Vous êtes sur la page 1sur 66

Commande Robuste

de Strasbourg
Universite

rieure de Physique de Strasbourg


Ecole
Nationale Supe
3A - Option ISAV
Master IRIV - Option Automatique Robotique

Edouard Laroche
laroche@unistra.u-strasbg.fr
http://eavr.u-strasbg.fr/~laroche/student

20112012

Table des mati`


eres
1 Introduction
2 Notions math
ematiques
2.1 Valeurs propres . . . . . . . . . . . .
2.2 Positivite dune matrice . . . . . . .
2.3 Inegalite matricielle affine ou lineaire
2.3.1 Presentation . . . . . . . . .
2.3.2 Exemple de LMI . . . . . . .
2.3.3 Resolution . . . . . . . . . . .
2.4 Valeurs singuli`eres . . . . . . . . . .
2.5 Norme des syst`emes LTI . . . . . . .
2.5.1 Norme H . . . . . . . . . .
2.5.2 Norme H2 . . . . . . . . . .
2.6 Lemmes de simplification . . . . . .
2.6.1 Complement de Schur . . . .
2.6.2 Lemme de projection . . . . .
2.6.3 Lemme de Finsler . . . . . .
2.6.4 S-procedure . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

7
7
7
9
9
9
10
10
12
12
13
15
15
16
16
16

3 Mod
elisation des syst`
emes
3.1 Les differentes representations detat . . . . .
3.1.1 Syst`eme lineaire . . . . . . . . . . . .
3.1.2 Syst`eme lineaire `
a param`etres variants
3.1.3 Syst`eme non-lineaire . . . . . . . . . .
3.2 Operations sur les syst`emes LTI . . . . . . . .
3.2.1 Operations elementaires . . . . . . . .
3.2.2 Transformation lineaire fractionnaire .
3.3 Representation lineaire fractionaire . . . . . .

. . . .
. . . .
(LPV)
. . . .
. . . .
. . . .
. . . .
. . . .

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

19
19
19
19
20
21
21
21
23

4 Analyse des syst`


emes
4.1 Stabilite au sens de Lyapunov . . . . . . . . .
4.1.1 Definition . . . . . . . . . . . . . . . .
4.1.2 Syst`eme lineaire . . . . . . . . . . . .
4.1.3 Cas des syst`emes `
a temps-discret . . .
4.1.4 Commandes Matlab . . . . . . . . . .
4.2 Dissipativite . . . . . . . . . . . . . . . . . . .
4.2.1 Definition . . . . . . . . . . . . . . . .
4.2.2 Caracterisation LMI de la norme H .
4.2.3 Passivite . . . . . . . . . . . . . . . . .
4.3 Performances dun syst`eme asservi . . . . . .
4.3.1 Schema de commande . . . . . . . . .
4.3.2 Les crit`eres . . . . . . . . . . . . . . .
4.3.3 Schemas danalyse et de synth`ese H

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

29
29
29
30
30
30
31
31
32
33
33
33
33
35

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

`
TABLE DES MATIERES

4.4

Lieu des p
oles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.4.1 Regions LMI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.4.2 Condition LMI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

5 Synth`
ese pour les syst`
emes LTI
5.1 Retour detat stabilisant . . . . . .
5.2 Commande H . . . . . . . . . . .
5.2.1 Probl`eme et solutions . . .
5.2.2 Methodologies de synth`ese .

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

6 Analyse des syst`


emes LPV incertains
6.1 Stabilite au sens de Lyapunov . . . . . . . . . . . . . . . . . .
6.1.1 Syst`eme non-lineaire . . . . . . . . . . . . . . . . . . .
6.1.2 Syst`eme lineaire . . . . . . . . . . . . . . . . . . . . .
6.1.3 Syst`eme LPV . . . . . . . . . . . . . . . . . . . . . . .
6.1.4 Maximisation du taux de decroissance . . . . . . . . .
6.1.5 Matrice de Lyapunov dependant des param`etres . . .
6.2 Dissipativite, norme H . . . . . . . . . . . . . . . . . . . . .
6.2.1 Syst`eme LPV . . . . . . . . . . . . . . . . . . . . . . .
6.2.2 Dissipativite avec matrice de Lyapunov dependant des
6.3 Application `
a un syst`eme mecanique . . . . . . . . . . . . . .
6.3.1 Presentation du syst`eme . . . . . . . . . . . . . . . . .
6.3.2 Analyse `
a partir du mod`ele LPV . . . . . . . . . . . .
6.3.3 -analyse . . . . . . . . . . . . . . . . . . . . . . . . .
6.3.4 Lieu des p
oles . . . . . . . . . . . . . . . . . . . . . . .

40
40
41

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

43
43
44
44
46

. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
param`etres
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

49
49
49
49
50
50
50
51
51
52
53
53
54
57
61

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

Chapitre 1

Introduction
En Automatique, la synth`ese dune loi de commande se fait generalement sur un mod`ele
nominal simplifie qui ne prend pas en compte toute la complexite du syst`eme. Des dynamiques
sont negligees, comme celles qui se trouvent en dehors de la bande passante du syst`eme asservi ;
les valeurs des param`etres du mod`ele sont consideres egales `a leurs valeurs nominales.
Du fait de ces approximations, il est generalement necessaire de recourir `a une etape de validation a posteriori de la loi de commande. On parle danalyse de la robustesse ; il sagit en effet
danalyser la robustesse du comportement du syst`eme asservi face aux perturbations externes
(variation des conditions de fonctionnement, comme la temperature) ou internes (variation des
param`etres) du syst`eme.
Lanalyse de la robustesse sappuie generalement sur la formulation dun mod`ele variant dans
le temps, variation qui peut sexprimer en fonction dun certain nombre de param`etres incertains. La premi`ere question concerne la stabilite. Lanalyse de la robustesse en stabilite consiste
`a etablir si le syst`eme demeure stable malgre les variations attendues des param`etres. On peut
aussi souhaiter que le syst`eme maintienne certaines performances (comme la bande passante).
Lanalyse de la robustesse en performance cherche `a etablir si le syst`eme maintient les performances prevues pour les variations attendues des param`etres.
On peut distinguer deux principales sources de perturbation susceptibles de destabiliser un
syst`eme asservi ou de diminuer ses performances : les variations de ses param`etres et les dynamiques negligees. Pour traiter le second cas, celui des dynamiques qui ont ete negligees lors de
la synth`ese, il suffit simplement de les inclure dans le mod`ele danalyse. On se retrouve donc
finalement `
a analyser la robustesse `a partir dun mod`ele qui peut etre plus sophistique que le
mod`ele de synth`ese et dont les param`etres sont incertains dans certains intervalles et peuvent,
selon les cas, varier au cours du temps avec des dynamiques eventuellement bornees.
Avant de se lancer dans lanalyse de la robustesse, cest-`a-dire dans letude des modification
du comportement du syst`eme en fonction des param`etres, il convient de connatre son fonctionnement nominal. La premi`ere question est celle de la stabilite nominale, la seconde est celle
des performances nominales. Une etude de robustesse en stabilite na de sens que si la stabilite
nominale est assuree. De meme pour les performances.
La question de la robustesse peut-etre abordee de deux mani`eres, pour la stabilite comme
pour les performances :
etant donne les intervalles de variation des param`etres, le syst`eme est-il robuste ? A cette
question, on repond par oui ou non ;
quel taux de dilatation faut-il appliquer aux intervalles des param`etres pour amener le
syst`eme en limite de stabilite ou de performance ? Le taux de dilatation est aussi appele
marge de robustesse. La robustesse est assuree si la marge de robustesse est superieure `
a 1.
5

CHAPITRE 1. INTRODUCTION

Puisque la stabilite est une condition suffisante pour les performances, la marge de robustesse en performance est necessairement plus faible que la marge de robustesse en stabilite.
Les methodes danalyse diff`erent en fonction du mod`ele choisi. Les mod`eles lineaires dependant
des param`etres (LPV), mod`eles pour lesquels des methodes efficaces et desormais bien connues,
sont disponibles sous deux formes :
les mod`ele LPV avec une dependance affine des matrices detat en fonction des param`etres ;
les representations lineaires fractionnaire (LFR) formes dun bouclage entre un syst`eme
linaire `a temps invariant (LTI) et une matrice de gains fonction des param`etres. Ce second
type correspond aux syst`emes lineaires dont les matrices detat dependent rationnellement
des param`etres ; il sagit donc dune generalisation du premier type.
Pour les syst`emes LPV affines, des formulation LMI sont disponibles pour lanalyse en stabilite et en performance dans le cas de param`etres constants ou variants. Ces methodes, disponibles dans les boites `
a outils 1 de Matlab, sont presentees dans ce fascicule. La methode la
plus classique destinee aux mod`eles LFR est la -analyse 2 . Cette methode fait egalement parti
du contenu du cours. Dautres boites `
a outils sont egalement disponibles. Citons par exemple
Romuloc, developpee par D. Peaucelle qui permet de traiter `a la fois les mod`eles LPV affines et
les LFR [10].

