Digital Control

TCLab Regulation

Élèves : Professeur :
Guennaoui Benderfouf Fouzi (22300) De Bruyne Franky (DBR)
Theismann Quentin (22035)

Le 19 décembre 2025
19 décembre 2025 Digital Control Page 1 sur 29

Table des matières

1 Introduction 2

2 Identification des dynamiques 3

3 PID 5
3.1 En boucle ouverte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3.2 En boucle fermée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3.3 Influence des paramètres d’implémentation . . . . . . . . . . . . . . . . . . . . . . . 10
3.3.1 Influence du paramètre α . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3.3.2 Influence du paramètre γ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.4 Stabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

4 RST 14
4.1 Choix de Tsmul . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
4.2 Tests en boucle fermée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
4.3 Stabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
4.4 Analyse de a0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

5 Deadbeat Controller 19

6 Conclusion 23

Références 24

Annexes 25
19 décembre 2025 Digital Control Page 2 sur 29

1 Introduction

Le TCLab [1] est un système multivariable composé de deux éléments chauffants (transistors) et
de deux capteurs de température, T1 et T2 . Un couplage existe entre les deux : l’activation du
premier chauffage (Q1 ) influence non seulement sa température associée (T1 ), mais également la
température du second capteur (T2 ).
Afin de simplifier l’analyse et de se concentrer sur les stratégies de contrôle pour un système
monovariable (SISO), une configuration spécifique a été adoptée pour ce projet. Le système est
défini par les variables MV, qui est la puissance de chauffe du premier transistor, notée Q1 (en
%), PV, qui est la température mesurée par le premier capteur, notée T1 (en ◦ C), ainsi que DV,
la puissance de chauffe du second transistor, Q2 , est considérée comme une perturbation, car elle
influence la température T1 par couplage.
Dans le cadre de ce laboratoire, la structure de commande utilisée est illustrée à la Figure 1. Elle
contient trois blocs principaux :

• le régulateur (PID ou RST),

• le bloc de feedforward basé sur le modèle de perturbation (bloc vert),

• les modèles du procédé et de la perturbation, Pb(s) et D(s)

b (blocs gris).

Figure 1 – Structure complète de commande

Ce document détaillera les étapes d’identification du procédé, de conception des régulateurs PID et
RST, et enfin de validation de leurs performances en simulation puis sur la plateforme expérimentale.
19 décembre 2025 Digital Control Page 3 sur 29

2 Identification des dynamiques

Afin de caractériser le comportement thermique du TCLab, nous avons procédé à une identification
expérimentale en boucle ouverte. L’expérience avec des variations autour du point de fonctionne-
ment, M V0 = 50% (commande) et DV0 = 50% (perturbation).
La procédure a consisté à appliquer un échelon sur la commande M V (en maintenant DV constant),
puis un échelon sur la perturbation DV (en maintenant M V constant). Dans le but d’approximer
le comportement autour de ce point de fonctionnement par une fonction de transfert.

Table 1 – Paramètres pour P (s) Table 2 – Paramètres pour D(s)

Paramètre FOPDT SOPDT Paramètre FOPDT SOPDT

Kp [◦ C/%] 0.545 0.55 Kd [◦ C/%] 0.464 0.464
θ [s] 33 15.204 θ [s] 31 9.41
τ1 [s] 147.88 169.9 τ1 [s] 166.55 133.39
τ2 [s] – 23.3 τ2 [s] – 28.48

Figure 3 – Comparaison entre la

Figure 2 – Réponse à un échelon MV du dynamique réelle, la fonction du premier et
procédé réel et ajustement par modèles celle du second ordre avec un échelon DV
d’ordre 1 et 2 en entrée

Dans les Figure 2 et Figure 3, on constate que le modèle du second ordre est une excellente
approximation du système réel. Il suit fidèlement la dynamique sur toute la durée de l’expérience.
D’un autre côté, le modèle du premier ordre (FOPDT) s’avère ici totalement inadapté. Pour ajuster
la courbe, l’algorithme d’identification a généré un temps mort de ≈ 30 secondes. Ce délai est
mathématiquement utile pour faire coı̈ncider la courbe du modèle avec les données, mais il est
physiquement faux. Le système ne met pas 30 secondes à commencer à réagir. Le FOPDT, limité
par sa seule constante de temps, ne peut pas modéliser la lente montée initiale et la compense en
créant ce faux délai.
Les deux fonctions de transfert modélisant le procédé et la perturbation sont donc :
19 décembre 2025 Digital Control Page 4 sur 29

0.55 e−15.2s
P (s) = (1)
(169.9s + 1)(23.3s + 1)
0.46 e−9.41s
D(s) = (2)
(133.4s + 1)(28.5s + 1)

Détermination de la température d’équilibre P V0

Les modèles P (s) et D(s) 1 décrivent la dynamique du TCLab en petites variations autour d’un
point de fonctionnement (M V0 , DV0 , P V0 ). Les puissances de chauffe M V0 et DV0 ont été fixées à
50%. Il reste donc à mesurer la température d’équilibre associée P V0 .
Pour cela, une expérience stationnaire a été réalisée : les deux chauffages sont maintenus constants
à DV0 , M V0 et on attend le régime permanent afin de relever la valeur de P V0 . On obtient :

P V0 ≈ 78.6 ◦ C. 2

Dans la suite du rapport, nous travaillerons donc en variables déviées :

M V ′ (t) = M V (t) − M V0 , DV ′ (t) = DV (t) − DV0 , P V ′ (t) = P V (t) − P V0 ,

et la valeur P V0 sera utilisée pour corriger la sortie des modèles P (s) et D(s), conformément à
l’équation (3) présentée en Annexe 2. Nous entrerons plus en détail dans la partie contrôleur.

