Variables d'entrée : Paramètres extérieurs qui influencent le système
Variables d'état : Variables internes qui décrivent le système
Variables de sortie : Variables observables résultant du comportement du système
- Identifier le système à modéliser
- Lister tous les paramètres physiques
- Classer les variables selon leur rôle (entrée, état, sortie)
- Hiérarchiser selon l'importance et la pertinence
- Valider les choix par analyse dimensionnelle
Modélisation thermique d'une pièce de 20 m²
Objectif : Prédire la température intérieure
Contrainte : Maintenir la température entre 18°C et 22°C
• Température extérieure T_ext(t) [°C]
• Puissance de chauffage P_chauffage(t) [W]
• Puissance dissipée par appareils P_appareils(t) [W]
• Insolation solaire I_solaire(t) [W/m²]
• Débit d'air neuf Q_air(t) [m³/h]
Ces variables sont indépendantes du système et influencent la température
• Température intérieure T_int(t) [°C]
• Température des murs T_murs(t) [°C]
• Humidité relative H_rel(t) [%]
• Température du système de chauffage T_chauffage(t) [°C]
Ces variables décrivent l'état interne du système et évoluent dans le temps
• Température intérieure T_int(t) [°C]
• Consommation énergétique E_consommée(t) [kWh]
• Indice de confort thermique IC(t) [-]
Ces variables sont les grandeurs observables et mesurables
Très importantes :
- Température extérieure (grand impact sur les pertes)
- Puissance de chauffage (paramètre de commande)
- Température intérieure (variable de sortie principale)
Modérément importantes :
- Insolation solaire (gain thermique gratuit)
- Température des murs (inertie thermique)
\( C_{th} \frac{dT_{int}}{dt} = P_{chauffage} - \frac{1}{R}(T_{int} - T_{ext}) + P_{appareils} + Q_{solaire} \)
Où C_th est la capacité thermique et R la résistance thermique
Ce modèle ne retient que les variables les plus pertinentes
Variables état: 4
Variables sortie: 3
Le système thermique a été modélisé avec 5 variables d'entrée, 4 variables d'état et 3 variables de sortie. La hiérarchisation a permis de distinguer les variables critiques des variables secondaires, permettant une modélisation optimisée.
• Classification : Distinction claire entre entrée, état et sortie
• Pertinence : Seules les variables influençant significativement le système sont retenues
• Hiérarchisation : Classement selon l'importance et l'impact
Pertinence : Caractère significatif d'une variable dans le comportement du système
Variables critiques : Variables ayant un impact majeur sur la performance
Système de freinage hydraulique d'une voiture
Objectif : Arrêt sûr et rapide
Contrainte : Distance d'arrêt < 40 m à 100 km/h
• Pression hydraulique dans les circuits
• Température des disques de frein
• Épaisseur des plaquettes
• Viscosité du liquide de frein
• Pression atmosphérique
• Humidité de l'air
• Type de route (sec, humide, neige)
• Charge du véhicule
• Vitesse initiale
• État de la route (adhérence)
Variables d'entrée :
- Pression appliquée sur la pédale (commande)
- Température ambiante
- État de la route (type, humidité)
- Vitesse initiale
- Charge du véhicule
Variables d'état :
- Pression hydraulique dans les circuits
- Température des disques
- Épaisseur des plaquettes
- Vitesse actuelle
Pour une distance d'arrêt critique :
• Très sensible à : Vitesse initiale (v²), adhérence route
• Moyennement sensible : Charge du véhicule, température disques
• Peu sensible : Pression atmosphérique, humidité
Variables critiques (à surveiller en permanence) :
- Vitesse initiale et actuelle
- Pression hydraulique
- Température des disques (surchauffe)
- Épaisseur des plaquettes (usure)
- État de la route (coeff. d'adhérence)
Ces variables sont essentielles pour la sécurité et la performance
\( d_{arrêt} = \frac{v_0^2}{2 \mu g} + d_{réaction} \)
Où μ est le coefficient d'adhérence, v₀ la vitesse initiale
Ce modèle met en évidence les variables critiques : v₀ et μ
• Les variables critiques identifiées correspondent aux paramètres mesurés dans les essais
• Elles expliquent la majorité des variations de performance
• Elles sont pertinentes pour la sécurité routière
Équation: d = v²/(2μg)
Importance: v² et μ
Le système de freinage a été analysé pour identifier 5 variables critiques : vitesse, pression hydraulique, température des disques, usure des plaquettes et adhérence. La distance d'arrêt dépend principalement du carré de la vitesse et de l'adhérence.