1. Les methodes danalyse des syst`emes LPV affines ont ete proposees dans la LMI Control Toolbox [7]. Ces
fonctions sont desormais disponibles dans les version recentes de la Robust Control Toolbox[8]
2. Ces methodes sont disponibles dans la -Analysis and Synthesis Toolbox [9] ou dans les versions recentes
de la Robust Control Toolbox [8].

Chapitre 2

Notions math
ematiques
Les Inegalites Matricielles Affines ou LMI prennent une place de plus importante dans les
methodes modernes de lautomatique. De nombreux resultats anterieurs trouvent une formulation LMI et ce formaliste permet aussi de resoudre de nouveaux probl`emes qui navaient pas
trouve jusqualors de solution.

2.1

Valeurs propres

D
efinition 1 (Valeur propre)
Soit A une matrice carree de reels ou de complexes. On appelle valeur propre la grandeur telle
quil existe un vecteur propre x verifiant Ax = x.
>> eig([1 2; 3 4])
ans =
-0.3723
5.3723

La matrice A de dimension n n represente une application lineaire de Rn dans Rn . Les


directions propres, cest-`
a-dire les directions des vecteurs propres, sont les directions de Rn invariantes par A. Les valeurs propres sont les gains damplifications dans ces directions. Le nombre
de valeurs propres distinctes est au plus n. La dimension du sous-espace propre correspondant
`a une valeur propre donnee est variable. Une base de vecteurs propres peut etre obtenue.
En utilisant la relation Axi = i xi o`
u i est la i`eme valeur propre et xi un vecteur propre
qui lui est associe, on peut concatener les n relations obtenues pour i = 1 . . . n en AX = XD
o`
u X = [x1 . . . xn ] est la matrices des vecteurs propres formant une base et D = diag{1 , . . . n }
est la matrice des valeurs propres o`
u chaque valeur propre est repetee autant de fois que la
dimension de son sous-espace propre.
Propri
et
e 1 (Matrice sym
etrique ou hermitienne)
Les valeurs propres des matrices reelles symetriques (AT = A) et complexes hermitiennes (AH =
(A )T ) sont toutes reelles.

2.2

Positivit
e dune matrice

D
efinition 2 (Matrice positive)
Une matrice A Rn est dite positive et on note A 0 si la forme quadratique xT Ax est positive
pour tout vecteur x.
Cette definition se transpose evidemment au cas negatif. On peut toujours ecrire une forme
quadratique `
a partir dune matrice symetrique. Ainsi, xT Ax = 12 xT (AT + A)x. On ne contentera
7


CHAPITRE 2. NOTIONS MATHEMATIQUES

donc de considerer le cas des matrices symetriques. Ces matrices ont la particularite davoir
toutes leurs valeurs propres reelles.
Propri
et
e 2 (Matrice positive)
Une matrice A symetrique est positive si et seulement si toutes ses valeurs propres sont positives
et on note A 0.
On definit aussi la positivite stricte et on dit quune matrice est definie positive si toutes
ses valeurs propres sont strictement positives. Cest equivalent `a dire que la forme quadratique
correspondante xT Ax est strictement positive pour tout x non nul.
Propri
et
e3
Soit un scalaire, A I > 0 si et seulement si les valeurs propres de A sont strictement
superieures `
a .
P > 0 P < 0 ; on peut donc toujours se ramener `
a un probl`eme de positivite (ou de
negativite).
Propri
et
e 4 (Somme de matrices)
A > 0, B > 0 A + B > 0
Cette propriete se demontre facilement `
a partir de la definition A > 0 xT Ax > 0 x 6= 0.
Propri
et
e 5 (Produit de matrices)
A > 0, B > 0 AB > 0
A > 0, B < 0 AB < 0
D
emonstration 1 (Explication) Ces proprietes se comprennent facilement en considerant
quune matrice positive est une application qui, `
a un vecteur de composantes positives, associe un
vecteur de composantes toutes positives ; une matrice negative, au contraire, est une application
qui, `
a un vecteur de composantes positives, associe un vecteur dont les composantes sont toutes
negatives.
D
emonstration 2 (D
emonstration plus compl`
ete)
Pour une demonstration plus compl`ete, on peut considerer une valeur propre AB de AB associee
au vecteur propre V AB , verifiant donc
AB V AB = ABV AB ,

(2.1)

et chercher `
a montrer quelle est positive. Lidee des calculs ci-dessous consiste `
a calculer les
coordonnees du vecteur propre dabord dans la base des vecteurs propres de B notes VkB puis
dans ceux de A notes VlA . Ainsi, on peut ecrire
X
V AB =
k VkB
(2.2)
k

o`
u les k sont les coordonnees de V AB dans la base des vecteurs propres de B et
X
VkB =
kl VlA

(2.3)

o`
u les kl sont les coordonnees de VkB dans la base des vecteurs propres de A. En remplacant
A
B
B B u A et B sont les
dans (2.1) et en utilisant le fait que AVlA = A
l Vl et BVk = k Vk o`
l
k
valeurs propres respectivement de A et B, on obtient :
!
!
X
X
X X
A
AB
A
B
k kl VlA
(2.4)
l
k k kl Vl =
l


MATRICIELLE AFFINE OU LINEAIRE

2.3. INEGALIT
E

Il sagit dune egalite entre deux vecteurs. Leurs coordonnees dans la base VlA sont donc identiques et
X
X
AB
A
B
k kl l
(2.5)
l
k k kl =
k

P B
P
Dans lhypoth`ese o`
u A et B sont toutes deux positives, les quantites A
k k k kl et
k k kl
l
sont necessairement de meme signe et AB est donc positif (AB positive). Si A et B sont de
signe contraire, ces deux quantites seront de signe contraire et AB est alors negative.

2.3
2.3.1

In
egalit
e matricielle affine ou lin
eaire
Pr
esentation

D
efinition 3 (In
egalit
e matricielle affine)
On appelle inegalite matricielle affine (ou inegalite matricielle lineaire et en anglais linear matrix inequality, note LMI) le probl`eme suivant : etant donnees les matrices reelles, carrees et
symetriques Mk , k = 1..n, trouver les reels xk , k = 1...n tels que M0 + x1 M1 + ... + xn Mn > 0.
Le succ`es des LMI vient du developpement des methodes dites du point interieur (interior
point methods) qui permettent de resoudre de mani`ere efficace ces probl`emes [11]. Il est egalement
lie au fait que de nombreux probl`emes, notamment de lautomatique, peuvent etre formule sous
forme de LMI.
Remarque 1 (Un syst`
eme de plusieurs LMI est une LMI)


2.3.2

P (x) > 0

Q(x) > 0

P (x)
0
0
Q(x)


>0

(2.6)

Exemple de LMI

Les LMI ne se presentent pas directement sous la forme de linegalite presentee ci-dessus.
Prenons un exemple classique de lautomatique : la stabilite de Lyapunov 1 pour un syst`eme
lineaire x = Ax. Il sagit de trouver une matrice reelle P = P T > 0 de meme dimensions que A
telle que AT P + P A < 0. Considerons `a titre dexemple, le cas o`
u A est une matrice 2 2.


a1 a2
A=
(2.7)
a3 a4
La matrice P depend alors de 3 param`etres xi , k = 1..3 et peut secrire


x1 x2
P =
x2 x3
La condition de positivite de P secrit






1 0
0 1
0 0
x1
+ x2
+ x3
>0
0 0
1 0
0 1
Linegalite de Lyapunov, elle se reecrit :






2a1 a2
2a2
a1 + a4
0 a3
x1
+ x2
+ x3
<0
a2 0
a1 + a4
2a2
a3 2a4

(2.8)

(2.9)

(2.10)

1. Mathematicien russe ne en 1857 et mort en 1918, Lyapunov est le p`ere dune theorie qui porte son nom et
qui est a
` la base de nombreux developpements recents de lautomatique(voir http://en.wikipedia.org/wiki/
Aleksandr_Lyapunov).


