El-khataby Souad

Objectif

Réguler la vitesse de la turbine haute pression d’un turboréacteur en agissant sur le débit de kérosène, puis concevoir et comparer plusieurs stratégies de commande.

Ce que j’ai réalisé

• Identification du système à partir d’un essai en boucle ouverte : modèle du premier ordre avec retard (méthode de Broïda), validé par comparaison avec la réponse réelle.
• Commande en boucle ouverte à partir de la caractéristique statique (table de correspondance).
• Synthèse de correcteurs PID par la méthode de Broïda et par placement de pôles, avec anti-windup, pré-filtre de consigne et étude du bruit de mesure.
• Commande à modèle interne (IMC) : mise en place et étude du réglage du filtre et de l’anti-windup.

Résultat

Le PID final (anti-windup + pré-filtre) suit chaque changement de consigne sur toute la plage testée, sans dépassement, avec une commande de kérosène qui reste dans ses limites.

• MATLAB
• Simulink
• Identification
• PID
• Placement de pôles
• IMC
• Anti-windup

Objectif

Maintenir une moto en équilibre sans pilote, un système naturellement instable assimilable à un pendule inversé, en agissant sur le couple d’une roue d’inertie.

Ce que j’ai réalisé

• Modélisation : mise en équations de la moto comme un pendule inversé à roue d’inertie (état θ, θ̇, ω), modèle non linéaire sous Simulink puis linéarisation autour de l’équilibre.
• Commande : synthèse d’un correcteur PD à retour d’état (angle, vitesse angulaire, vitesse de la roue) et réglage des gains.
• Validation multi-modèles : même contrôleur testé sur un modèle physique Simscape avec perturbation, puis sur le modèle CAO 3D de la moto (masses et inerties réelles).
• Implémentation embarquée sur Arduino Nano 33 IoT : acquisition de l’IMU BNO055, de l’encodeur et de la batterie, commande du moteur de la roue d’inertie en PWM.
• Logique de sécurité avec une machine à états Stateflow : détection de chute, calibration de l’IMU, niveau de batterie et activation de la commande.

Résultat

Sans commande, la moto tombe ; avec le correcteur, elle se redresse en moins d’une demi-seconde après une inclinaison initiale et revient à l’équilibre après une perturbation. Comportement stable obtenu sur les trois modèles (Simulink, Simscape et CAO 3D), et machine à états validée en simulation.

• MATLAB
• Simulink
• Simscape Multibody
• Stateflow
• PD / retour d’état
• Arduino Nano 33 IoT
• IMU BNO055

Objectif

Maintenir un régime de ralenti stable (750 à 1000 tr/min) malgré les charges qui s’ajoutent, en agissant sur deux commandes : l’ouverture de la vanne d’air et l’avance à l’allumage.

Démarche

• Analyse du problème : entrées, sortie, contraintes sur les actionneurs et critères de performance (rapidité, rejet des perturbations, sensibilité au bruit).
• Modèle physique sous MATLAB/Simulink : débit d’air au papillon (Barré de Saint-Venant), dynamique de pression du collecteur, remplissage des cylindres, couple et régime moteur.
• Identification et linéarisation autour de plusieurs points de fonctionnement (750, 900 et 1000 tr/min).
• Synthèse et comparaison de correcteurs : PI/PID, placement de pôles, découplage fréquentiel des deux commandes, puis RST ou LQ/LQG, avec analyse de robustesse.

Avancement

Projet démarré en septembre 2026 : analyse du problème réalisée, modèle physique en cours. Cette fiche sera complétée au fil de l’avancement.

• MATLAB
• Simulink
• Modélisation physique
• Identification
• PID
• LQ / LQG
• Robustesse

Objectif

Stabiliser l’attitude (angle θ) d’un drone quadricoptère évoluant dans un plan vertical : un système à poussée vectorisée, sous-actionné et naturellement instable.

Ce que j’ai réalisé

• Modélisation : modèle dynamique non linéaire (poussées des moteurs, gravité, inertie), simplification par commandes virtuelles et construction du modèle sous Simulink.
• Analyse : points d’équilibre, linéarisation tangente autour de θ = 0°, 10° et 20°, réponses fréquentielles (Bode) et étude des pôles.
• Commandabilité et observabilité : vérification des rangs et choix des mesures permettant de reconstruire tout le vecteur d’état.
• Observateurs : observateur de Luenberger par placement de pôles, stabilité vérifiée pour les trois angles, puis observateur fondé sur le modèle non linéaire.
• Commande : retour d’état LQR complété par une action intégrale sur l’angle θ.

