Université Ferhat Abbas Sétif -1.
Faculté de Technologie.
Département d’Automatique et système intelligent .
Master 2 : Automatisation Industrielles et Process .
Année Universitaire 2025 – 2026 .
TP COMMANDE AVANCE.
TP n◦4 : Commande adaptative à modèle
de référence (MRAC) appliquée à un
moteur à courant continu
Réalisé Par :
▪ ZEGHBIB ISHAK .
▪ TIKOUK CHAWKI .
1. Objectif du TP :
L’objectif de ce travail pratique est d’étudier et de mettre en œuvre une commande
adaptative à modèle de référence (MRAC) appliquée à un moteur à courant continu, en
utilisant la méthode de Lyapunov.
Le but principal est d’assurer que la vitesse du moteur réel suive fidèlement celle d’un
modèle de référence, malgré les incertitudes sur les paramètres du système.
2. Principe de la commande MRAC:
La commande MRAC consiste à forcer le système réel à suivre le comportement dynamique
d’un modèle de référence idéal, choisi selon les performances souhaitées (rapidité, stabilité,
dépassement).
La particularité de cette méthode est que les paramètres du contrôleur sont ajustés en
temps réel grâce à une loi d’adaptation garantissant la stabilité du système.
3. Modèle de référence:
Le modèle de référence choisi est un système du premier ordre, représentant la dynamique
désirée de la vitesse du moteur :
ω˙𝑚(𝑡) + 𝑎𝑚ω𝑚(𝑡) = 𝑏𝑚𝑉𝑖𝑛(𝑡) (1)
où :
● ω𝑚vitesse du modèle de référence
● 𝑎𝑚: vitesse de référence
● 𝑏𝑚paramètres positifs du modèle
Ce modèle impose un comportement stable et rapide que le moteur réel doit suivre.
4. Modèle du moteur à courant continu :
Le modèle simplifié du moteur DC, utilisé dans ce TP, est donné par :
𝑤˙ = 𝑎𝑤 + 𝑏𝑣
avec :
● 𝑤: vitesse réelle du moteur
● u : signal de commande
𝐵 𝐾𝑡
● a,b : paramètres du moteur (𝑎 =− 𝐽
,𝑏 = 𝐽
)
5. Définition de l’erreur de poursuite:
L’erreur de poursuite est définie comme : 𝑒 = 𝑤𝑚 − 𝑤
L’objectif de la commande MRAC est de faire converger cette erreur vers zéro
lim 𝑒(𝑡) = 0
𝑡→∞
6. Loi de commande adaptative:
La loi de commande est choisie sous une forme paramétrée 𝑢 = θω𝑟𝑒𝑓 où θ est un
paramètre adaptatif ajusté en temps réel .
On définit également :
● θ* : paramètre idéal
~
● θ = θ − θ * : erreur d’estimation du paramètre
7. Fonction de Lyapunov:
Pour garantir la stabilité, on choisit la fonction candidate de Lyapunov suivante :
² ~
𝑉𝑒(𝑡) =
1
2
𝑒 +
1
2γ (θ)²
où :
● γ>0 est le gain d’adaptation
8. Loi d’adaptation (méthode de Lyapunov)
En imposant que la dérivée de V soit négative semi-définie, on obtient la loi d’adaptation:
θ̇ =− γ𝑒ω𝑟𝑒𝑓
Cette loi permet :
● la stabilité du système en boucle fermée
● l’annulation progressive de l’erreur de poursuite
● l’adaptation automatique des paramètres du contrôleur
9. Implémentation sous Matlab:
Dans un premier temps, le TP sera simulé sous MATLAB en utilisant le code fourni par le
professeur, intitulé MRAC.m :
On obtient comme résultats :
10. Implémentation sous Simulink:
[Link]èle 1:
Deuxièmement, nous allons implémenter les mêmes calculs, mais cette fois sous Simulink.
On obtient alors les résultats suivants :
REF,REEL
REF,REEL , ERREUR, COMMANDE VOLT .
[Link]èle2 :
Dans ce modèle, les équations ont été réparties en sous-systèmes afin d’améliorer
l’organisation et la lisibilité du schéma Simulink :
Tant que les modèles 1 et 2 sont identiques, les courbes obtenues seront les mêmes que
celles du modèle 1 .
10. Résultats et interprétation :
Les résultats de simulation montrent que :
-La vitesse du moteur réel suit correctement la vitesse du modèle de référence.
-L’erreur de poursuite converge rapidement vers zéro.
-La stabilité du système est assurée conformément à la théorie de Lyapunov.
11. Conclusion
Ce TP nous a permis de comprendre le principe fondamental de la commande adaptative à
modèle de référence (MRAC) et d’appliquer la méthode de Lyapunov afin de garantir la
stabilité du système. La commande adaptative a été implémentée sous Simulink/Matlab et
les résultats de simulation ont permis de vérifier l’efficacité de la stratégie MRAC pour le
contrôle de la vitesse d’un moteur à courant continu. Les performances obtenues montrent
une bonne convergence de l’erreur de poursuite ainsi qu’une adaptation efficace des
paramètres du contrôleur. Ainsi, la commande adaptative à modèle de référence se révèle
être une solution performante pour le contrôle de systèmes présentant des incertitudes
paramétriques.