4.2 Le cas du réacteur parfaitement agité
4.2.1 Choix des variables oues
X
d= dX
ddt =f(X
a, X
d, u) (4.1)
y = h(X
a, X
d)
avec :
X
a= [HS H
+S
−CO
2dB]
tX
d= [X
1S
1X
2S
2IC Z]
tu= [D S
1eS
2eIC
eZ
e]
ty= [Q
CH4Q
CO2]
t4.2.1 Choix des variables oues
Les variables oues utilisées lors de la conception de l'observateur Takagi-Sugeno sont
choisies à partir d'une analyse des conditions opératoires du système. Cette analyse est
eectuée de manière à déduire les entrées qui ont une inuence plus importante sur le
comportement du système, notamment dans l'étape limitante, et établir ainsi des points de
fonctionnement représentatifs de la digestion anaérobie. Pour cela, le vecteur d'entrées est
légèrement modié. En eet,S
1eétant une entrée de l'étape rapide n'a pas été considérée.
Par ailleurs,Z
edépend du bicarbonate ajouté pour avoir un pH initial souhaité. Ainsi, Z
epeut être déduite en xant le pH. De plus, ce dernier est plus facilement mesurable que
les cations. Pour ces raisons, le pH, qui ne gure pas dans le vecteur d'entrées du modèle
mais qui est un paramètre essentiel pour le bon fonctionnement de la digestion anaérobie,
sera considéré à la place deZ
e. Ainsi, les valeurs initiales et les variations sur les variables
d'entrée sont choisies de la manière suivante.
D. La valeur initiale du taux de dilution correspond à un débit d'entréeQ
e= 0,4l/h
et à un volume du réacteur V = 5l. La valeur nale de D correspond à Q
e=
2,5l/h compte tenu des dimensions du réacteur. La plage de variation est donc
D= [0,08 0,5]h
−1.
IC
e. Le carbone inorganique initial dépend du bicarbonate ajouté pour ajuster la
valeur du pH. Ainsi, l'intervalle choisi est IC
e= [0,03 0,08]mol/l.
S
2e. Le substrat initialS
2ecorrespond à une demande chimique en oxygèneDCO
e=
5g/l et la valeur de la DCO maximale sera de 20g/l. Ainsi la plage de variations
pour le substrat équivalent acide acétique est S
2e= [0,055 0,22]mol/l.
pH. Le pH optimal pour la digestion anaérobie est un pH neutre. Néanmoins, deux
choix de l'intervalle de variation sont possibles : d'un point de vue théorique, on
place le pH autour du 7 (pH = [6,6 7,4]). Mais d'un point de vue expérimental il
est plus réaliste de choisir une valeur autour de 7,5 (pH = [7 8]). En eet, il est
préférable d'avoir un pH plutôt basique pour éviter des éventuels problèmes d'acidité
lors de la phase d'acidogenèse qui a lieu avant la méthanogenèse.
Une fois les plages de variation des variables d'entrées établies, nous proposons tout
d'abord un choix empirique des variables oues et des modèles locaux puis un choix basé
sur une analyse en composantes principales.
Choix basé sur la connaissance empirique
Sachant que l'observateur ou se base sur l'interpolation des observateurs linéaires, le
modèle de la digestion anaérobie exprimé par 4.1 est linéarisé autour de plusieurs points
de fonctionnement. Dans ce contexte, comme les cations sont biologiquement inertes et
leur valeur en entrée peut être déduite en xant le pH, le vecteur des entrées ne considère
que trois éléments pour la linéarisation du modèle :D,IC
eetS
2e. Ainsi, le calcul du point
de fonctionnement de 4.1 est exprimé en fonction du pH et du taux de dilution (D=
QeV
),
comme il est montré dans l'annexe B. Plusieurs points de fonctionnement peuvent être
ensuite établis. Dans notre cas, nous avons choisi une valeur xe du taux de dilution
D = 0,08h
−1(correspondant à un débit d'entrée Q
e= 0,4l/h et un volume du réacteur
V = 5l) et cinq valeurs du pH dans l'intervalle de l'approche théorique (pH = [6,6 7,4]).
