HAL Id: hal-00782885
https://hal.archives-ouvertes.fr/hal-00782885
Submitted on 30 Jan 2013
HAL is a multi-disciplinary open access
archive for the deposit and dissemination of
sci-entific research documents, whether they are
pub-lished or not. The documents may come from
teaching and research institutions in France or
abroad, or from public or private research centers.
L’archive ouverte pluridisciplinaire HAL, est
destinée au dépôt et à la diffusion de documents
scientifiques de niveau recherche, publiés ou non,
émanant des établissements d’enseignement et de
recherche français ou étrangers, des laboratoires
publics ou privés.
Estimation de la diffusion thermique dans les plasmas de
Tokamak
Sarah Mechhoud, Emmanuel Witrant, Luc Dugard, Didier Moreau
To cite this version:
Sarah Mechhoud, Emmanuel Witrant, Luc Dugard, Didier Moreau. Estimation de la diffusion
ther-mique dans les plasmas de Tokamak. CIFA 2012 - 7ème Conférence Internationale Francophone
d’Automatique, Jul 2012, Grenoble, France. pp.n/c. �hal-00782885�
les Plasmas de Tokamak
⋆
SarahMECHHOUD∗,∗∗
Emmanuel WITRANT∗
Lu DUGARD∗
Didier MOREAU∗∗∗
∗
UJF-Grenoble1/CNRS,Grenoble Image Parole SignalAutomatique (GIPSA-lab), UMR5216,B.P.46,F-38402StMartin d'Hères, Fran e
∗∗
E-mail:sarah.me hhoudgipsa-lab.fr
∗∗∗
CEA, IRFM, F-13108Saint Paul-Lez-Duran e,Fran e
Résumé : Ce travail on ernel'étude du prol de transport de la température des éle trons du plasma. Une approximation numérique basée sur la méthode de Galerkin est proposée. Le oe ient de diusion est estimé grâ e à la proje tion spatiale qui réduit le problème à une dimension nie. Le ltre de Kalman étendu est proposé pour ette identi ation. Le travailest a ompagné par unensemble de simulations et de omparaisonsave des données expérimentales.
Mots lés : Fusion thermonu léaire, formulation variationnelle, méthode de Galerkin, systèmesàparamètresdistribués(SPD),identi ation,ltredeKalmanmixteétendu(FKME)
1. INTRODUCTION
Tout phénomène physique de transport appartient à la lasse des systèmes àparamètresdistribués (SPD). Pour es systèmes, les entrées, les sorties et les paramètres peuventvarieraussibien dansletempsquedansl'espa e. Leur des ription mathématique onsiste en un ensemble d'équationsauxdérivéespartielles(EDP) ave des ondi-tionsauxlimites,mixtesouhomogènes.
Généralement,les oe ientsdel'EDPnesontpas onnus a priori et ont besoin d'être estimés. Plusieurs travaux ontétédédiés à e problème: Jarny(1981),Banks et al. (1985),Pointet al.(1996),IsakovetKindermann(2000), Orlov et Bentsman (2000), ... D'autres études traitent l'identi ationdessystèmesSPDpourlesbesoinsde on-trle:l'obje tifn'estplusd'estimerunparamètremaisles modespropresdusystème,voirGayetRay(1995),Zheng et al.(2002),...
Le tokamak (ou fusion thermonu léaire) appartient à la lassedesSPD,oùdiérentesvariablesdistribuéeset ou-pléesentrentenjeu.
Dans le adre de e travail, nous nous on entrons sur l'étudedutransportdelatempératuredeséle tronsdans le plasma. Ce phénomène est omplexe et ne béné ie pasen ored'unmodèlephysiqueentièrementdéni.Onle dé rit par une EDPparaboliqueoù leterme dediusion est de dépendan e spatio-temporelle. Plusieurs modèles existentpourlades riptionde e oe ient:Erba et al. (1997), Taroni et al. (1994), Erba et al. (1998), Hoang etal.(1998), ha unsuivantson hampd'appli ation(type detokamaketparamètresdeladé harge).Cependant, e oe ientdediusiondépend dugradientdela tempéra-ture, du prol de ourant, du isaillement magnétique, du isaillement de vitesse, et . Ce i a pour onséquen e d'amplierla omplexité duproblèmeenle transformant
⋆
. Ce projet béné ie d'un nan ement partiel fournit par leenuneEDPparaboliquenonlinéaire.