Résultat

Système commandable aux trois points de fonctionnement. En simulation, l’observateur non linéaire reconstruit l’état avec une erreur quasi nulle, alors que l’observateur linéaire s’écarte dès qu’on quitte l’équilibre. Avec le retour d’état et l’action intégrale, l’angle du drone passe de 10° à environ 1° en moins de 5 s.

• MATLAB
• Simulink
• Linéarisation
• Observateur de Luenberger
• Observateur non linéaire
• Placement de pôles
• LQR
• Action intégrale

Objectif

Concevoir et réaliser un robot mobile capable de se déplacer seul en intérieur, de détecter les obstacles sur sa trajectoire et de les contourner, avec les ressources limitées d’un microcontrôleur.

Ce que j’ai réalisé

• Analyse fonctionnelle : diagramme pieuvre, diagramme FAST et Grafcet fonctionnel du comportement du robot.
• Intégration matérielle sur une base AlphaBot : LiDAR TFMini à l’avant (liaison série), capteurs infrarouges latéraux, encodeurs optiques sur les roues et moteurs DC pilotés par un pont en H.
• Programmation embarquée en C/C++ sur Arduino Uno : boucle perception-décision-action, machine à états (trajectoire, évitement, fin), odométrie par interruptions sur les encodeurs pour convertir distances et angles en impulsions.
• Validation progressive : simulation du câblage sur Tinkercad, tests unitaires des capteurs sur carte STM32 Nucleo, puis essais réels sur un parcours avec obstacles.
• Résolution de problèmes : remplacement d’un capteur ultrason peu fiable par le LiDAR, réglage de l’angle des capteurs IR qui détectaient le sol, calibration des seuils entre capteurs de portées différentes.

Résultat

Robot fonctionnel : il avance en ligne droite, détecte un obstacle à 30 cm, s’arrête puis le contourne (rotation, avance, rotation) avant de reprendre sa trajectoire de façon autonome.

• Arduino Uno
• C / C++
• LiDAR TFMini
• Capteurs IR
• Encodeurs / odométrie
• Machine à états
• STM32 Nucleo
• Tinkercad

Objectif

Faire suivre de façon autonome une trajectoire à un robot mobile à deux roues motrices.

Ce que j’ai réalisé

• Intégration matérielle : carte DFRobot Bluno Mega (compatible Arduino Mega), moteurs à courant continu, capteurs à ultrasons, écran LCD 16×2 et LEDs, câblés sur plaque d’essai.
• Programmation embarquée en C/C++ : commande des moteurs pour enchaîner les mouvements de la trajectoire.
• Essais au sol et ajustement du programme.

Résultat

Robot entièrement câblé et programmé, puis testé au sol.

• Arduino Mega / Bluno
• C / C++
• Moteurs à courant continu
• Capteurs à ultrasons
• Écran LCD
• Câblage

Objectif

Analyser une cellule robotisée industrielle puis programmer le robot pour transférer automatiquement des pièces d’une zone de prise vers une zone de dépôt.

Ce que j’ai réalisé

• Analyse de la cellule : robot Stäubli TX60L à 6 axes, armoire de commande CS8, boîtier Teach, PC de programmation et pince pneumatique ; flux d’informations entre sous-systèmes et asservissement en position de chaque axe.
• Mise en œuvre : procédures de mise en marche et d’arrêt, consignes de sécurité, déplacements manuels au Teach en mode articulaire et cartésien, apprentissage des points de prise et de dépôt.
• Programmation VAL 3 : cycle de pick & place sur une grille de 4 × 5 pièces à l’aide de deux boucles imbriquées et de positions décalées calculées automatiquement (appro), avec synchronisation des mouvements et commande de la pince.
• Débogage sur le robot réel : problème de communication réseau avec l’armoire, collisions corrigées par recalibration des axes, temporisation de la pince ajustée et trajectoire d’approche modifiée pour éviter une limite articulaire.

Résultat

Cycle complet exécuté sur le robot réel : les 20 pièces sont transférées une à une de la zone A vers la zone B, sans collision.

• Stäubli TX60L
• VAL 3
• Boîtier Teach
• Pick & place
• Pince pneumatique
• Sécurité machine
• Débogage

Objectif

Programmer un robot collaboratif pour transférer automatiquement des pièces d’une palette vers une autre à l’aide d’une ventouse.

