Cours Mines

Ecole Nationale Superieure de Geologie
Option Gestion des Matières Premières

Analyse des processus continus
Version 2.0
29 mars 2009
Jose RAGOT. Institut National Polytechnique de Lorraine
Centre de Recherche en Automatique de Nancy
2
Table des matières
1 Generalites sur la modelisation 5
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.1 Les modèles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.2 Les dierents types de modèle . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.3 Les dierents types de modelisation . . . . . . . . . . . . . . . . . . . . . 6
1.1.4 Utilites dun modèle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2 Analyse du fonctionnement dun procede . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.1 Description physique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.2 Description des variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.3 Modèle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.4 Anement du modèle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.2.5 Modèle linearise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.3 Extension à des processus automatises . . . . . . . . . . . . . . . . . . . . . . . . 12
1.4 Etablissement dun modèle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.5 Estimation des paramètres dun modèle . . . . . . . . . . . . . . . . . . . . . . . 15
1.5.1 Essais indiciels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.5.2 Regression lineaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.5.3 Regression multilineaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.5.4 Plan dexperience . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2 Modèles de processus physiques elementaires 19
2.1 Système thermique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2 Reaction chimique irreversible . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.3 Reaction chimique reversible . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.4 Reactions irreversibles en chane . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.5 Distributions granulomètriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.6 Reseau de transport de matière . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.7 Processus de broyage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.7.1 Bilan en ux total . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.7.2 Bilan en ux partiel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.8 Melangeur de ux de matière . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.9 Hydrocyclone . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.9.1 Equation de bilan entre les trois ux . . . . . . . . . . . . . . . . . . . . . 33
2.9.2 Equation de bilan entre deux ux . . . . . . . . . . . . . . . . . . . . . . . 33
2.9.3 Modèle de courbe de partage . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.9.4 Modèle general de la boucle broyage-classication . . . . . . . . . . . . . . 36
2.9.5 Forme generale dun modèle . . . . . . . . . . . . . . . . . . . . . . . . . . 37
1
3 Regulations elementaires 39
3.1 Regulation de niveau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.2 Regulation de proportion entre deux uides . . . . . . . . . . . . . . . . . . . . . 39
3.3 Regulation de temperature dun echangeur de chaleur . . . . . . . . . . . . . . . 41
3.4 Regulation dans un circuit de broyage . . . . . . . . . . . . . . . . . . . . . . . . 43
4 A propos de la qualite des mesures 46
4.1 Generalites (Les etapes de la validation et du diagnostic) . . . . . . . . . . . . . 46
4.2 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.3 Technique sequentielle de detection derreur . . . . . . . . . . . . . . . . . . . . . 50
4.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2
Table des gures
1.1 schema physique dun bac de chauage . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2 diagramme fonctionnel dun bac de chauage . . . . . . . . . . . . . . . . . . . . 9
1.3 Schema fonctionnel decompose . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.4 Bac avec regulation de concentration . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.5 Les etapes de la modelisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.1 Echangeur de chaleur ideal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2 Schema de simulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.3 Contr ole de temperature avec une action a priori et une action a posteriori . . . 22
2.4 Mise en oeuvre de la regulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.5 Reacteur simple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.6 Tamis (Rotap) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.7 Leeds and Northrup Microtrac . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.8 Micromeretics Sedigraph 5000 ET) . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.9 Distribution granulometrique en cumule et par tranches . . . . . . . . . . . . . . 28
2.10 Reseau de transport de matière . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.11 Melangeur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.12 Hydrocyclone : comparaison mesures estimations . . . . . . . . . . . . . . . . . . 36
2.13 Circuit de broyage-classication . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.1 Regulation de niveau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.2 Regulation de melange a posteriori. . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.3 Regulation de melange a priori . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.4 Regulation de melange a priori et a posteriori . . . . . . . . . . . . . . . . . . . . 41
3.5 Regulation de temperature dun echangeur . . . . . . . . . . . . . . . . . . . . . . 42
3.6 Regulation de temperature dun echangeur . . . . . . . . . . . . . . . . . . . . . . 42
3.7 Exemple dorganisation de boucles elementaires . . . . . . . . . . . . . . . . . . . 44
4.1 Processus physique et sources de perturbation . . . . . . . . . . . . . . . . . . . . 47
4.2 Processus de cristallisation de la potass . . . . . . . . . . . . . . . . . . . . . . . 48
3
Liste des tableaux
1.1 Domaine de variation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.2 Plan dexperience . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.3 Plan dexperience normalise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.1 Donnees pour identier la courbe de partage . . . . . . . . . . . . . . . . . . . . . 35
4.1 Mesures et estimations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
4.2 Tableau 2. Mesures et precisions des mesures . . . . . . . . . . . . . . . . . . . . 50
4.3 Residus dequation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
4.4 Detection de defauts . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
Preambule
Analyse des processus continus
Le cours est focalise sur la fa con de representer les systèmes physiques. Ces derniers sont ca-
racterises par des variables traduisant un etat de fonctionnement, mais comprennent aussi des
grandeurs de commande. Comment ces variables sont reliees entre elles ? Telle est la reponse
fournie par la modelisation qui donne une image des liens entre les dierentes variables.
Une bibliographie complete le document ainsi que quelques exercices proposes dans les dierents
chapitres.
4
Chapitre 1
Generalites sur la modelisation
Sommaire
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.1 Les modèles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.2 Les dierents types de modèle . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.3 Les dierents types de modelisation . . . . . . . . . . . . . . . . . . . . 6
1.1.4 Utilites dun modèle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2 Analyse du fonctionnement dun procede . . . . . . . . . . . . . . . . 7
1.2.1 Description physique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.2 Description des variables . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.3 Modèle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.4 Anement du modèle . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.2.5 Modèle linearise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.3 Extension à des processus automatises . . . . . . . . . . . . . . . . . . 12
1.4 Etablissement dun modèle . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.5 Estimation des paramètres dun modèle . . . . . . . . . . . . . . . . . 15
1.5.1 Essais indiciels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.5.2 Regression lineaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.5.3 Regression multilineaire . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.5.4 Plan dexperience . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.1 Introduction
1.1.1 Les modèles
Un procede peut etre decrit par un ensemble de relations mathematiques ou modèles an de
decrire voire de predire certains aspects de son fonctionnement. Lecacite dun modèle, cest-
à-dire son aptitude à decrire le fonctionnement du procede, est etroitement liee à la nesse de
lanalogie entre le procede physique et sa representation mathematique.
En general on ne cherche pas, dans le domaine de lautomatique, à decrire la structure intime
dun procede. On cherche essentiellement à decrire les interactions du procede avec son milieu.
Ceci nexclut pas, bien au contraire, un minimum de connaissance sur le procede lui-meme :
transfert de chaleur, cinetique chimique, traitement mecanique, propagation dondes, resistance
des materiaux, ...
5
Rappelons quun modèle doit ensuite servir plusieurs objectifs : prevoir le comportement du
procede, calculer des lois de regulation, optimiser le fonctionnement du procede, diagnostiquer
le fonctionnement du procede, detecter des defaillances, eduquer les utilisateurs et les operateurs
...
1.1.2 Les dierents types de modèle
Dans la suite de lexpose nous nous limiterons aux modèles qui decrivent un procede au cours de
son evolution temporelle. Nous ecarterons les procedes dont le fonctionnement nest pas continu
(on exclut ainsi en particulier les systèmes de production de pièces individualisees).
On distingue generalement deux classes de modèles :
les modèles à paramètres localises qui font intervenir un nombre ni de fonctions du temps pour
decrire letat dun procede. Ces fonctions se presentent sous forme dequations dierentielles
ordinaires, dependant du temps.
les modèles à paramètres repartis qui font intervenir un nombre ni de fonctions du temps et
de lespace. Ils se presentent sous la forme dun ensemble dequations aux derivees partielles
(par exemple cas des systèmes o` u la propagation de la chaleur intervient)
Dans chaque classe, on distingue les modèles lineaires des modèles non lineaires. Dans la suite
on se limitera essentiellement à letude des modèles lineaires.
1.1.3 Les dierents types de modelisation
Il peut se faire que le procede dont on veut construire un modèle nexiste pas encore (cas
dun procede au stade de son avant projet ou de sa construction) ou soit inaccessible à toute
experimentation. Lelaboration des modèles ne peut se faire quà partir des connaissances theori-
ques que lon a a priori sur son fonctionnement. Ces modèles font intervenir, avec plus ou moins
dhypothèses simplicatrices, les lois physiques qui regissent la plupart des phenomènes naturels.
Les modèles obtenus sont dits modèles de connaissance.
Si le procede à modeliser est physiquement accessible, la demarche precedente est toujours
possible. Elle peut cependant etre judicieusement completee par une etape de validation qui
consiste à comparer le fonctionnement reel du procede ` a celui de son modèle de connaissance. En
fonction des ecarts constates, un reajustement des paramètres du modèle est possible. De fa con
plus systematique on peut a priori se xer une structure de modèle puis ajuster ses paramètres
pour quil represente au mieux le comportement reel du procede. Cette technique produit des
modèles de representation quelque fois qualies de modèles boite noire car nutilisent pas les
connaissances physiques du procede.
1.1.4 Utilites dun modèle
Letablissement dun modèle nest pas une n en soi. Generalement il est destine, au sens large,
à ameliorer le comportement dun processus. Parmi les nombreux usages auxquels il est dedie,
citons :
la meilleure connaissance du processus physique quil represente
6
la mise en evidence des variables sensibles
laide à la conception de processus (dimensionnement)
laide à la formation des operateurs
laide au diagnostic (detection de disfonctionnements)
laide à la maintenance
la prevision de situation
laide à la conduite (regulation, commande).
1.2 Analyse du fonctionnement dun procede
Pour commencer la description dun procede on peut toujours denir ses frontières puis denombrer
et caracteriser ses interactions avec le milieu exterieur. Puis, en se limitant uniquement au
procede ainsi delimite, on sinteresse à decrire les phenomènes apparaissant à linterieur du
système.
Lexemple qui suit illustre cette demarche.
1.2.1 Description physique
Considerons un bac destine au rechauage dun liquide (gure 1.1). Il re coit un liquide caracterise
par un debit Q
e
(t) et une temperature T
e
(t). Il delivre un debit de sortie lui aussi caracterise
par son debit Q
s
(t) et sa temperature T
s
(t). La puissance utilisee pour le rechauage est fournie
par une resistance soumise à une tension ecace V (t) ; on note P
d
(t) la puissance thermique
correspondant aux pertes de chaleur vers lexterieur, et on suppose nulles les pertes de matière
par evaporation.
Enn, comme on se place en regime dynamique, toutes les grandeurs sauf les grandeurs geometriques
peuvent varier au cours du temps.
Q (t),
e
Q (t),
s
H(t)
V(t)
T (t)
e
T (t)
s
T
0
Pertes thermiques

Fig. 1.1 schema physique dun bac de chauage
1.2.2 Description des variables
Les variables dentree correspondent à lensemble des informations denissant les contraintes
imposees au système par le milieu exterieur. Elles sont ici toutes fonction du temps : Q
e
(t), T
e
t),
7
Q
s
(t), P
d
(t) et V (t). Dans un cas plus general elles pourraient dependre de lespace ; la prise
en compte de la distribution de la temperature de lair autour du bac conduirait à ce type de
dependance.
Les grandeurs constantes presentent en general un interet secondaire. Cest le cas par exemple
de la section du bac qui nest pas une grandeur de commande (sauf bien s ur dans le cas ou lon
disposerait de bac à section commandable).
Certaines grandeurs dentree sont commandables par loperateur. Dans le cas du bac, le debit
dentree Q
e
(t) est commandable par lintermediaire dune vanne, lapport denergie est com-
mandable par modication de la tension electrique V (t). Les autres entrees sont imposees par
lenvironnement du procede ; leurs uctuations interviennent comme des perturbations ; ainsi, le
debit de sortie Q
s
(t) est xe par la consommation de lutilisateur situe en aval, la temperature
dentree T
e
(t) depend des conditions dapprovisionnement, les pertes thermiques dependent de
la temperature exterieure qui nest pas matrisee. Cette classication en commandes et pertur-
bations est bien s ur propre à chaque procede et aussi à son mode dutilisation.
Remarquons aussi que ce schema ne fait pas intervenir les organes de commande : ainsi la varia-
tion de debit dentree peut etre realisee au moyen dune electrovanne ou dune vanne motorisee
et ces organes ont eux-memes leur propre fonctionnement que lon peut chercher à caracteriser.
Les grandeurs de sortie du procede correspondent à lensemble des grandeurs que lon mesure
an de suivre son fonctionnement ; on distingue deux type de sortie :
celles qui sont utiles pour decrire les interactions du procede avec son milieu exterieur (cest
le cas de la temperature de sortie T
s
(t) qui fournit une information sur le système vu depuis
lexterieur),
celles qui sont utiles pour suivre le fonctionnement du système (cest le cas du niveau H(t)
quil faut contr oler pour se premunir contre les risques de debordement ou de vidage du bac).
Les grandeurs de sortie sont mesurees par des instruments qui doivent etre aussi consideres
comme des procedes : ils sont caracterises par une certain nombre de variables liees entre elles.
Un schema plus realiste devrait prendre en compte ces procedes secondaires situes en aval du
procede principal à etudier.
Le denombrement des entrees et des sorties dun procede rend alors possible sa representation
sous forme dun diagramme fonctionnel (gure 2) qui traduit les relations de cause à eet entre
les variables.
1.2.3 Modèle
Le modèle sobtient à partir dun bilan de masse et dun bilan denergie sur le liquide quil
contient. Ces deux bilans sexplicitent :
8
V(t)
H(t)
Q (t) T (t)
e s
Bac
Q (t)
s e
T (t) P (t)
d
Commandes
Perturbations
Sorties contrler