1. Dans le cadre de ce laboratoire, nous avons déterminé les fonctions de transfert D(s) et P (s) que l’on devrait
correctement appeler D(s)
b et Pb(s), car les deux fonctions de transfert ne sont que des approximations de la dynamique
autour du point de fonctionnement DV0 , M V0 et P V0 . Le qualifier directement de D(s) et P (s) n’est qu’un abus de
langage que nous conservons pendant la suite du rapport
2. Si pendant la lecture du rapport vous remarquez des valeurs différentes de P V0 , ceci est tout à fait normal
étant donné qu’il varie en fonction des conditions où le TCLab est testé. Afin d’avoir des résultats exploitables, cette
valeur est parfois recalculé afin que PV atteigne la consigne même dans le mode manuel du PID.
19 décembre 2025 Digital Control Page 5 sur 29

3 PID

3.1 En boucle ouverte

Le bloc PID utilisé dans ce laboratoire est illustré

sur la Figure 4. Il possède plusieurs entrées : la
consigne SP , la mesure P V , la commande manuelle
M VMan , l’action de feedforward M VF F , les limites
M Vmin , M Vmax ainsi que deux commutateurs (M an
et M anF F ). Il fournit en sortie les trois composantes
du PID (M VP , M VI , M VD ), ainsi que la commande
totale M V (pour rappel seul M V est la vraie sortie
Figure 4 – Représentation des
qui est la somme de M VP + M VI + M VD +M VF F ).
entrées-sorties du PID

La Figure 5 illustre la réponse du contrôleur PID testé en boucle ouverte, afin de vérifier si
son implémentation est correcte. En d’autres termes, la sortie M V calculée par le PID n’est pas
appliquée au modèle du procédé : la valeur de P V reste donc constante. Cela permet d’observer
uniquement le comportement interne du régulateur, sans l’influence dynamique du TCLab.

Figure 5 – PID en boucle ouverte

Plusieurs situations apparaissent à différents instants sur la figure.

Dans un premier temps, une perturbation est simulée. On observe alors une valeur non nulle
de M VF F , ce qui montre que le feed-forward détecte la perturbation et génère une action de
compensation. On ne voit cependant aucun effet visible sur PV ou sur l’erreur, pour deux raisons.
D’une part, le test est réalisé en boucle ouverte : la commande du PID n’est pas appliquée au
procédé. La perturbation n’a donc aucune influence sur la sortie réelle, ce qui donne l’impression
19 décembre 2025 Digital Control Page 6 sur 29

d’une compensation parfaite. D’autre part, le feed-forward est ici idéal puisqu’il utilise directement
la perturbation simulée, sans retard, sans bruit ni modèle imparfait.
En pratique, l’efficacité du feed-forward est rarement aussi parfaite : la perturbation n’est pas
mesurée exactement, il existe des délais et des incertitudes, et le PID doit souvent corriger une partie
résiduelle. La situation observée ici est donc propre au test et n’est pas totalement représentative
d’un système réel.
Ensuite, on applique un échelon sur la consigne SP . Comme le PID est en boucle ouverte, P V
ne bouge pas et l’erreur reste constante. Le contrôleur réagit alors uniquement selon ses calculs
internes :

• le terme proportionnel M VP réagit immédiatement et atteint une nouvelle valeur constante.

Cela est logique puisque le terme P dépend uniquement de l’erreur instantanée. (M VP = Kp E)

• le terme intégral M VI commence à croı̂tre, car il agit sur l’erreur cumulée. Comme l’erreur
ne s’annule jamais en boucle ouverte, l’action intégrale génère une rampe.

• le terme dérivé M VD réagit brièvement lors du changement de consigne, puisqu’il est basé sur
la dérivée du signal d’erreur. Il produit une impulsion rapide puis disparaı̂t progressivement,
ce qui correspond au comportement attendu d’un terme dérivé filtré. Sa valeur dépend du
paramètre α (voir Sous-section 3.3.1).

On voit donc que le contrôleur se comporte comme prévu : M V augmente jusqu’à atteindre la
saturation. Comme l’erreur est constante, l’intégrateur continue d’augmenter, mais grâce à l’anti-
windup implementé le PID garde sa dernière valeur.
Quand on passe en mode manuel (courbe noire), M V est forcé à suivre la valeur M VMan . Dans ce
cas, c’est bien M VI qui est ajustée pour faire correspondre M V avec M VMan . On affiche deux cas :

M V I[−1] = M V M an[−1] − M V P [−1] − M V D[−1]

et avec le feed-forward inclus :

M V I[−1] = M V M an[−1] − M V P [−1] − M V D[−1] − M V F F [−1]

Il existe deux cas, parce qu’il pourrait arriver un cas où on ne fait plus confiance au feed-forward et
que la perturbation a changé. Dans ce cas là, on viendrait donc repasser en mode manuel et faire
un reset de l’intégrateur sans prendre en compte M VF F sinon ça garderait le PID dans une valeur
fausse.
Finalement, quand on enlève la perturbation (donc pas de feed-forward), on remarque que M VI
compense automatiquement. Cela montre que même sans M VF F , le PID permet de corriger l’erreur.
19 décembre 2025 Digital Control Page 7 sur 29

3.2 En boucle fermée

La Figure 6 montre le comportement du PID en mode manuel pendant toute la durée du test.
M V est imposé par l’opérateur (M VMan ) et le PID ajuste uniquement ses termes internes M VP ,
M VI et M VD pour que leur somme reste égale à M VMan . Le feedforward est désactivé (M VF F = 0)
pendant tout l’essai.

Figure 6 – Comparaison PID en mode manuel sans feed-forward en simulation et réel

Au début de l’expérience, on fixe M VMan à 50 %. Dans la Sous-section 2, nous avons déterminé