DansZouetal.(2003)unprolanalytiquedela tempéra-ture des éle trons du plasma a été onçu en supposant les oe ients onstants(dansletempsetdansl'espa e). L'obje tifde ette appro heétaitdefournirune interpré-tationphysiquedupro essus etdeprouverlastabilitédu modèle résultant par rapport à la méthode utilisant la transformée de Fourier rapide (FFT) et la méthode des équilibresénergétiques.
Toutefois, ette appro he est valable uniquement dans les as où lavariationspatiale du oe ient de diusion peut être supposée faible, e qui n'est pas le as général destokamaks.Une autreméthode,égalementanalytique, maisave un oe ientévoluantuniquementdansl'espa e (une fon tion radiale monomiale) a été développée dans Clémençon et al. (2004).Cette étude n'a pas été validée pardesdonnéesexpérimentales.
Dansle présenttravail,nous nousintéressonsd'abordau problèmedetransporten négligeantlespropriétés intrin-sèques du oe ient dediusion ( ouplage non linéaire). Ainsi,uneapproximationnumériqueduprolde tempéra-turedeséle tronsduplasmaparlaméthode deGalerkin modale ontinue(MGMC)estproposée.LaMGMC appar-tientàlafamilledesméthodes desélémentsniset four-nit des approximations susamment lisses (Fairweather (1978),Salsa (2008)). Cettete hniquese base sur la for-mulation variationnelle des problèmes diérentiels. C'est un lassique largementutilisépourlarésolutiondesEDP (exemple:Brezis(2011)).
D'aprèsKopriva(2009),laMGMC donnedebonnes per-forman es ave , entre autres, les systèmes à oe ients variables,lessystèmesàgéométrie ylindriqueetpourles appli ationsquiné essitentune bonnepré ision.
L'appli ationdelaMGMCpermetunedis rétisation spa-tiale de l'EDP du transport, le système de dimension innie est transforméen un système d'état ni. Dans la
se onde partie, nous nous intéressons plus au oe ient dediusiondontl'estimationserabasée surlaséparation des variables par proje tionspatiale. Grâ eà ette te h-nique,lemodèledevientunsystèmelinéaireàparamètres in onnus. Ainsi,unltredeKalmanétendu peut luiêtre appliqué.
L'arti le est organisé omme suit : la deuxième se tion traite de la modélisation du transport de haleur dans le plasma, de l'existen e et l'uni ité de la solutionet du développementdelaMGMC.Leproblèmed'identi ation du oe ientde diusion estétudié entroisièmese tion. LesrésultatsdelaMGMCetdel'identi ationsont om-parésàdesdonnéesexpérimentales.
2. ÉQUATIONS DELATEMPÉRATURE DES
ÉLECTRONS DUPLASMA
Le prol de la température des éle trons du plasma est obtenu àpartirde laloide onservation de l'énergie,qui peut s'é rire en oordonnées ylindriques sous ertaines hypothèses omme:
∂T
∂t
=
2
3
1
r
∂
∂r
(r χ
e
(r, t)
∂T
∂r
) −
1
τ
T (r, t) + S(r, t)
(1) oùT est latempératuredeséle trons(expriméeenunité énergétique:keV),r estla oordonnéeradialelelongde a (rayonmineurdu plasma),t lavariable temporelle,χ
e
le oe ientdediusion,τ
leparamètred'amortissement modélisantlespertesd'énergienondiusives(par onve -tion,rayonnement,...)et S letermesour e,donnépar:S(r, t) =
2
3 n
e
P (r, t)
où
P
est la densité de puissan e absorbée par le plasma à partir du système de hauage extérieur ( hauage ohmique, ondesradio-fréquen es ouparinje tion de fais- eauxneutres).n
e
est ladensitédeséle tronsduplasma, supposée onstante.Pourdesraisonsdesimpli itéetdesymétrie,les onditions auxlimiteset la onditioninitialesontlessuivantes:
∂T
∂r
(r = 0, t) = 0 ; T (r = a, t) = 0 ; T (r, t = 0) = 0
(2) Enutilisantlavariablenormaliséez =
r
a
,lesystèmedé rit parleséquations(1) et(2)devient:
∂T
∂t
=
1
z
∂
∂z
(χ
e
(z, t) z
∂T
∂z
) −
1
τ
T (z, t) + S(z, t)
∂T
∂z
(z = 0, t) = 0 ; T (z = 1, t) = 0 ; T (z, t = 0) = 0
z ∈ Ω; t ∈ [0, t
f
]
(3)où
Ω
est l'intervalle ouvert ℄0,1[,t
f
est l'instant nal etχ
e
(z, t)
est uneformenormaliséedeχ
e
(r, t)
:χ
e
(z, t) =
2
3 a
2
χ
e
(r, t)
Les équations (1) et (2) montrent que la température des éle trons à l'intérieur du plasma est dénie par une
Ilestànoterqueleparamètre
χ
e
resteunsujetde dis us-sion dans la ommunauté de la fusion thermonu léaire. Toutefois, sa dépendan e, entre autres, au gradient de la température a été prouvée. La prise en ompte de ette propriététransformel'équation (3)enune équation paraboliquenonlinéaire.L'obje tifde e travailétantl'estimation de e oe ient
χ
e
, on suppose qu'on nedispose a priori d'au une infor-mationle ara térisant.Dans e qui suit, nousdémontronsl'existen e et l'uni ité delasolutionpourlesystème (3)puisproposonsune ap-proximationnumériquefondéesurlaméthodedeGalerkin modale ontinue(MGMC).
2.1 Existen eetuni itéde la solution
Enpremierlieu,ondénitlesespa esdeHilbertsuivants:
L
2
(Ω) = { f :
R
Ω
f
2
∂Ω < ∞}
H
1
0,{1}
(Ω) = {f ∈ L
2
(Ω) : f |
1
= 0 , ∇f ∈ L
2
(Ω)}
Soit
Xe
l'ensembledénipar:Xe = {f ∈ L
∞
(0 , t
f
; H
0,{1}
1
(Ω)) : f (t, x) > c > 0 , ∀t ∈
[0, t
f
], ∀x ∈ Ω)}
L'appli ationde laformulationvariationnelleau système (3)donne:
Z
1
0
∂T
∂t
v(z) dz = −
Z
1
0
χ
e
(z, t)
∂T
∂z
dv
dz
dz
+
1
τ
Z
1
0
T
(z, t) v(z) dz
+
Z
1
0
S(z, t) v(z) dz
(4)où
v(z)
est unefon tiondetest∈ H
1
0,
{1}
(Ω)
.En utilisant le théorème de Lax-Milgram étendu aux équationsévoluantdansletemps(voirFairweather(1978), Salsa (2008)), la ondition né essaire et susante pour l'existen eetl'uni itédelasolutiondel'équation(4)dans l'espa e
L
2
(0, t
f
; H
0,{1}
1
(Ω))
est :( χ
e
(z, t) ∈ Xe
τ ∈ R
∗
+
(5)Ilestànoterqueles onditionsdéniesdans(5) garantis-sent l'existen eet l'uni ité dela solutionpour l'équation (4),qui est pourlesystème initial(3) unesolution varia-tionnelle(diteaussifaible).Enimposantdes onditionsde régularitésur lasolution faible, on arriveainsi à démon-trer l'existen e et l'uni ité de la solution lassique dans
C
1
(0, t
f
; C
2
(Ω))
.Dansnotre as,il sutque
S ∈ C
0
(0, t
f
; C
0
(Ω))
etχ
e
∈
C
0
(0, t
f
; C
1
(Ω))
. Ces onditions sont onformesaux ar-a téristiquesphysiquesdelasour eS
etdu oe ientde diusionχ
e
.2.2 Approximation de la solution par la méthode de Galerkinmodale ontinue(MGMC)
•
Choixd'unesuitedefon tionslisses{ω
k
}
∞
k=1
onsti-tuantunebase orthonormaledans
H
1
0,{1}
(Ω)
1
;•
Constru tion d'une suite nie de sous-espa es de laforme:
V
n
= span{ω
1
, ω
2
, ..., ω
n
}
V
n
⊂ V
n+1
et∪V
n
= H
1
0,{1}
(Ω)
Ainsi, pour un
n
déni, les proje tions respe tives deT (z, t)
etv(z)
surl'espa eV
n
donnent:
T
n
(z, t) =
n
X
k=0
x
k
(t)ω
k
(z)
v
n
(z) =
n
X
k=1
α
k
ω
k
(z)
(6)En remplaçant (6) dans (4), le problème de résolution de l'EDP(3) seramèneà elui d'unsystème d'équations diérentielles ordinaires (EDO)qu'on peut é riresous la formed'unsystèmelinéairetempsvariant:
˙
X(t) = A(t) X(t) + B(t)
X(0) = 0.