Fig. 1.2 diagramme fonctionnel dun bac de chauage
bilan de masse :
d(SH(t))
dt
= Q
e
(t) Q
s
(t) (1.1)
bilan denergie :
d(SH(t)C
p
T
s
(t))
dt
= Q
e
(t)C
p
T
e
(t) Q
s
(t)C
p
T
s
(t) +
V
2
(t)
R
P
d
(t) (1.2)
Si on suppose que la masse volumique du uide et la section du bac restent constantes, ces
equations se simplient sous la forme :
S
dH(t)
dt
= Q
e
(tt Q
s
(t)
H(t)
dT
s
(t)
dt
=
Q
e
(t)
S
(T
e
(t) T
s
(t)) +
1
C
p
S
V
2
(t)
R
P
d
(t)
(1.3)
La gure 3 indique la structure des deux modèles obtenus en montrant les couplages entre les
variables utilisees.
Q
e
Q
s
H
T
s
V
T
e
, P
d

Fig. 1.3 Schema fonctionnel decompose
Ce modèle fait apparatre deux equations dierentielles ordinaires non lineaires. Le vecteur detat
X(t), le vecteur de commande U(t) et le vecteur des perturbations ont pour expressions :
X(t) =
T
s
(t)
H(t)
U(t) =
Q
e
(t)
V (t)
P(t) =
Q
s
(t)
T
e
(t)
P
d
(t)
(1.4)
9
Dun point de vue structurel, on peut ecrire :
dX(t)
dt
= f(X(t), U(t), P(t)) (1.5)
qui est une forme tout à fait adaptee pour etre traitee par un logiciel de simulation et pour
etudier la sensibilite, lobservabilite, la commandabilite et la stabilite du processus.
On remarquera que la fonction f depend de paramètres et notamment : , S, C
p
. Pour que le
modèle soit utilisable, encore faut-il que ces paramètres soient connus. En ce qui concerne la
section S et cela ne pose pas de problèmes, par contre lobtention de C
p
peut se reveler plus
delicate et sans doute necessite de passer par quelques essais experimentaux pour eectuer le
calage de ce paramètre et sa validation experimentale.
1.2.4 Anement du modèle
Ce modèle a ete elabore à partir dhypothèses sur le fonctionnement du bac ; celles-ci peuvent
etre remises en cause pour obtenir une description plus realiste donc plus precise. Ainsi on peut
tenir compte de laccumulation de la chaleur dans la resistance de chauage. En supposant
uniforme la temperature dans le corps de la resistance un bilan thermique permet decrire :
MC
p
A
dT
r
(t)
dt
+T
r
(t) =
1
A
V (t)
2
R
+T
s
(t) (1.6)
Le ux de chaleur apportee par la resistance est alors donne par :
= A(T
r
(t) T
s
(t)) (1.7)
avec comme notations :
T
r
temperature de la resistance
C
p
chaleur specique de la resistance
M masse de la resistance
coecient global dechange
A aire dechange
La première equation du bac est inchangee ; dans la seconde seul le terme speciant lapport
denergie est modie :
Sd(H(t))
dt
= Q
e
(t) Q
s
(t)
SC
p
d(H(t)T
s
(t))
dt
= Q
e
(t)C
p
T
e
(t) Q
s
(t)C
p
T
s
(t) +A(T
r
(t) T
s
(t)) P
d
(t)
MC
p
A
dT
r
(t)
dt
+T
r
(t) =
1
A
V
2
(t)
R
+T
s
(t)
(1.8)
Letat du système est maintenant caracterise par trois variables :
X(t) =
T
s
(t)
H(t)
T
t
(t)
(1.9)
10
En continuant selon ce principe, on peut developper des modèles de complexite croissante, cor-
respondant à une description de plus en plus ne du fonctionnement du procede et ainsi tendre
vers un modèle de connaissance. La diculte consiste à atteindre un compromis raisonnable
entre un modèle precis traduisant bien le comportement du procede et un modèle susamment
simple pour pouvoir etre utilise dans des algorithmes de prediction, de regulation et de com-
mande.
On remarque, malgre les hypothèses simples utilisee que le modèle obtenu est fortement non
lineaire. Dans la pratique, aucune solution analytique ne peut etre envisagee ; il faut avoir recours
à une integration numerique des equations dierentielles.
1.2.5 Modèle linearise
Les modèles lineaires occupent une place importante en automatique car leur simplicite ap-
parente a permis lelaboration dune theorie complète ` a leur sujet. Pour cette raison, lusage
courant incite à remplacer, dans un certain domaine de fonctionnement, un modèle non lineaire
par un modèle lineaire.
La technique à appliquer consiste à determiner un point dequilibre du système puis à lineariser
les equations du système autour de ce point dequilibre. La linearisation consiste en developpement
en serie de Taylor au premier ordre des equations.
Dans le cas du bac, les grandeurs dequilibre sont aectees de lindice 0. A partir de (1.3), la
recherche du regime stable des equations dierentielles donne :
Q
e0
Q
s0
= 0
T
s0
= T
e0
+
V
2
0
RQ
e0
C
p
P
d0
Q
e0
C
p
(1.10a)
Ces deux equations denissent un point dequilibre qui, dans un cas general, peut etre stable ou
instable. On note que lon peut calculer les caracteristiques du ux de sortie (debit, temperature)
à partir de celles du ux dentree et des apports denergie. De fa con plus precise, on peut aussi
calculer la sensibilite de la sortie vis-à-vis de lentree en evaluant les quantites :
T
s0
T
e0
,
T
s0
V
0
,
T
s0
Q
e0
, . . .
Ces sensibilites sont particulièrement interessantes à analyser pour determiner les variables
dentree qui sensibilisent le plus celle de sortie.
On raisonne maintenant en petites variations autour de ce point dequilibre (qui est generalement
le point moyen de fonctionnement du système). Ainsi pour le debit entrant, on note :
Q
e
(t) = Q
e0
+q
e
(t) (1.11)
11
De meme, pour les autres variables, on note :
Q
s
(t) = Q
s0
+q
s
(t)
T
e
(t) = T
e0
+
e
(t)
P
d
(t) = P
d0
+p(t)
T
s
(t) = T
s0
+
s
(t)
H(t) = H
0
+h(t)
V (t) = V
0
+v(t)
En introduisant ces expressions dans les equations (1.3) et en negligeant les inniment petits
dordre superieur ou egal à deux, on obtient :
S
dh(t)
dt
= q
e
(t) q
s
(t)
H
0
d
s
(t)
dt
=
1
S
Q
e0
(
e
(t)
s
(t)) +q
e
(t)(T
e0
T
s0
) +
1
C
p
2V
0
v(t)
R
p(t)
(1.12)
Le système (1.12) decrit le comportement du processus. Il exprime lineairement h et
s
en
fonction de
e
, q
e
, v et p. Pour lutiliser correctement, le lecteur doit veiller à ce que le nombre
dequations corresponde au nombre de variables à determiner. Ici, les variables dentree (debit
et temperature) sont supposees connues (à partir du processus se trouvant en amont de celui-ci),
les inconnues sont la hauteur et la temperature dans le reacteur ; le debit de sortie donc etre
fourni et en general il est connu puisque correspond à lutilisation du ux produit par le reacteur.
1.3 Extension à des processus automatises
Letablissement dun modèle ne sapplique pas seulement à un système physique. Lensemble des
organes qui le complètent peut egalement etre decrit et en particulier les systèmes de commande
ou de regulation. On considère ici le cas dun bac alimente par un produit brut de debit Q
e
(t)
contenant une espèce chimique à la concentration C(t). La reaction qui se produit dans le bac
a pour but de detruire cette espèce indesirable. La reaction se fait avec une vitesse k.
Capteur de
concentration
Vanne
motorise
Gain
Consigne de
concentration

Fig. 1.4 Bac avec regulation de concentration
12
La mise en equation est ici tres simple. Elle provient de lecriture de la conservation de la
matière. La première equation traduit la conservation du ux total et la seconde celle du ux
partiel relatif à lespèce chimique consideree :
dV (t)
dt
= Q
e
(t) Q
s
(t)
d(V (t)C(t))
dt
= Q
e
(t)C
e
(t) Q
s
(t)C
s
(t) kV (t)C
s
(t)
(1.13)
La troisème equation est relative au système de commande du debit dentree qui permet dajuster
la concentration dans le bac à une valeur de reference R
0
(ici constante) :
Q
e
(t) = K(R
0
C
s
(t)) (1.14)
On dispose ainsi de trois equations liant des variables dentree du système {R
0
, C
e
(t)} aux
variables de sortie V (t), C(t), C
s
(t), Q
e
(t), Q
s
(t). Comme on ne dispose que de trois equations
pour cinq inconnues, la description du système nest pas complète. Physiquement, il manque
en eet, une relation entre la concentration dans le bac et celle en sortie ainsi quune relation
denissant la fa con dont le debit de sortie est soutire. Pour les concentrations, lhypothèse
dhomogeneite peut etre formulee :
C(t) = C
s
(t) (1.15)
et pour le soutirage en sortie, on peut avoir lune ou lautre des situations :
le debit de sortie est egal au debit dentree de fa con ` a maintenir constant le niveau dans le
bac et dans ce cas Q
s
(t) = Q
e
(t) et le volume est constant ; les equations secrivent :
V (t) = V
0
dC
s
(t)
dt
= K
R
0
C
s
(t)
V
0
(C
e
(t) C
s
(t)) kC
s
(t)
(1.16)
le debit de sortie Q
s
est xe par lutilisateur, donc il doit etre considere comme connu dans
les equations precedentes ; les equations secrivent :
dV (t)
dt
= K(R
0
C
s
(t)) Q
s
(t)
dC
s
(t)
dt
= K
R
0
C
s
(t)
V (t)
(C
e
(t) C
s
(t)) kC
s
(t)
(1.17)
Finalement, avec ces deux deux donnees supplementaires, le système est complètement decrit,
en ce sens que la connaissance des entrees R
0
et C
e
(t) permet la deduction de celle des autres
variables, par integration dun système dierentiel lineaire ou non.
Question : le lecteur pourra examiner si avec ce mode daction, la concentration C
s
prend une
valeur egale à la consigne R
0
en regime permanent. Pour cela, il faut essayer de resoudre le
système :
0 = K(R
0
C
s
) Q
s
0 = K
R
0
C
s
V
0
(C
e
C
s
) kC
s
(1.18)
13
et examiner la proximite de C
s
vis-à-vis de R
0
en calculant lecart relatif (C
s
R
0
)/r
0
. Il serait
egalement interesant danalyser linuence des paramètres K et V
0
du système sur le resultat
obtenu.
1.4 Etablissement dun modèle
Lorganigramme de la gure (1.5) schematise les operations qui apparaissent systemati-quement
lors de la modelisation dun procede physique. Rappelons que la procedure la plus interessante
utilise conjointement un modèle de connaissance et un modèle de description encore appele
modèle bote noire ; les paramètres de ces modèles sont obtenus soit par le calcul direct issu de
la mise en equation physique soit à partir dexperiences depouillees de fa con purement statistique.
Dfinition
du procd
Etablissement
d'Hypothses
Modlisation
Identification
Validation
frontires du systme
recherche du domaine de fonctionnement
dnombrement des paramtres
dnombrement des variables
simplifications de
fonctionnement (homognit,
continuit, pertes nulles ...)
cintique physique
cintique chimique
bilan matire
bilan thermique
comparaison avec le processus rel
tests statistiques
validations croises
plan d'exprience
essais exprimentaux
estimation paramtrique