la valeur P V0 du point de fonctionnement correspondant à cette puissance de chauffe. Il est donc
important de rappeler qu’en mode manuel, la consigne SP n’a aucune influence sur la valeur
réellement appliquée à l’actionneur : le PID ne régule pas, il s’adapte pour avoir M VMan en sortie.
C’est pour cela que le graphique ne montre pas un P V en train d’atteindre une consigne. Le procédé
s’établit simplement à sa température naturelle P V0 pour un M V et DV fixé à 50 %. Même si nous
avions choisi un SP = P V0 + 10, le résultat aurait été exactement le même : le contrôleur étant en
manuel, P V n’aurait pas bougé pour aller chercher cette consigne et serait resté en P V0 .
Le PID doit alors atteindre cette valeur manuelle : les trois composantes M VP , M VI et M VD sont
initialisées de telle sorte que la somme des trois donne M VMan .
Comme la consigne SP est plus élevée que la température de départ (P Vinit ), l’erreur est grande au
début, ce qui explique que le terme proportionnel M VP commence avec une valeur élevée, tandis que
le terme intégral M VI part dans l’autre sens pour que la somme reste égale à 50 %. Le terme dérivé
M VD réagit aussi au changement brutal d’erreur, puis diminue. Ensuite, au fur et à mesure que P V
se rapproche de SP , l’erreur diminue et une fois le régime établi, M V ≈ M VI et M VP ≈ M VD ≈ 0,
ce qui est exactement ce qu’on attend en mode manuel stabilisé sans feedforward.
Comme le feedforward est desactivé, le régulateur ne compense pas la perturbation. Cela se voit
clairement à partir de t ≈ 1500 s, quand la variable de perturbation DV augmente. M VMan reste
imposé, le PID ne corrige pas M V et on s’éloigne donc de la situation initiale où SP ≈ P V . La
19 décembre 2025 Digital Control Page 8 sur 29

température P V est alors perturbée et monte au-dessus de la consigne, aussi bien sur la simulation
que sur le TCLab réel. Ce décalage met en évidence le rôle que pourrait jouer le feedforward : ici,
sans M VF F , c’est normal que le procédé ne reste pas collé au set-point.
Enfin, on remarque que les courbes de simulation et les mesures réelles se suivent assez bien, aussi
bien pour M V que pour P V . On observe quelques petites différences, notamment sur la vitesse de
réponse et sur la valeur finale, ce qui peut s’expliquer par les pertes thermiques, le bruit de mesure
ou encore certaines approximations du modèle. Malgré cela, la simulation reproduit correctement le
comportement observé en réel et confirme que le fonctionnement attendu du PID en mode manuel
est bien respecté.

Figure 7 – Comparaison PID en mode manuel avec feed-forward en simulation et réel

Dans la Figure 7, on refait exactement le même test qu’en mode manuel sans feedforward, mais
cette fois-ci avec le feedforward activé, ce qui veut dire que lorsque la perturbation DV change, le
feedforward réagit et vient compenser directement cette perturbation.
On voit clairement qu’autour de t ≈ 1000 s, lorsqu’on applique une variation sur DV , la simulation
idéale revient presque instantanément vers P V0 (le léger décalage est dû au fait que le temps mort
du process est plus grand que celui de la perturbation, donc la perturbation agit avant que le feed-
forward puisse réagir), puisqu’elle ne tient pas compte du bruit, ni des pertes thermiques, ni des
petites perturbations réelles du TCLab. Par contre, la mesure réelle met un peu plus de temps à
revenir exactement sur P V0 . C’est logique : le feedforward est basé sur un modèle, donc il compense
la perturbation mais pas de manière presque instantanée comme la simulation. Le bruit de mesure
et les imperfections du système expliquent ce léger décalage.
Dans la Figure 8, nous testons le PID en mode automatique sans feedforward. Contrairement aux
essais précédents en mode manuel, M V n’est plus imposé par l’opérateur mais calculé entièrement
par le PID à partir de l’erreur SP − P V .
19 décembre 2025 Digital Control Page 9 sur 29

Figure 8 – Comparaison PID sans feed-forward en simulation et réel

On commence volontairement l’essai en mode manuel. L’objectif est d’imposer une valeur de M VMan
et d’éviter que les composantes du PID ne s’emballent au démarrage. En effet, au début de l’essai,
l’erreur entre SP et P V est supérieure à 50 ◦ C. Si le PID était directement activé à froid, il
saturerait complètement le M V , ce qui n’est pas souhaitable. C’est d’ailleurs une pratique standard
en régulation (on l’a appris en BA3) : on ne passe en mode automatique que lorsque le procédé
atteint son point de fonctionnement.
Ensuite, nous appliquons un step sur la consigne 3 , ce qui crée une nouvelle erreur. On observe
immédiatement les différentes composantes réagir : M VP et M VD réagissent instantanément, alors
que M VI s’ajuste plus lentement. Comme M VF F est nul, le PID est seul responsable de corriger
cette erreur. L’action intégrale joue donc un rôle plus important pour ramener P V vers la consigne,
ce qui explique que la correction soit plus lente que dans le cas avec feedforward.
Il faut distinguer deux types de perturbations observées. Lorsque la perturbation provient du
changement de DV, elle est permanente et crée une erreur durable. Dans ce cas, c’est principalement
l’intégrale M VI qui compense cette erreur, ce qui est normal puisque son rôle est d’éliminer l’erreur
statique.
En revanche, la perturbation brève autour de t ≈ 4000s est très courte (nous pourrions la ca-
ractériser de Dirac). Cette variation est absorbée presque uniquement par M VP et M VD , alors que
M VI ne réagit pratiquement pas car l’erreur ne dure pas assez longtemps pour être intégrée. Cela
montre bien la répartition des rôles du PID : le P et le D traitent les perturbations rapides alors
que l’I compense les perturbations persistantes.

3. On remarque dans les deux cas (auto avec et sans FF), lors du changement de consigne, le PV semble aller
vers une consigne puis reviens sur une autre courbe. Ceci s’explique par un choix de γ qui ”tape” la saturation et ne
peut donc pas suivre le temps d’établissement en boucle fermée désirée, la saturation l’impose. Avec un gamma plus
grand cette ”bosse” ne serait donc pas visible.
19 décembre 2025 Digital Control Page 10 sur 29

Figure 9 – Comparaison PID avec feed-forward en simulation et réel

Dans ce dernier cas, nous activons le PID en mode automatique tout en ajoutant l’action de
feedforward. Dans ce cas, il vient anticiper la perturbation. Contrairement au PID sans feedforward,
l’intégrale a moins de travail puisque le FF compense directement une partie de la variation. Le
suivi de consigne est donc plus rapide et avec moins d’action de l’intégrale.
La grande différence apparaı̂t lors du step sur DV . Dans le cas sans feedforward, l’intégrale de-
vait compenser l’erreur seule et donc réagissait lentement. Ici, le feedforward annule quasiment la
perturbation au moment où elle arrive. Le PID ne corrige que l’écart résiduel. On peut également
comparer avec le cas en mode manuel avec feedforward. Dans ce cas, le système pouvait revenir
à P V0 uniquement lorsque la perturbation disparaissait. Ici, en mode automatique, le contrôleur
corrige même les petites perturbations transitoires. Le FF agit en avance car il voit la perturba-
tion apparaı̂tre sur DV , alors que l’intégrale doit attendre l’apparition d’une erreur sur P V pour
répondre. C’est ce qui explique que ce dernier cas présente la meilleure performance globale.

