.Kauffmann@unicaen.fr UCBN 2 décembre 2012 Francois.Kauffmann@unicaen.fr UCBN Marketing quantitatif M2-MASS 2 décembre 2012 1 / 61 Première partie I Analyse Analyse

Plus en détail

Précision d un résultat et calculs d incertitudes

Précision d un résultat et calculs d incertitudes Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................

Plus en détail

De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que

De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer

Plus en détail

Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT

Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,

Plus en détail

SDNL112 - Endommagement d'origine vibratoire d'un cintre de générateur de vapeur

SDNL112 - Endommagement d'origine vibratoire d'un cintre de générateur de vapeur Titre : SDNL112 - Endommagement d'origine vibratoire d'un [...] Date : 30/07/2015 Page : 1/9 SDNL112 - Endommagement d'origine vibratoire d'un cintre de générateur de vapeur Résumé Ce cas de validation

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

Fiche technique expérimentale 5. Notions sur l acquisition numérique

Fiche technique expérimentale 5. Notions sur l acquisition numérique Fiche technique expérimentale 5 Notions sur l acquisition numérique D.Malka MPSI 2014-2015 Lycée Saint-Exupéry Ce bref guide traite de quelques éléments important sur l acquisition numérique des signaux

Plus en détail

Acquisition et conditionnement de l information Les capteurs

Acquisition et conditionnement de l information Les capteurs Acquisition et conditionnement de l information Les capteurs COURS 1. Exemple d une chaîne d acquisition d une information L'acquisition de la grandeur physique est réalisée par un capteur qui traduit

Plus en détail

Annexe Simulations de Monte Carlo

Annexe Simulations de Monte Carlo Annexe Simulations de Monte Carlo Cette annexe présente, de façon pratique, les principales techniques opératoires des simulations de Monte Carlo. Le lecteur souhaitant une présentation plus rigoureuse

Plus en détail

ÉJECTEURS. CanmetÉNERGIE Juillet 2009

ÉJECTEURS. CanmetÉNERGIE Juillet 2009 ÉJECTEURS CanmetÉNERGIE Juillet 2009 ÉJECTEURS 1 ÉJECTEURS INTRODUCTION Les éjecteurs sont activés par la chaleur perdue ou la chaleur provenant de sources renouvelables. Ils sont actionnés directement

Plus en détail

Introduction à la théorie des files d'attente. Claude Chaudet Claude.Chaudet@enst.fr

Introduction à la théorie des files d'attente. Claude Chaudet Claude.Chaudet@enst.fr Introduction à la théorie des files d'attente Claude Chaudet Claude.Chaudet@enst.fr La théorie des files d'attente... Principe: modélisation mathématique de l accès à une ressource partagée Exemples réseaux

Plus en détail

Essais de charge sur plaque

Essais de charge sur plaque Page No.: 1 L essai de charge sur plaque est exécuté entre autres dans des galeries d exploration ou dans des puits, mais il peut aussi être exécuté à la surface en appliquant un poids mort ou en chargeant

Plus en détail

MATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA

MATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA MATHS FINANCIERES Mireille.Bossy@sophia.inria.fr Projet OMEGA Sophia Antipolis, septembre 2004 1. Introduction : la valorisation de contrats optionnels Options d achat et de vente : Call et Put Une option

Plus en détail

Cours de Mécanique du point matériel

Cours de Mécanique du point matériel Cours de Mécanique du point matériel SMPC1 Module 1 : Mécanique 1 Session : Automne 2014 Prof. M. EL BAZ Cours de Mécanique du Point matériel Chapitre 1 : Complément Mathématique SMPC1 Chapitre 1: Rappels

Plus en détail

Intelligence Artificielle Planification

Intelligence Artificielle Planification Intelligence Artificielle Planification Bruno Bouzy http://web.mi.parisdescartes.fr/~bouzy bruno.bouzy@parisdescartes.fr Licence 3 Informatique UFR Mathématiques et Informatique Université Paris Descartes

Plus en détail

3 Approximation de solutions d équations

3 Approximation de solutions d équations 3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle

Plus en détail

Erratum de MÉCANIQUE, 6ème édition. Introduction Page xxi (milieu de page) G = 6, 672 59 10 11 m 3 kg 1 s 2

Erratum de MÉCANIQUE, 6ème édition. Introduction Page xxi (milieu de page) G = 6, 672 59 10 11 m 3 kg 1 s 2 Introduction Page xxi (milieu de page) G = 6, 672 59 1 11 m 3 kg 1 s 2 Erratum de MÉCANIQUE, 6ème édition Page xxv (dernier tiers de page) le terme de Coriolis est supérieur à 1% du poids) Chapitre 1 Page

Plus en détail

Une fréquence peut-elle être instantanée?