Fig. 1.5 Les etapes de la modelisation
Il est bon de rappeler lutilite dun modèle. Dans la plupart des cas il sert à denir les lois de
commande à appliquer au système de fa con à le conduire de fa con optimale. Il ne faut pas oublier
dautres utilites toutes aussi importantes : un modèle peut etre utilise pour former les operateurs
à la conduite dun système (simulateur de centrale nucleaire par exemple), un modèle peut etre
utilise pour eectuer le diagnostic dun système, pour predire un comportement. Enn, la phase
de modelisation elle-meme cest-` a-dire la conception du modèle est très riche denseignements
car elle oblige le concepteur à reechir sur le comportement du système à modeliser, les variables
qui decrivent ce comportement, les interactions entre les variables. De fa con indirecte, toute la
reexion qui accompagne la phase de modelisation vise à mieux connatre le système physique
et donc à mieux percevoir ses reactions.
14
1.5 Estimation des paramètres dun modèle
Lorsquon etablit la structure dun modèle à partir de lois physiques, on a vu quun certain
nombre de paramètres sont introduits. Ces derniers peuvent etre dorigine geometrique (dimen-
sions dun composant), traduire des comportements (vitesse reactionnelle, coecient dechange
thermique), ou resulter dhypothèses (coecient de proportion par exemple). Certains de ces
paramètres peuvent etre bien connus, dautres pas ; pour ces derniers, il est alors necessaire de
proceder à leur identication. Pour cela, une procedure experimentale completee par une esti-
mation statistique est mise en oeuvre. On parle alors de calage parametrique, lobjectif etant
en eet dajuster les paramètres du modèle de fa con que son comportement reète celui des
experiences qui ont ete conduites sur le processus reel.
1.5.1 Essais indiciels
Ces essais sont simples à realiser (en theorie) car consistent à exciter le processus par des gran-
deurs dentree constantes. Lanalyse de la reponse du système est souvent realisee graphiquement
et permet dextraire deux elements important dun modèle : le gain et la constante de temps.
Exemple : estimation de la constante de temps dun broyeur. On peut admettre quun broyeur,
lorsquon considère uniquement les debits totaux dentree q
e
et de sortie q
s
, peut etre caracterise
par le modèle dierentiel :
T
dq
s
(t)
dt
= q
e
(t) q
s
(t) (1.19)
o` u T, la constante de temps du système est directement liee au temps de sejour de la matière
dans le broyeur. Pour un essai indiciel, o` u lentree vaut q
e
(t) = q
0
, la sortie, sexplicite :
q
s
(T) = q
0
(1 exp(t/T)) (1.20)
Au bout dun temps t = T, la sortie vaut :
q
s
(T) = q
0
(1 exp(1)) = 0.63q
0
(1.21)
Ainsi, la sortie atteint 63% de son regime dequilibre à cet instant particulier t = T. Inversement,
il sut de reperer, sur le signal de sortie q
s
(t), linstant auquel 63% du regime nal est atteint
pour estimer la valeur de la constante de temps T.
1.5.2 Regression lineaire
La technique expliquee precedemment peut aussi etre traitee par regression lineaire. En eet,
le modèle liant des deux debits q
e
et q
s
montre que la relation theorique (1.19) dans le plan
{q
e
(t) q
s
(t),
dqs(t)
dt
} est representee par une droite passant par lorigine. La pente de cette
droite est la constante de temps T qui peut donc sobtenir graphiquement ou mieux encore par
regression lineaire. An deviter lutilisation de derivees, on peut au prealable utiliser un modèle
discret du système. Lequation (1.19) integree entre deux instants t et t donne :
q
s
(t) = exp(/T)q
s
(t ) + (1 exp(/T))q
e
(t ) (1.22)
15
En posant a = exp(/T), on obtient alors :
q
s
(t) = aq
s
(t ) + (1 a)q
e
(t ) (1.23)
o` u encore en isolant a :
q
s
(t) q
s
(t ) = a (q
s
(t ) q
e
(t )) (1.24)
Lestimation de a est donc simplement realisee par regression lineaire et celle de T sen deduit
alors.
1.5.3 Regression multilineaire
Cest une extension de la technique precedente à un modèle à plus de deux paramètres. De fa con
generale, on explique une variable y à partir de n variables explicatives x
i
. Pour les dierentes
observations realisees sur les variables, on a donc le modèle :
y
1
. . .
y
N
x
11
x
12
. . . x
1n
x
21
x
22
. . . x
2n
. . .
x
N1
x
N2
. . . x
Nn
a
1
. . .
a
N
(1.25)
cest-` a-dire sous forme matricielle y = Xa.
Lestimateur des paramètres a, au sens des moindres carres, est fourni par :
a = (X
T
X)
1
X
T
y
Eemple : modelisation du d
50
dune courbe de partage dun cyclone. On admet, à partir dexpe-
riences, que le d
50
de la courbe de partage dun cyclone est etroitement liee au type dapex utilise,
à la pression dalimentation de la pulpe dalimentation et à la masse volumique de cette pulpe.
En faisant lhypothèse dun modèle lineaire :
d
50
= f(Apex, P, ) = a
1
.Apex +a
2
.P +a
3
.
et en realisant un nombre N (susament grand) dessais sur ce cyclone, on peut donc estimer les
paramètres du modèle par une methode type moindres-carres. Bien evidemment, la forme pro-
posee pour le modèle nest pas unique et le lecteur peut envisager de realiser des transformations
sur les variables pour trouver un modèle plus adequat.
1.5.4 Plan dexperience
La theorie des plans dexperience est relative à la denition optimale des essais quil convient
de realiser sur un processus de fa con à en extraire le maximum de renseignements sur son
comportement. On se contente, ici, dexaminer un point particulier, celui des plans dexperience
o` u les variables prennent uniquement deux valeurs particulières.
Reprenons lexemple precedent : d
50
= a
0
+a
1
. +a
2
.Apex +a
3
P
o` u les variables prennent les etats particuliers :
Apex = {A, B} P [2.4, 3.2] atm. [1.2, 1.8] T/m3.
16
Niveau bas Niveau haut
masse volumique 1.2 1.8
Apex A B
pression 2.4 atm. 3.2 atm.
Tab. 1.1 Domaine de variation
Le plan dexperience de dimension 2
3
= 8 est obtenu de la fa con suivante : les essais ne sont
ralises quen considerant les valeurs minimales et maximales par les dierentes variables. Le
tableau (1.5.4) regroupe les valeurs en question et lon a fait gurer dans la dernière colonne les
valeurs mesurees de d
50
.
essais masse vol. Apex pression d
50
1 1.2 A 2.4 61
2 1.8 A 2.4 95
3 1.2 B 2.4 63
4 1.8 B 2.4 99
5 1.2 A 3.2 55
6 1.8 A 3.2 96
7 1.2 B 3.2 60
8 1.8 B 3.2 94
Tab. 1.2 Plan dexperience
Les colonnes de la matrice X qui traduit ces dierents essais peuvent etre rendues orthogonales.
Pour les variables qualitatives (type dapex) au type A, on aecte la valeur 1 et au type B on
aecte la valeur 1. Pour les variables quantitatives, si x designe la valeur courante et x
min
et
x
max
les valeurs basse et haute, on adopte le codage :
x
cod
= 2
x
x
min
+x
max
2
x
max
x
min
La matrice des nouvelles donnees est donnee par le tableau (1.5.4).
essais
c
. Apex
c
P
c
d
50
1 -1 -1 -1 61
2 1 -1 -1 95
3 -1 1 -1 63
4 1 1 -1 99
5 -1 -1 1 55
6 1 -1 1 96
7 -1 1 1 60
8 1 1 1 94
Tab. 1.3 Plan dexperience normalise
17
Dans ces conditions, la matrice X corrrespondant aux essais precedents secrit :
X =
1 1 1
1 1 1
1 1 1
1 1 1
1 1 1
1 1 1
1 1 1
1 1 1
(1.26)
Ainsi, X ne contient que des colonnes orthogonales, ce qui facilite linversion de la matrice X
T
X
dans le calcul de lestimation :
b = (X
T
X)
1
X
T
y
puisqu ici, X
T
X = 8I o` u I est la matrice unite de rang 3. Le modèle obtenu, avec les variables
codees est :
d
50
= 1.625
c
+ 1.125Apex
c
+ 18.125P
c
. Si lon revient aux variables physiques, on trouve :
d
50
= 3.25
c
+ 2.813Apex
c
+ 60.417P
c
11.85
. On peut alors noter que le modèle obtenu restitue les valeurs suivantes du d
50
:
60.25, 96.5, 62.5, 98.75, 57.0, 93.25, 59.25, 95.5
qui sont en accord avec les valeurs experimentales.
18
Chapitre 2
Modèles de processus physiques
elementaires
Sommaire
2.1 Système thermique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2 Reaction chimique irreversible . . . . . . . . . . . . . . . . . . . . . . 22
2.3 Reaction chimique reversible . . . . . . . . . . . . . . . . . . . . . . . 25
2.4 Reactions irreversibles en chane . . . . . . . . . . . . . . . . . . . . . 26
2.5 Distributions granulomètriques . . . . . . . . . . . . . . . . . . . . . . 26
2.6 Reseau de transport de matière . . . . . . . . . . . . . . . . . . . . . . 29
2.7 Processus de broyage . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.7.1 Bilan en ux total . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.7.2 Bilan en ux partiel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.8 Melangeur de ux de matière . . . . . . . . . . . . . . . . . . . . . . . 32
2.9 Hydrocyclone . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.9.1 Equation de bilan entre les trois ux . . . . . . . . . . . . . . . . . . . . 33
2.9.2 Equation de bilan entre deux ux . . . . . . . . . . . . . . . . . . . . . . 33
2.9.3 Modèle de courbe de partage . . . . . . . . . . . . . . . . . . . . . . . . 34
2.9.4 Modèle general de la boucle broyage-classication . . . . . . . . . . . . . 36
2.9.5 Forme generale dun modèle . . . . . . . . . . . . . . . . . . . . . . . . . 37
Lobjet de ce chapitre est de familiariser le lecteur avec la mise en equation de quelques processus
simples. On montre quà partir des lois elementaires de conservation de masse et denergie et en
utilisant quelques hypothèses simplicatrices, on peut obtenir un modèle qui traduit correcte-
ment le comportement des processus. Bien evidemment, les equations issues de ces bilans font in-
tervenir un certain nombre de paramètres physiques quil conviendra de denir numeriquement :
cette phase sera abordee ici et fait lobjet de lidentication de paramètres à partir de donnees
experimentales.
2.1 Système thermique
Considerons lexemple dun echangeur de chaleur. Ce type de processus se rencontre très souvent
dès que lon veut echanger de lenergie dun corps à un autre. Dans le domaine du traitement
des minerais, cest le cas des operations du sechage des produits granulaires avant broyage, lun
des buts etant de reduire lhumidite des materiaux pour augmenter lecacite de loperation de
19
broyage (voir photo ci-dessous).
Sur la gure 1, le circuit electrique, essentiellement constitue dune resistance chauante joue
le r ole dune source de chaleur caracterise par une puissance Q(t) ; cette source rechaue leau
du reservoir, de volume V constant, dont le debit dentree est note q(t) ; le uide dentree a
une chaleur specique c et une temperature
0
supposees constantes. La masse des elements
chauants est m
1
et leur chaleur specique c
1
.
Q(t)
q(t),
q(t),
0
(t)
2
(t)

Fig. 2.1 Echangeur de chaleur ideal
Quel problème de conduite peut-on se poser ? Un des objectifs les plus simples à considerer
est le maintien, à une valeur constante, de la temperature du uide à la sortie de lechangeur.
Pour analyser une strategie de conduite, nous allons tout dabord mettre en equation ce système
elementaire. La mise en equation resulte de lecriture des bilans thermiques des ux primaire et
secondaire de lechangeur.
Le bilan thermique entre deux instants voisins t et t + t peut secrire approximativement
(en negligeant les pertes) :
- pour lelement chauant (suppose à temperature homogène) :
m
1
c
1
1
(t) = Q(t)t G(
1
(t)
2
(t))t (2.1)
- pour le uide du reservoir (suppose à temperature constante) :
V c
2
(t) = G(
1
(t)
2
(t))t +q(t)c(
0
(t)
2
(t))t (2.2)
Lorsque lintervalle de temps t tend vers 0, le passage à la limite donne alors :
d
1
(t)
dt
=
Q(t) G(
1
(t)
2
(t))
m
1
c
1
d
2
(t)
dt
=
G(
1
(t)
2
(t)) +q(t)c(
0
(t)
2
(t))
V c
(2.3)
On dispose ainsi de deux equations dierentielles qui decrivent complètement levolution des
deux temperatures
1
(0) et
2
(0) du système. Il reste à bien preciser les conditions dintegration
de ces deux equations. Les grandeurs a priori connues du système sont les paramètres qui en
20
denissent la geometrie : m
1
, c
1
, V , , c (on notera que parmi ces paramètres, certains peuvent
etre connus avec une grande precision, le volume par exemple, dautres sont connus de fa con
approchee, la masse volumique du ux entrant par exemple). Les grandeurs de commande (sur
lesquels lutilisateur peut agir) sont q(t) le debit de uide à lentree de lechangeur et Q(t) lapport
denergie. Si letat initial du système est connu (cest-` a-dire
1
(0) et
2
(0)), les equations (2.3)
peuvent donc sintegrer et permettent ainsi de denir complètement letat
1
(t),
2
(t) du système
à chaque instant.
Le schema de simulation du système est donne à la gure (2.2). On a fait apparatre à gauche
les trois entrees et à droite les deux temperatures qui en resultent.
Temprature
du fluide
de sortie
Temprature
lment chauffant
28
Temprature
du fluide
d'entre
Puissance thermique
Q(t)
s
1
s
1
K2
K1
G
Dbit de fluide
q(t)
K3

