R EVUE DE STATISTIQUE APPLIQUÉE
L IBOR K UBAT
Modèle d’un système simple réglé selon les paramètres statistiques
Revue de statistique appliquée, tome 13, n
o3 (1965), p. 93-102
<
http://www.numdam.org/item?id=RSA_1965__13_3_93_0>
© Société française de statistique, 1965, tous droits réservés.
L’accès aux archives de la revue « Revue de statistique appliquée » (
http://www.sfds.asso.fr/publicat/rsa.htm
) implique l’accord avec les conditions générales d’uti- lisation (
http://www.numdam.org/conditions). Toute utilisation commerciale ou im- pression systématique est constitutive d’une infraction pénale. Toute copie ou im- pression de ce fichier doit contenir la présente mention de copyright.
Article numérisé dans le cadre du programme
MODÈLE D’UN SYSTÈME SIMPLE RÉGLÉ
SELON LES PARAMÈTRES STATISTIQUES (1)
Libor KUBAT
Accadémie Tchécoslovaque des
SciencesInstitut
de Théorie de l’Information
et automationCe travail
présente
unmodèle
derégulation d’un système
simple caractérisé uniquement
par un retardfixé
detransport.
Dans le
système
on suppose laprésence
d’uneperturbation
sta- t ionnai re eteréodique à fonct ion de corrélation exponentielle.
Deux
types
derégulateur
sontconsidérés :
lerégulateur proportionnel
e t leprédi cteur linéaire. Ces régulateurs
sontoptimalisés
par la minimisation de lavaleur moyenne
descarrés
des erreurs de sortie.
On
dé f i n i t
lecoefficient d’amélioration
de larégula-
t i on e t
1 ’ef ficaci té
de larégulation, qu i
donnen t lapossi
bi-lité decomparerla qualité
derégulation
soit pour diversré- gulateurs,
soit pourdifférentes fonctions
decorrélation
dela
perturbation.
Dans les circuits de
régulation,
lesgrandeurs d’entrée
ainsi que lesperturbations
on t uncaractère aléatoire,
qu ipossède
d’habitude desqualités statistiques stables,
ou au moins peu variables dans letemps.
Cesqualités peuvent être
exploitées
dans desprojets
derégulateurs.
Cette
contribution
traite le cas d’un circuitsimple
derégulation,
enexploitant
lesqualités statistiquesde
la per- turbat ion.Le
problème
esttraité
dans letemps discret,
cequ i
rendplus faciles
les calculsnumériques
detrajectoires
dans le mo-dèle
derégulation.
Toutes lesgrandeurs changent discrètement
en
fonct ion
dutemps ;
on note la suiterespective
des valeurspar des indices n =
1, 2, 3...
1 - DESCRIPTION DU MODELE
La
figure
1représente
le schéma du circuit derégulation.
Le sys- tème est caractérisé par unsimple
retard detransport
de k pas(k
estun nombre entier
positif).
(1) Ce travail a été inspiré par M. A.
Spacek,
membre de l’Académie Tchécoslovaquedes Sciences et vice-directeur de l’Institut de théorie de l’information et d’auto- mation, mort le 24 Octobre 1961.
SYSTEME REGLE
Figure 1
Circuit de
régulation
avec retard de temps de k pas.Soit xn la
perturbation.
La sortie dusystème
est donnée parDans le
système
entre lesignal d’entrée,
où Wn est l’entrée dans le circuit de
régulation
etR(yn-k , yn-(k+1), ...)
estla sortie du
régulateur.
Supposons
que lerégulateur
conserve dans sa mémoire toutes lesvaleurs
passées
de sortie y.,(m ~ n - k), qui
sont nécessaires pour cal- culer la valeur un.Pour
simplifier,
nous supposons :pour tous les n. Cette
hypothèse
couvreégalement
un cas trèsfréquent
dans la
pratique,
celui oùCe cas se ramène au cas étudié en
soustrayant
cette constante de la sortie yn.Supposons
que laperturbation
xnproduite
dans le circuitréglé
aitdes
caractéristiques
connues(notamment
la valeur moyenne et la fonction decorrélation) ;
supposonségalement
que laperturbation
soit station- naire etergodique ;
supposonsenfin,
poursimplifier
les calculs sui-vants,
que la valeur moyenneE(xn)
soit nulle. Ceshypothèses
sont enprincipe
correctes pour presque tous les casqui
seprésentent
dans lapratique.
Le
signal
d’entrée dusystème réglé
devient maintenantComme critère de
régulation,
on utilisera la valeur moyenne des carrés de sortie yn, c’est-à-dire que l’on cherchera les valeurs des pa- ramètres durégulateur,
pourlesquelles
A
partir
de cettecondition,
nous déterminerons la fonction R.Un examen
plus
détaillé du modèlesimple
cité sera effectué pour le cas suivant deperturbation :
où 0 03B3 1
et i Zn }+~n=-~
est une suite de variables aléatoiresindépendantes, qui acquièrent
deux valeurs +1ou -1,
avec uneprobabilité 1/2.