3.3 Influence des paramètres d’implémentation

3.3.1 Influence du paramètre α

Le terme dérivé étant particulièrement sensible au bruit et aux variations rapides de l’erreur, il est
courant de lui appliquer un filtre passe-bas. Le coefficient α permet de doser ce filtrage :

• Lorsque α est faible, la dérivée est très peu filtrée (voir le gain en haute fréquence
en Annexe 3a) et se rapproche d’une dérivé pure. Cela signifie que la commande réagit
immédiatement à toute variation rapide (consigne, bruit...), ce qui peut générer un pic im-
portant de l’action de commande (MVD) comme on peut l’appercevoir sur la Fi-
gure 10a. Ce pic élevé peut provoquer une saturation rapide de l’action de commande,
ce qui empêche l’action intégrale (MVI) de corriger l’erreur efficacement. L’action intégrale
est alors minime pendant cette phase, car elle ne peut pas s’ajuster correctement lorsque la
19 décembre 2025 Digital Control Page 11 sur 29

commande est saturée. Comme on peut l’appercevoir dans la Figure 10b, le retard dans
l’ajustement de MVI mène à un ”undershoot”, où la sortie (PV) descend sous la consigne
avant de revenir à la valeur cible. Ce phénomène n’est pas dû à un zéro instable, mais car la
phase de descente rapide du terme dérivé contraste fortement avec la remontée beaucoup plus
lente du terme intégral à la suite de la saturation. Ce comportement est l’un des principaux
défauts du PID.

• À l’inverse, lorsque α est élevé, l’information dérivée est davantage intégrée dans le temps
et donc filtrée. La commande ne réagit plus à chaque changement ponctuel de l’erreur, mais
à une évolution plus régulière. On observe donc un pic de commande désormais largement
atténué, par conséquent, l’action intégrale peut corriger l’erreur plus efficacement, sans être
limitée par la saturation. Cependant, un filtrage trop élevé peut également ralentir la réponse
du contrôleur, rendant l’action dérivée moins anticipative.

Par rapport à tout ce qui a été dit ci-dessus, une valeur α = 0.8 a été retenue car elle présente un
équilibre satisfaisant. Elle limite l’impact du bruit tout en conservant une dynamique réactive.

(a) Action dérivée du Contrôleur (MVD) (b) Réponse du Procédé (PV)

Figure 10 – Influence de α sur la MVD et la PV

3.3.2 Influence du paramètre γ

La variation de γ ajuste la manière dont le contrôleur tient compte de la dynamique réelle du

procédé. Le facteur est défini par la relation :

TCLP = γ TOLP .

Le réglage IMC (Internal Model Control) permet de déterminer les paramètres d’un PID à partir du
modèle du procédé en garantissant une certaine robustesse. Un élément central de cette approche
est le facteur γ, qui intervient dans l’expression du gain du régulateur :

τ1 + τ2
Kc = .
K(τclp + θ)

À partir de cette relation, on peut déjà constater qu’une valeur faible de γ réduit τclp et augmente
ainsi Kc , ce qui conduit à un régulateur plus agressif, tandis qu’un γ plus élevé diminue le gain
19 décembre 2025 Digital Control Page 12 sur 29

effectif et impose une action de commande plus modérée.

• Comme illustré sur la Figure 11a, lorsque γ est faible, le contrôleur applique ses décisions
à un rythme trop rapide par rapport à la dynamique du procédé. La boucle ne laisse pas
au système le temps de manifester sa réponse avant de corriger à nouveau. Le régulateur agit
alors sur une erreur dont l’évolution n’a pas encore pu se traduire dans le procédé, ce qui
conduit naturellement à une action de commande plus intense. C’est pourquoi on observe des
oscillations sur MV. Ce comportement de saturation (avec MVI et MVD) est similaire à
celui expliqué en Sous-section 3.3.1 sur l’influence du α.

• À mesure que γ augmente, le contrôleur agit dans un rythme plus adapté à la dynamique
du procédé, au prix d’une réponse plus lente aux erreurs. La commande ne réagit plus à
chaque variation instantanée, mais à une évolution déjà perceptible de PV. MV devient alors
plus régulier et mieux aligné avec la réponse réelle du système, comme on l’apperçoit en
Figure 11b, et limite les variations excessives de commande.

La valeur γ = 0.8 a été retenue car elle offre un bon compromis entre rapidité et maı̂trise de
la commande : la réponse reste suffisamment réactive sans provoquer de sollicitation excessive
du procédé. D’ailleurs, ce n’est qu’à partir de cette valeur que notre commande n’entre pas en
saturation, comme on peut l’apercevoir en Annexe 4. On apperçoit également, en Annexe 5a,
que cette valeur garantit une dynamique stable et robuste de la boucle.

(a) Action du Contrôleur (MV) (b) Réponse du Procédé (PV)

Figure 11 – Influence de γ sur la MV et la PV

Étant donné que le PID est un régulateur largément répandu et utilisé par des personnes parfois
sans aucun savoir sur ce régulateur. On a ajouté une fonction dans notre code Python qui permet
donc de vérifier le choix de l’opérateur. Si l’opérateur choisi par exemple un γ = 0.5, la fonction
lance une simulation rapide basée sur le processus et la saturation imposé ; ainsi si la commande
sature, l’opérateur est informé directement afin qu’il sache que le TCLP ne sera pas atteint.
19 décembre 2025 Digital Control Page 13 sur 29