(7) AveX(t) = [x
1
(t), x
2
(t), ..., x
n
(t)]
T
(X ∈ R
n
)
,A(t)
est unematri esymétriquedéniepar:A(t) = −
Z
1
0
χ
e
(z, t)ω
′
1
(z)
2
dz
+
1
τ
...
Z
1
0
χ
e
(z, t) ω
1
′
(z) ω
′
n
(z)dz
. . . . . . . . .Z
1
0
χ
e
(z, t) ω
′
1
(z) ω
′
n
(z)dz ...
Z
1
0
χ
e
(z, t) ω
′
n
(z)
2
dz
+
1
τ
et :B(t) =
Z
1
0
S(z, t) ω
1
(z)dz
. . .Z
1
0
S(z, t) ω
n
(z)dz
2.3 Résultatsde simulationToreSupra (TS) est ungrandtokamak àaimants supra- ondu teurs, ara térisé parunrayonmajeur
R = 2.4 m
, un rayon mineura = 0.72 m
, une se tion ir ulaire, un hamp magnétique toroïdalB ≤ 2.4 T
et un ourant plasmaI
p
≤ 2 M A
. Dans ettese tion, nous onsidérons la dé harge TS 35109, ave un hauage prin ipalement ohmique.D'aprèsHoang et al.(1998), dansToreSupra, si la puis-san e d'entrée est de valeur moyenne
P
<5MW et si le hampmagnétiquetoroïdalestsupérieuràun ertainseuil (>1.5T), les modèles deτ
et du oe ient de diusion normalisé sont donnés par les formules de Taroni (voir1 . Par exemple les fon tionspropres del'opérateur deLapla e dénisurl'espa e
H
1
0,{1}
(Ω)
(Salsa(2008),Al-Gwaiz(2008)). Taroni etal.(1994)):τ = 0.0199 R
2
I
0.98
p
B
0.2
φ
0
n
0.43
e
P
−0.75
.
Et:
χ
e
(z, t) = α
B
T (z, t)
B
φ
0
a |∇p
e
(z, t)|
p
e
(z, t)
q
2
(z, t).
α
B
= 0.33.
p
e
(z, t) = n
e
T (z, t).
(8) aveB
φ
0
lavaleurmoyennedu hampmagnétiquetoroïdal au entre du plasma,I
p
la valeur moyenne du ourant plasma,p
e
lapressionduplasmaetq
lefa teurdesé urité. En onsidérant les hypothèses données par Erba et al. (1997),lemodèle(8)deχ
e
peutêtresimpliépar:(
χ
e
(z, t) = α
B
a
B
φ
0
∇T (z, t) q
2
(z, t).
α
B
= 0.33.
(9)Ces formulesontété utilisées pour simulerle prol de la température des éle trons du plasma. Le résultat de la simulationest omparéave eluiissu desmesures. Lapuissan e
S
absorbéeparleplasmaestapproximéepar une distribution gaussiennedontles ara téristiquessont donnéespardesloisd'é helle(voirWitrantetal.(2007)). Les bases de proje tion hoisies sont trigonométriques et tirées de la résolution du problème de Lapla e ave omme onditions aux limites elles dénies dans (2). Le système (7) est résolu en utilisant la routine RK45 de la fon tion ode15s de MATLAB. Il apparaît dans la0
0.2
0.4
0.6
0.8
1
0
1
2
3
4
5
6
x
Te(keV)
Figure1.Comparaisonentre latempérature expérimen-tale (pointillés) et elle du modèle physique (trait ontinu)àt=19s.