CHAPITRE 2. NOTIONS MATHEMATIQUES

10

Figure 2.1 Fenetre de lediteur graphique de LMI de Matlab

2.3.3

R
esolution

Afin de rendre les solvers de LMI facilement utilisables pour les probl`emes de lautomatique,
des interfaces ont ete developpees permettant decrire les probl`eme sous des formes matricielles
simples (voir figure 2.1). On peut citer LMI-Tools de El Ghaoui 2 , la LMI Control Toolbox de
MathWorks [7] et linterface SeDuMi developpe au LAAS par Peaucelle et alli [12]. Notons aussi
loutil YALMIP 3 qui permet de definir un probl`eme LMI et de le resoudre avec nimporte quel
solveur installe sur votre machine.
Les trois probl`emes classiques que ces outils resolvent sont
la fesabilite (ou existence) : trouver x solution de A(x) < 0,
la minimisation dune fonction lineaire : trouver x minimisant cT x sous la contrainte
A(x) < 0,
le probl`eme de valeur propre generalisee : minimiser sous les contraintes A(x) < B(x),
B(x) > 0 et C(x) < 0.

2.4

Valeurs singuli`
eres

D
efinition 4 (Valeur singuli`
ere)
Les valeurs singuli`eres dune matrice complexe M sont les racines carrees des valeurs propres
de M H M o`
u M H est le hermitien (transpose conjugue) de M . On les note i (M ).
Propri
et
e 6 (Propri
et
es g
en
erales)
Les valeurs singuli`eres sont des nombres reels positifs.
Les valeurs singuli`eres non nulles de M sont identiques a
` celles de M H (invariance par
loperation transpose/conjugue)
2. http ://robotics.eecs.berkeley.edu/elghaoui/
3. http ://control.ee.ethz.ch/joloef/yalmip.php

`
2.4. VALEURS SINGULIERES

11

Les valeurs singuli`eres non nulles sont au plus au nombre de min(nu , ny ), la plus petite
dimension de M .
Exemple 1 (Valeurs singuli`
eres de matrices simples)
Les n valeurs singuli`ere de In , o`
u R sont toutes egales `
a .
Les valeurs singuli`eres dune matrice diagonale reelle sont egales aux valeurs absolues des
elements diagonaux ; pour une matrice de complexes, les valeurs singuli`eres sont egales
aux modules des elements de la diagonale.
svd([2,0;0,-3j]);
ans =
3.0000
2.0000

Propri
et
e 7 (Norme matricielle)
La valeur singuli`ere maximale (M ) est une norme matricielle. Les proprietes generales des
normes sappliquent donc.
(M ) = ||(M )
(M + N ) (M ) + (N )
(M N ) (M )(N )
Propri
et
e 8 (Inversion de matrice)
M est inversible si et seulement si sa plus petite valeur singuli`ere est non nulle ((M ) > 0).
Alors, (M ) = (M11 ) et (M ) = (M11 ) .
On en deduit les proprietes suivantes :
Propri
et
e 9 (Autres propri
et
es)
(M ) = ||(M )
(M + N ) (M ) + (N )
(M )(N ) (M N )
Propri
et
e 10 (Interpr
etation)
La norme est la norme induite sur les matrices par la norme euclidienne des vecteurs :
||M z||2
z6=0 ||z||2
zH M H M z
2 (M ) = max
z6=0
zH z
(M ) = max

(2.11)

Ainsi, la norme est lamplification maximale du syst`eme de transfert M .


Exemple 2 (Valeurs singuli`
eres dun syst`
eme multivariable)
Le programme suivant sous Matlab definit un syst`emes LTI `
a deux etats, deux entrees et deux
sorties puis trace les valeurs singuli`eres de sa matrice de transfert en fonction de sa pulsation
(voir figure 2.2). A la place de la fonction ltiview, on peut utiliser la fonction sigma.
A = [-1 0; 1 -2];
B = eye(2);
C = [1 1; 0 1];
D = 0.1*ones(2,2);
Sys = ss(A,B,C,D)
ltiview(sigma,Sys,{1e-1,1e2});
G1 = C*inv(j*1*eye(2)-A)*B+D; % matrice de transfert `
a 1 rad/s
SV = svd(G1)
u = randn(2,1)
Ampli = norm(G1*u)/norm(u)


CHAPITRE 2. NOTIONS MATHEMATIQUES

12

Figure 2.2 Trace des valeurs singuli`eres dun syst`eme LTI multivariable

La partie finale du script permet de calculer lamplification dune entree u `


a la pulsation 1 rad/s.
A partir des resultats ci-dessous, on verifie que cette amplification est bien toujours comprise
entre la valeur singuli`ere max et la valeur singuli`ere min de G(j 1).
SV =
1.3257
0.2872
u =
1.1892
-0.0376
Ampli =
1.1032

2.5
2.5.1

Norme des syst`


emes LTI
Norme H

D
efinition 5 (Norme L2 sur les signaux)
Pour un signal x(t) `
a valeur dans Rn , la norme L2 est definie par :
sZ

xT (t) x(t) dt

||x(t)| |L2 =

(2.12)

D
efinition 6 (Norme H sur les syst`
emes)
Pour un syst`eme de fonction de transfert G(s), la norme H est definie comme la norme induite
par la norme L2 sur les signaux. Cest-`
a-dire que si u(t) est applique en entree de G(s) et que
y(t) est releve en sortie 4 , on a :
||G(s)| | = max

||y(t)| |L2
||u(t)| |L2

(2.13)

Ainsi, la norme H est lamplification maximale dun signal par un syst`eme. Pour les matrices, nous avions vu que la valeur singuli`ere maximale etait lamplification maximale dun
vecteur. On peut donc facilement se ramener `a linterpretation suivante.
Propri
et
e 11 (Norme H et valeur singuli`
ere)
||G(s)| | = max (G(j))

4. On consid`ere des conditions initiales nulles.

(2.14)

`
2.5. NORME DES SYSTEMES
LTI

13

Exemple 3 (Valeurs singuli`


eres maximale)
En faisant le calcul sur lexemple numerique precedent :
norm(Sys,inf)

On obtient une norme de 1.881, ce qui correspond `


a 5.49 dB, ce qui est coherent avec le trace
de la figure 2.2.
Propri
et
e 12 (Norme H )
Pour une matrice de transfert sous forme de blocs :


G11 (s) G12 (s)
G(s) =
G21 (s) G22 (s)

(2.15)

||G(s)|| < ||Gkl (s)|| < (k, l) {1, 2}

(2.16)

on a :

||W (s) G(s)|| < (G(j) <

2.5.2

(W (j))

Norme H2

La presentation ci-dessous de la norme H2 est reprise du cours de Supelec de G. Duc [13],


paragraphe 1.2.

D
efinition
Soit G(s) le syst`eme LTI multivariable defini par :


x
z

A B
C D



x
v


(2.17)

avec D = O (syst`eme strictement propre 5 ). On definit la norme matricielle H2 de ce syst`eme


par :
s Z


1
H
||G||2 =
tr [G (j)G(j)] d
(2.18)
2
Propri
et
es
Soit g la reponse impulsionnelle du syst`eme. Dans le cas monovariable, le theor`eme de Parseval donne une forme equivalente 6 :
||G||22 =

g T (t)g(t)dt.

(2.19)

Dans le cas monovariable, la norme H2 du syst`eme est egale `a lenergie de la reponse impulsionnelle.
5. Cette restriction est necessaire pour que la norme du syst`eme soit finie.
6. On rappelle que la fonction de transfert est la transformee de Laplace de la reponse impulsionnelle.