3.4 Stabilité

Nous savons que le système est stable. Cependant, cela ne garantit pas la stabilité de la boucle
fermée une fois le PID appliqué. La fermeture de boucle modifie la dynamique globale du système,
et un réglage trop agressif pourrait conduire à des oscillations ou à une instabilité, même avec un
procédé stable seul. C’est tout pile ce dont nous venons de discuter en Sous-section 3.3, par
rapport au choix stratégique de α et γ. C’est pour cette raison que l’on s’intéresse aux marges de
gain et de phase, qui permettent d’évaluer la stabilité du système complet et sa capacité à rester
robuste face aux variations du modèle ou des conditions de fonctionnement.
Le diagramme de Bode montre une marge de phase de 84.47° et une marge de gain de 19.11 dB,
indiquant un système hautement stable. Une marge de phase aussi élevée suggère une bonne
stabilité et un amortissement efficace, tandis qu’une marge de gain élevée indique que le système
peut supporter une augmentation du gain sans devenir instable.
On peut conclure de ces marges que le système est robuste face aux variations du modèle et aux
perturbations, avec une réponse stable mais plutôt lente. Cette analyse est en total accord et
confirme les résultats que nous avons obtenu lors des essais en boucle fermé.

Figure 12 – Marge de stabilité du système - controleur en BO

19 décembre 2025 Digital Control Page 14 sur 29

4 RST

Dans le cadre de l’implémentation du régulateur RST,

nous partons plus ou moins du même principe que
le PID. Le RST n’est qu’un autre régulateur donc il
a presque les mêmes entrées que le PID. S’ajoutent
contrairement à ce dernier les polynômes R S T ces der-
niers ont pu être trouvés on faisant le design du RST
sur Matlab. S’ajoute également le Tsmul qui représente
combien de pas le RST attend avant de changer sa
consigne. Nous aborderons ça plus en détail dans les
Figure 13 – Représentation des
pages suivantes.
entrées-sorties du RST

4.1 Choix de Tsmul

Le régulateur RST comporte un Tsmul, qui signifie combien de pas le MV va rester constant avant
de réagir à l’erreur. Voici un graphique avec plusieurs valeurs de Tsmul :

Figure 14 – Simulation pour plusieurs Tsmul

Dès lors, on voit quelque chose de très évident sur cette Figure 14, lorsque le Tsmul est trop
grand (50 par exemple) et qu’on introduit une perturbation ou un changement de consigne, si le
régulateur vient d’être réinitialisé 4 il faut attendre Tsmul pas avant que le régulateur réagisse à
l’erreur. C’est pour cette raison qu’il ne faut pas choisir un Tsmul trop grand.
Néanmoins, même si un choix de Tsmul de 1s paraı̂t parfait, ceci est inutile pour ce cas-ci. En effet
avec un temps d’établissement de 500 secondes ici, il est peu utile d’avoir un Tsmul si petit, parce
que le régulateur avec un Tsmul de 10 ou 1 atteindra la consigne au même moment. On ne fait
que faire travailler beaucoup trop le régulateur sans nécessité. On choisi ici de travailler avec un
Tsmul de 10 . Il faut donc toujours trouver le juste milieu en fonction des spécifications.

4. Exemple avec une perturbation à 3333s avec un Tsmul de 50, le régulateur attend 49s avant de réagir à la
perturbation, c’est ce qui a été fait en Figure 14
19 décembre 2025 Digital Control Page 15 sur 29

4.2 Tests en boucle fermée

Dans le cadre de ce rapport, même si un mode manuel est présent dans le RST il est peu utile de
montrer les deux graphiques du mode manuel avec et sans action feedforward étant donné que le
but premier est de montrer que le feedforward fonctionne correctement, ceci ayant déjà été validé
par les Figure 6 et Figure 7. Nous aborderons dans un premier cas le RST avec intégrateur et
puis le RST sans intégrateur.

Figure 15 – RST avec intégrateur

On observe que le MV mesuré est correctement filtré. Avant de compiler le code et de l’exécuter sur
le TCLab, celui-ci est d’abord validé en simulation, là où aucune anomalie n’apparaı̂t, car l’influence
du bruit et des perturbations sur la sortie (ou la charge) n’y est pas visible. C’est pourquoi le choix
du polynôme a0 est crucial, comme expliqué en détail dans la Sous-section 4.4.

On remarque également l’influence du Feed-Forward,

nous avons ici choisi un cas avec un Tsmul de 10,
étant donné que la perturbation arrive à 3000s et que
le régulateur RST se réinitialise chaque 10s, ceci veut
dire que le régulateur voit le changement de consigne
sur la perturbation directement. Afin de mieux visua-
liser ce phénomène, on peut voir à la Figure 16, que Figure 16 – RST vs perturbation entre
le régulateur attend 9 secondes avant de réagir et que échantillons

l’action feed-forward réagisse.

Afin d’implémenter le RST, on impose des spécifications. Nous avons choisi un overshoot de 1% et
un Tdesire de ≈ 155s. Tout comme dans le PID ou on choisissait un γ tel que Tclp = γ Tolp , on fait
de même dans le cas du RST. Au plus γ diminue, au plus on risque de faire saturer l’actionneur.
Les spécifications sont globalement respectées, PV atteint la consigne en 5 × 155 et l’overshoot de
1% est tellement proche de 0 qu’on le voit pas.
19 décembre 2025 Digital Control Page 16 sur 29

Figure 17 – RST mode auto + sans intégrateur

Nous avons également testé le cas du RST en mode auto sans intégrateur avec et sans feedfor-
ward 5 en mode simulation. Il est inutile de tester un RST sans intégrateur dans le TCLab réel.
Ce dernier ne pourrait pas rejeter toutes les perturbations possibles qui viendraient agir sur le
processus. De plus, il pourrait sembler parfait en simulation mais ceci est dû au fait qu’ici tout est
idéal. C’est bien la même fonction de transfert du processus qui est utilisé pour le Feed-Forward
qui est parfaitement rejetté. C’est pourquoi le seul moment où l’implémentation d’un RST sans
intégrateur pourrait être envisagé est dans le cas où il y aurait déjà présence d’un intégrateur.