Fig. 1 que la MGMC donne une bonne approximation. Pour
x ∈ [0.7, 1]
, lesphénomènes de bord fontintervenir d'autres dynamiques que notre modèle ne prend pas en ompte(voirErbaetal.(1997)).2.4 Analyse statistique
Comme elaest souventle as, une étude statistique est toujoursplusillustrativequ'une ourbe.En suivantErba et al.(1998),on al ule ladéviation entrele prolprédit
T e
gal
et le prol expérimentalT e
exp
en introduisant les grandeursm
et∆
déniespar:
m =
1
N
X
0.2<x<0.8
(T e − T e
exp
)/T e
exp
∆ =
1
N
X
0.2<x<0.8
[(T e − T e
exp
)/T e
exp
− m]
2
(10)où
N
est le nombre des points d'é hantillonnagex
pris dansl'intervalle[0.2, 0.8]
.Lesdeux ourbesprésentéesFig.2,montrentquelavaleur maximaledelamoyennedel'erreurrelative
m
nedépasse pas les10%et queson é art-type∆
maximal est de7%. Ces valeursapparaissenten régime transitoireinitial. En régime établi, on remarque pourm
et∆
l'existen e de trois paliers orrespondant à la variation temporelle du termesour e(lapuissan ed'entrée)entroisé helons.Plus latempératureestimportante,plusl'é artentreT e
gal
etT e
exp
et donm
est faible. Ce i est dû prin ipalementà l'estimationqualitativedutermesour e.4
6
8
10
12
14
16
18
20
−2
0
2
4
6
8
10
t(s)
m(%)
(a)Moyennespatialedel'erreur relative
4
6
8
10
12
14
16
18
20
1
2
3
4
5
6
t(s)
∆
(%)
(b)É art-typeFigure2.Déviationentre
T e
gal
etT e
exp
3. IDENTIFICATIONDUPARAMÈTRE DE
DIFFUSION
Étantdonnéqu'ilexistedans
L
2
(0, t
f
, L
2
(Ω))
un ensem-ble omplet de polynmes orthonormaux (voir Shima et Nakayama (2010)),χ
e
(z, t)
peut s'é rire sous la forme suivante:χ
e
(z, t) =
M
X
k=1
α
k
(t) p
k
(z) = θ
T
(t) P (z).
(11) Ave :
θ
T
(t) = [α
1
(t), α
2
(t), ..., α
M
(t)]
, θ ∈ R
M
P (z)
T
= [p
1
(z), p
2
(z), ..., p
M
(z)]
Lamatri e
A(t)
déniedans lase tion2.2devient:A(t) = θ
T
(t) ⊗
Z
1
0
P(x)ω
′ 2
1
(x)dx +
1
τ
· · ·
Z
1
0
P
(x)ω
′
1
(x)ω
n
′
(x)dx
. . . . . . . . .Z
1
0
P(x)ω
′
1
(x) ω
′
n
(x)dx · · ·
Z
1
0
P(x)ω
′ 2
n
(x)dx +
1
τ
(12) On note la matri e qui apparaît dansle deuxième terme deA(t)
parP W
(formée prin ipalement des polynmesde
{p
k
}
et de{w
k
}
). Le symbole⊗
est un opérateurde multipli ationspé ialutilisépour ompa terl'é rituredeA(t)
,quipeutsemettre alorssouslaforme:A(t) = − θ
T
(t) ⊗ P W
(13) Etlesystème(7)devient:
˙
X(t) = A(θ
T
(t)) X(t) + B(t)
X(0) = 0
y(t) = X(t)
(14)Uneappro hesimilaireaétéutiliséeenpremierparBanks etal.(1985)oùles oe ientsétaientprojetés simultané-mentsurunebasespatialepolynomiale(splines ubiques) etune basetemporelle.Les onditionsné essaires et su-isantes pour la onvergen e de l'estimation d'un système de dimension inniepar un système d'EDOs ont été dé-montréesdans et arti le,maisleproblèmenaldevenait nonlinéaireetl'identi ationsefaisaitenparallèledansle tempset dans l'espa e.L'avantagede notreappro he est d'arriveràunsystèmelinéairetempsvariantuniquement. L'identi ationd'untelsystèmeesteneetplusfa ileque dansle asdessystèmesnonlinéaires.