• Sensibilité : Identifier les variables les plus influentes
• Criticité : Prioriser les variables affectant la sécurité
• Surveillance : Mettre en place des capteurs pour les variables critiques
Hiérarchisation : Classement des variables selon leur importance
Priorité : Ordonnancement des paramètres selon leur impact
Turbine éolienne de 2 MW
Objectif : Maximiser la production d'énergie
Contrainte : Vitesse de rotation limitée, vibrations acceptables
• Vitesse du vent
• Direction du vent
• Température ambiante
• Pression atmosphérique
• Humidité
• Densité de l'air
• Angle des pales
• Vitesse de rotation
• Couple électromagnétique
• Température des composants
• Vibrations mécaniques
• État des paliers
• Condition des pales
Variables d'entrée :
- Vitesse du vent (critique)
- Direction du vent
- Température ambiante
- Pression atmosphérique
Variables d'état :
- Angle des pales
- Vitesse de rotation
- Couple électromagnétique
- Température des composants
Variables de sortie :
- Puissance électrique produite
- Énergie produite cumulée
- Vibrations mécaniques
Niveau 1 (Critique) :
- Vitesse du vent (impact direct sur la puissance)
- Vitesse de rotation (limitation physique)
- Puissance produite (objectif principal)
Niveau 2 (Important) :
- Direction du vent (orientation)
- Angle des pales (optimisation)
- Température des composants (sécurité)
Niveau 3 (Secondaire) :
- Humidité, pression atmosphérique
- Vibrations (surveillance)
- État des pales (maintenance)
\( P = \frac{1}{2} \rho A v^3 C_p(\lambda, \beta) \)
Où :
- ρ = densité de l'air (fonction de T et P)
- A = surface balayée par les pales
- v = vitesse du vent (variable critique)
- C_p = coefficient de puissance (fonction de λ et β)
- λ = taux de vitesse spécifique
- β = angle des pales
• Vitesse du vent : Cubique dans la formule → impact majeur
• Angle des pales : Influence C_p → optimisation de la performance
• Température : Affecte ρ mais impact secondaire
• Pression : Faible variation → impact négligeable
• Contrôle prioritaire sur la vitesse de rotation
• Ajustement de l'angle des pales pour optimiser C_p
• Surveillance continue des températures critiques
• Ignorer les variables de faible impact pour simplifier le modèle
Niveau 2: angle pales
Niveau 3: température
La turbine éolienne a été modélisée avec une hiérarchisation en 3 niveaux. La vitesse du vent est la variable critique (impact cubique sur la puissance), suivie de l'angle des pales pour l'optimisation, et les températures pour la sécurité. Cette hiérarchisation permet une gestion optimale des ressources de surveillance.
• Hiérarchisation : Classer selon l'impact quantitatif sur les objectifs
• Quantification : Utiliser des modèles pour évaluer l'impact
• Optimisation : Se concentrer sur les variables les plus influentes
Analyse de sensibilité : Étude de l'impact des variations des paramètres sur la sortie
Sensibilité : \( S = \frac{\partial y}{\partial x} \) ou \( S = \frac{\Delta y/y}{\Delta x/x} \)
Batterie lithium-ion 3.7V, 3000mAh
Objectif : Prédire la durée de vie et la performance
Contrainte : Maintenir 80% de capacité initiale pendant 5 ans
Variables d'entrée :
- Courant de charge/décharge (I)
- Température de fonctionnement (T)
- Tension de coupure (V_cut)
- Fréquence des cycles (f)
Variables internes :
- Capacité restante (C)
- Résistance interne (R_int)
- État de santé (SOH)
\( SOH(t) = 100 - k_1 \cdot T \cdot t - k_2 \cdot I^2 \cdot N_{cycles} - k_3 \cdot \log(N_{cycles}) \)
Où k₁, k₂, k₃ sont des coefficients de dégradation
\( C(t) = C_0 \cdot SOH(t) / 100 \)
Pour une batterie à 25°C, I = 1A, 100 cycles :
Sensibilité à la température : \( \frac{\partial SOH}{\partial T} = -k_1 \cdot t \)
Pour t = 1 an, k₁ = 0.1%/°C/an : \( \frac{\partial SOH}{\partial T} = -0.1 \%/\text{°C} \)
Sensibilité au courant : \( \frac{\partial SOH}{\partial I} = -2k_2 \cdot I \cdot N_{cycles} \)
Pour k₂ = 0.001%/A²/cycle : \( \frac{\partial SOH}{\partial I} = -2 \times 0.001 \times 1 \times 100 = -0.2 \%/\text{A} \)
Sensibilité au nombre de cycles : \( \frac{\partial SOH}{\partial N} = -k_2 \cdot I^2 - \frac{k_3}{N} \)
\( = -0.001 \times 1 - \frac{0.1}{100} = -0.001 - 0.001 = -0.002 \%/\text{cycle} \)
Pour des variations typiques :
- ΔT = ±10°C : ΔSOH = ±1%
- ΔI = ±0.5A : ΔSOH = ±0.1%
- ΔN = ±50 cycles : ΔSOH = ±0.1%
La température est la variable la plus sensible
Pour comparer l'impact des variables avec unités différentes :
\( S_{rel,T} = \frac{\Delta SOH/SOH_0}{\Delta T/T_0} = \frac{1/95}{10/25} = 0.026 \)
\( S_{rel,I} = \frac{\Delta SOH/SOH_0}{\Delta I/I_0} = \frac{0.1/95}{0.5/1} = 0.0021 \)
\( S_{rel,N} = \frac{\Delta SOH/SOH_0}{\Delta N/N_0} = \frac{0.1/95}{50/100} = 0.0021 \)
La température a une sensibilité relative 12 fois plus élevée
• Contrôle thermique : Système de refroidissement pour limiter T
• Limitation de courant : Contrôle des pics de charge/décharge
• Optimisation des cycles : Éviter les cycles partiels fréquents
Les variables les plus sensibles doivent être contrôlées en priorité
Sensibilité I: 0.0021
Sensibilité N: 0.0021
L'analyse de sensibilité montre que la température est la variable la plus influente sur la dégradation de la batterie (sensibilité relative de 0.026 contre 0.0021 pour les autres). Une gestion thermique adéquate est donc essentielle pour maximiser la durée de vie.