4.3 Stabilité

Dans cette section, nous allons appliquer la même démarche vue dans la Sous-section 3.4 : nous
allons analyser la stabilité/robustesse du système lorsqu’il est piloté par notre RST.
Pour un échantillonnage toutes les 10 secondes, on observe une marge de phase de 73.35° et une
marge de gain de 19.88 dB, indiquant une boucle fermée fortement amortie et robuste. Comme
pour le PID, ces marges élevées suggèrent une faible tendance aux oscillations (réponse amorties)
et une tolérance à l’augmentation du gain de la boucle avant d’arriver en instabilité.
Ces valeurs légèrement différentes que celles obtenues avec le contrôleur PID ne permettent pas de
conclure si un contrôleur est ‘meilleur’ que l’autre. En effet, ces marges dépendent directement de
la méthode de synthèse et du compromis performance/robustesse imposé lors du design (dans le
cas du PID, le réglage IMC via γ impose une agressivité donnée tandis que dans le cas du RST, le
réglage se fait via les spécifications et le choix du Ts pour l’échantillonage).

5. Afin d’implémenter le RST sans intégrateur il est important de soustraire PVoffset à la valeur de PV et SP,
voir Annexe 2. Il faut donner que la variation aux calculs de PV en fonction des polynômes S(z −1 ) et dans le cas
avec intégrateur même si on ajoute pas de PVOffset l’intégrateur corrige ceci !
19 décembre 2025 Digital Control Page 17 sur 29

Figure 18 – Marge de stabilité pour Ts=10s

L’étude de plusieurs périodes d’échantillonnage met en évidence une tendance attendue en contrôle
numérique : on observe dans la Table 3 que quand Ts augmente, comme la fréquence de Nyquist
diminue (ωN = π/Ts ), la marge de phase chute. La marge de gain reste, quand à elle, globalement
du même ordre de grandeur (à l’exception pour Ts =10s qui présente une marge de gain plus élevé
pour aucune raison évidente).
Autrement dit, augmenter Ts revient à piloter moins souvent le procédé : entre deux mises à jour
de la commande, le système évolue plus longtemps sans correction. Ce ”temps mort” effectif se
traduit, du point de vue fréquentiel, par une contribution de phase plus défavorable autour de la
zone où la boucle se stabilise. Concrètement, une marge de phase plus faible signifie que l’on a moins
de distance à la condition critique d’oscillation (phase proche de -180° au voisinage du croisement
0dB).

Ts (s) ωN = π/Ts (rad/s) P M (◦ ) GM (dB)

5 0.628 73.71 10.54
10 0.314 73.35 19.98
15 0.209 64.49 14.17
30 0.105 57.40 15.67
50 0.063 53.09 14.74

Table 3 – Marges de stabilité en fonction de la période d’échantillonnage Tsmul .

19 décembre 2025 Digital Control Page 18 sur 29

4.4 Analyse de a0

L’un des plus grands enjeux quant à l’implémentation

d’un RST est le choix du polynôme a0 . Ce dernier n’in-
fluence en aucun cas la fonction de transfert qui lie
l’entrée MV à la sortie PV, c’est pourquoi en simula-
tion on n’observe rien d’anormal. En simulation, par
simplification on place tous les a0 en z = 0, cependant,
une fois le RST testé sur la plateforme réelle on ob-
serve un bruit de mesure beaucoup trop amplifié (voir
Figure 19). Figure 19 – Cas avec z α
Afin de voir l’influence du choix de placement de a0 , on trace le diagramme de Bode des trois
fonctions de transfert influencées par le polynôme a0 (dans notre cas ici la sensibilité au bruit est
l’élément le plus important, les autres sont en Annexe 5). Le diagramme est tracé sur base de la
zone de bonne performance, plusieurs points dans l’intervalle de la zone de bonne performance ont
été choisis.

Figure 20 – Influence de a0 sur la sensibilité au bruit

Comme on s’y attendait les pôles a0 n’ont que très peux d’influences sur la réjection de perturba-
tion (Annexe 5). Quant à la sensibilité au bruit, le diagramme en Figure 20 nous montre que
l’influence de a0 a un impact plus important.
En effet, on remarque pour un placement de tous les a0 en 0, le bruit est amplifié davantage en
haute fréquence, ce qui explique pourquoi on avait un MV très agité. Pour certaines valeurs de
a0, on observe que le que le bruit (hautes fréquences) est beaucoup plus filtré, un comportement
qu’on recherche pour diminuer les imprécisions. C’est pourquoi, toutes les expériences de notre
RST en boucle fermé, sont réalisées avec un placement de pôles a0 à 0.3 , d’où on observe un MV
beaucoup moins agité lors des essais en Sous-section 4.2.
19 décembre 2025 Digital Control Page 19 sur 29

5 Deadbeat Controller

Le contrôleur Deadbeat n’est structurellement rien d’autre qu’un cas particulier du régulateur
RST [2]. Son implémentation s’est donc reposé donc exactement sur la même fonction Python et la
même structure de commande (basée sur les polynômes R, S, T ) que celle présentée dans la section
précédente.
La différence fondamentale réside dans l’implémentation du régulateur sur Matlab [6]. Alors que
pour le RST précédent nous imposions des spécifications de performance (un overshoot de 1 % et
un temps d’établissement Tdesire ≈ 155 s), l’approche Deadbeat impose une contrainte temporelle
stricte : l’erreur entre la consigne et la sortie doit être mathématiquement annulée en un nombre
fini de pas d’échantillonnage N .
Pour cette expérimentation, nous avons dimensionné le contrôleur pour atteindre la cible en N = 10
pas. Avec notre période d’échantillonnage Ts = 10 s, cela correspond à un temps de réponse visé
de 100 s.