La formule d'approximation de
T (z, t)
donnée dans (6) permetd'obtenirles oe ientsexpérimentaux{y
k, exp
}
M
k=1
del'expressionsuivante:y
k
exp
(t) =
Z
1
0
T
exp
(z, t) ω
k
(x) dx
où
T
exp
(z, t)
est le prol mesuré de la température ety
exp
= [y
1
exp
, y
2
exp
, ..., y
M
exp
]
T
est la sortie mesurée du système(14).
Laformulationduproblèmed'identi ationdevientainsi: Étantdonnél'entrée
B(t)
,lasortiey
exp
(t)
etlemodèle d'é-tat(14),l'obje tifestd'estimerleve teurdesparamètresθ(t)
etpar onséquentdetrouverlaloiinverseθ = f
−1
(y)
. Ilfautparailleursnoterquel'étatinitial
y(0)
estdéniet indépendantdeθ(t)
.Con lusion :
Leproblèmeinitialqui onsistaitàidentierunparamètre distribué d'un système de dimension innie est onverti, grâ e à la méthode de Galerkin et de la proje tion sur des bases appropriées, en un problème d'identi a-tion paramétrique ordinaire (système d'état linéaire à paramètresin onnus). Ainsi, l'appli ationdes te hniques d'identi ationdessystèmesdé ritspardesEDOsdevient possible.
Une fois le problème formulé, l'obje tif est d'estimer
θ
et par onséquent le oe ient de diusionχ
e
. Une des te hniques lesplus robustes d'identi ation des systèmes linéairesestleltredeKalman.3.1 Identi ation par le ltre de Kalman mixte étendu (FKME)
Lorsquelesmesuressontbruitées,estimer
θ
dire tementà partirde esdonnéesposeproblème.Leltrede Kalman mixte étendu est dédié à ette problématique. Il permetd'estimer aussibien lesétatsquelesparamètres,àpartir desentréeset sortiesdusystème.UnltredeKalmanest un observateur d'état basé sur l'ajustement sto hastique des gains de orre tion (Kalman (1960)). C'est un ltre ré ursif qui onvient bien aux appli ations temps réel (WanetNelson(2001)).Les onditionsde onvergen edu ltredeKalmanétendusontdonnéesdansLjung(1979). Lesystème(7)estdis rétisédansletempsparlaméthode d'Euler,puisétendupourin lurelesparamètres:
x
ext
(k + 1) =
X(k + 1)
θ(k + 1)
Ainsi,lesystème(7)dis rétiséétendudevient:
x
ext
(k + 1) =
(I − dt ∗ θ
T
⊗
P W
) X(k) + dt ∗ B(k)
θ(k)
!
|
{z
}
f(x(k),θ(k),B(k))
+
r(k)
0
!
y(k) = [I 0] x
ext
(k) + v(k) = g(x(k), θ(k), v(k))
où
dt
estlepasd'é hantillonnage,r(k)
etv(k)
sont respe -tivementlebruitd'étatetlebruitd'observation(supposés blan sgaussiens).Leurs matri esde ovarian esontR
etV
(respe tivement).LesétapesduFKMEdonnéesdansWanet Nelson(2001) appliquéesausystème(7)sontlessuivantes:
•
Initialisation:X(0); ˆ
ˆ
θ(0); Z(0);
•
Prédi tion:ˆ
x
−
ext
(k + 1) = f ( ˆ
X
(k), ˆ
θ
T
(k), B(k))
Z
−
(k + 1) = E Z(k)E
T
+ R
•
Estimation:
K(k + 1) = Z
−
(k + 1)C
T
[CZ
−
(k + 1)C
T
+ V ]
−1
ˆ
x
ext
(k + 1) = ˆ
x
−
ext
(k + 1) + K(k + 1)[y
exp
(k + 1) − C ˆ
x
−
ext
(k + 1)]
Z(k + 1) = (I − K(k + 1)C)Z
−
(k + 1)
où
x
ˆ
ext
(k)
etˆ
x
−
ext
(k)
sont respe tivement l'état étendu estiméetpréditàl'instantk
,K
estlegainde orre tion,Z
etZ
−
sont les matri es de ovarian e de l'erreur de prédi tion et de l'erreur d'estimation.