Fig. 2.2 Schema de simulation
Au niveau de la commande, on imagine bien que q(t) et Q(t) modient les deux temperatures
1
(t) et
2
(t). Dierents objectifs de commande peuvent etre envisages et parmi ceux-ci la
matrise de la temperature du uide de sortie. En particulier, si la temperature dentree est
constante et egale à
0
, pour avoir
2
(t) constante et egale à
2r
, on doit appliquer des commandes
constantes q etQ veriant les equations suivantes :
0 =
1
m
1
c
1
(QG(
1r

2r
))
0 =
G(
1r

2r
) +qc(
0

2r
)
V c
(2.4)
o` u
1r
est la temperature à lequilibre du corps chauant. Lapport denergie, note Q
r
est donc
deni par :
Q = qc(
1r

2r
)
et on con coit aisement un dispositif permettant den garantir la valeur au moyen dun reglage
dune tension electrique, pilotant par eet Joule un apport calorique dans le corps chauant.
On voit bien, sur cet exemple, linteret dun modèle pour determiner la fa con de conduire le
21
processus en fonction dun objectif deni ; la gure (2.3) donne le principe dune regulation de
temperature et la gure (2.4) donne la simulation.
Q(t)
q(t),
q(t),
0
(t)
2
(t)
(t)
2
Consigne de
temprature
c
+
+
+
-

Fig. 2.3 Contr ole de temperature avec une action a priori et une action a posteriori
Puissance
thermique
Q(t)
Temprature de
l'lment chauffant
Temprature
du fluide de sortie
28
Temprature
du fluide
d'entre
65
Temprature
de rfrence
s
1
s
1
K4
K2
K1
G
K3
Dbit de fluide
q(t)

Fig. 2.4 Mise en oeuvre de la regulation
2.2 Reaction chimique irreversible
Elle est representee symboliquement par A B o` u A et B designent le reactant et le produit
à fabriquer. La vitesse de reaction est liee à la variation de concentration au cours du temps.
22
Pour chaque espèce chimique A et B, levolution des concentrations peut etre decrite par :
dc
A
(t)
dt
= f
A
(c
A
(t), c
B
(t))
dc
B
(t)
dt
= f
B
(c
A
(t), c
B
(t))
(2.5)
Pour obtenir ce type de structure, il est commode dintroduire la constante de reaction k
qui traduit lapparition ou la disparition dune espèce chimique. Cette constante depend de
la temperature à laquelle se passe la reaction selon la loi dArrhenius :
k() = k
0
exp
E
R
(2.6)
avec :
k
0
facteur constant
E energie dactivation
R constante universelle
temperature absolue (variable au cours du temps)
Pour montrer comment etablir les equations (2.5), on examine le cas simple dun reacteur ideal
à volume V constant et debit dalimentation q
e
variable, parfaitement melange (donc homogène)
et sans perte.
q c c
e Ae Be
V
q c c
e A B

Fig. 2.5 Reacteur simple
Ecrivons le bilan matière, pour lespèce A, pendant lintervalle de temps [t t + t] :
V c
A
(t) = variation de volume de lespèce A
+c
Ae
q
e
(t)t volume de lespèce A qui entre
c
A
(t)q
e
(t)t volume de lespèce A qui sort
kV c
A
(t)t volume de lespèce A qui se transforme en B
En divisant par t, on obtient :
V
c
A
(t)
t
= (c
Ae
(t) c
A
(t))q
e
(t) kV c
A
(t) (2.7)
Si le bilan est considere pendant un temps inniment court, le passage à la limite donne
l ?equation dierentielle :
V
dc
A
(t)
dt
= (c
Ae
(t) c
A
(t))q
e
(t) kV c
A
(t) (2.8)
De meme pour lespèce B, on peut etablir :
V
dc
B
(t)
dt
= (c
Be
(t) c
B
(t))q
e
(t) +kV c
A
(t) (2.9)
23
Le système (2.8), (2.9) decrit donc, au cours du temps, la fa con dont les concentrations evoluent.
Une solution analytique (ou une integration numerique) peut etre obtenue si les paramètres
geometriques du reacteur (ici le volume V ) sont connus, si le debit dalimentation q
e
est constant,
si les concentrations c
Ae
et c
Be
du ux entrant sont connues et si les concentrations initiales dans
le reacteur c
A
(0) et c
B
(0) sont connues.
On peut aussi representer le système (6) sous forme matricielle :
c
A
(t)
c
B
(t)
(k +
1
T
) 0
k
1
T
c
A
(t)
c
B
(t)
1
T
0
0
1
T
c
Ae
(t)
c
Be
(t)
(2.10)
avec T =
qe
V
.
Cette equation est une equation dierentielle lineaire du premier ordre et vectorielle du type :
dX(t)
dt
= AX(t) +BU(t)
On pourra analyser et integrer cette equation selon les techniques classiques.
Remarque 1. Les deux equations qui apparaissent dans (2.10) sont liees. Cependant, la première
peut sintegrer separement de la deuxième.
Remarque 2. Cette mise en equation bilan matière peut etre completee par une mise en
equation bilan thermique. Cela est dautant plus utile que la constante de reaction k est
une fonction de la temperature. Le bilan thermique peut etre etabli comme precedemment en
observant levolution du système entre deux instants t et t + t :
V c = variation de la quantite de chaleur dans le reacteur
+q
e
(t)c
0
t quantite de chaleur apportee par lentree
q
e
(t)c(t)t quantite de chaleur enlevee par la sortie
Q
0
t quantite de chaleur apportee par lexterieur
Ak()V c
A
(t) quantite de chaleur degagee par la reaction (A constante)
ou encore, après passage à la limite quand t tend vers zero :
d(t)
dt
=
q
e
(t)
V
(
0
(t)) +
1
V c
(Q
0
Ak()c
A
(t)) (2.11)
En resume, le système est decrit par les equations :
V
dc
A
(t)
dt
= (c
Ae
(t) c
A
(t))q
e
(t) k()V c
A
(t)
V
dc
B
(t)
dt
= (c
Be
(t) c
B
(t))q
e
(t) +k()V c
A
(t)
d(t)
dt
=
q
e
(t)
V
(
0
(t)) +
1
V c
(Q
0
Ak()c
A
(t))
k() = k
0
exp(
E
R
)
(2.12)
auxquelles il faut ajouter les conditions initiales permettant leur integration : c
A
(0), c
B
(0), (0)
correspondant aux concentrations initiales dans le reacteur et à sa temperature initiale. Comme
24
precedemment, ces equations peuvent etre regroupees sous forme matricielle :
c
A
(t)
c
B
(t)
(t)
(
1
T
+k()) 0 0
K()
1
T
0
Ak()
V c
0
1
T
c
A
(t)
c
B
(t)
(t)
1
T
0 0 0
0
1
T
0 0
0 0
1
T
1
V c
)
c
Ae
(t)
c
Be
(t)
0
Q
0
(2.13)
Remarque.. Dans la pratique, on cherche à matriser la reaction et en particulier sachant que
son ecacite est optimale pour une certaine temperature
ref
, on cherche à maintenir constante
la temperature du uide dans le reacteur et egale à
ref
. Lapport denergie peut servir à satisfaire
cet objectif.
Remarque. Le lecteur peut etendre la description precedente au cas dun reacteur à volume
variable.
2.3 Reaction chimique reversible
La reaction entre les espèces A et B peut se faire dans deux sens : on peut produire A à partir
de B et produire B à partir de A. Ce qui dierentie les deux reactions est la vitesse.
Pour la reaction A B la vitesse est (par exemple) r
1
= k
1
c
A
Pour la reaction B A la vitesse est r
2
= k
2
c
B
La fa con de modeliser le système est analogue
à celle de la reaction irreversible. Le bilan entre les instants t et t + t secrit (ici à volume et
concentrations constantes de lalimentation) :
V c
A
(t) = variation de volume de lespèce A
+c
Ae
q
e
t volume de lespèce A qui entre
c
A
(t)q
e
t volume de lespèce A qui sort
k
1
V c
A
(t)t volume de lespèce A qui se transforme en B
+k
2
V c
B
(t)t volume de lespèce B qui se transforme en A
Après passage à la limite, on obtient :
dc
A
(t)
dt
= (c
Ae
c
A
(t))q
e
V k
1
c
A
(t) +k
2
c
B
(t) (2.14)
De meme, pour lespèce B, on a :
dc
B
(t)
dt
= (c
Be
c
B
(t))q
e
V +k
1
c
A
(t) k
2
c
B
(t) (2.15)
Comme precedemment, les constantes de reaction sont fonction de la temperature suivant la loi
dArrhenius :
k
1
() = k
0
exp[E
1
/R] k
2
() = k
0
exp[E
2
/R] (2.16)
De plus, un bilan thermique permet dexpliciter levolution temporelle de la temperature. Les
dierentes equations peuvent aussi recevoir une ecriture matricielle.
25
2.4 Reactions irreversibles en chane
Un dernier cas que nous examinons est celui de deux reactions en chane (facilement generalisable
à un nombre quelconque de reactions) :
A
k
1
B
k
2
C (2.17)
Le lecteur pourra facilement etablir (en utilisant le raisonnement precedent) que :
dc
A
(t)
dt
dc
B
(t)
dt
dc
C
(t)
dt
(
1
T
+k
1
) 0 0
k
1
(
1
T
+k
2
) 0
0 k
2

1
T
c
A
(t)
c
B
(t)
c
C
(t)
1
T
0 0
0
1
T
0
0 0
1
T
c
Ae
(t)
c
Be
(t)
c
Ce
(t)
(2.18)
avec T =
q
0
V
2.5 Distributions granulomètriques
Lorquon caracterise un materiau dun point de vue granulaire, on est conduit à denir sa distri-
bution. Celle-ci sobtient de fa con experimentale par dierentes techniques (tamisage, diraction
laser, analyse dimage ...) ; les gures (2.6), (2.7) et (2.8) sont relatives à trois appareils classiques
du commerce.
La gure (2.9) represente une distribution obtenue par classe granulometrique. Souvent, pour
des raisons dexploitation ulterieure de ces resultats, on est conduit à representer la distribution
experimentale par une distribution analytique : très generalement, il sagit alors dun problème
dajustement paramètrique, les paramètres de la distribution theorique etant cales de fa con à
approximer correctement les resultats experimentaux.
Fig. 2.6 Tamis (Rotap)
De nombreux modèles ont ete proposes dans la literature specialisee [3] ; parmi ceux-ci, nous
avons retenu celui de Rosin-Rammler :
26
Fig. 2.7 Leeds and Northrup Microtrac
Fig. 2.8 Micromeretics Sedigraph 5000 ET)
y = 1 exp
x x
0
qui depend de trois paramètres r, et x