CHAPITRE 2. NOTIONS MATHEMATIQUES

14

Supposons
maintenant
que
v
soit
un
bruit
T
E{v(t)v ( )} = I(t ) et calculons la puissance de sortie :

blanc

gaussien

verifiant



E{z T z} = tr E{zz T }

 Z + Z +
= tr E
g(t 1 )v(1 )v T (2 )g T (t 2 )d1 d2


Z + Z +

T
T
= tr
g(t 1 )E v(1 )v (2 ) g (t 2 )d1 d2

Z +

T
= tr
g(t )g (t )d

Z +

T
= tr
g( )g ( )d
Z
=

+



tr g T ( )g( ) d

Z +


1
tr GH (j)G(j) d
2
= ||G||2

Ainsi, la norme H2 est la puissance de sortie lorsque le syst`eme est alimente pas un bruit blanc
gaussien unitaire.
Calcul
La norme H2 peut etre calculee pour tous les syst`emes strictement propres (D = O) et
strictement stables. En effet, elle peut secrire ainsi :
||G||22



tr g T (t)g(t) dt

=
0

(2.20)


B T exp(AT t)C T (C exp(At)B) dt
0 Z

= tr B T
exp(AT t)C T C exp(At)dtB
= tr

(2.21)
(2.22)

ou encore :
||G||22



tr g(t)g T (t) dt

=
0

(2.23)


(C exp(At)B) B T exp(AT t)C T dt
0 Z

T
T
T
= tr C
exp(At)BB exp(A t)dtC
= tr

(2.24)
(2.25)

soit :




||G||22 = tr B T Wo B = tr CWc C T

(2.26)

o`
u Wo et Wc sont les gramiens de commandabilite et dobservabilite :

Z
Wo =

exp(At)BB T exp(AT t)dt

(2.27)

exp(AT t)C T C exp(At)dt

(2.28)

Z
Wc =
0

2.6. LEMMES DE SIMPLIFICATION

15

Ils peuvent etre obtenus comme les solutions des equations de Lyapunov

suivantes :

AWc + Wc AT + BB T = 0
T

A Wo + Wo A + C C = 0

(2.29)
(2.30)

En effet, partons de :

d 
exp(At)BB T exp(AT t) = A exp(At)BB T exp(AT t) + exp(At)BB T exp(AT t)AT .
dt

(2.31)

En notant que pour un syst`eme stable :


lim exp(At) = 0,

(2.32)

et en integrant sur [0, ], on obtient directement les deux equations de Lyapunov. Cest cette
methode qui est utilisee dans les Toolboxes de Matlab pour le calcul de la norme H2 [14].
Formulation LMI
Les inegalites matricielles affines (LMI pour inegalites matricielles lineaires) sont devenues
un outil classique de lautomatique. Ils sont `a la base de nombreuses methodes innovantes et les
methodes classiques ont generalement une formulation LMI. Une introduction sur les LMI est
developpee en Annexe B. Voici la formulation LMI de la norme H2 [15].
Soit S0 la solution de lequation de Lyapunov (2.29), cest-`a-dire verifiant :
AS0 + S0 AT + BB T = 0,

(2.33)

avec S0 = S0T 0. Alors toute matrice S verifiant :


AS + SAT + BB T < 0

(2.34)

verifie aussi S > S0 .


Le syst`eme G(s) stable avec D = 0 verifie ||G||22 < si et seulement si il existe une matrice
symetrique positive, :
S > 0,
(2.35)
verifiant (2.34) et :


tr CSC T < .

(2.36)

Lensemble des inegalites (2.34-2.36) constitue un syst`eme LMI et peut se resoudre avec les
solveurs disponibles [11, 7].

2.6
2.6.1

Lemmes de simplification
Compl
ement de Schur

Il sagit dun resultat preliminaire qui permettra, dans ce qui suit, de simplifier des expressions matricielles.
Lemme 1 (Compl
ement de Schur)
La LMI :


Q
ST

S
R


< 0,

(2.37)

7. Dapr`es la theorie de Lyapunov, lequation AX + X T A + Q = 0 dinconnue X, avec Q symetrique definie


positive, a une solution positive si A est Hurwitz (ses p
oles sont a
` partie reelle strictement negative). Alors une
solution symetrique peut etre facilement obtenue par la resolution dun syst`eme de n(n + 1) equations lineaires a
`
autant dinconnues (les composantes de X), o`
u n est la dimension de A. La resolution de lequation de Lyapunov
est disponible dans les Toolboxes [14].


CHAPITRE 2. NOTIONS MATHEMATIQUES

16

o`
u Q = QT et R = RT est equivalente `
a:


R < 0
Q SR1 S T < 0.

(2.38)

D
emonstration 3
La demonstration se fait facilement en multipliant (2.37) a
` droite par :


I
R1 S T

0
I


(2.39)

et `
a gauche par la transposee de cette derni`ere matrice. Ces deux matrices etant definies, on
obtient alors une condition equivalente :


2.6.2

Q SR1 S T
0

0
R


< 0.

(2.40)

Lemme de projection

Th
eor`
eme 1 (Lemme de projection [16])
Soit une matrice symetrique Rmm et deux matrices P et Q de nombre de colonnes m. Et
considerons le probl`eme consistant `
a trouver une matrice de dimensions adequoites telle que :
+ P T T Q + QT P < 0

(2.41)

Notons WP et WQ des matrices dont les colonnes forment une base des noyaux de respectivement
P et Q. Alors, une solution de lequation (2.41) existe si et seulement si :


WPT WP < 0
WQT WQ < 0.

(2.42)

Preuve. Comme les colonnes de WP font partie du noyau de P , on a WP P = 0 et de meme,


WQ Q = 0. Ainsi limplication (2.41) = (2.42) se montre facilement en multipliant (2.41) `a
gauche par P T et `
a droite par P , puis en procedant de meme avec Q. Une demonstration de la
reciproque a ete donnee par Gahinet et Apkarian [16].

2.6.3

Lemme de Finsler

Th
eor`
eme 2 (Lemme de Finsler)

Etant donnees les matrices A et B ; les conditions suivantes sont equivalentes 8 :


1. xT Ax > 0 pour tout x 6= 0 tel que Bx = 0
T AB
> 0 o`
=0
2. B
u BB
3. A + B T B > 0 pour un scalaire
4. A + XB + B T X T > 0 pour une matrice X

2.6.4

S-procedure

Cet outil pratique developpe par Yakubovich 9 permet de simplifier certains probl`emes de
commande robuste.
8. Paul Finsler, mathematicien suisse, est ne en 1894 et decede en 1970. http://fr.wikipedia.org/wiki/
Paul_Finsler
9. Vladimir A. Yakubovich est reconnu pour ses contributions a
` la commande moderne, notamment dans les
annees 1960, http://www.math.spbu.ru/user/java/en/.

2.6. LEMMES DE SIMPLIFICATION

17

Th
eor`
eme 3 (S-proc
edure)
Soit les formes quadratiquessuivantes :
 H 
 
x
Ai bH
x
i
qi (x) =
= xH Ai x + 2bH
i x + ci ,
1
bi ci 1

(2.43)

pour i = 0, 1, ..., p.
Alors, on a q0 (x) 0 pour tout x tel que qi (x) 0, i = 1, ..., p sil existe des scalairsi 0
qui satisfont la contrainte LMI suivante :



 X

p
Ai bH
A0 bH
0
i
i
0
b0 c0
bi ci
i=1

De plus, linverse est vrai pour p = 1 en reel et meme pour p = 2 en complexe.

(2.44)

18

CHAPITRE 2. NOTIONS MATHEMATIQUES

Chapitre 3

Mod
elisation des syst`
emes
3.1

Les diff
erentes repr
esentations d
etat

Nous nous limitons, dans ce cours, aux syst`emes dynamiques continus multivariables (dits
aussi MIMO pour multi input multi output). Le vecteur des entrees est u, celui des sorties y ; le
vecteur detat est x.

3.1.1

Syst`
eme lin
eaire

On parle aussi de syst`eme lineaire invariant dans le temps o`


u en anglais de linear timeinvariant system (LTI). I l sagit du cas o`
u les equations sont lineaires par rapport aux entrees
et aux variables detat. Le syst`eme peut etre mis sous la forme :

x = Ax + Bu
(3.1)
y = Cx + Du
Cette representation ne concerne que les syst`emes propres (qui ne contiennent pas deffet derivatif
pur) ; pour les syst`emes strictement propres, D = 0. On note G(s) la fonction de transfert du
syst`eme :
G(s) = C(sIn A)1 B + D
(3.2)
o`
u n est lordre du syst`eme. On se permettra de designer le syst`eme par sa fonction de transfert
G(s) meme si les calculs sont faits sur la representation detat.
La fonction de transfert permet de relier les transformees de Laplace des signaux dentree
et de sortie, cest-`
a-dire que pour une condition initiale nulle, on peut ecrire Y (s) = G(s) U (s),
o`
u U (s) et Y (s) sont respectivement les transformees de Laplace des signaux u(t) et y(t). On se
permet parfois labus de notation suivant : y(t) = G(s)u(t) qui signifie que y(t) est la sortie du
syst`eme G(s) pour une entree u(t).
Sous Matlab, on peut definir un syst`eme LTI avec les fonctions ss et tf.