Figure 21 – Dead-Beat Controller avec et sans FF

Les résultats présentés en Figure 21 mettent en évidence l’avantage majeur la rapidité. On re-
marque immédiatement que par rapport au RST dimensionné précédemment, le Deadbeat atteint
la consigne nettement plus vite (le temps d’établissement passe de ≈ 155 s × 5 à 100 s).
Cette dynamique agressive se retrouve également dans le rejet de perturbation. Que ce soit avec
ou sans action Feed-Forward, le Deadbeat réagit rapidement aux variations de DV . Contrairement
à une régulation plus classique qui tolère une erreur de traı̂nage transitoire, le Deadbeat force le
système à revenir à l’équilibre dans le temps imparti par le nombre de pas N , offrant ainsi une
correction d’erreur extrêmement efficace.
19 décembre 2025 Digital Control Page 20 sur 29

Bien que le contrôleur Deadbeat démontre une performance théorique exceptionnelle, il se heurte
dans la pratique aux limites physiques de l’actionneur. Ce phénomène est clairement visible lors de
l’échelon descendant de consigne (refroidissement). Le contrôleur calcule la commande nécessaire
pour atteindre la cible en 100 s. Cependant, cette commande théorique requiert une puissance
négative (refroidissement actif), impossible à réaliser avec une résistance chauffante dont la com-
mande est bornée à 0 %.
En effectuant un zoom sur la zone de per-
turbation (Figure 22), on valide la ca-
ractéristique ”temps fini” du contrôleur.
Contrairement au RST, qui laissait la per-
turbation affecter le système avant de le
ramener doucement à l’équilibre, le Dead-
beat ”tue” la dynamique d’erreur de manière
drastique.
Figure 22 – Zoom en 3000s
On observe que le rejet est effectif en l’espace d’une dizaine d’échantillons, la déviation de température
est minime et tellement il est rapide, qu’il rivalise avec le Feed-Forward.
D’un point de vue plus réel, ce régulateur ne fonctionne pas convenablement sur la plateforme
réelle. La sensibilité au bruit est trop amplifié. Afin de pouvoir implémenter le dead-beat sur la
plateforme, une alternative a été trouvée qui est celle du Contrôleur de Dahlin [4]. Il s’agit
d’une modification du Deadbeat où l’on remplace l’exigence de temps de réponse minimal par
une trajectoire de référence exponentielle du premier ordre. En fixant le pôle en boucle fermée à
p = 0.4 (au lieu de p = 0), nous imposons une dynamique plus douce qui réduit la sollicitation de
l’actionneur et la sensibilité au bruit, tout en conservant la structure de synthèse RST.

Figure 23 – Dead-Beat Controller sur la plateforme réelle

19 décembre 2025 Digital Control Page 21 sur 29

Le passage du régulateur RST au régulateur de Dahlin demande uniquement une adaptation dans
le code Matlab. Bien que les deux approches reposent sur la résolution de l’équation diophantienne
A(z)R(z) + B(z)S(z) = D(z), la manière de construire le polynôme cible D(z) change.
Dans la première implémentation (RST standard), la synthèse on imposait des spécifications ζ et
ωn , dans un polynôme Am (z) auquel on ajoutait un polynôme A0 pour la robustesse (D(z) =
am (z) a0 (z)). Maintenant, on ne cherche plus à respecter des spécifications strictes mais à imposer
un suivi de consigne/rejet de perturbation en N pas, le polynome D(z) n’est plus construit manuel-
lement mais par la formule D(z) = (z − p)N avec l’ordre N calculé afin de respecter la condition de
causalité stricte.
Dans le premier cas, le dead-beat controller garde la même implémentation que le RST on ne fait
qu’imposer am (z) = 1, on fait tomber toute spécification, l’objectif étant d’atteindre la consigne en
nombre de pas N minimal. Ensuite le Dahlin, quant à lui on remarque donc pour D(z) = (z − p)N ,
lorsque p = 0, on retombe sur le cas du dead-beat pur, au plus on augmente p, au plus on va
ralentir la dynamique en boucle fermée. On passe alors d’une réponse rapide (voire agressive) à une
trajectoire exponentielle fluide (z = p). Cela a pour effet immédiat de lisser la variable de commande
et d’atténuer la sensibilité au bruit haute fréquence, offrant ainsi un paramètre de réglage unique
pour gérer le compromis entre rapidité et robustesse.
Afin de choisir cette valeur de p, un diagramme de bode a été tracée en Figure 25, afin de voir
l’influence du choix de p sur la sensibilité au bruit mais également sur le suivi de consigne. En effet,
il faut savoir que comme expliquée, le dead beat atteint la consigne en un temps fini. Le processus
B(z)
sur lequel on travaille on peut l’écrire sous la forme avec b(z) = b + b−, dans le cadre de
A(z)
notre implémentation ce b− n’a pas été compensé [5] mais grâce à l’agressivité du dead-beat le
régulateur fonctionne. Le problème ici c’est que pour p = 0 on est au dead-beat mais au plus on
augmente p au plus on fait en sorte d’atteindre la consigne ou de rejeter la perturbation beaucoup
plus lentement. Sauf qu’à partir d’une valeur de p choisi, le zéro instable influence totalement le
régulateur est en tombe en instabilité. On peut également voir cela dans la figure ci-dessous, la
valeur de p idéale dans notre cas qui est 0.2 < p < 0.5 . p = 0.35 a été choisi.

Figure 24 – Réponse à un échelon pour différents choix de p

19 décembre 2025 Digital Control Page 22 sur 29

Figure 25 – Noise sensibility on Dahlin Dead Beat Controller

On peut donc voir pour un choix de p=0 (donc un dead-beat pur) une amplification du bruit en
haute fréquence, pour un p = 0.6 également une amplification du bruit en haute fréquence mais
pour des valeurs entre 0.2-0.4 une atténuation du bruit, le choix de p = 0.4 est le plus judicieux,
c’est grâce au diagramme de bode qu’on voit quel est le meilleur choix à faire, surtout dans un cas
comme celui du TCLab où la sensibilité au bruit est trop importante.
19 décembre 2025 Digital Control Page 23 sur 29

6 Conclusion

En conclusion de ce rapport, nous allons comparer les performances des régulateurs PID et RST
sur le système TCLab.
Dans un premier temps, il est important de comprendre quelle est la différence principale entre
le fonctionnement du régulateur PID et RST. Cette différence réside principalement dans leur
structure de régulation en termes de degrés de liberté :

• Le PID est un régulateur avec un seul degré de liberté. Cela signifie que le PID calcule une
seule commande à partir de l’erreur entre la consigne et la sortie.

• Le RST, quant à lui, est un régulateur avec deux degrés de libertés. Cela signifie qu’il permet
un contrôle plus flexible en séparant les stratégies de régulation : d’une part, la réponse à la
consigne et, d’une autre part, le rejet de perturbation.