E
etC
sont les matri es d'état du système étendu et des observations. Ellessontdonnéespar:
E =
∂f
∂x
ext
|
x
ext
C =
∂g
∂x
ext
|
x
ext
3.2 Résultatsde l'identi ation parleFKME
Le hoixd'unebasedeLegendrepourlaproje tionde
χ
e
etl'appli ationdel'algorithmeduFKMEausystème(14) donne des estimations satisfaisantespourles obje tifs de ommande.Leprolde
χ
e ,estim
présentédanslaFig.3est ompatible ave uneforme deBohm(voirErbaet al.(1998))vériée parla roissan emonotoneaubord(eet deq
).Pour quantier la qualité de l'estimation de
χ
e
etT e
,on utilise les mêmes variables
m
et∆
dénies dans la se tion 2.4. Pourχ
e
, la valeur maximale de la moyenne de l'erreur relative entre leχ
e, estim
et leχ
e
du modèle (9)pourt ∈ [9 s, 17 s]
est de8% alorsquel'é art-typeen moyenne se situe autour de 2% (voir Fig. 4). La Fig. 5 montrequepourl'estimation deT e
,m
estde0.01%alors que∆
nedépassepasles0.02%.L'apportdel'appli ationduFKMEestvisible,onaméliore nettement l'approximation de
T e
exp
. Toutefois, sur la Fig.3betlaFig.4a,onvoitbienquel'erreursur l'estima-tiondeχ
e
n'estpas ompatibleave ellesurl'estimation deT
.Ce iprouveque eproblèmed'identi ationn'admet pasdesolutionunique.(a) Prol spatio-temporel de
χ
estim
2
4
6
8
10
12
14
16
18
20
1
2
3
4
5
6
t(s)
Xe
phy
Xe
JEKF
q
(b)Comparaisonàt=19sentre leχ
e, mod`
ele
etleχ
e, estim
.Figure3.Proldel'estimationdu oe ientdediusion
4
6
8
10
12
14
16
−8
−6
−4
−2
0
2
4
6
8
t(s)
m (%)
(a)Moyennespatialedel'erreur rel-ative
4
6
8
10
12
14
16
0
2
4
6
8
10
t(s)
∆
(%)
(b)É art-typeFigure4.Comparaisonentreleprolde
χ
e
estiméparle FKMEetleχ
e
donnéparlaloiphysique(9)4. CONCLUSION
Dans etravail,uneméthoded'approximationdel'EDPde transportdela haleurdanslestokamaksaétéprésentée. Cette approximation est ee tuée ave la méthode de Galerkin quidonne une pré isionsatisfaisante.L'absen e deloisspé iquespourle oe ientdediusion
χ
e
etpour lapuissan eabsorbéeontmotivéàdévelopperpar identi- ation une solutionpossibleà e problème. Cetteétude est fo alisée sur l'estimation du paramètre de diusion,4
6
8
10
12
14
16
18
20
−0.05
−0.04
−0.03
−0.02
−0.01
0
0.01
t(s)
m (%)
(a)Moyennespatialedel'erreur rel-ative
2
4
6
8
10
12
14
16
18
20
0
0.002
0.004
0.006
0.008
0.01
0.012
0.014
0.016
0.018
0.02
t(s)
∆
(%)
(b)É art-typeFigure 5.Comparaisonentrelatempérature expérimen-taleet elleestiméeparleFKME
en supposant qu'uneapproximationdu terme sour e est disponible. Laméthodedes proje tions, ombinéeave le ltrede Kalmanmixte étenduapermislare onstru tion du prol de
χ
e
tout en estimant la température. Les re her hesfuturesviserontl'estimation onjointeduterme sour eS
, du oe ient de diusionχ
e
et du paramètre d'amortissementτ
,enrégularisantle ritèreduFKMEan deformulerunproblèmebienposé(pourgarantirl'uni ité delasolution).RÉFÉRENCES
Banks, H., Kareiva, P., et Lamm, P. (1985). Modeling inse t dispersalandestimatingparameterswhen mark-releasete hniquesmay auseinitialdisturban es. Jour-nalof Mathemati al Biology,22, 259277.
Taroni, A., Erba, M., Springmann, E., et Tibone, F. (1994). Global and lo al energy onnement proper-ties of simple transport oe ients of the Bohm type. Plasma physi s and ontrolledfusion, 36,16291646. Gay,D.H.etRay,W.H.(1995). Identi ationand ontrol
of distributed parameter systemsbymeans of singular valuede omposition.Chemi alEngineeringS ien e,50, 15191539.