3.1.2

Syst`
eme lin
eaire `
a param`
etres variants (LPV)

Dans un syst`eme LPV, les matrices detat A, B, C et D dependent dun vecteur des param`etres qui peut varier en fonction du temps.

x = A()x + B()u
(3.3)
y = C()x + D()u
A defaut de connatre `
a lavance la trajectoire de , on connat souvent des bornes sur ses
differentes composantes : k k k et peut-etre aussi sur les vitesses de variation : k k
k .
Le vecteur des param`etres peut etre vu comme une entree supplementaire du syst`eme qui
ne rentre alors plus dans la classe des syst`emes lineaires. Parmi les syst`emes LPV, certains
types particuliers sont interessants a` etudier : les syst`emes LPV affines, LPV polytopiques et les
representations lineaires fractionnaires).
19


`
CHAPITRE 3. MODELISATION
DES SYSTEMES

20

Syst`
eme LPV affine
Dans ce cas, la dependance des matrices detat en fonction des param`etres est lineaires.
Notons


A B
M=
.
(3.4)
C D
On a alors M () = M0 + 1 M1 + 2 M2 ....
Remarquez que le produit o`
u linterconnexion de deux mod`eles LPV affines nest generalement
pas un mod`ele LPV affine, mais plut
ot un mod`ele LPV avec dependance quadratique en fonction
des param`etres.
Syst`
eme LPV polytopique
La matrice M representant le syst`eme est une combinaison barycentrique de plusieurs matrices M1s , M2s ,... : M = 1 M1s + 2 M2s + .... Avec 0 k 1 et k = 1.
Un syst`eme LPV affine dont les param`etres varient sur des intervalles connus peut etre
considere comme un syst`eme polytopique. Traitons lexemple dun syst`eme dependant de deux
param`etres M () = M0 + 1 M1 + 2 M2 et notons M1s , M2s , M3s et M4s ses sommets :

M1s = M0 + 1 M1 + 2 M2

M2s = M0 + 1 M1 + 2 M2
(3.5)
M s = M 0 + 1 M1 + 2 M 2

3s
M 4 = M 0 + 1 M1 + 2 M 2
= 1 M s + 2 M s + 3 M s + 4 M s avec
Construisons maintenant le syst`eme polytopique M
1
2
3
4

1 2 2

1 = 1

1
1 2 2

2 = 1 1 2 2
1 1 2 2
(3.6)
1 1 2 2

1 1 2 2

4 = 1 1 2 2

1

les M s et les k par leurs expressions ci-dessus, verifie


En remplacant dans lexpression de M
k

que lon retrouve bien M = M . Ce resultat est encore valable pour un nombre de param`etres
plus eleve. On retiendra quil y a equivalence entre les representations affine et polytopique.

Exercice
1 (Equivalence
entre polytopique et LPV affine)

Ecrivez M en fonction de ; simplifiez et montrez que lon retrouve M .

3.1.3

Syst`
eme non-lin
eaire

Lequation detat dun syst`eme non-lineaire est :



x = f (x, u)
y = g(x, u)

(3.7)

Si les fontions f et g sont derivables, (on exclut donc les non-linearites fortes du type seuil,
bande morte...), on peut lineariser les equations autour dun point dequilibre (x0 , u0 ) verifiant
f (x0 , u0 ) = 0 :

f
x = f (x0 , u0 ) + f
x (x x0 ) + u (u u0 )
(3.8)
g
g
y = g(x0 , u0 ) + x
(x x0 ) + u
(u u0 )
En notant x = x x0 , u = u u0 et y = y g(x0 , u0 ) on se ram`ene `a un syst`eme LPV :

x = A()x + B()u
(3.9)
y = C()x + D()u


`
3.2. OPERATIONS
SUR LES SYSTEMES
LTI

21

avec = [x0 , u0 ].
Letude dun syst`eme non-lineaire par lanalyse de son mod`ele linearise, bien que souvent
sans garantie stricte, constitue une voie couramment empruntee en automatique.

3.2
3.2.1

Op
erations sur les syst`
emes LTI
Op
erations
el
ementaires

Exercice
2 (Op
erations sur deux syst`
emes LTI)
Soit deux syst`emes G1 (s) et G2 (s) respectivement definis par leurs representations detat :




A1 B1
A2 B2
G1 (s)
; G2 (s)
.
(3.10)
C1 D 1
C2 D 2
On note u1 et u2 les entrees respectives de G1 (s) et de G2 (s). On note y1 et y2 leurs sorties
respectives.
1. Determinez la representation detat du syst`eme dentree u et de sortie y = y1 + y2 .
2. Determinez la representation detat du syst`eme dentree u = u1 et de sortie y = y2 avec
y1 = u2 .
 
 
u1
y
3. Determinez la representation detat du syst`eme dentree u =
et de sortie y = 1 .
u2
y2

3.2.2

Transformation lin
eaire fractionnaire

Soit un syst`eme G(s) dentree u RnG et de sortie y RnG ; soit un syst`eme H(s) dentree
v RnH et de sortie z RnH . On consid`ere la partitions suivantes de G(s) :
 
  
G11 (s) G12 (s) u1
y1
(3.11)
=
G21 (s) G22 (s) u2
y2
avec u1 , y1 RnG1 , u2 , y2 RnG2 , nG = nG1 + nG2 .
Dans le cas o`
u nH = nG1 , on definit linterconnexion lftu (G(s), H(s)) (on parle
LFT) comme le syst`eme dentree u2 , de sortie y2 et obtenu par linterconnexion des
G(s) et H(s) avec v = y1 et u1 = z.
Dans le cas o`
u nH = nG2 , on definit linterconnexion lftl (G(s), H(s)) (on parle
LFT) comme le syst`eme dentree u1 , de sortie y1 et obtenu par linterconnexion des
G(s) et H(s) avec v = y2 et u2 = z.
H(s)
u1 = z

de upper
syst`emes
de lower
syst`emes

y1 = v
-

G(s)

u2
-

y2 -

Figure 3.1 Representation lineaire fractionnaire lftu (G(s), H(s))

Exercice
3 (Interconnexion pour lanalyse dun syst`
eme asservi)
Soit un syst`eme G(s) de commande u, de mesure y Rp . Il est asservi `
a la reference r par un
correcteur K(s) et la loi de commande u = K(s) e avec e = r y. On note Hbo (s) = G(s)K(s)
la fonction de transfert en boucle ouverte.


`
CHAPITRE 3. MODELISATION
DES SYSTEMES

22

u1

y1 -

G(s)
-

u2 = z

y2 = v
H(s)

Figure 3.2 Representation lineaire fractionnaire lftl (G(s), H(s))

1. Montrez que le syst`eme en boucle fermee S(s) dentree r et de sortie e peut se mettre sous
la forme suivante :
S(s) = lftl (M, Hbo (s))
(3.12)
2. Determinez la matrice M correspondant.
3. Deduisez en le script Matlab permettant de calculer la fonction de sensibilite S(s) `
a partir
de Hbo (s).

Exercice
4 (Interconnexion pour la synth`
ese de correcteur)
Soit un syst`eme G(s) de commande u Rm , de mesure y Rp . On souhaite lasservir a
` un
signal de reference r par un correcteur K(s) et la loi de commande u = K(s) e avec e = r y.
On souhaite determiner une technique permettant de calculer facilement les fonction de transfert
en boucle
  fermee. Le syst`eme en boucle fermee H(s) a comme entree v = r et comme sortie
e
.
z=
u
1. Montrez que le syst`eme en boucle fermee peut se mettre sous la forme suivante :
H(s) = lftl (H1 (s), K(s))

(3.13)

et donnez le schema-bloc de H1 (s).


2. Montrez que H1 (s) peut se mettre sous la forme :
H1 (s) = lftu (M, G(s))

(3.14)

et determinez la matrice M correspondante.


3. Deduisez en le script Matlab permettant de calculer le syst`eme de synth`ese H1 (s) `
a partir
du syst`eme G(s).
4. Donnez la script permettant de cacluler le syst`eme en boucle fermee dentree H(s) `
a partir
de G(s) et de K(s).

Exercice
5 (Repr
esentation LFT dun syst`
eme LTI)
Soit un syst`eme LTI G(s), dordre n et de representation detat (3.1).
1. Montrez quun syst`eme LTI G(s), dordre n et de representation detat (3.1) peut se mettre
sous la forme dune LFT suivante :


1
G(s) = lf tu M, In
(3.15)
s
2. Determinez la matrice M .
3. Expliquez comment une methode de synth`ese dun correcteur de type retour de sortie statique (SOF) permet aussi de realiser un correcteur de type retour dynamique de sortie
(DOF).