0
, x et y designant respectivement la taille et le pour-cent
passant. Le principe de lajustement de ces trois paramètres consiste à minimiser, par rapport
aux paramètres x
0
, et r, le critère de distance :
=
1
2
N
k=1
1 exp
x(k) x
0
y(k)
2
o` u {x(k), y(k)} representent les couples taille-pourcentage et N le nombre dobservations (nombre
dintervalles granulometriques). Les paramètres cherches doivent verier les equations doptima-
lite :
27
0 2 4 6 8 10 12 14 16 18
0
0.2
0.4
0.6
0.8
1
0 2 4 6 8 10 12 14 16 18
0
0.05
0.1
0.15
0.2
Fig. 2.9 Distribution granulometrique en cumule et par tranches
r
=
N
k=1
e(k) exp
x(k) x
0
log
x(k) x
0
= 0
=
r
k=1
e(k) exp
x(k) x
0
x(k) x
0
r
= 0
x
0
=
r
k=1
e(k) exp
x(k) x
0
x(k) x
0
r1
= 0
e(k) = 1 exp
x(k)x
0
y(k)
(2.19)
Ce système non lineaire ne peut etre resolu que de fa con numerique et iterative (algorithmes de
gradient ou de Newton-Raphson par exemple).
Le lecteur pourra remarquer quun changement de presentation du modèle peut simplier la
procedure destimation des paramètres ; en eet, en utilisant deux fois la transformation loga-
rithmique :
x(k) x
0
r
= log(1 y(k))
soit encore :
y(k) = r log(x(k) x
0
) b
avec :
y(k) = log
log
1
1 y(k)
On peut alors montrer que la procedure destimation est beaucoup plus simple, puisque le modèle
est alors lineaire par rapport aux paramètres r et b et que seul x
0
intervient de fa con non lineaire.
Remarque : distribution en frequence.
Celle-ci sobtient directement en derivant lexpression du modèle, cest-` a-dire :
y(k) =
r
exp
x x
0
x x
0
r1
28
Cette fa con de proceder reduit linuence des bruits de mesure. En eet, les donnees experimentales
ont servi à ajuster les paramètres du modèle theorique de la distribution cumulee, et cest en
calculant une derivee de fa con analytique que la distribution par intervalle granulaire est obtenue.
Remarque : distribution bimodale
Dans certaines situations, il est necessaire de combiner entre elles plusieurs lois de distribution.
En particulier, dans les operations de melange, on peut etre conduit à considerer la loi de distri-
bution comme une ponderation de plusieurs lois elementaires. Les distributions qui en resultent
sont qualiees de multimodales.
A titre anecdotique, voici quelques structures de modèles de distributions granulaires.
Gilvarry y = 1 exp(ax bx
2
cx
3
)
Rosin-Rammler y = 1 exp(ax
m
)
Distribution log-normale y = Aexp
1
2
log x log x
0
s
(2.20)
2.6 Reseau de transport de matière
Dans une installation de traitement de minerais, on peut sinteresser à etudier la propagation des
ux de matière dun processus unitaire à un autre processus unitaire. La gure (2.10) visualise
8 processus unitaires relies entre eux par des voies de circulation de matière. Si lon sinteresse
aux ux totaux q
i
en chaque voie de ce reseau et si M designe la matrice des connexions entre
les processus, on montre que :
Mq = 0 (2.21)
q etant le vecteur regroupant lensemble des ux.
Notons que cette equation de conservation setend aux bilans partiels, cest-` a-dire relatifs à des
expèces minerales constituant les dierents ux de matière. En regime dynamique, on peut aussi
etendre le formalisme pour prendre en compte les variations de quantite de matière au sein des
processus unitaires.
1
2
4 5 3 10 12
13
15
14
11 7 9
8
6
1 2 3 4 5
6
7
8

Fig. 2.10 Reseau de transport de matière
29
2.7 Processus de broyage
On rappelle que le but dun processus de broyage est de reduire la granularite dun materiau
(sous forme de particules). Cette granularite est en general reperee par la distribution granu-
lometrique du materiau dont on rappelle une denition.
On note P(x, t) la fonction prenant ses valeurs sur lintervalle [0 1] et o` u x represente la taille
des particules et t le temps auquel le materiau est considere. P(x, t) represente la proportion
(exprimee en pour-cent) de particules dont la taille est inferieure à x à linstant t.
On peut deduire de cette denition une forme discrète de la granulometrie. Considerons en eet
les deux tailles consecutives x
i
et x
i+1
. Alors, à linstant t, P(x
i
, t) represente le pourcentage de
particules de taille inferieure à x
i
et P(x
i+1
, t) le pourcentage de particules de taille inferieure
à x
i+1
. La quantite p
i
(t) = P(x
i+1
, t) P(x
i
, t) represente la proportion de particules dont la
taille est comprise entre x
i
et x
i+1
. Si lintervalle granulometrique x
i+1
x
i
est faible, une
forme approchee de la quantite p
i
est :
p
i
(t) =
P(x, t)
x
|
x=x
i
(x
i+1
x
i
) (2.22)
Pour decrire le fonctionnement dun broyeur, on aura a utiliser les variables suivantes :
Q
e
(t) : debit de matière minerale à lentree (T/h)
Q
s
(t) : debit de matière minerale en sortie (T/h)
W(t) : quantite de matière minerale dans le broyeur (T)
2.7.1 Bilan en ux total
Le bilan matière total donne :
dW(t)
dt
= Q
e
(t) Q
s
(t) (2.23)
A cette expression de la conservation de matière dans le broyeur, il faut ajouter la fa con dont
le debit de sortie est forme. On prendra lhypothèse dun fonctionnement par debordement que
lon traduit en exprimant que le debit de sortie est proportionnel à la quantite de matière dans
le broyeur :
Q
s
(t) =
W(t) W
min
T
si W(t) > W
min
(2.24)
Q
s
(t) = 0 si W(t) < W
min
(2.25)
Physiquement, on peut expliquer que W
min
est liee à la quantite minimale de matière necessaire
pour provoquer lecoulement en sortie de broyeur par debordement.
Remarque : le problème restant à resoudre est lestimation des deux paramètres W
min
et T.
Ce point est à developper et en particulier en imaginant une methode didentication à partir
des mesures de debits dentree et de sortie du broyeur.
30
2.7.2 Bilan en ux partiel
Il convient maintenant detablir le bilan matière pour chaque tranche granulometrique. La mise
en equation est plus complexe ; en eet, lorsquon exprime la variation de quantite de matière
dans le broyeur formee de particules de taille inferieure à la dimension x, il faut tenir compte
de la quantite de matière formee de particules de taille inferieure à la dimension x entrant dans
le broyeur, de la quantite de matière formee de particules de taille inferieure à la dimension x
sortant du broyeur, et de la quantite de matière dans le broyeur formee de particules de taille
superieure à la dimension x mais qui après broyage donne comme descendance des particules de
taille inferieure à x.
On peut tout dabord noter que, dans le broyeur P(y + y) P(y) represente le pourcentage
de particules comprises entre les tailles y et y + y. Donc la masse de particules de cette taille
dans le broyeur est W(t)(P(y + y) P(t)) soit encore de fa con approchee W(t)
P(y)
y
y.
Le bilan des particules de taille inferieure à x pendant lintervalle de temps t secrit donc :
(P(x, t)W(t)) = P
e
(x, t)Q
e
(t)t P
s
(x, t)Q
s
(t)t +
xmax
x
P(y, t)
y
W(t)S(y)B(x, y)dyt
(2.26)
Dans cette expression S(y) represente la fonction de selection qui exprime le fait que parmi les
particules de taille y superieure à x, une certaine fraction notee S(y) est selectionnee pour
etre broyee. Le passage à la limite donne :
dP(x, t)W(t)
dt
= P
e
(x, t)Q
e
(t) P
s
(x, t)Q
s
(t) +
xmax
x
P(y, t)
y
W(t)S(y)B(x, y)dy (2.27)
Pour commenter cette expression, remarquons que les particules broyees vont donner une descen-
dance et la fonction B exprime la taille des particules de cette descendance ; B(x, y) represente
la proportion (en pourcentage) de particules de taille superieure à y qui après broyage auront
une taille inferieure à x. Enn, on comprend bien les bornes de lintegrale rappelant que seules
les particules de tailles superieures à x sont à considerer dans cette operation de broyage, x
max
etant la taille maximale consideree.
Il reste à exprimer la relation entre la granulometrie dans le broyeur et à la sortie du broyeur.
On peut formuler lhypothèse dun broyeur parfaitement melange et dans ce cas, par continuite,
la granulometrie de sortie et celle de la matière dans le broyeur sont identiques :
P
e
(x, t) = P(x, t)
Les equations (??), (2.24), (2.26) et (2.27) decrivent complètement le fonctionnement du broyeur.
Il est important de noter que si les entree sont connues (debit dalimentation Q
e
et granulometrie
dentree P
e
) alors par integration des equations du modèle, on peut calculer le debit de sortie
Q
s
et la granulometrie de sortie P
s
.
Remarque : une forme discrète des equations peut etre obtenue en ecrivant un bilan matière
pour chaque intervalle granulomerique, le bilan en ux total etant toujours valable. En, notant
31
rspectivement p
e,i
, p
i
, p
s,i
les granularites du ux dentree, dans le broyeur, du ux de sortie,
on a :
d(p
i
(t)W(t))
dt
= p
e,i
(t)Q
e
(t) p
s,i
Q
s
(t) +
N
j=i+1
W(t)p
j
(t)s
j
b
ij
W(t)p
i
(t)s
i
(2.28)
dW(t)
dt
= Q
e
(t) Q
s
(t) (2.29)
Cette equation traduit le bilan de la masse de particules de lintervalle granulaire i dans le
broyeur, en prenant en compte les particules de cette taille des ux entrant et sortant du broyeur,
les particules des intervalles granulaires superieurs à i qui sont broyees et des particules de
lintervalle granulaire i qui sont broyees.
Avec lhypothèse dhomogeneite (granularite de sortie identique à celle à linterieur du broyeur) :
dp
s,i
(t)
dt
=
Q
e
(t)
W(t)
(p
e,i
(t) p
s,i
(t)) p
s,i
s
i
+
N
j=i+1
p
j
(t)s
j
b
ij
Par exemple, pour trois tranches granulomeriques (N = 3), on a :
p
s,1
(t) =
Q
e
(t)
W(t)
(p
e,1
(t) p
s,1
(t)) p
s,1
(t)s
1
+p
s,3
(t)s
3
b
13
+p
s,2
(t)s
2
b
12
p
s,2
(t) =
Q
e
(t)
W(t)
(p
e,2
(t) p
s,2
(t)) p
s,2
(t)s
2
+p
s,3
(t)s
3
b
23
p
s,3
(t) =
Q
e
(t)
W(t)
(p
e,3
(t) p
s,3
(t)) p
s,3
(t)s
3
(2.30)
soit encore sous forme vectorielle :
p
s,1
(t)
p
s,2
(t)
p
s,3
(t)
1
T
1
s
2
b
12
s
3
b
13
0
1
T
2
s
3
b
23
0 0
1
T
3
p
s,1
(t)
p
s,2
(t)
p
s,3
(t)
+
Q
e
(t)
W(t)
p
e,1
(t)
p
e,2
(t)
p
e,3
(t)
(2.31)
avec
1
T
1
=
Q
e
(t)
W(t)
+s
1
,
1
T
2
=
Q
e
(t)
W(t)
+s
2
,
1
T
3
=
Q
e
(t)
W(t)
+s
3
Remarque : le lecteur pourra essayer dexpliciter la solution de ce système en regime permanent
et donc dexprimer la granulometrie de sortie du broyeur en fonction de la granularite dentree.
Pour cela, on peut noter que le système (2.31) est triangulaire et que lon peut obtenir p
s,3
,
puis p
s,2
et enn p
s,1
. Les expressions obtenues peuvent aussi etre analysees en fonction des
paramètres s et b de fa con à discuter de leurs inuences sur la granularite.
Remarque : à partir de cette equation, on pourra aussi considerer le cas particulier dun
reservoir de stockage dans lequel le broyage nexiste pas.
2.8 Melangeur de ux de matière
On considère, pour simplier, le melange de deux ux de particules ne contenant que de la
matière seche. Le melangeur est alimente par deux ux (de debits q
1
(t) et q
2
(t)) et dont les
32
q (t)
1
q (t)
2
q(t)
W(t)
g (t)
i
g (t)
1,i
g (t)
1,i