Point,N., Wouwer,A.V., et Remy, M. (1996). Pra ti al issues in distributed parameter estimation : Gradient omputation and optimal experiment design. Control EngineeringPra tise,04(11),15531562.
Erba, M., Cherubini, A., Parail, V.V., Springmann, E., et Taroni, A. (1997). Developpement of a non-lo al model fortokamak heat transport in L-mode, H-mode and transient regimes. Plasma Physi s andControlled Fusion,39,261276.
Hoang,G.,Saouti ,B.,Guiziou,L.,Basiuk,V.,Bé oulet, A.,Budny,B.V.,Clairet,F.,Colas,L.,Devyn k,P.,Gil, C.,Jorin,E.,Litaudon,X.,Ségui,J.L.,Voitseknovit h, I., et Zou, X.L. (1998). Magneti shear ee ts on onnementandele tronheattransport inToreSupra dis hargeswithele tronheating. Nu learFusion,38(1), 117132.
Erba,M.,Aniel,T.,Basiuk,V.,Be oulet,A.,etLitaudon, X. (1998). Validation of a new mixed Bohm/Gyro-Bohmmodelforele tronandionheattransportagainst the ITER, Tore Supra and Start database dis harges.
parametersystemsidenti ationwithenfor eable iden-tiability onditions and redu ed-order spatial dier-entiation. IEEE Transa tion On Automati Control, 45(02),203216.
Isakov, V. et Kindermann, S. (2000). Identi ation of thediusion oe ientin aone-dimensional paraboli equation. InverseProblems,16,665680.
Wan, E.A. et Nelson, A.T. (2001). Random Analysis andKalman Filtering, hapter DualExtended Kalman FilterMethods, 123175. JohnWiley&Sons,In . Zheng, D., Hoo, A., et Piovoso, M.J. (2002). Low-order
modelidenti ationofdistributedparametersystemsby a ombinationof singularvaluede omposition andthe Karhunen-Loèveexpansion.Industrial andEngineering Chimestry Resear h,41,15451556.
Zou, X.L., Giruzzi, G., Artaud, J.F., Bouquey, F., Clé-moçon, A., Darbos, C., Dumont, R.J., Guivar h, C., Lennholm,M., Magne,R., et Ségui,J.L. (2003). Ele -tronheattransportandECRHmodulationexperiments inToreSupratokamak.Nu learFusion,43,14111420. Clémençon,A.,Guivar h,C.,Eury,S.,Zou,X.,etGiruzzi, G. (2004). Analyti al solution of the diusion equa-tion in a ylindri al medium with step-like diusivity. Physi s ofPlasmas,11(11),49985009.
Witrant,E.,Jorin,E.,Brémond,S.,Giruzzi,G.,Mazon, D.,Barana,O.,etMoreau,P.(2007).A ontrol-oriented model of urrentprole in Tokamak plasma. Plasmas Physi s andControlledFusion,49,10751105.
Shima, H. et Nakayama,T. (2010). Higher Mathemati s for Physi s andEngineering. Springer-Verlag.
Al-Gwaiz, M. (2008). Sturm-Liouville Theory and its Appli ations. Springer-Verlag.
Brezis, H. (2011). Fun tional Analysis , Sobolev Spa es andPartialDierentialEquations. Springer-Verlag. Fairweather,G. (1978). Finite element Galerkin methods
for dierential equations, volume 34. Le ture notes in pureandappliedmathemati s,CRCPress.
Jarny,Y.(1981).Identi ationofspatiallyvarying param-eters for a distributed system- appli ation to thermal pro ess. Mathemati s and Computers in Simulation XXIII,23(2), 170179.
Kalman, R.E. (1960). A new appro h to linear ltering and predi tion problems. Transa tions of the ASME. SeriesD,Journalof Basi Engineering,82,3545. Kopriva,D.A.(2009). ImplementingSpe tral Methodsfor
PartialDierentialEquations. Springer-Verlag.
Ljung, L. (1979). Asymptotique behavior of extended Kalman lter asa parameter estimator for linear sys-tems. IEEE Transa tion On Automati Control, AC-24(1),3650.
Salsa,S.(2008). PartialDierential Equations inA tion, FromModellingtoTheory. Springer-Verlag.