• Sensibilité absolue : Dérivée partielle pour l'impact direct
• Sensibilité relative : Pour comparer des variables d'unités différentes
• Priorité : Gérer en premier les variables les plus sensibles
Variables de contrôle : Variables manipulées pour atteindre l'objectif
Variables de mesure : Variables observées pour le feedback
Variables d'état : Variables décrivant le système
Robot mobile à roues différentielles
Objectif : Suivre une trajectoire prédéfinie
Contrainte : Erreur de position < 5 cm
• Positions x, y, θ (capteurs de position)
• Vitesses linéaire v et angulaire ω
• Tensions aux moteurs V_gauche, V_droite
• Courants moteurs I_gauche, I_droite
• Capteurs de distance (ultrasons, laser)
• Accéléromètres et gyroscopes
• Caméra
• Température des composants
• Niveau de batterie
Variables d'entrée (commandes) :
- Tensions aux moteurs (V_gauche, V_droite)
- Consigne de vitesse
Variables d'état (état du système) :
- Position (x, y, θ)
- Vitesses (v, ω)
- Vitesses des roues
Variables de sortie (mesures) :
- Position mesurée
- Erreurs de trajectoire
- Énergie consommée
\( \frac{dx}{dt} = v \cos(\theta) \)
\( \frac{dy}{dt} = v \sin(\theta) \)
\( \frac{d\theta}{dt} = \omega \)
\( v = \frac{r}{2}(v_{droite} + v_{gauche}) \)
\( \omega = \frac{r}{L}(v_{droite} - v_{gauche}) \)
Où r est le rayon des roues et L l'empattement
Variables critiques pour le contrôle :
- Position (x, y, θ) - pour le feedback
- Vitesses (v, ω) - pour le contrôle dynamique
- Tensions aux moteurs - pour la commande
Variables secondaires :
- Capteurs de distance - pour détection d'obstacles
- Caméra - pour navigation avancée
- Température - pour sécurité
La boucle de contrôle PID nécessite :
• Mesure de la position actuelle
• Comparaison avec la position de référence
• Calcul de la commande (tensions aux moteurs)
Les variables critiques sont donc la position mesurée et les tensions commandées
Pour une application de base, on peut réduire le modèle à :
États : x = [x, y, θ, v, ω]
Entrées : u = [V_gauche, V_droite]
Sorties : y = [x_mesurée, y_mesurée, θ_mesurée]
Ce modèle réduit contient les variables essentielles pour le contrôle
• Le modèle réduit permet de concevoir un contrôleur efficace
• Les performances sont comparables au modèle complet
• La complexité de calcul est réduite
• La robustesse est maintenue
Réduction: 8→5
Erreurs: < 5 cm
Le robot mobile a été modélisé avec une hiérarchisation des variables. Les 5 variables critiques (position, orientation, vitesses) permettent un contrôle efficace de la trajectoire avec une erreur inférieure à 5 cm. Le modèle réduit de 8 à 5 variables préserve les performances tout en réduisant la complexité.
• Objectif : Sélectionner les variables en fonction de l'objectif du système
• Contrôle : Les variables de commande et de feedback sont prioritaires
• Modèle réduit : Simplifier sans perdre l'essentiel des performances
- Identification : Lister tous les paramètres physiques du système
- Classification : Ranger les variables selon leur rôle (entrée/état/sortie)
- Hiérarchisation : Classer selon l'importance et l'impact
- Analyse de sensibilité : Quantifier l'impact des variations
- Validation : Tester la pertinence des variables sélectionnées
- Optimisation : Réduire au minimum nécessaire sans perte de performance
- Une variable est pertinente si elle a un impact significatif sur le comportement du système
- La hiérarchisation permet de réduire la complexité sans perdre l'essentiel
- Les variables critiques doivent être surveillées en priorité
- La pertinence dépend de l'objectif de la modélisation
- Un modèle trop simple ou trop complexe est inefficace