Encadré par : Pascal Dufour Laurent Pierre

Click here to load reader

  • date post

    21-Jan-2016
  • Category

    Documents

  • view

    24
  • download

    0

Embed Size (px)

description

C. B. U. L. UNIVERSITE CLAUDE BERNARD LYON 1 43, bd du 11 Novembre 1918 69622 VILLEURBANNE. Lieu de stage. Master 2 : Génie des Procédés. Thème. COMMANDE PRÉDICTIVE D’UN MODELE DE CUISSON DE LA PEINTURE EN POUDRE AVEC DE L’INFRAROUGE. Présenté par : KAMEL ABID. - PowerPoint PPT Presentation

Transcript of Encadré par : Pascal Dufour Laurent Pierre

  • Encadr par : Pascal Dufour Laurent Pierre18/09/2006UNIVERSITE CLAUDE BERNARD LYON 1 43, bd du 11 Novembre 1918 69622 VILLEURBANNE Lieu de stage COMMANDE PRDICTIVE DUN MODELE DE CUISSON DE LA PEINTURE EN POUDRE AVECDE LINFRAROUGEThmeMaster 2 : Gnie des Procds Prsent par : KAMEL ABID

  • IIntroductionIIPrsentation du procd de cuisson de la peintureIIIModlisation dynamique du procdIVDiscrtisation et Simulation du modle Vcommande prdictive VIApproche prdictive en simulation VIIConclusion & Perspectives

    plan

  • Les commandes prdictives sont considres comme des approches alternatives attractives.

    le problme principal de ces commandes est plus prcisment la poursuite de trajectoire et de formul en un problme doptimisation.

    cette approche est actuellement possible grce la puissance des calculateurs

    Iintroduction

  • La variable de commande : le Flux de chaleur ( Q )Les variables contrler : Temprature Taux de conversionIIPrsentation du procd de cuisson de la peintureOrdinateur

  • FILM SUPPORT

    FILM PEINTUREIIIModlisation dynamique du procd de la cuisson BilanThermique Bilan MatireBilan nergtique et Matire Bilan Thermique

  • IIIModlisation dynamique du procd de la cuissonConditions aux limites et initialesExtrmit suprieure de la peintureLes points commun entre peinture et support ( continuits des flux)Extrmit infrieure du support X = NX = MX = 0

  • IVDiscrtisation et simulation Mthode utilise : diffrences finies Approximation du gradient Approximation du HessienLe systme EDPs devient :La simulation montre que : C(Q) >> G(T,X)

    Discrtisation

  • Le systme obtenu est paraboliqueErreur Maximale < 12 Simulation Temprature Temprature au dessous du support reprsente la sortie. La commande est maximale Q = 23,5 KW/m2 Variable dtat Temprature est observable Fig.2 - Comparaison Temprature simule et exprimentale IVDiscrtisation et simulation

  • Simulation Taux de conversion La commande est maximale Q = 23,5 KW/m2 Variable dtat Taux de conversion Non observable Diffrence de 10 % entre les deux extrmits du film peinturePour une commande maximaleIVDiscrtisation et simulation Fig.3 Taux de conversion simul entre les deux extrmits de la peinture

  • VCommande prdictiveNc : horizon de commande Np : horizon de prdiction Critre doptimisation :

    k = 0, 1 ,, temps final+Np Dans le futur sur [ k+1 k+Np ]Principe de la commande prdictive : horizon glissantFig.4 Stratgie de MPC

  • structure de commande par modle interneInconvnient : Modle non linaire ncessite un temps de calcul trs grand Remde : remplacer le systme non linaire par le linaire temps variantLa commande prdictive : Structure de commande Fig.5 Modle interne

  • La commande prdictive : Structure de commande Systme linaire temps variant Avantage SLTV : Rsolution rapide (Trs bon temps de calcul)Inconvenant SLTV : Erreur de linarisation, elle est dautant vraie que U est petit

  • La commande prdictive : Structure de commande Modle interne linairis temps variant Problme doptimisation sans contraintes

    Fig.6 Modle interne bas sur SLTV

  • transformation de variables contraintes sur la commandeLa commande prdictive : les contraintes Transformation de variable ( fonction hyperbolique ) Systme contraintSystme non contraintAvantage : trs efficaceInconvnient : Peu sensible dans les limites

  • La commande prdictive : les contraintes contraintes sur la sortie partir des nco.ext contraintes considrsMthode de pnalit externeLe Fonction cout est pnalis si les contraintes sont positives par :Problme doptimisation Final Jtot(p) = J(p) + Jext(p)

  • La commande prdictive Rsolution du problme pnalisAvec lalgorithme de Levenberg-Marquardtp : paramtre identifier: Le Hessien: Le gradientMthode Lavenberg-Marquardt : Converge trs vite

  • Poursuite de trajectoire Approche prdictive en simulationla poursuite de la rfrence est quasi-exacte Fig.7 poursuite de trajectoire de temprature

  • Contraintes sur la commandeRalisation de MPC en simulation les contraintes sur la commande sont vrifiesFig. 8 contrainte sur amplitude de commandeFig. 9 contrainte sur la vitesse de commande

  • Ralisation de MPC en simulation Contraintes sur la sortiela contrainte sur la sortie est vrifieFig.10 contrainte sur la sortie

  • Conclusion et Perspectives Conclusion : MPC est un Problme doptimisation La robustesse et lefficacit des simulationsPerspectives : remplacer le critre doptimisation par un autre qui maximise la vitesse de raction Validation exprimentale

  • Je vous remercie de votre attention