Etude du choix des paramètres de réglage des algorithmes GPC

Abstract

La commande prédictive à base de modèle (MBPC: Model Based Predictive Control) a joué un rôle très important dans le domaine de contrôle des prossus. Le principe du contrôle prédictif est basé sur la prédiction du comportement futur du processus à contrôler sur un horizon du temps fini. En effet; le problème est, connaissant la sortie prédite du système, de déterminer la commande à appliquer au système pour que la sortie suit une trajectoire de référence désirée. Le contrôle prédictif généralisé (GPC: Generalized Predictive Control) de Clarke, Mohtadi et Tuffs est considéré comme étant la plus populaire des méthodes de prédiction, particulièrement pour des processus industriels. La méthode du GPC est une procédure de contrôle applicable aussi bien à des systèmes SISO qu'à des systèmes MIMO. Un modèle de processus est employé pour prédire le comportement futur du système à contrôler à travers un horizon donné de temps. De cette prédiction, une commande est calculée en réduisant au minimum une fonction quadratique de coût. Cependant, les paramètres de réglage du GPC (essentiellement l'horizon de prédiction, l'horizon de commande et le facteur de pondération) ont une influence déterminante sur le comportement du système en boucle fermée. Mais, il n'est pas toujours facile de trouver des valeurs optimales pour ces paramètres. C'est pourquoi, on propose dans ce travail d'utiliser un algorithme génétique pour les optimiser. L'application étudiée est l'asservissement d'un chariot avec pendule inversé qui est un système non linaire et instable. L'objectif final de cette application consiste à asservir la position du chariot tout en maintenant le pendule inversé dans sa position verticale.