Ces valeurs conduisent donc à cinq points de fonctionnement du procédé autour
des-quels le modèle de la digestion anaérobie sera linéarisé. Ainsi, cinq modèles linéaires
tangents de la forme 4.2 sont obtenus.
˙
X
d= F
jX
dj+G
ju (4.2)
Y
j= H
jX
djavec :
X
d= [X
1S
1X
2S
2IC Z]
tle vecteur d'état,
u= [D IC
eS
2e]
tle vecteur des entrées,
Y = [Q
CH4Q
CO2]
tle vecteur des sorties,
j = [1,...,5]les points de fonctionnement,
F, G et H les matrices jacobiennes de 4.1.
Ce sont les cinq modèles linéaires qui caractérisent la dynamique non linéaire de la
digestion anaérobie en RPA.
Par ailleurs, vu que les modèles locaux sont imposés par le pH et le taux de dilution,
ces derniers sont sensés devenir des variables oues. En pratique, le taux de dilution
dé-pend du débit d'entrée et il n'apporte pas d'information sur l'évolution de la digestion
anaérobie. En revanche, le pH est couramment utilisé comme un indicateur du
fonction-nement du procédé car les variations des entrées ont une inuence directe sur la valeur de
ce paramètre. Pour ces raisons, seul le pH est choisi comme une variable oue.
Néanmoins, il est fort possible qu'une seule variable oue ne soit pas susante pour
sélectionner l'ensemble des comportements (ou les comportements les plus
représenta-tifs) d'un procédé aussi complexe que la digestion anaérobie. Ainsi, pour vérier cette
hypothèse, nous allons analyser les conditions opératoires du procédé d'une manière plus
détaillée en utilisant un outil mathématique formel : l'analyse en composantes principales.
Choix basé sur l'analyse en composantes principales
Dans notre étude, l'objectif de l'ACP est de mettre en évidence les relations existantes
entre les variables du procédé an de choisir celles qui décrivent le mieux l'ensemble des
comportements que peut prendre la digestion anaérobie. Pour cela, nous allons mettre en
place une étude complémentaire concernant l'inuence des entrées sur le procédé an de
regrouper l'ensemble des données nécessaires pour l'ACP.
Ayant pour objectif que l'étude à réaliser couvre l'ensemble de l'espace d'état, nous
allons choisir un certain nombre de valeurs représentatives des plages de variation des
entrées établies précédemment. Ainsi, les valeurs choisies sont résumées ci-dessous :
D = [0,1 0,25 0,37 0,5] l/h
S
2e= [0,055 0,11 0,175 0,22] mol/l
IC
e= [0,03 0,05 0,08] mol/l
pH = [7 7,3 7,6 8]
Ce choix entraîne 192 combinaisons diérentes. Chacune de ces combinaisons conduit
le système à un nouveau point d'équilibre autour duquel le système non linéaire (4.1)
sera linéarisé. Les modèles résultants, qui ont la forme de 4.2, seront ensuite analysés de
manière à étudier leurs propriétés en termes de stabilité et d'observabilité.
Analyse des modèles locaux. La gure 4.1 montre la localisation des pôles et de
zéros pour les variations des entrées D etpH.
Variation positive de D
Pole 1 Pole 6
Poles 2,3 peu influencés
Poles 4,5 constants
Variation positive de pH
Pole 2
Pole 3
Poles 1,4,5,6
peu influencés
+ Expérience 1
x Expérience 2 + Expérience 1 x Expérience 2
Fig. 4.1 Etude des zéros et de pôles des systèmes locaux
Les pôles des tous les systèmes locaux analysés se trouvent dans la région stable. Il
n'y a pas de pôles complexes conjugués, ce qui implique un comportement apériodique du
système. Par contre, les diérentes dynamiques (lentes et rapides) du système induisent
un mauvais conditionnement des matrices d'état car le rapport entre le pôle le plus
rapide et le plus lent est de l'ordre de 80.