Ce que j’ai réalisé

• Apprentissage des positions de prise et de dépose au-dessus des deux palettes.
• Programmation par blocs sur la tablette du robot : mouvements articulaires et linéaires pour l’approche et la descente, commande de la ventouse par sortie, temporisations pour laisser le vide s’établir.
• Essais en mode automatique à vitesse réduite, puis exécution du cycle complet.

Résultat

Cycle exécuté sur le robot réel : les pièces sont prises une à une sur la palette de départ et déposées dans les emplacements de la palette d’arrivée.

• FANUC CRX
• Robot collaboratif
• Programmation par blocs
• Pick & place
• Préhension par ventouse

Objectif

Programmer un robot collaboratif pour déplacer automatiquement des cartons à l’aide d’un préhenseur à vide.

Ce que j’ai réalisé

• Apprentissage des positions d’approche, de prise et de dépose des cartons.
• Programmation dans le Task Builder : mouvements MoveJ / MoveL, commande de l’aspiration du préhenseur Schmalz par les sorties outil, réglage de la vitesse de tâche.
• Amélioration du programme dans une seconde version, puis exécution du cycle complet.

Résultat

Cycle exécuté sur le robot réel : les cartons sont saisis par aspiration, transportés puis déposés à leur emplacement.

• Doosan Robotics
• Robot collaboratif
• Task Builder
• MoveJ / MoveL
• Préhension par le vide

Objectif

Programmer un robot collaboratif pour déplacer automatiquement des pièces cylindriques d’un support vers une zone de dépose avec une pince.

Ce que j’ai réalisé

• Pilotage manuel dans l’interface PolyScope, par articulations et par position de l’outil (TCP), pour apprendre les points de prise et de dépose.
• Réglage de la pince Robotiq : ouverture, vitesse et force de serrage.
• Programme de prise et dépose des pièces une à une, puis exécution du cycle complet sur le robot réel.

Résultat

Cycle exécuté sur le robot réel : les pièces sont saisies une à une par la pince et déposées en ligne sur la zone de dépose.

• Universal Robots
• PolyScope
• Robot collaboratif
• Pince Robotiq
• Pick & place

Objectif

Automatiser des systèmes industriels réels à partir de leur cahier des charges : câbler l’automate, concevoir le Grafcet, le programmer puis le tester sur la maquette.

Ce que j’ai réalisé

• Réservoirs de mélange (Siemens S7-1200) : remplissage et dosage d’un produit, agitation temporisée, puis gestion de la consommation avec ouverture alternée des vannes et temporisations anti-battement.
• Bras manipulateur (Schneider M340) : prise et dépose d’un gobelet en évitant un obstacle, positions lues par potentiomètres et blocs de comparaison, Grafcet de remise en position initiale.
• Pont roulant (Schneider M340) : cycle de traitement de surface sur quatre postes avec comptage des tours du palan, électro-aimant et temporisations.
• Ascenseur (Siemens S7-300) : gestion des appels intérieurs et extérieurs, arrêt temporisé à l’étage, voyants d’étage et de cabine.
• Poste d’usinage à plateau tournant (Schneider M340) : Grafcet à séquences simultanées (perçage, contrôle, évacuation), modes automatique et cycle par cycle, gestion des pièces défectueuses avec réarmement.

Résultat

Cinq automatismes complets mis en œuvre sur maquettes réelles, du câblage des entrées/sorties jusqu’aux essais, sur deux gammes d’automates industriels (Siemens et Schneider).

• Grafcet
• Siemens S7-1200
• Siemens S7-300
• Schneider M340
• Unity Pro
• Câblage E/S
• Temporisations
• Séquences simultanées

Objectif

Programmer un automate industriel pour piloter un bras manipulateur pneumatique à 8 mouvements, jusqu’à réaliser un cycle de production complet.

Ce que j’ai réalisé

• Prise en main du système : table des entrées/sorties (capteurs de fin de course, distributeurs commandant les vérins), puis Grafcet d’un premier cycle de 8 mouvements.
• Programmation sous PL7-Pro : saisie du Grafcet, transitions codées en Ladder et activation des sorties par les bits d’étape.
• Application industrielle : cycle d’une ligne de fabrication de frites — saisie du panier, égouttage et ajout du sel temporisés (temporisateurs TON de 5 s), secouage répété 3 fois grâce à un compteur, puis dépose et retour en position initiale.