3.3. REPRESENTATION
LINEAIRE
FRACTIONAIRE

3.3

23

Repr
esentation lin
eaire fractionaire

Une representation lineaire fractionnaire (LFR en anglais) est linterconnexion dun syst`eme
LTI avec une matrice (un syst`eme statique) dependant des param`etres, comme represente sur
la figure 3.3. Tout type de syst`eme LPV dont les matrices detat dependent rationnellement des
param`etres peut etre mis sous forme de LFR ; cependant il nest pas toujours aise de trouver
une representation LFR dordre minimale, cest `a dire avec une matrice de taille minimale.
La LFR Toolbox, developpee `
a lOnera, permet de creer et de manipuler les LFR [17]. Vous
trouverez des exemples de modelisation LFR dun syst`eme physiques dans [1] 1 pour un syst`eme
mecanique elementaire et dans [18] 2 pour un syst`eme electromecanique denroulement de bande.
Des travaux sur la machine asynchrone sont egalement disponibles [19, 20].

()

z
-

Q(s)

u
-

y -

Figure 3.3 Mod`ele LFR


Notons v et u les entrees provenant respectivement de et de la commande et z et y les
sorties destinees respectivement `
a et `a la mesure. Le syst`eme Q(s) secrivant :
x = Ax + B1 v + B2 u

(3.16)

z = C1 x + D11 v + D12 u

(3.17)

y = C2 x + D21 v + D22 u

(3.18)

En rebouclant avec la matrice (), cest-`a-dire en ecrivant que


v = () z

(3.19)

on peut ecrire les equation du syst`eme boucle dentree u et de sortie y :

x = A()x
+ B()u

y = C()x
+ D()u

(3.20)
(3.21)

avec :

A()
= A + B1 ()(I D11 ())1 C1

B()
= B2 + B1 ()(I D11 ())1 D12

C()
= C2 + D21 ()(I D11 ())1 C1
1

D()
= D22 + D21 ()(I D11 ())

D12

(3.22)
(3.23)
(3.24)
(3.25)

On peut faire differentes remarques sur cette representation :


1. cette representation nexiste que si la matrice I D11 () nest pas singuli`ere (on parle
de LFR bien posee (well-posed en anglais) ;
2. dans le cas general, il sagit dun mod`ele LPV o`
u les matrices detat dependent de mani`ere
rationnelle des param`etres ;
1. Ouvrage disponible a
` la biblioth`eque du p
ole API de lULP.
2. Article disponible a
` partir du reseau internet de lULP sur le site du LSIIT (http ://lsiit.ustrasbg.fr/Publications) ou par le SCD (http ://www-scd-ulp.u-strasbg.fr).


`
CHAPITRE 3. MODELISATION
DES SYSTEMES

24

3. dans le cas o`
u D11 est nulle, alors la dependance des matrices est affine.
Exemple 4 (Mod
elisation LFR dun syst`
eme
electrique inductif )
Soit un syst`eme electrique compose dune resistance R en serie avec une inductance L. La la
tension u(t) est consideree comme lentree ; le courant y(t) est considere comme la sortie. La
loi de maille donne u(t) = Ry(t) + Ly(t).

On en deduit lequation detat x = L1 (Rx(t) + u(t))


et lequation de sortie y = x. On cherche `
a ecrire le syst`eme sous la forme dune LFT entre
un syst`eme LTI ne dependant pas des param`etres et dune matrice dependant des param`etres.
Afin de faire disparatre le param`etre R dans lequation dynamique, notons z1 = x et v1 = Rz1 .
Lequation detat secrit :
1
(v1 + u)
L
= x

x =
z1

y = x
Notons ensuite z2 = v1 (t) + u(t) et v2 =

1
L z2 .

(3.26)
(3.27)
(3.28)

Le syst`eme secrit alors :

x = v2

(3.29)

z1 = x

(3.30)

z2 = v1 + u

(3.31)

y = x

(3.32)

u les equations detat de H(s) sont donnees ci-dessus et o`


u
Ainsi, on a G(s) = lftu (H(s), ) o`
1
= diag(R, L ). En realite, il est pratique de sappuyer sur un schema-bloc du mod`ele pour
determiner le mod`ele LFR.
Propri
et
e 13 (Interconnexion des LFR)
Linterconnexion de plusieurs LFR est une LFR.
Exemple 5 (Exemple de d
efinition de mod`
ele LFR sous Matlab)
Dans le script ci-dessous, le syst`eme H(s) = 1/(Ls + R) est defini comme un syst`eme dependant
des param`etres incertains R et L avant de determiner la representation LFR equivalente. On
observe que, selon la methode suivie, le resultat na pas la meme taille. En effet, dans le premier
cas, le param`etre L est repete deux fois alors que dans le second cas, il est repete une seule
fois. On retiendra que, lors de la modelisation, il est utile de chercher une representation LFR
minimale.
echo on
% d
efinition des param`
etres
R = ureal(R,1);
L = ureal(L,1);
% d
efinition du syst`
eme
H = tf(1,[L R])
USS: 1 State, 1 Output,
L: real, nominal = 1,
R: real, nominal = 1,
[M,Delta] = lftdata(H)

avec tf
1 Input, Continuous System
variability = [-1 1], 2 occurrences
variability = [-1 1], 1 occurrence

a =
x1

x1
-1

b =
x1

u1
0.9269

u2
0.7297

u3
-0.7789

u4
1.153

3.3. REPRESENTATION
LINEAIRE
FRACTIONAIRE

c =
y1
y2
y3
y4

x1
0.9494
0.1646
1.284
0.867

d =
y1
y2
y3
y4

u1
-1
-1.11e-16
0
-0.6326

u2
2.22e-16
-1
0
-1.619

u3
1.214
-0.4742
0
0

u4
0
0
0
0

Input groups:
Name
Channels
L_NC
1,2
R_NC
3
Output groups:
Name
Channels
L_NC
1,2
R_NC
3
Continuous-time model.
UMAT: 3 Rows, 3 Columns
L: real, nominal = 1, variability = [-1
R: real, nominal = 1, variability = [-1

1], 2 occurrences
1], 1 occurrence

% autre m
ethode
S = tf(1);
H2 = 1/(L*S+R);
[M2,Delta2] = lftdata(H2)
d =
y1
y2
y3

u1
-0.5
-0.5
-0.5

u2
-0.5
-0.5
-0.5

u3
0.5
0.5
0.5

Input groups:
Name
Channels
L_NC
1
R_NC
2
Output groups:
Name
Channels
L_NC
1
R_NC
2
Static gain.
UMAT: 2 Rows, 2 Columns
L: real, nominal = 1, variability = [-1
R: real, nominal = 1, variability = [-1
echo on
% d
efinition des param`
etres
R = ureal(R,1); % param`
etre incertain
L = ureal(L,1);

1], 1 occurrence
1], 1 occurrence

25


`
CHAPITRE 3. MODELISATION
DES SYSTEMES

26

% d
efinition du syst`
eme avec tf
H = tf(1,[L R]) % H(s) = 1/(L*s+R)
USS: 1 State, 1 Output, 1 Input, Continuous System
L: real, nominal = 1, variability = [-1 1], 2 occurrences
R: real, nominal = 1, variability = [-1 1], 1 occurrence
[M,Delta] = lftdata(H)
a =
x1

x1
-1

b =
x1

u1
0.9269

u2
0.7297

u3
-0.7789

u4
1.153

c =
y1
y2
y3
y4

x1
0.9494
0.1646
1.284
0.867

d =
y1
y2
y3
y4

u1
-1
-1.11e-16
0
-0.6326

u2
2.22e-16
-1
0
-1.619

u3
1.214
-0.4742
0
0

u4
0
0
0
0

Input groups:
Name
Channels
L_NC
1,2
R_NC
3
Output groups:
Name
Channels
L_NC
1,2
R_NC
3
Continuous-time model.
UMAT: 3 Rows, 3 Columns
L: real, nominal = 1, variability = [-1
R: real, nominal = 1, variability = [-1

1], 2 occurrences
1], 1 occurrence

% autre m
ethode
S = tf(1); % variable de Laplace
H2 = 1/(L*S+R)
USS: 0 States, 1 Output, 1 Input, Continuous System
L: real, nominal = 1, variability = [-1 1], 1 occurrence
R: real, nominal = 1, variability = [-1 1], 1 occurrence
[M2,Delta2] = lftdata(H2)
d =
y1
y2
y3

u1
-0.5
-0.5
-0.5

u2
-0.5
-0.5
-0.5

Input groups:

u3
0.5
0.5
0.5

3.3. REPRESENTATION
LINEAIRE
FRACTIONAIRE

Name
L_NC
R_NC

27

Channels
1
2

Output groups:
Name
Channels
L_NC
1
R_NC
2
Static gain.
UMAT: 2 Rows, 2 Columns
L: real, nominal = 1, variability = [-1
R: real, nominal = 1, variability = [-1

1], 1 occurrence
1], 1 occurrence

Exercice
6 (Mod
elisation LFR dun syst`
eme
electrique inductif )
Soit H(s) defini par :
x = v2

(3.33)

z1 = x

(3.34)

z2 = v1 + u

(3.35)

y = x

(3.36)

et = diag(R, L1 ).
1. Donnez un schema-bloc du mod`ele LFR.
2. Determinez la fonction de transfert du syst`eme lftu (H(s), ).