La va-leur moyenne de la variable aléatoire Zn est alors
nulle,
et ladispersion a2 (Zn)
= 1.Pour la
perturbation
xn on trouve facilement la valeur moyenne :la
dispersion :
et la covariance :
La fonction de corrélation normalisée est donnée par :
La fonction de corrélation de la
perturbation
considérée est alors expo- nentielle, car2 - REGULATEUR PROPORTIONNEL
Comme
premier
cas, considérons unrégulateur proportionnel
dontle schéma est donné dans la
figure
2.L’équation (2)
devient :et
l’équation
pour sortie Ynprend
la formePour une
perturbation
xn avec valeur moyennenulle,
on a en outrepour la valeur moyenne de sortie
SYSTEME REGLE
Figure 2 -
Régulation
proportionnel.Pour le cas de
perturbation
de forme(6),
ladispersion
de la sortie estLa condition de minimisation de la sortie
(5)
s’écrit pour unrégulateur proportionnel
d’où il résulte que a est une racine de
l’équation cubique
Une seule racine de
l’équation remplit
la condition naturelle de sta- bilitéet cette racine statisfait aussi à
l’exigence
évidentePour déterminer le coefficient
permettant
unréglage optimum
durégulateur proportionnel,
un nomogramme a été construit(fig. 3).
Une version de la
perturbation
xn pour Y =0,
99 ainsi que la sortiey
du circuit avec unrégulateur proportionnel
pour un retard k = 10 sontprésentées
sur lesfigures
4 a et 4 b. Dans ce cas, on aa = -0,741.
Pour le calcul de
y
on asupposé
que xn = 0 pour n ~ 0.3 - PREDICTEUR LINEAIRE
Traitons maintenant le second mode de
régulation -
leprédicteur
linéaire
d’après
A. N.Kolmogoroff
et N. Wiener.Fig. 3
Figure 4-
a) perturbation Xn pour Y = 0, 99
b) sortie Yn du circuit avec un
régulateur
proportionnel pour un retard k = 10c) sortie Yn du circuit avec un prédicteur linéaire pour un retard k = 10.
La
prédiction
linéaire suppose que l’entrée dusystème
un soit une combinaison linéaire de m valeurs de laperturbation yn , Yn-l’
...y
La
perturbation
estsupposée
stationnaire etergodique.
La sortiedu sys-
tème
réglé
seraPour la
perturbation
définie en(6),
et pour la condition de minimisation(5),
on obtientaprès
des calculssimples :
Dans le cas de
perturbation exponentielle,
laprédiction
linéaire esttrès
simple.
Encomparant
lesexpressions (21)
et(10),
on voit que :Par substitution dans
(20),
on obtientl’équation
duprédicteur
li-néaire :
* Le schéma du
prédicteur
linéaire estindiqué
sur lafigure 5,
d’où l’on obtient les relations suivantes :La
figure
4 c montre la sortiey
dusystème réglé
par unprédic-
teur linéaire pour la même version de
perturbation
xn que dans le cas durégulateur proportionnel
et pour la même valeur de retard k = 10.Ici on a Y
- 0, 99
etB(10) = 0,9910 = 0, 904.
4 - EFFICACITE DE REGULATION
En
comparant
les sorties du circuitréglé,
d’unepart,
par un ré-gulateur proportionnel (fig. 4b)
et, d’autrepart,
par leprédicteur
li-néaire
(fig. 4c),
on voit que leprédicteur
linéaire donne de meilleurs résultats. Pour unecomparaison objective,
nous introduisons la mesuresuivante d’amélioration de la
régulation
que nous
appellerons
coefficient d’amélioration et dont la valeurindique
de combien diminue la valeur moyenne des carrés de la sortie du sys- tème
réglé
encomparaison
avec celle d’unsystème
nonréglé.
Pour unerégulation idéale, v =
0.De
façon semblable,
nous définissons l’efficacité de larégulation
Dans le cas idéal r) = 1. Pour une
qualité
inférieure derégulation,
Tldiminue et atteint la valeur zéro
lorsqu’il n’y
a pas derégulation.
Cettedéfinition
correspond
à laconception
usuelle d’efficacité.Dans le cas d’une
perturbation ayant
la formeindiquée
en(6),
onobtient pour le
régulateur proportionnel
lesexpressions
SYSTEME REGLE’
Régulateur
Figure 5 - Prédiction linéaire.
et pour le
prédicteur
linéairePour le
régulateur proportionnel,
onpeut
lire les valeurs du coef-ficient d’amélioration 03BDR. P.
et de l’efficacité de larégulation ~R.
P. sur lenomogramme
(fig. 3),
où les valeurs sont données en fonction des pa- ramètres Y et k.Pour le cas
correspondant
à lafigure 4,
c’est-à-dire pourY = 0, 99
et k =10,
on obtient pour lerégulateur proportionnel
et pour le
prédicteur
linéaire(l) !
h
:La
régulation
par unprédicteur
linéaireapparaît
donc comme es-sentiellement meilleure.
La
figure
6 montre la variation de l’efficacité derégulation
~ en fonction de k pour différentes valeurs duparamètre
Y.BIBLIOGRAPHIE
[1]
WIENER N. -Extrapolation, interpolation
andsmoothing
ofstationary
time series.