Fig. 2.11 Melangeur
granulometries sont notees g
1,i
(t) et g
2,i
(t). On note W(t) la charge minerale dans le melangeur
et on repère egalement le ux de sortie par son debit q et sa granulometrie g
i
. On suppose le
melangeur parfait, cest-` a-dire que les granulometries dans le melangeur et à la sortie sont les
memes.
On peut ecrire les bilans matière totaux et par tranche granulometrique :
dW(t)
dt
= q
1
(t) +q
2
(t) q(t)
d(W(t)g
i
(t))
dt
= q
1
(t)g
1,i
(t) +q
2
(t)g
2,i
(t) q(t)g
i
(t)
(2.32)
A ces equations sajoute la loi de variation du debit de sortie q(t) (système dextraction com-
mande ou ecoulement naturel).
2.9 Hydrocyclone
Cest un element très utilise dans les processus de traitement de minerais ; il permet deectuer
la separation dun ux de particules minerales en fonction dun critère de taille. Il peut etre
place en sortie dun broyeur an de separer les produits ns des produits gros, la separation
entre ces deux qualicatifs etant fonction de la geometrie de lappareil mais aussi des conditions
operatoires.
2.9.1 Equation de bilan entre les trois ux
On note Q
a
, Q
o
, Q
u
les ux dalimentation, de surverse et de sousverse du separateur. Les
distributions granulometriques sont notees : g
a,i
, g
o,i
et g
u,i
, lindice i servant à reperer le
numero de tranche granulometrique. Les relations suivantes traduisent la conservation du ux
total et des ux par tranche :
Q
a
= Q
o
+Q
u
Q
a
g
a,i
= Q
o
g
o,i
+Q
u
g
u,i
(2.33)
2.9.2 Equation de bilan entre deux ux
Dans la formalisation precedente, la fonction de transfert du separateur na pas ete prise en
compte. Or les ux de sortie ainsi que les distributions granulometriques correspondantes dependent
33
de cette fonction de transfert. On note p
i
les coecients de partage du separateur reperes pour
chaque tranche granulometrique. Ainsi, pour la surverse, la conservation de la matière peut
sexpliciter :
Q
o
g
o,i
= p
i
Q
a
g
a,i
(2.34)
traduisant le fait quune fraction p
i
de la masse des particules de la tranche i passe de lalimen-
tation à la surverse. Par complement :
Q
u
g
u,i
= (1 p
i
)Q
a
g
a,i
(2.35)
Par sommation, on en deduit :
Q
o
= Q
a
N
i=1
p
i
g
a,i
(2.36)
puis avec (2.34) et (2.36) :
g
o,i
=
p
i
g
a,i
N
i=1
p
i
g
a,i
(2.37)
Ainsi, la connaissance du ux dentree et de la courbe de partage permet de deduire les sorties
en ux et granularite de la surverse et de la sousverse du separateur.
2.9.3 Modèle de courbe de partage
La mise en equation de la fonction de separation est extremement complexe ; les lois fondamen-
tales de la mecanique peuvent etre utilisees pour mettre en equation le mouvement des particules
dans un hydrocyclone en prenant en compte la taille et la masse des particules, la geometrie de
lappareil, la pression avec laquelle les particules sont injectees dans le corps de lappareil. Le
calcul est très complexe ; de plus de nombreuses hypothèses simplicatrices doivent etre faites
(milieu homogène, mouvement non gene, particules de forme spherique...) qui rendent le rapport
à la realite dicile à valider.
En pratique, lapproche par modèle de connaissance à partir des lois physiques se revèle ici très
dicile. Pour cette raison, les modèles de ce type dappareil sont très souvent issus dexperiences
et traduits par des lois empiriques dont les paramètres sont ajustes par des techniques de
regression (voir document annexe).
A titre indicatif, le tableau (2.9.3) rassemble quelques resultats experimentaux sur un petit
hydrocyclone pour lequel on souhaite modeliser le point d
50
de la courbe de partage..
A partir de ces donnees experimentales, on peut essayer de proposer un modèle de type boite-
noire pour exprimer les variations du d
50
de la courbe de partage de lhydrocyclone. Parmi les
modèles classiques de la literature specialisee, on a retenu :
d
50
= a
1
DS
EA
+a
2
1
EA
+a
3
EA +a
4
(2.38)
Une estimation au sens des moindres carres donne le modèle de d50 :
d
50
= 22.5
DS
EA
401.2
1
EA
674.4EA + 8.8 (2.39)
34
Diam. sortie % eau alim %eau sortie Vortex diam. entree
DS EA ES V O DE d
50
3.8 11.7 33.6 5.1 3.1 143
3.8 12.53 32.2 5.1 3.1 109
3.8 12.53 19.0 6.4 3.1 135
3.8 12.19 31.2 6.4 3.1 162
3.8 12.01 34.0 5.1 3.1 141
3.8 12.16 31.7 7.9 3.1 204
3.8 13.55 26.1 7.9 3.1 139
3.8 15.29 25.1 6.4 3.1 95
3.8 14.82 27.4 5.1 3.1 72
3.8 17.51 16.4 7.9 3.1 71
3.8 15.34 23.3 7.9 3.1 97
2.2 4.38 28.8 3.2 2.1 126
2.2 6.17 21.6 3.2 2.1 100
2.2 6.53 21.2 3.2 2.1 92
2.2 4.33 28.9 3.2 2.1 114
2.2 4.72 23.3 3.2 2.1 89
2.2 5.65 24.8 3.2 2.1 87
2.2 6.80 20.4 3.2 2.1 77
2.2 3.15 41.3 3.2 2.1 100
2.2 6.12 24.5 3.2 2.1 113
2.2 5.49 25.0 3.2 2.1 88
Tab. 2.1 Donnees pour identier la courbe de partage
35
Bien evidemment ce modèle na pas de sens physique. Les signes des coecients traduisent
cependant le r ole des variables physiques. Par exemple, une augmentation de DS se traduit par
une augmentation de d
50
. La gure (2.12) ci-dessous compare les valeurs de d
50
mesure et celles
fournies par le modèle ; on constate une bonne adequation entre les deux series de resultats ce
qui justie a posteriori la structure et la qualite du modèle propose.
2 4 6 8 10 12 14 16 18 20
0
50
100
150
200
250
300
Fig. 2.12 Hydrocyclone : comparaison mesures estimations
2.9.4 Modèle general de la boucle broyage-classication
Ce paragraphe est laisse à limagination du lecteur. Il sagit, compte tenu des dierents modèles
de processus unitaires developpes precedemment, dassurer les liaisons entre ces dierents pro-
cessus. La gure (2.13) montre lagencement du circuit avec le broyeur (B), le reservoir tampon
(R), le separateur (S). Dans la cas o` u lon sinteresse uniquement à la matière solide, la structure
S
B
R
1
3
4
6
2
5
Fig. 2.13 Circuit de broyage-classication
des equations est la suivante :
W
b
= f(Q
1
, Q
2
, Q
3
)
W
r
= f(Q
3
, Q
4
, Q
5
)
Q
3
= f(W
b
)
Q
5
= f()
Q
6
= f(Q
5
, p
i
, g
5,i
)
Q
2
= Q
5
Q
6
g
6,i
= f(g
5,i
, p
i
, Q
5
)
g
2,i
= f(g
5,i
, p
i
, Q
5
)
(2.40)
36
o` u est la vitesse de rotation de la pompe à la sortie du reservoir tampon et p
i
les coecients
de la courbe de partage du separateur, W
b
et W
r
etant les charges dans le broyeur et le reservoir.
Le lecteur devra expliciter les dierentes fonctions mises en jeu.
On peut egalement reprendre la mise en equation dans le cas lon considère des ux de pulpe et
non plus simplement la phase minerale seche. Pour raisonner sur la pulpe, il faut alors prendre
en compte le bilan eau et le bilan matière seche.
2.9.5 Forme generale dun modèle
Les mises en equation precedentes, meme si elles ont ete etablies à propos dexemples concrets,
donc necessairement particuliers, presentent entre elles certains caractères generaux.
On sest tout dabord eorce de denombrer les variables qui caracterisent le processus considere
et de les classer en variables de cause et variables de consequence. Les variables de cause etant
les actions appliquees au processus, les variables de consequence doivent pouvoir sen deduire ;
le nombre dequations du modèle doit donc etre egal au nombre de variables de consequence.
Dans le cas contraire, cela provient en general dune description incomplète du processus quil
convient donc de remettre en cause.
Il faut ensuite noter que les modèles obtenus sont de la forme generale :
dX(t)
dt
= F(X(t), U(t), ) (2.41)
o` u X est le vecteur des variables de consequence, U le vecteur des causes et le vecteur des
paramètres. La fonction vectorielle F est lineaire ou non selon la nature du processus et des
relations mises en jeu.
La forme (2.41) peut, dans certains cas, etre dicilement manipulable en raison du caractère non
lineaire de la fonction F. Il est possible dutiliser une representation approchee en linearisation
la forme (2.41) autour dun point de fonctionnement du processus. A cet eet, on rappelle quun
point de fonctionnement correspond souvent au point moyen autour duquel le processus evolue ;
par exemple, tel reacteur chimique est prevu pour evoluer autour dune temperature de 320C,
une pression de 2 atmosphères et un PH de 6.5. Dans ce cas, il est simple de representer le fonc-
tionnement du processus en supposant que les ecarts par rapport à ce point de fonctionnement
sont de faibles amplitude ; cela autorise, au niveau mathematique, le developpement de F au
premier ordre autour du point de fonctionnement.
Dans le cas general, on note X
0
et U
0
le point de fonctionnement. Les variables X(t) et U(t)
peuvent secrient :
X(t) = x(t) +X
0
U(t) = u(t) +U
0
(2.42)
les grandeurs x(t) et u(t) representent les variations de X(t) et U(t) autour du point de fonc-
tionnement. Le report de (2.42) dans (2.41) donne alors :
dx(t)
dt
= F (x(t) +X
0
, u(t) +U
0
) (2.43)
37
Un developpement en serie de Taylor au premier ordre donne alors :
dx(t)
dt
=
F(X(t), U(t))
X(t)
|
0,0
x(t) +
F(X(t), U(t))
U(t)
|
0,0
u(t) +F(X
0
, U
0
) (2.44)
La notation 0, 0 signie que la quantite concerne doit etre evaluee pour les valeurs X
0
et U
0
.
Lecriture ce cette expression est simpliee sous la forme :
dx(t)
dt
= Ax(t) +Bu(t) +f (2.45)
Enn, si on prend soin de choisir comme point de fonctionnement un point dequilibre statique
du système (correspondant dans lequation (2.43) à avoir le terme constant nul), la quantite
F(X
0
, U
0
) est nulle et lequation (2.45) devient :
dx(t)
dt
= Ax(t) +Bu(t) (2.46)
La forme (2.46) decrit levolution dynamique des systèmes lineaires ou des systèmes non lineaires
qui ont ete linearises. Cest une forme bien connue en mathematique, dont lintegration ne pose
aucune diculte.
Document annexe : Transient study of a closed grinding circuit.
38
Chapitre 3
Regulations elementaires
Sommaire
3.1 Regulation de niveau . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.2 Regulation de proportion entre deux uides . . . . . . . . . . . . . . 39
3.3 Regulation de temperature dun echangeur de chaleur . . . . . . . . 41
3.4 Regulation dans un circuit de broyage . . . . . . . . . . . . . . . . . . 43
Lobjet de ce chapitre est de familiariser le lecteur avec la regulation des processus simples. On
montre, à partir de processus unitaires, la structure des boucles de regulation. Aucun calcul de
regulateur nest propose ; on se limite à presenter la conception de la regulation.
3.1 Regulation de niveau
La gure (3.1) schematise un reservoir alimente par deux uides, dont lun q
r
(t) correspond à
un reactif à debit très faible ; le debit de sortie est note q
s
(t). Pour reguler le niveau, cest-` a-dire
lasservir à la consigne h
c
(t), lune des solutions les plus simples consiste à commander une vanne
qui permet dajuster le debit de sortie.
Le materiel à mettre en oeuvre est constitue par :
un capteur de niveau
une vanne motorisee
un botier de regulation.
Suggestions. Le lecteur pourra imaginer une regulation analogue en commandant une vanne
ajustant le debit dentree. De plus, la simplicite de lexemple permet detablir la relation entre
le niveau mesure et le niveau de reference ; il est alors possible de quantier linuence du
regulateur.
3.2 Regulation de proportion entre deux uides
Ce problème est extremement frequent dans la pratique et correspond à la fabrication dun
melange de deux uides selon une proportion imposee ; cette proportion est notee k et est
denie par le rapport quantite de produit B/quantite de produit A. Si q
a
(t) est le debit du
39
consigne
de hauteur
mesure de niveau
q (t)
a q (t)
r
q (t)
s
Fig. 3.1 Regulation de niveau
produit A, on souhaite donc avoir un debit kq
a
(t) de produit B.
Une solution simple consiste à analyser le melange. Lanalyseur à utiliser doit etre capable de
fournir le rapport quantite de B/quantite de A ; le rapport obtenu est ensuite compare à la
consigne k et le debit du produit B est ajuste en consequence au moyen dune vanne (de fa con
similaire, on pourrait piloter une vanne de commande du produit A).
La mise en oeuvre de cette strategie elementaire necessite les composants suivants :
un analyseur de composition du melange
une vanne motorisee
un botier de regulation
k
A
B
Analyser
Fig. 3.2 Regulation de melange a posteriori.
Une autre solution consiste à reagir directement sur la vanne de commande du produit B en
fonction du debit du produit A. Pour cela, il sut de mesurer le debit q
a
(t), den deduire le
debit que doit avoir le produit B : q
b
(t) = kq
a
(t) et de piloter la vanne en consequence. Cette
solution nutilise pas danalyseur a posteriori, et le lecteur pourra apprecier les avantages et les
inconvenients de cette structure. Le schema a ete complete (gure 3.3) par une boucle dasser-
vissement du debit q
b
(t) qui utilise une mesure de ce debit ensuite comparee à la consigne de
debit kq
a
(t).
40
La gure (3.4) correspond à la superposition des deux structures precedentes de regulation. Les
avantages de la regulation a priori et de la regulation a posteriori sont donc conjointement mis
à prot.
k
A
B
q
q
A
B
FC

Fig. 3.3 Regulation de melange a priori
k
A
B
Analyser
q
q
A
B
FC
Consigne de
proportion
Fig. 3.4 Regulation de melange a priori et a posteriori
3.3 Regulation de temperature dun echangeur de chaleur
La gure (3.5) schematise un echangeur de chaleur constitue dun circuit primaire parcouru par
un uide chaud qui apporte un certain ux thermique à un circuit secondaire dont le uide
est à rechauer. Un tel processus est largement utilise dans les operations de rechauage ou
de recuperation denergie. Dans la pratique, il est souvent souhaite que la temperature de sor-
tie du uide secondaire ait une temperature donnee ou soit capable de suivre une consigne de
temperature. Pour cela, on peut penser agir sur lapport denergie en modiant le debit de uide
au primaire au moyen dune vanne. Cest le principe adopte dans le schema de la gure (3.5) :
un capteur de temperature donne la temperature du uide secondaire, et lecart de temperature
par rapport à la consigne pilote une vanne de reglage du debit primaire.
41
La mise en oeuvre necessite le materiel suivant :
un capteur de temperature
une vanne motorisee
un botier de regulation
Le lecteur pourra imaginer une autre possibilite qui consiste à modier la temperature du uide
primaire au moyen dune source de chaleur commandable.
TC
TT
Circuit primaire
Circuit secondaire
Entre
Entre
Consigne
de
temprature