Exercice
7 (Mod
elisation LFR dun syst`
eme masse ressort)
Un syst`eme masse-ressort G(s) a comme equation dynamique m
y (t) + f y(t)
+ ky(t) = u(t). La
raideur est supposee variable entre kmin et kmax . On note k = k0 + wk k o`
u k0 = 21 (kmin + kmax )
1
et wk = 2 (kmax kmin ). Les autres param`etres sont supposes connus.
u H(s) ne depend
1. Montrez que le syst`eme peut secrire sous la forme G(s) = lftu (H(s), k) o`
pas de k. Determinez H(s).
u Hk ne depend que de k0 et
2. Montrez que k peut se mettre sous la forme k = lftu (Hk , k ) o`
de wk . Determinez Hk .

k ) o`
u H(s)
ne depend que
3. Deduisez-en le mod`ele incertain normalise G(s) = lftu (H(s),
de m, f , k0 et wk .
4. On suppose desormais que tous les param`etres sont inconnus. Determinez le syst`eme sous
la forme G(s) = lftu (F (s), ) o`
u la matrice depend des param`etres m, k et f alors que
F (s) nen depend pas. Donnez F (s) et .

Exercice
8 (Interconnexion de deux LFR)
Soit un syst`eme LFR dentree u1 et de sortie y1 defini par 1 et le syst`eme :
x 1 = A1 x1 + B11 v1 + B12 u1

(3.37)

z1 = C11 x1 + D111 v1 + D112 u1

(3.38)

y1 = C12 x1 + D121 v1 + D122 u1

(3.39)

et la LFR dentree u2 et de sortie y2 definie par 2 et le syst`eme :


x 2 = A2 x2 + B21 v2 + B22 u2

(3.40)

z2 = C21 x2 + D211 v2 + D212 u2

(3.41)

y2 = C22 x2 + D221 v2 + D222 u2

(3.42)


`
CHAPITRE 3. MODELISATION
DES SYSTEMES

28

1. Les syst`emes sont connectes en serie avec u2 = y1 . Determinez les 9 matrices detat
du syst`eme dentree u1 , de sortie y2 , detat x = [xT1 ; xT2 ]T et de matrice incertaine
= diag{1 , 2 }.
2. Les syst`emes sont interconnectes en retroaction avec u1 = u + y2 et u2 = y1 . Determinez
les 9 matrices detat du syst`eme dentree u, de sortie y = y1 , detat x = [xT1 ; xT2 ]T et de
matrice incertaine = diag{1 , 2 }.

Exercice
9 (Mod`
ele LFR dun bras manipulateur)
On consid`ere un bras manipulateur plan `
a 2 DDL dont les positions articulaires sont notees q1
et q2 . Le mod`ele dynamique secrit :
M (q2 ) q + C(q, q)
q = u

(3.43)

o`
u u est le vecteur des couples articulaires. La matrice dinertie secrit :
M (q2 ) = M0 + Mc cos(q2 )
o`
u

m110 m120
M0 =
m120 m22


m11c m12c
; Mc =
.
m12c
0

(3.44)

(3.45)

La matrice de Coriolis secrit :




q2 21 q2
C(q, q)
= m11c sin(q2 ) 1
.
0
2 q1

(3.46)

1. Montrez que linverse de la matrice dinertie peut secrire sous la forme M 1 (q2 ) =
u N est une matrice constante et 1 = cos(q2 ).
lftu (N, 1 I2 ) o`
2. Mettez la matrice de Coriolis sous une forme affine en fonction des param`etres 2 =
q1 sin(q2 ) et 3 = q2 sin(q2 ). Pourquoi cette ecriture nest elle pas unique ?
3. Deduisez-en un mod`ele LFR du syst`eme en fonction de 1 = cos(q2 ), 2 et 3 .
4. On consid`ere le domaine de variation |q1 | q1 max , |q1 | q1 max ; q2 [0, q2 max ], (/2 <
q2 max < ) ainsi que |q2 | q2 max et |q2 | q2 max . Determinez les intervalles de variation
de k et de k pour k = 1, ..., 3.

Chapitre 4

Analyse des syst`


emes
4.1
4.1.1

Stabilit
e au sens de Lyapunov
D
efinition

Soit un syst`eme dynamique `


a temps continu, sans entree exog`ene, de vecteur detat x et
dequation detat x = f (x). Soit x0 un point dequilibre, verifiant donc la condition dequilibre
f (x0 ) = 0. Pour que le syst`eme soit stable autour de cet equilibre, il faut aussi que que ce point
dequilibre soit attractif, cest-`
a-dire que les trajectoires de x convergent vers x0 .
D
efinition 7 (Fonction d
energie ou fonction de Lyapunov)
Une fonction de Lyapunov V est une fonction de letat possedant un minimum global `
a lequilibre
x0 :
V (x) > V (x0 ) pour x 6= x0
D
efinition 8 (Stabilit
e au sens de Lyapunov)
x0 est un point stable au sens de Lyapunov sil existe une fonction de Lyapunov V (x) verifiant
la condition suivante :
d
(V (x)) < 0 pour x 6= x0
dt
A partir dune condition initiale xi differente de x0 , lenergie interne du syst`eme va decrotre
jusqu`a atteindre son minimum qui correspond `a lunique point x0 ; letat du syst`eme tendra
donc necessairement vers x0 .
Pour demontrer la stabilite par cette methode, la difficulte reside dans le choix dune bonne
fonction denergie. Une classe de fonctions souvent utilisees sont les fonction quadratiques V (x) =
(x x0 )T Q(x x0 ) avec Q = QT > 0 ; on parle alors de stabilite quadratique.
d
Pour la fonction denergie choisie, il reste `a demontrer que dt
(V (x)) = dVdx(x) f (x) < 0 pour
tout x.
Exemple 6 (Fonction d
energie dun syst`
eme physique)
Soit un syst`eme mecanique de masse m, connecte au sol par lintermediaire dun ressort de
raideur k et dun amortisseur f . On note z la position de la masse et z sa vitesse. On consid`ere
que lequilibre est obtenu pour z = 0.
Lequation fondamentale de la dynamique donne lequation dynamique du syst`eme :
m
z = kz f z
Letat est compose de la position et de la vitesse :
 
z
x=
z

(4.1)

(4.2)

Lenergie du syst`eme est composee de lenergie cinetique Ec = 12 mz 2 et de lenergie potentielle


emmagasinee dans le ressort Ep = 21 kz 2 . On definit donc V (x) = 12 mz 2 + 12 kz 2 .
29

`
CHAPITRE 4. ANALYSE DES SYSTEMES

30

La variation de lenergie secrit :


V (x)
V (x)
z +
z
z
z
= kz z + mz z

V (t) =

= z(kz

+ (kz f z))

= f z

(4.3)
(4.4)
(4.5)
(4.6)

Ainsi, lenergie est decroissante d`es que la vitesse est non nulle. A terme, la decroissance de
lenergie entraine la convergence de x vers zero. Toutefois, cette decroissance ne depend pas de
d
z et ne satisfait donc pas exactement la condition dt
(V (x)) < 0 pour x 6= x0 .