Les variations positives du taux de dilution font déplacer vers la gauche les pôles 1 et
6 (correspondant essentiellement au substrat S
1et aux cations Z) en accélérant ces deux
dynamiques. Les pôles 2 et 3 (correspondant essentiellement au substratS
2et au carbone
inorganique IC) ne semblent pas être beaucoup inuencés par les variations de D. Les
pôles 4 et 5 (correspondant aux biomasses) sont constants.
En revanche, les variations positives du pH déplacent vers la droite les pôles 2 et
3 (correspondant essentiellement au substrat S
2et au carbone inorganique IC) en les
rapprochant de la zone instable. Les quatre pôles restants présentent de faibles variations
en réponse aux variations du pH.
Par ailleurs, les petites variations positives de S
2ene semblent pas avoir une grande
inuence sur l'ensemble des pôles. En revanche, les grandes variations conduisent le
modèle non linéaire du système vers la région du lessivage. Ce phénomène connu et qui
existe dans la réalité n'est pas représenté sur les modèles locaux.
Le comportement hydrodynamique du réacteur fait apparaître un zéro de transfert
dans l'ensemble des modèles locaux. Ce zero annule le pôle lié à la biomasseX
1dans tous
les modèles linéarisés. Mais, il n'y a pas d'autre zéro pour annuler le pôle de la deuxième
biomasse, ce qui implique que la dynamique globale du système est toujours imposée par
la biomasse X
2.
Concernant l'analyse d'observabilité, l'étude des matrices d'observabilité des paires
(F
j, H
j) montre que tous les états ne sont pas observables. En eet, les cations ne
peuvent pas êtres estimés à partir du gaz produit, ce qui rend le système partiellement
observable. Pour résoudre ce problème, deux alternatives sont envisagées. La première
consiste à séparer les états observables des états non observables par l'intermédiaire d'une
transformation d'état. La deuxième solution consiste à réduire le modèle en éliminant
l'équation diérentielle des cations et en considérant sa valeur à l'équilibre. Ces deux
approches seront étudiées lors de la conception des observateurs locaux.
Il faut maintenant mettre en évidence les relations entre les variables du système.
L'ob-jectif est de sélectionner un certain nombre de points de fonctionnement pour concevoir
un observateur ou avec un large domaine de validité. Pour cela, on fait appel à l'ACP.
Analyse en composantes principales des modèles linéaires
Les données issues de l'étape précédente sont donc relevées dans un tableau contenant
les combinaisons des entrées (D, S
2e, IC
e, pH), le point de fonctionnement correspondant
à chacune des combinaisons d'entrée et les six pôles de chacun des modèles linéaires. La
structure du tableau est présentée ci-dessous.
Entrées Point de fonctionnement Pôles
D
1, S
2e1, IC
e1, pH
1X
11, S
11, X
21, S
21, IC
1, Z
1,
Q
CH41, Q
CO21,
P1
1, P2
1, P3
1, P4
1, P5
1, P6
1... ... ...
D
192, S
2e192, IC
e192, pH
192X
1192, S
1192, X
2192, S
2192,
IC
192, Z
192, Q
CH4192, Q
CO2192,
P1
192, P2
192, P3
192, P4
192,
P5
192, P6
192Le résultat de l'analyse montre que l'ensemble des modèles linéaires est représenté à
partir des trois premières composantes principales, ce que montre la gure 4.2
Fig. 4.2 Composants principales du RPA
Ainsi, la première partie de l'ACP consiste à découvrir les corrélations entre les
in-dividus (les modèles linéaires). Pour cela, il est nécessaire d'étudier les diagrammes de
dispersion entre les trois composantes principales. La gure 4.3 correspond au diagramme
de dispersion pour le couple première-seconde composantes principales.