Fig. 3.5 Regulation de temperature dun echangeur
La gure (3.6), reprend le principe precedent, mais avec en plus un asservissement sur la vanne
de reglage du uide primaire. Cette solution permet de sassurer que la commande envoyee à la
vanne est eectivement prise en compte (en mesurant le debit de circulation).
TC
TT
FC
Circuit primaire
Circuit secondaire

Fig. 3.6 Regulation de temperature dun echangeur
Note. A partir de ces structures simples, portant sur des regulation monovariable, le lecteur est
en mesure daborder des problèmes plus complexes. Il peut reprendre, par exemple, le schema
de la gure (3.1) en se donnant les objectifs suivant à satisfaire simultanement :
42
maintenir le niveau constant
garantir la proportion de reactif dans le reservoir
maintenir la temperature dans le reservoir constante.
3.4 Regulation dans un circuit de broyage
Letape importante de la conception dun système de commande est lorganisation des boucles
elementaires pour que les objectifs vises soient atteints de la fa con la plus satisfaisante possible.
Pour illustrer ce concept, on peut donner un exemple.
Soit le circuit de la gure (3.7) o` u les entrees et sorties suivantes sont considerees (Daniel
HODOUIN, Rene DEL VILLAR, Les trechniques de lingenieur) :
y
1
fraction massique de solides dans lalimentation du classicateur (hydrocyclones)
y
2
niveau du reservoir ;
y
3
signal acoustique du broyeur primaire ;
y
4
fraction massique de solide dans le produit nal ;
y
5
nesse du produit nal ;
y
6
fraction massique de solide dans le broyeur secondaire ;
u
1
debit de minerai ;
u
2
debit deau ajoutee au broyeur primaire ;
u
3
debit deau ajoutee au reservoir ;
u
4
debit deau ajoutee au broyeur secondaire.
On suppose ici que y
4
est deduit des valeurs corrigees des debits dalimentation selon une formule
du type :
y
4
= F
F
1
u
1
F
1
u
1
+F
2
u
2
+F
3
u
3
+F
4
u
4
o` u F1 à F4 sont, par exemple, des ltres pour compenser la dynamique des reponses de y
4
à u
1
,
u
2
, u
3
et u
4
, et F est un ltre à moyenne mobile pour tenir compte des eets dinertie dus aux
procedes en aval qui ltreront naturellement les uctuations haute frequence de y
4
. On suppose
aussi que y
5
et y
6
ne sont mesurees que de temps en temps, par exemple une fois par poste
de travail pour la granulometrie y
5
et une fois par heure pour la densite de pulpe du broyeur
secondaire y
6
.
Le schema de base de la commande est constitue de deux boucles de retroaction PID (y
2
/u
1
) et
(y1/u3) et dune boucle danticipation P ( u
2
/u
1
). La première boucle vise à maintenir le niveau
de pulpe du reservoir constant, la deuxième à maintenir la densite de pulpe dalimentation aux
hydrocyclones constante et la troisième à stabiliser la dilution de la pulpe dans le broyeur pri-
maire. En stabilisant la densite de pulpe à lalimentation des hydrocyclones, on vise à maintenir
à peu près constantes ses caracteristiques de separation et donc à reguler la nesse du produit
nal. Ce système est evidemment imparfait et doit etre reajuste par des modications du point
de consigne r1lorsque les mesures de y
5
sont disponibles.
43

Fig. 3.7 Exemple dorganisation de boucles elementaires
La gure (7b) donne une representation simpliee de lorganisation du système de commande.
On y voit apparatre les deux boucles de retroaction PID principales, le proportionneur P et le
superviseur qui eectue les taches suivantes : la verication que le niveau sonore y
3
est dans le
domaine acceptable et la prise daction prioritaire sur lajout deau u
2
et sur lalimentation en
minerai u
1
sil sort du domaine ; la verication que la densite de pulpe estimee et ltree est dans
le domaine acceptable, sinon modication des entrees de matière u
1
, u
2
, u
3
, u
4
; la verication
que la nesse y
5
est comprise entre les tolerances, sinon modication du point de consigne r
1
de
44
y
1
; la verication que lecart à la consigne de niveau du reservoir r
2
? y
2
reste dans le domaine
autorise et que la vitesse de variation du niveau ne causera pas des problèmes.
En dehors de ces fonctions, le superviseur donne, par exemple, priorite à lajout deau u3, pour
eviter des debordements ou des desamor cages de pompe.
En pratique, en fonctionnement normal, seules les boucles PID et la boucle P sont actives. En
fonctionnement fortement perturbe, lalgorithme superviseur choisit prioritairement des actions
selon une logique sequentielle habituelle ou selon des règles traitees dans un système expert si
lon dispose dun environnement informatique plus evolue.
45
Chapitre 4
A propos de la qualite des mesures
Sommaire
4.1 Generalites (Les etapes de la validation et du diagnostic) . . . . . . 46
4.2 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.3 Technique sequentielle de detection derreur . . . . . . . . . . . . . . 50
4.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
Les processus continus de fabrication et de traitement peuvent etre en general decomposes en
une serie de processus elementaires relies entre eux par des voies de circulation de matière ou
denergie. Les mesures eectuees sur ces ux fournissent des informations extremement utiles au
contr ole du processus et à son diagnostic de fonctionnement. On examine comment interpreter
ces informations an de fournir un diagnostic sur letat de fonctionnement du processus.
4.1 Generalites (Les etapes de la validation et du diagnostic)
La securite et la s urete de fonctionnement sont deux facteurs importants de la conduite dun
processus de fabrication. Celles-ci peuvent etre mises en cause lors de lapparition de defaillances
du processus physique lui-meme (degradation, fuites, ...) ou de ses organes de conduite (action-
neurs, capteurs, ...). Cependant, il est dicile de dissocier le processus de son environnement de
conduite (gure 1) et les perturbations qui aectent le processus complet peuvent avoir des eets
dicilement dissociables les uns des autres ; il convient donc delaborer des techniques de sur-
veillance capables dapprehender aussi bien le processus physique que ses organes de conduite.
La complexite actuelle des procedures de surveillance et de supervision ainsi que la necessite
daccomplir ces taches dans un temps restreint limitent fortement le r ole des operateurs hu-
mains ; ces procedures doivent etre rendues automatiques si on veut les rendre performantes.
Dun point de vue fonctionnel, la surveillance nest pas limitee à une simple centralisation et
visualisation dinformations mais doit repondre aux objectifs suivants : detecter et localiser les
fautes, estimer leurs amplitudes, expliquer leurs causes, decider dune action compensatrice si
une faute est mise en evidence de fa con à ce que le processus puisse remplir la mission qui lui a
ete conee.
Pour ameliorer la securite et la s urete de fonctionnement dun système, il faut donc essayer
de saranchir de linuence de ces fautes. Dierentes methodes peuvent etre utilisees de fa con
conjointe ; elles se classent de la fa con suivante : prevention, tolerance, elimination et prevision.
46
Actionneurs Processus Capteurs
Dfaillance
Erreur de modle
Bruit alatoire

Fig. 4.1 Processus physique et sources de perturbation
Bien souvent, la surveillance dun procede repose sur lutilisation de modèles de comportement
et de redondance dinformations. Cet expose se limite à lexamen de methodes de detection
de defaillances utilisant la notion de redondance. En accord avec la terminologie classique, le
diagnostic de defaillance est constitue de quatre phases essentielles : la detection, lisolation des
defaillances, lidentication des defail-lances et la reconguration des lois de commande.
La detection concerne la mise en evidence devenements qui aectent levolution du processus.
Très generalement, un evenement traduit un changement de situation sans prejuger du fait quil
soit normal (d u à une action deliberee de la part dun operateur) ou non (d u à une perturbation
exterieure).
Lisolation concerne lanalyse des evenements pour distinguer ceux qui sont anormaux et la
localisation precise de la defaillance de fa con à pouvoir determiner le composant defaillant du
processus.
Lidentication consiste à quantier la defaillance en estimant sa duree et son amplitude. Dans
certains cas, lidentication cherche à comprendre lorigine de la defaillance (recherche des
causes) et meme à prevoir son evolution (problème de pronostic).
Enn, la reconguration concerne la remise en etat de la partie defectueuse du système de
fa con à lui permettre de satisfaire à sa mission. La nature de la reconguration est etroitement
liee à la gravite des defaillances detectees ; dans les cas mineurs, dereglage de faible amplitude
dun capteur par exemple, on peut se contenter dune adaptation dun paramètre de reglage ;
par contre, la defaillance dun organe de commande necessite en general la modication de la
structure de la loi de commande.
4.2 Exemple
On considère une installation de retraitement de sels de potasse dans laquelle les ux de matière
sont caracterise par leurs debits massiques (Q) et leurs concentrations en chlorure de sodium
(n) et chlorure de potassium (k). Le processus denrichissement nest pas etudie et on se limite
a observer les ux et les ux sortants de cette installation (gure (4.2).
47
Une campagne de mesure a permis de relever des mesures sur les ux pendant une periode de
12 jours ainsi que teneurs en NaCl et KCl. La gure (4.2) donne egalement ces mesures.
On se propose de faire une analyse de ces mesures an de mettre en evidence certaines anomalies
encore appelees grosses erreurs.
Processus
de cristallisation
Alimentation
Eau d'apoint
Concentr
Rejet
Q
a
= 400 944 T
n
a
= 60. 68 %
k
a
= 26. 97 %

Q
c
= 104 256 T
n
c
= 3. 82 %
k
c
= 86.16 %

Q
r
= 1 380 340 T
n
r
= 17.33 %
k
r
= 0.57 %

Q
e
= 1 083 300 T {

Fig. 4.2 Processus de cristallisation de la potass
Test de fermeture des bilans matière
Une première analyse de la qualite des mesures peut etre faite à partir des equations qui lient
les grandeurs vraies. Pour cela, on utilise les equations de conservation de masse totale et de
masse partielle (pour chaque constituant) sous la forme :
Q
a
+Q
e
Q
c
Q
r
= 0
Q
a
k
a
Q
c
k
c
Q
r
k
r
= 0
Q
a
n
a
Q
c
n
c
Q
r
n
r
= 0
(4.1)
Si on injecte les mesures dans ces trois equations de bilan, on ne trouve pas 0 mais des residus
ou ecarts de fermeture qui traduisent la presence derreurs de mesure :
r
1
= 352 T
r
2
= 10441 T
r
3
= 98 T
(4.2)
On con coit bien que la presence dincertitudes à caractère aleatoire aecte les mesures, mais
ici, lamplitude de ces residus laisse supposer la presence derreurs systematiques. Un examen
sommaire des amplitudes des residus laisse à penser que si on peut accepter les residus du pre-
mier et du troisième bilan, le residu du deuxième bilan est anormal. A partir de cette hypothèse
vraisemblable, on peut aner lanalyse et penser que si un residu est damplitude faible, les
variables qui le constituent sont vraisemblablement correctement mesurees cest-` a-dire ne sont
pas aectees derreurs systematiques. Dans ces conditions, les variables qui interviennent dans
les residus r
1
et r
3
sont considerees comme valides ; le residu r
2
est anormal, donc les variables
qui le constituent peuvent etre suspectees. Les deux conclusions que nous venons de formuler
48
peuvent etre reunies et on conclu alors à la presence vraisemblable derreurs de mesure anor-
males sur les variables de teneur en KCl.
Test de coherence des indices de recuperation
Une autre fa con simple de tester la qualite des mesures, consiste à evaluer le rendement du
processus. Celui peut etre deni comme etant la quantite de NaCl ou de KCL que lon recupère
dans le concentre :