Résultat

Cycle complet testé et validé sur le bras réel, en présence de l’enseignant.

• Grafcet
• Ladder
• PL7-Pro
• Automate TSX 37
• Temporisateurs
• Compteurs
• Pneumatique

Objectif

Maîtriser les outils du traitement numérique du signal (convolution, DFT, filtrage, échantillonnage) et les appliquer pour isoler une information utile dans un signal, y compris en présence de bruit.

Ce que j’ai réalisé

• Convolution et systèmes LTI : convolution discrète, réponse d’un système décrit par une équation aux différences résolue par récurrence, étude de sa stabilité.
• Filtrage passe-bas : filtre moyenneur sur un bruit gaussien et filtre à réponse en sinus cardinal, effet de la troncature (phénomène de Gibbs) et translation fréquentielle pour obtenir un passe-bande.
• Analyse spectrale : décomposition d’un signal carré en harmoniques impaires, puis filtre passe-bande pour en extraire le fondamental, avec et sans bruit.
• Résolution de la DFT : discrimination de deux fréquences proches selon le nombre d’échantillons (Δf = fe/N), séparation de composantes sinusoïdales par filtrage.
• Signal audio : choix de la fréquence d’échantillonnage selon le critère de Shannon pour un chirp de 4 à 12 kHz, filtrage Butterworth et analyse de ses limites quand les composantes se chevauchent en fréquence.

Résultat

Le fondamental à 1 Hz est extrait proprement d’un signal carré, même fortement bruité. Les résultats numériques (convolution, spectres, résolution fréquentielle) concordent avec la théorie, et les limites du filtrage classique sont identifiées pour les signaux non stationnaires.

• MATLAB
• FFT / DFT
• Convolution
• Filtre passe-bas / passe-bande
• Butterworth
• Échantillonnage (Shannon)
• Signaux bruités

Objectif

Concevoir des systèmes embarqués connectés de bout en bout : lire des capteurs, piloter des actionneurs, puis transmettre les données en Wi-Fi vers le cloud pour les suivre à distance.

Ce que j’ai réalisé

• Acquisition de capteurs en C/C++ sur Arduino MKR et carte MKR IoT Carrier : pression et calcul d’altitude, gestes (APDS-9960, I²C), centrale inertielle LSM6DSOX avec calcul des angles d’inclinaison, détecteur de présence PIR et qualité de l’air (BME688).
• Pilotage d’actionneurs : 5 LEDs RGB, 2 relais et l’écran intégré pour afficher les informations.
• Système d’alerte : surveillance simulée d’un turbocompresseur avec code couleur selon la pression et la température (normal / attention / alerte).
• Déploiement IoT : configuration d’un objet sur Arduino IoT Cloud, connexion Wi-Fi, envoi de la température et de l’humidité chaque seconde et création d’un tableau de bord (jauges et courbes en direct).

Résultat

Chaîne complète validée sur la carte : mesures affichées en temps réel, gestes et inclinaisons détectés, LEDs et relais commandés, et données consultables à distance sur le tableau de bord cloud.

• Arduino MKR
• C / C++
• I²C
• IMU LSM6DSOX
• Capteurs environnementaux
• Relais / LEDs RGB
• Wi-Fi
• Arduino IoT Cloud

Objectif

Développer pour un centre d’appels une application LabVIEW qui génère des numéros de téléphone par région selon le plan de numérotation français, et qui vérifie des numéros saisis en les comparant à une base de données.

Ce que j’ai réalisé

• Architecture modulaire : un VI principal qui appelle des sous-VI dédiés (génération, recherche), chacun avec son icône et son terminal de connexion.
• Génération de numéros : saisie du nombre de numéros voulus par région (Île-de-France, Nord-Ouest, Nord-Est, Sud-Est, Sud-Ouest, mobiles, internet), génération aléatoire avec le bon indicatif et contrôle de la limite de 15 numéros avec message d’avertissement.
• Programmation événementielle : structures d’événements pilotées par les boutons de la face avant, boucles et structures de condition.
• Recherche dans une base CSV : lecture du fichier de numéros courts et affichage du service associé et de la tarification (par exemple 15 : SAMU, gratuit), avec voyant de validité.
• Mise au point avec les sondes (probes) pour suivre les données à chaque étape du programme.