pH
D
Fig. 4.3 Diagramme de dispersion du RPA
Le diagramme de dispersion montre que les modèles linéaires sont principalement
regroupés en fonction de la valeur initiale du pH (groupements horizontaux) et de
celle du taux de dilution (groupements verticaux). Les diagrammes de dispersion des
couples première-troisième et seconde-troisième composantes principales sont similaires
à celui de la gure 4.3. De cette manière, l'ACP montre l'inuence que le pH et D ont
sur le comportement du procédé. Même si cette importance était soupçonnée, elle n'était
pas simple à visualiser lors du choix empirique. Ainsi, ces deux variables seront utilisées
comme des variables oues de manière à sélectionner les modèles linéaires lors de la
conception de l'observateur ou.
La deuxième partie de l'ACP concerne les variables de l'ensemble des données (les
variables d'entrée, les points de fonctionnement et les pôles). L'objectif de cette analyse
est de repérer les corrélations entre les variables pour le regroupement des modèles linéaires
et conrmer ainsi la pertinence du pH et de D. Pour cela, les cercles de corrélation des
trois premières composantes principales seront analysés. Ainsi, le cercle de corrélation
correspondant au couple première-seconde composantes est montré dans la gure 4.4.
Groupe 1
Groupe 2
Groupe 3
Fig. 4.4 Cercle de corrélation (première-deuxième composantes) du RPA
Trois regroupements de variables sont remarqués. Les variables qui appartiennent
au même groupe sont corrélées ce qui implique que la variation d'une d'elles aura une
inuence sur les autres. Dans le premier groupe, il y a quatre pôles (correspondant
aux substrats, au carbone inorganique et aux cations), la biomasse X
2, le méthane et
le taux de dilution. Les seules variables manipulables par l'opérateur sont les entrées.
Dans ce cas, le choix de D, variable manipulable, est donc représentatif pour le premier
groupe. Par ailleurs, le groupe 2 contient les pôles 4 et 5 (biomasses) et le substrat S
2,
ce groupe-ci ne contient pas de variables d'entrée, mais il est en anticorrélation avec le
groupe 3 qui est composé d'une entrée (ajout de carbone inorganique) et du pH. Ces
dernières ont alors une inuence sur les variables du groupe 2. Vu que le pH est utilisé
pour la linéarisation du modèle non linéaire à la place des cations, cette variable est
choisie pour le regroupement des comportements du système. L'analyse du cercle de
corrélation conrme donc la pertinence du choix du pH et du taux de dilution pour
choisir les modèles locaux à utiliser lors de la conception de l'observateur ou.
Les cercles de corrélation des couples première-troisième et deuxième-troisième
com-posantes principales, montrés dans la gure 4.5, sont analysés pour compléter l'étude.
Groupe 1 Groupe 2 Groupe 3 Groupe 4 Groupe 1 Groupe 2 Groupe 3 Groupe 4
Fig. 4.5 Cercle de corrélation (première-troisième, deuxième-troisième composantes)
Le cercle du couple première-troisième composantes n'apporte pas beaucoup
d'in-formation sur les corrélations entre les entrées et les autres variables. Il est seulement
possible de repérer l'inuence des entrées sur le pôle 6 (correspondant aux cations).
Les groupes 3 et 4 sont anticorrélés, mais aucune entrée n'est présente dans les deux
groupes. Par contre, le cercle du couple deuxième-troisième composantes montre
l'inuence de D sur les pôles 4, 5 (biomasses) et 6 (cations), et sur S
2.
L'anticorréla-tion entre le groupe 3 et 4, indique l'inuence de l'entrée (IC
e) et dupH sur le pôle 3 (IC).
Il est ainsi possible de conclure que le taux de dilution et le pH sont des variables
per-tinentes pour le regroupements des comportements dynamiques du procédé de digestion
anaérobie en RPA. Ces deux entrées deviendront donc des variables oues.
Dans le document
Stratégies de commande intégrée intelligente de procédés de traitement des eaux usées par la digestion anaérobie
(Page 97-103)