D’un point de vue théorique, le RST permet donc une meilleure gestion en séparant deux fonctions :
la régulation de l’erreur et le suivi de la consigne, tandis que le PID combine ces deux fonctions en
une seule commande, limitant sa flexibilité dans des systèmes complexes.
Le choix d’un régulateur ne va pas, pour autant, toujours s’orienter vers un RST, tout dépend
des exigences de performance, de la complexité du système, et de la facilité d’implémentation.
D’ailleurs le PID est de loin le régulateur le plus répandu et le plus utilisé dans l’industrie, car il
est simple à comprendre et à mettre en œuvre, tout en gardant une très bonne robustesse (pour la
majorité des process). On s’en est rapidement aperçu durant ce laboratoire, notamment par le fait
que notre PID a été conçu exclusivement à l’aide de la méthode IMC tuning, qui garantit déjà une
performance robuste. Son principal inconvénient réside dans le fait que sa correction d’erreur est
souvent plus lente que pour le RST. Cela peut s’expliquer par des phénomènes de saturation qui
affectent directement les composantes proportionnelle, dérivée et intégrale de la commande, comme
expliqué en Sous-section 3.3.1.
Le RST, en revanche, est privilégié pour les systèmes complexes qui sont difficiles à modéliser avec
un PID simple, et lorsqu’on cherche à répondre à des spécifications de performance exigeantes.
Lorsque nous en avons pas l’utilité, nous allons éviter au maximum de l’utiliser, principalement à
cause de son implémentation qui requiert une expertise en contrôle numérique.

La Figure 26 est particulièrement révélatrice, car elle compare le PID et le RST dimensionnés
pour les mêmes spécifications de performance en boucle fermée. L’analyse du P V confirme que les
deux régulateurs parviennent à respecter l’objectif de dynamique souhaité. Cependant, la différence
est notable sur la commande MV : e PID présente un pic plus brutal au moment du changement de
consigne (frôlant la saturation à 0%), tandis que le RST parvient à atteindre la même performance
cible avec une sollicitation moins violente et mieux distribuée de l’actionneur. Cette meilleure
maı̂trise du M V est, comme nous l’avons dit, l’avantage clé du RST, qui exploite sa structure à
deux degrés de liberté pour optimiser l’effort de commande.
19 décembre 2025 Digital Control Page 24 sur 29

Figure 26 – PID vs RST

Références

[1] APMonitor. ”Proportional Integral Derivative (PID)”, 10/2024. Consulté le

14 novembre 2025, à l’adresse [Link]
ProportionalIntegralDerivative.

[2] Bewley, T. ”Deadbeat control ”, 11/2016. Consulté le 12 décembre 2025, à l’adresse https:
//[Link]/watch?v=wE9MhbZGCck.

[3] De Bruyne, F. ”Digital control ”, 11/2025. Consulté le 14 novembre 2025, à l’adresse https:
//[Link]/#/workspace/14-4aure40/resources/digital-control-6.

[4] Dr. Ahmad Al-Mahasneh. ”Discrete controller - Design Deadbeat, Dahlin Control-
ler and Pole-Placement Control ”, n.d. Consulté le 13 décembre 2025, à l’adresse
[Link]
Discrete%20controller%20Design_s1_21_22.pdf.

[5] Kucera, V., and Hai, H. M. ”DEADBEAT PERFORMANCE UNDER MEASUREMENT

DYNAMICS ”, 1986. Consulté le 14 décembre 2025, à l’adresse [Link]
cz/content/1986/3/218/[Link].

[6] Natarajan Ramaiah, A. ”Design and MATLAB Simulation : Dead Beat Controller for First
Order System”, 03/2023. Consulté le 10 décembre 2025, à l’adresse [Link]
com/watch?v=PCaIqj6nTVc.

[7] OpenAI. ”Aide à la reformulation et au codage”, 2025.

19 décembre 2025 Digital Control Page 25 sur 29

Annexes

Annexe 1 – Lead-Lag Discrétisation

19 décembre 2025 Digital Control Page 26 sur 29

Annexe 2 – Offset du modèle

Lors de l’identification, la fonction de transfert obtenue décrit uniquement les variations autour
du point de fonctionnement (M V0 , DV0 , P V0 ) :

∆P V (t) = P (s) ∆M V (t) avec ∆M V = M V − M V0 , ∆P V = P V − P V0 .

Le modèle P (s) n’est donc valable qu’en variations. Cependant, dans la simulation, le bloc P (s)
reçoit la commande absolue M V (t) au lieu de la variation ∆M V . Dans ce cas, le bloc calcule
directement :
P Vbloc (t) = P (s) M V (t),

ce qui ne correspond pas à la dynamique attendue.

En effet, si M V = M V0 , le modèle ne renvoie pas P V0 , contrairement au réel.
Pour obtenir la bonne valeur de P V (t), on repart de la relation correcte :

∆P V (t) = P (s) ∆M V (t),

et l’on remplace explicitement les variations :

P V (t) = P (s)(M V − M V0 ) + P V0 .

Or, le bloc calcule P (s) M V , d’où la correction nécessaire :

P V (t) = P Vsortie (t) + P V0 − Kp M V0 (3)

où Kp est le gain statique du modèle et P Vsortie la valeur de P V en sortie du bloc.

19 décembre 2025 Digital Control Page 27 sur 29

Annexe 3 – Influence de α sur les marges de stabilité

(a) Diagrammes de Bode du loop-gain (b) Évolution des marges de stabilité

Annexe 3 – Influence de α sur la stabilité

Annexe 4 – Influence de γ sur MV et PV sans saturation

Annexe 4 – Influence de γ en supprimant les saturation du contrôleur

19 décembre 2025 Digital Control Page 28 sur 29

Annexe 5 – Influence de γ sur les marges de stabilité

(a) Diagrammes de Bode du loop-gain (b) Évolution des marges de stabilité

Annexe 5 – Influence de γ sur la stabilité

19 décembre 2025 Digital Control Page 29 sur 29

Annexe 6 – Influence de a0

Annexe 5 – Influence de a0 sur Load Disturbance

Annexe 6 – Influence de a0 sur Output Disturbance