Résultat

Numéros générés correctement pour chaque région avec leur indicatif, et numéros courts retrouvés dans la base avec leur service et leur tarification.

• LabVIEW
• Sous-VI
• Structure d’événements
• Tableaux / chaînes
• Fichier CSV
• Interface utilisateur

Objectif

Vérifier expérimentalement les caractéristiques d’un moteur asynchrone triphasé de 1,5 kW (courant, vitesse, couple, rendement) et les comparer aux données du constructeur.

Ce que j’ai réalisé

• Préparation : exploitation de la documentation constructeur, calcul du courant et du couple nominaux, choix du couplage étoile pour le réseau 400 V.
• Câblage du banc d’essai : alimentation triphasée via un démarreur, frein à poudre pour la charge, dynamo tachymétrique pour la vitesse et capteur de force pour le couple. Ajout d’un ampèremètre en série pour fiabiliser la mesure du courant.
• Essais en charge à plusieurs points de fonctionnement : relevé des puissances, du courant, de la vitesse et du couple, vérification de la relation P = T·Ω et tracé de la courbe de rendement.
• Étude du démarrage à l’oscilloscope (sonde de courant et sonde de tension) : visualisation de l’appel de courant et de la montée en vitesse.

Résultat

Rendement mesuré de 79,9 % à pleine charge pour 79,4 % annoncés (moins de 1 % d’écart), avec un maximum d’environ 81 % vers mi-charge. À pleine charge : 1,55 kW, 10,1 N·m et 1 443 tr/min, cohérents avec les valeurs nominales. La relation P = T·Ω est vérifiée à 1,5 % près.

• Moteur asynchrone
• Couplage étoile
• Frein à poudre
• Pince wattmétrique
• Oscilloscope
• Mesures électriques

Objectif

Étudier la réversibilité d’une machine à courant continu de 1,5 kW à excitation indépendante : l’entraîner en génératrice, puis la faire fonctionner en moteur, et relever ses caractéristiques électriques et mécaniques.

Ce que j’ai réalisé

• Mise en place du banc : machine à courant continu accouplée à un moteur asynchrone qui l’entraîne à vitesse nominale, avec des alimentations séparées pour l’induit et l’inducteur.
• Essai à vide : tracé de E = f(Ie) en montée puis en descente du courant d’excitation, pour mettre en évidence la saturation magnétique et l’hystérésis.
• Essai en charge sur charge résistive variable, sans dépasser le courant nominal (6,8 A) : tracé de U = f(I) et analyse de la chute de tension.
• Caractéristique de réglage : ajustement du courant d’excitation pour maintenir la tension de sortie à 110 V quand la charge augmente.
• Mesure de la résistance d’induit, puis fonctionnement en moteur : essais en charge et bilan des puissances (pertes Joule, fer et mécaniques).

Résultat

Résistance d’induit mesurée entre 4,1 et 4,3 Ω pour 4,2 Ω annoncés. La courbe à vide montre nettement la saturation au-delà d’environ 0,5 A d’excitation et un écart d’hystérésis entre la montée et la descente. En charge, la tension baisse régulièrement de 278 V à 244 V, comme le prévoit le modèle U = E − R·I. Toutes les courbes ont été tracées en Python.

• Machine à courant continu
• Excitation indépendante
• Banc d’essai
• Bilan de puissance
• Mesures électriques
• Python (courbes)

Objectif

Caractériser expérimentalement un transformateur triphasé de 4 kVA et déterminer les éléments de son schéma équivalent (modèle de Kapp).

Ce que j’ai réalisé

• Préparation : lecture de la plaque signalétique, calcul du rapport de transformation et des courants nominaux, schéma de raccordement en couplage Yy0.
• Essai à vide à l’analyseur de réseau : mesure des tensions, courants et puissances, vérification de l’équilibre des trois phases et du rapport de transformation.
• Essai en court-circuit sous tension réduite, sans dépasser le courant nominal secondaire.
• Identification des éléments du schéma équivalent : pertes fer et magnétisation (essai à vide), résistance et réactance de fuite (essai en court-circuit).

Résultat

Système triphasé équilibré vérifié à l’analyseur de réseau, rapport de transformation mesuré proche de la valeur théorique, et schéma équivalent du transformateur identifié à partir des deux essais.

• Transformateur triphasé
• Couplage Yy0
• Modèle de Kapp
• Analyseur de réseau
• Essais à vide / court-circuit