Une fréquence peut-elle être instantanée? Fréquence? Variable? Instantané vs. local? Conclure? Une fréquence peut-elle être instantanée? Patrick Flandrin CNRS & École Normale Supérieure de Lyon, France Produire le temps, IRCAM, Paris, juin 2012

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

basée sur le cours de Bertrand Legal, maître de conférences à l ENSEIRB www.enseirb.fr/~legal Olivier Augereau Formation UML

basée sur le cours de Bertrand Legal, maître de conférences à l ENSEIRB www.enseirb.fr/~legal Olivier Augereau Formation UML basée sur le cours de Bertrand Legal, maître de conférences à l ENSEIRB www.enseirb.fr/~legal Olivier Augereau Formation UML http://olivier-augereau.com Sommaire Introduction I) Les bases II) Les diagrammes

Plus en détail

Programme-cadre et détail du programme des examens relatifs aux modules des cours de technologie, théorie professionnelle

Programme-cadre et détail du programme des examens relatifs aux modules des cours de technologie, théorie professionnelle Profil des compétences professionnelles Programme-cadre et détail du programme des examens relatifs aux modules des cours de technologie, théorie professionnelle Organisation pratique Détail du programme

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

Manuel d'utilisation de la maquette

Manuel d'utilisation de la maquette Manuel d'utilisation de la maquette PANNEAU SOLAIRE AUTO-PILOTE Enseignement au lycée Article Code Panneau solaire auto-piloté 14740 Document non contractuel L'énergie solaire L'énergie solaire est l'énergie

Plus en détail

Trépier avec règle, ressort à boudin, chronomètre, 5 masses de 50 g.

Trépier avec règle, ressort à boudin, chronomètre, 5 masses de 50 g. PHYSQ 130: Hooke 1 LOI DE HOOKE: CAS DU RESSORT 1 Introduction La loi de Hooke est fondamentale dans l étude du mouvement oscillatoire. Elle est utilisée, entre autres, dans les théories décrivant les

Plus en détail

Exemples de dynamique sur base modale

Exemples de dynamique sur base modale Dynamique sur base modale 1 Exemples de dynamique sur base modale L. CHAMPANEY et Ph. TROMPETTE Objectifs : Dynamique sur base modale réduite, Comparaison avec solution de référence, Influence des modes

Plus en détail

Espace de probabilité, indépendance et probabilité conditionnelle

Espace de probabilité, indépendance et probabilité conditionnelle Chapter 2 Espace de probabilité, indépendance et probabilité conditionnelle Sommaire 2.1 Tribu et événements........................................... 15 2.2 Probabilité................................................

Plus en détail

Continuité et dérivabilité d une fonction

Continuité et dérivabilité d une fonction DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité

Plus en détail

1) Explications (Expert) :

1) Explications (Expert) : 1) Explications (Expert) : Mesures expérimentales : Dans nos conditions d expérience, nous avons obtenu les résultats suivants : Les dimensions des récipients sont : 1) bocal vide : épaisseur de verre

Plus en détail

Dimensionnement d une roue autonome pour une implantation sur un fauteuil roulant

Dimensionnement d une roue autonome pour une implantation sur un fauteuil roulant Dimensionnement d une roue autonome pour une implantation sur un fauteuil roulant I Présentation I.1 La roue autonome Ez-Wheel SAS est une entreprise française de technologie innovante fondée en 2009.

Plus en détail

Conception des systèmes répartis

Conception des systèmes répartis Conception des systèmes répartis Principes et concepts Gérard Padiou Département Informatique et Mathématiques appliquées ENSEEIHT Octobre 2012 Gérard Padiou Conception des systèmes répartis 1 / 37 plan

Plus en détail

I.2: Le test fonctionnel I.2.2 : Le test fonctionnel de logiciel

I.2: Le test fonctionnel I.2.2 : Le test fonctionnel de logiciel I.2: Le test fonctionnel I.2.2 : Le test fonctionnel de logiciel Introduction Notre contexte : pas possible d exprimer toutes les combinaisons de DT. Le test fonctionnel est basé sur la spécification/interface

Plus en détail

Image d un intervalle par une fonction continue

Image d un intervalle par une fonction continue DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction

Plus en détail

LES LOIS PHYSIQUES APPLIQUÉES AUX DEUX-ROUES : 1. LA FORCE DE GUIDAGE

LES LOIS PHYSIQUES APPLIQUÉES AUX DEUX-ROUES : 1. LA FORCE DE GUIDAGE LES LOIS PHYSIQUES APPLIQUÉES AUX DEUX-ROUES : 1. LA FORCE DE GUIDAGE 2. L EFFET GYROSCOPIQUE Les lois physiques qui régissent le mouvement des véhicules terrestres sont des lois universelles qui s appliquent

Plus en détail

COURS LabVIEW. V. Chollet - 25/11/2013 - COURS LabVIEW 14 - Page 1 sur 37

COURS LabVIEW. V. Chollet - 25/11/2013 - COURS LabVIEW 14 - Page 1 sur 37 COURS LabVIEW V. Chollet - 25/11/2013 - COURS LabVIEW 14 - Page 1 sur 37 Chapitre 1 CALCULS DANS LabVIEW I INTRODUCTION Un calcul utilise des données pour fournir un résultat à partir d une formule. ENTREES

Plus en détail

Introduction à l analyse numérique : exemple du cloud computing

Introduction à l analyse numérique : exemple du cloud computing Introduction à l analyse numérique : exemple du cloud computing Tony FEVRIER Aujourd hui! Table des matières 1 Equations aux dérivées partielles et modélisation Equation différentielle et modélisation

Plus en détail

Les Conditions aux limites

Les Conditions aux limites Chapitre 5 Les Conditions aux limites Lorsque nous désirons appliquer les équations de base de l EM à des problèmes d exploration géophysique, il est essentiel, pour pouvoir résoudre les équations différentielles,

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