R
k
=
Q
c
k
c
Q
a
k
a
R
n
=
Q
c
n
c
Q
a
n
a
(4.3)
Ces indices de recuperation peuvent aussi se calculer à partir des rejets, sous la forme :
R
k
= 1
Q
r
k
r
Q
a
k
a
R
n
= 1
Q
r
n
r
Q
a
n
a
(4.4)
Numeriquement, on, trouve :
R
k
= 83%
R
n
= 1.7%
R
k
= 92%
R
n
= 1.6%
(4.5)
En ce qui concerne la recuperation du NaCl, les deux modes de calcul donnent sensiblement les
memes valeurs ce qui nest pas le cas pour la recuperation en KCl. On peut proposer la conclu-
sion sommaire suivante : les deux modes de calcul de la recuperation en NaCl etant coherents,
on peut supposer que les variables qui servent à ce calcul sont valides ; par contre les variables qui
interviennent dans le calcul de la recuperation en KCl peuvent etre suspectees. En regroupant
ces deux conclusions et separant les variables non suspectes, on retrouve la conclusion qui tend
à suspecter les mesures (ou lune dentre elles) de KCl.
Comparaison destimations multiples
Les equations de bilan du processus peuvent egalement etre utilisees pour estimer certaines
grandeurs. Par exemple, le debit dalimentation Q
a
est mesure, mais il intervient aussi dans les
trois equations desquelles on peut donc le deduire :
mesure directe
estimation 1 : Q
c
Q
e
+Q
r
estimation 2 :
Q
c
k
c
+Q
r
k
r
k
a
estimation 3 :
Q
c
n
c
+Q
r
n
r
n
a
(4.6)
On peut proceder de fa con similaire pour les autres variables. Lensemble des resultats de me-
sure et destimation apparat au tableau 2. Pour chaque variable, on peut donc comparer ses
dierentes estimations. Ainsi, pour Q
a
, la mesure et deux estimations sont du meme ordre de
grandeur et dierent de fa con signicative de la deuxième estimation ; si on considère les variables
qui interviennent dans les dierentes estimations, on peut dire que les variables qui interviennent
dans des estimations semblables sont valides et que celles qui interviennent dans des estimations
très dissemblables sont suspectes ? La encore, on est conduit à suspecter une ou des mesures de
teneur en KCl. Le raisonnement peut etre fait sur chaque variable et conrme cette conclusion.
49
Mesure Estimation 1 Estimation 2 Estimation 3
Q
a
400 944 401 296 362 228 400 781
Q
e
1 083 300 1 083 642
Q
c
104 256 103 904 116 373 106 806
Q 1 380 340 1 379 988 3 211 929 1 380 900
k
a
26.97 24.36
k
c
86.16 96.17
k
r
0.57 1.32
n
a
60.68 60.65
n
c
3.82 3.91
n
r
17.33 17.33
Tab. 4.1 Mesures et estimations
4.3 Technique sequentielle de detection derreur
On a vu precedemment que les residus dequation sont sensibles aux erreurs de mesure qui
aectent les variables. Inversement, si on est capable de detecter un residu damplitude anormale,
il convient den rechercher la cause et en particulier de localiser la mesure probablement erronee.
On rappelle la liaison entre residu et mesure :
R = My = M
La matrice M netant pas regulière en general, lidentication de mesures erronees à partir des
residus doit etre realisee à partir de la notion de signature de defaillance. Dans ce qui suit,
on propose une technique de detection derreur appliquee à un exemple dont le lecteur pourra
aisement generaliser la portee.
Considerons le modèle dun système decrit par les equations suivantes :
x
1
+x
2
x
3
= 0
x
3
+x
4
x
5
= 0
x
5
+x
6
x
2
x
7
= 0
x
7
x
8
x
9
= 0
(4.7)
On suppose que toutes les variables sont mesurees ; dans la pratique, sil nest pas ainsi, il
convient de proceder prealablement à lextraction de la partie redondante du système. Le tableau
ci-dessous donne les valeurs des mesures et de leurs ecart-types respectifs.
Var. 1 2 3 4 5 6 7 8 9
Mesure 111.3 18.2 191.6 23.8 148.7 13.6 181.4 106.4 39.7
Ecart-type 2.8 0.5 3.2 0.6 3.7 0.3 3.5 2.7 1
Tab. 4.2 Tableau 2. Mesures et precisions des mesures
Le tableau (4.3) indique les equations considerees, les valeurs des residus dequation, les residus
normalises (par leurs ecart-types), la nature aberrante ou non du residu (seuil xe à la valeur
2), les variables servant au calcul de chaque residu. Dans les sept dernières lignes, on a fait
50
egalement apparatre les residus dequation correspondant à lagregation de certaines equations.
Pour analyser ce tableau, on peut noter que : toute equation ne presentant pas de residu aber-
rant est constituee de variables elles-memes sans valeurs aberrantes. Ainsi, on conclu que les
variables qui interviennent dans les equations 1 + 2, 3 + 4, 1 + 2 + 3 + 4 ne sont pas entachees
derreurs ; par deduction, les variables restantes 3 et 7 sont entachees derreur.
Une fa con plus elegante de presenter cette procedure de detection derreur est resumee dans le
tableau (4.3). Les variables des residus anormaux sont aectees de la valeur 1 ; les variables des
residus normaux sont aectees de la valeur 0. Lorsquune variable nintervient pas dans un residu,
le symbole . est utilise. La dernière ligne du tableau est le produit logique des indicateurs se
trouvant dans les colonnes ; un 1 dans cette ligne indique que la variable correspondante est
entachee derreur. On peut remarquer que lagregation des equations peut etre faite de fa con
sequentielle ainsi que le produit logique ; sur cet exemple, on remarque que la localisation des
variables en defaut peut etre faite avant la dernière agregation.
Le lecteur remarquera assez facilement que cette technique peut etre etendue au cas dequations
dynamiques ou non lineaires. Toutefois une diculte apparat au niveau de lagregation dequations
non lineaires qui fait lobjet de techniques particulières.
Equation Res. Res.
normalise Residu anormal Variables
1 -61.9 -14.5 oui 1,2,3
2 66.5 13.4 oui 3,4,5
3 -37.1 -7.2 oui 2,5,6,7
4 35.1 7.8 oui 7,8,9
1+2 4.6 0.9 non 1,2,4,5
1+3 -99.0 -14.9 oui 1,3,5,6,7
2+3 29.4 6.1 oui 2,3,4,6,7
3+4 -2.0 -0.4 non 2,5,6,8,9
1+3+4 -63.9 -10.1 oui 1,3,5,6,8,9
2+3+4 64.5 14.8 oui 2,3,4,6,8,9
1+2+3+4 2.6 0.6 non 1,2,6,8,9
Tab. 4.3 Residus dequation
4.4 Conclusion
On peut imaginer des traitement plus sophistiques pour detecter et localiser des grosses er-
reurs de mesure. Les techniques proposees ici, reposent sur lanalyse des amplitudes des residus
dequations de bilan matière avec lhypothèse suivante : si une equation de bilan est veriee,
les variables qui la constituent sont valides, sinon les variables peuvent etre considerees comme
suspectes. Ce mode de raisonnement se generalise pour des processus plus complexes ; nous en
avons donne ici le principe de base.
51
Equation Residu anormal 1 2 3 4 5 6 7 8 9
1 oui 1 1 1 . . . . . .
2 oui . . 1 1 1 . . . .
3 oui . 1 . . 1 1 1 . .
4 oui . . . . . . 1 1 1
1+2 non 0 0 . 0 0 . . . .
1+3 oui 1 . 1 . 1 1 1 . .
2+3 oui . 1 1 1 . 1 1 . .
3+4 non . 0 . . 0 0 . 0 0
1+3+4 oui 1 . 1 . 1 1 . 1 1
2+3+4 oui . 1 1 1 . 1 . 1 1
1+2+3+4 non 0 0 . . . 0 . 0 0
Produit 0 0 1 0 0 0 1 0 0
Tab. 4.4 Detection de defauts
Appendix A : Quelques distributeurs ou fabricant de capteurs
52
ALLEN-BRADLEY 36, Avenue de lEurope 78 941 Velizy Cedex
BALLUFF 2, Rue du Vallon 94 440 Marolles en Brie
BALOGH 189, Rue dAubervilliers 75 886 Paris Cedex
CETIM 74, Rue des Acieries 42 951 Saint Etienne
CHAUVIN ARNOUX 190, Rue Championnet 75 018 Paris
CLUB INTERBUS-S Boulevard de Beaubourg 77 347 Marne la Vallee
CROUZET 111, Rue de la Foret 26 902 Valence Cedex
EQUIPEMENTS
SCIENTIFIQUES
127, Rue de Buzonval 92 380 Garches
EUROTHERM AUTO-
MATION
6, Chemin des joncs 69 572 Dardilly Cedex
HONEYWELL 4, Avenue Ampère 78 886 St Quentin en Yvelines
IVO INDUSTRIES 3, Rue Denis Papin 67 403 Illkirch Cedex
TELEMECANIQUE 5, Rue Nadar 92 500 Rueil Malmaison
SIEMENS 39-47 Boulevard Ornano 93 527 Saint Denis
HARTMANN ET
BRAUN
40, Rue Jean Jaures 93 176 Bagnolet Cedex
AK ELECTRONIC 54, Avenue Emile Zola 75 015 Paris
LEEDS AND NOR-
THRUP FRANCE
labo@acil-instruments.com
LASENTEC labo@acil-instruments.com
http ://glo.mt.com/mt/resources/contactUs.jsp
OUTOKUMPU-OY www.outokumpucopper.com
FOXBORO-ARMCO
AUTOMETRICS
http ://www.foxboro.com/us/eng/Homepage.htm
CENTRE DE TECH-
NOLOGIE DE NO-
RANDA
Blaise.Champagne@cnrc-nrc.gc.ca
ARMCO AUTOME-
TRICS
kellys@normin.com
www.equipment.noranda.com
OTT France www.ottfrance.com www.hydrolab.com
JUMO REGULATION 7, Rue des drapiers 57 075 Metz Cedex
53
Appendix B : Quelques types de capteur
54
Capteur Type
proximite à courants de Foucault
à eet capacitif
photo-electrique
ultrasonic
à eet Hall
magneto-resistifs
proximite capteurs inductifs
capteurs à eet Hall
capteurs magneto-resistifs
deplacement capteurs resistifs
capteurs inductifs
capteurs à propogation dondes
capteurs capacitifs
vitesse tachymètres à impulsions
generatrices analogiques
acceleration acceleromètres piezo-electriques
acceleromètres piezo-resistifs
acceleromètres inductifs
acceleromètres à potentiomètre
temperature couples thermo-electriques
thermomètres à resistance metallique
thermomètres à semi-conducteur
thermomètre à quartz
pyromètres à quartz
pyromètres optiques
thermomètres à dilatation de uide
thermomètre à dilatation de solide
niveau dispositif à otteur
dispositif à plongeur
dispositif à bullage
dispositif à palpeur electromecanique
sondes conductives
sondes capacitives
dispositif à rayonnement gamma
dispositifs à ultrasons
debit compteurs à palettes
compteurs à pistons
compteur à turbine axiale
debitmètre à organe deprimogène
debitmètre à sonde (tube de Pitot)
debitmètre à ultrasons
debitmètre à eet vortex
debitmètre thermique
debitmètre electromagnetique
55
Bibliographie
[1] B.A. WILLS Mineral Processing Technology, 4th edition. International Series on Material Scicenes and
Technology. Pergamon Press. 1988
[2] B. YARAR and Z.M. DOGAN Mineral Processing Design. Serie E : applied Sciences. Nato Asi Series, 1987.
[3] RAMAKRISHNANK.N. Modied Rosin Rammler equation for describing particle size distribution of milled
powders. Journal of Materials Science Letters, 19 ( 21), November, 2000.
[4] C.A. SMITH and A.B. CORRIPIO. Principles and practice of automatic process control. John Wilery and
Sons, 1985.
[5] RICHARD A., RAGOT J., CUNIN P., AUBRUN M., BLAZY P., Instrumentation dun procede de sechage
de talc en vue de sa conduite automatisee. Revue de lindustrie Minerale, Les Techniques, octobre 1986.
[6] RAGOT J., PAREL D., WISS C., RICHARD A., MAIHLLAC J., Modelisation en vue de la conduite
automatique dun trieur de particules. Revue de lIndustrie Minerale, Les Techniques, p. 176-183, mars-
avril 1988.
[7] RAGOT J., MORGANTI P. La place de lautomatique dans les techniques de valorisation des ressources du
sous-sol. Dans problèmes et perspectives de lindustrie minière en Afrique. Edite par Presence Africaine,
1992.
[8] RAGOT J., MAQUIN D., ADROT O. LMI approach for data reconciliation. 38th Conference of Metallur-
gists, Symposium Optimization and Control in Minerals, Metals and Materials Processing, Quebec, Canada,
August 22-26, 1999
[9] Proceedings of the 11th IFAC Symposium on Automation in Mining, Mineral and Metal Processing. Nancy,
8-10 septembre 2004.
[10] ALLEN T. Particle Size Measurement, Chapman and Hall, London, 4th edn. 1988 - a comprehensive
discussion of the theory and practice of powder sampling and particle sampling. The fth edition was
published about 1998.
56

Cours Mines

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Cours Mines

Enviado por

Direitos autorais:

Formatos disponíveis

Ecole Nationale Superieure de Geologie

Option Gestion des Mati`eres Premi`eres

qui depend de trois param`etres r, et x

Você também pode gostar