4.1.2

Syst`
eme lin
eaire

Dans ce cas, f (x) = Ax. Le point dequilibre candidat est necessairement x = 0. En choisissant V (x) = xT Qx avec Q = QT > 0, la condition de stabilite secrit alors xT (AT Q + QA)x < 0
pour x 6= 0, ce qui secrit aussi AT Q + QA < 0 et qui signifie que toutes les valeurs propres
(reelles) de la matrice symetrique AT Q + QA sont strictement negatives. Dans le cas present,
la stabilit
e quadratique au sens de Lyapunov est
equivalente `
a la stabilit
e classique
au sens des syst`
emes lin
eaires (valeurs propres `a parties reelles negatives). On enonce ainsi
le theor`eme suivant.
Th
eor`
eme 4 (Stabilit
e dun syst`
eme lin
eaire `
a temps continu)
Le syst`eme x = Ax est stable si et seulement si il existe une matrice definie positive Q verifiant
le syst`eme LMI suivant :
Q > 0

(4.7)

A Q + QA < 0

(4.8)

Remarque : dans ce cas, cette stabilite (quadratique de Lyapunov) est equivalente `a la stabilite au sens de Hurwitz 1 dont le crit`ere est que la matrice A ait ses valeurs propres `a partie
reelle positive.

4.1.3

Cas des syst`


emes `
a temps-discret

Considerons un syst`eme dequation detat x(k + 1) = Ax(k) et une fonction de Lyapunov


quadratique V (x) = xT Qx avec Q = QT > 0. Le syst`eme est stable si et seulement si lenergie
decroit sur toutes les trajectoires, cest-`
a-dire sil existe une matrice Q telle que !
Th
eor`
eme 5 (Stabilit
e dun syst`
eme lin
eaire `
a temps discret)
Le syst`eme x(k + 1) = Ax(k) est stable si et seulement si il existe une matrice definie positive
Q verifiant le syst`eme LMI suivant :
Q > 0

(4.9)

A QA Q < 0

(4.10)

En effet, la decroissance de lenergie secrit V (x(k + 1)) < V (x(k)) ce qui secrit encore
xT (k)AT QAx(k) < xT (k)Qx(k).

4.1.4

Commandes Matlab

Les fonctions suivantes font partie de la Robust Control Toolbox et permettent de tester la
stabilite quadratique. Elles sont valables pour des syst`emes LPV et donc aussi pour des syst`emes
LTI.
1. Une matrice est dite de Hurwitz si ses valeur propres sont a
` parties reelles strictement negatives.


4.2. DISSIPATIVITE

31

quadstab analyse la stabilite quadratique des syst`emes dynamiques `a temps continu et `


a
temps discret. Les syst`emes descripteurs (du type E x = Ax) qui ne sont pas abordes dans
le cadre du cours, sont egalement supportes.
decay calcul le taux de decroissance maximal de la fonction de Lyapunov

4.2
4.2.1

Dissipativit
e
D
efinition

Syst`
eme non-lin
eaire
On sinteresse maintenant `
a un syst`eme non-lineaire de vecteur dentree u, de vecteur de
sortie y, de vecteur detat x. Son equation detat est x = f (x, u) et son equation de sortie est
y = g(x, u). Soit S(u, y) une fonction scalaire que nous appellerons flux denergie entrant.
D
efinition 9 (Dissipativit
e)
Un syst`eme dynamique est dit S-dissipatif sil existe une fonction denergie V (x) telle que
dV (x)
< S(u, y)
dt

(4.11)

pour tout x 6= x0 o`
u x0 est le point dequilibre considere verifiant f (x0 , 0) = 0
On peut sinteresser `
a des fonctions S de type particulier comme :

S(u, y) =

y
u

T 

Q11
Q12 T

Q12
Q22



y
u


(4.12)

On parle alors de {Q11 , Q22 , Q12 }-dissipativite.


Syst`
eme lin
eaire
Soit le syst`eme dequation detat x = Ax + Bu et dequation de sortie y = Cx + Du.
Th
eor`
eme 6 (Caract
erisation LMI de la dissipativit
e)
Le syst`eme ci-dessus est {Q11 , Q22 , Q12 }-dissipatif sil existe une matrice Q = QT verifiant le
syst`eme de LMI suivant :
Q>0
(4.13)


AT Q + QA C T Q11 C
QB C T Q11 D C T Q12
<0
(4.14)
T
T
T
B T Q DT Q11 C QT
12 C D Q11 D D Q12 Q12 D Q22
D
emonstration 4
On peut remplacer le vecteur [y T , uT ]T dans la fonction S(u, y) par
  
 
y
C D
x
=
u
0 I
u

(4.15)

u) du flux denergie :
On obtient alors une nouvelle expression S(x,
u) =
S(x,

x
u

T 

CT 0
DT I



Q11 Q12
Q12 T Q22



C D
0 I



x
u


(4.16)

soit
u) =
S(x,

x
u

T 

C T Q11 C
C T Q11 D + C T Q12
T
T
T
DT Q11 C + QT
12 C D Q11 D + D Q12 + Q12 D + Q22



x
u


(4.17)

`
CHAPITRE 4. ANALYSE DES SYSTEMES

32

Par ailleurs, la derivee de la fonction denergie secrit :


dV (x)
dt

= x T Qx + xT Qx

(4.18)

= (Ax + Bu)T Qx + xT Q(Ax + Bu)


 T  T
 
x
A Q + QA QB
x
=
u
BTQ
0
u

(4.19)

La dissipativite (4.11) secrit alors comme une LMI en Q = QT > 0 :




AT Q + QA C T Q11 C
QB C T Q11 D C T Q12
<0
T
T
T
B T Q DT Q11 C QT
12 C D Q11 D D Q12 Q12 D Q22

4.2.2

(4.20)

(4.21)

Caract
erisation LMI de la norme H

Lemme 2 (Yakubovitch-Kalman)
Soit un syst`eme lineaire. Les propositions suivantes sont equivalentes :
(i) est {Q11 , Q22 , Q12 }-dissipatif.
(ii) R+ \det(jI A) 6= 0,


G(j)
I

T 

Q11 Q12
QT12 Q22



G(j)
I


0

(4.22)

Ce resultat sobtient facilement en considerant un signal harmonique u(t) = U exp(jt).


On peut maintenant montrer que la norme H est un cas particulier de dissipativite.

Th
eor`
eme 7 (Equivalence
entre norme H et dissipativit
e)
Soit un syst`eme lineaire et la fonction de flux denergie S(u, y) = 2 uT uy T y. Les propositions
suivantes sont equivalentes :
(i) est S-dissipatif
(ii) ||||
Grace au lemme de Yakubovitch-Kalman, la proposition (ii) est equivalente `a (GT (j)G(j)+
2 I 0 ce qui est equivalent `
a dire que les valeurs propres de G(j)T G(j) sont inferieures
2
`a . Or les valeurs propres (reelles et positives) de G(j)T (G(j) sont les carres des valeurs
singuli`eres de G(j). CQFD car la norme H de est la borne superieure de la valeur singuli`ere
maximale.
La majoration de la norme H par est donc equivalente `a la {I, 2 I, 0}-dissipativite. Ce
resultat est aussi connu sous le nom de lemme borne reel (bounded real lemma en anglais) :
Lemme 3 (Lemme born
e r
eel 1)
Un syst`eme dynamique continu lineaire de matrices detat A, B, C et D a une norme H
inferieure `
a si et seulement si il existe une matrice Q = QT verifiant :
Q>0


AT Q + QA + C T C QB + C T D
B T Q + DT C
DT D 2 I

(4.23)

<0

(4.24)

On peut appliquer le lemme borne reel pour le calcul de la norme H dun syst`eme lineaire
en resolvant un probl`eme de valeurs propres generalisees suivant : trouver les matrices Q = QT
et R = RT minimisant = 2 et verifiant :
Q>0

(4.25)

`
4.3. PERFORMANCES DUN SYSTEME
ASSERVI

33

AT Q + QA + C T C QB + C T D
B T Q + DT C
DT D


<

0 0
0 R

R < I

(4.26)
(4.27)

Remarquez lintroduction dune nouvelle matrice R necessaire pour avoir une matrice de rang
plein dans linegalite (4.27) o`
u intervient le scalaire `a minimiser.
Grace au complement de Schur, on peut reecrire le lemme borne reel sous une forme o`
u
chacun des termes secrit dune mani`ere affine en fonction des matrices du syst`eme.
Lemme 4 (Lemme born
e r
eel 2)
Un syst`eme dynamique continu lineaire de matrices detat A, B, C et D a une norme H
inferieure `
a si et seulement si il existe une matrice Q = QT verifiant :
Q>0

AT Q

+ QA

BT Q
C

4.2.3

(4.28)
CT

QB
I DT < 0
D I

(4.29)

Passivit
e

On dit quun syst`eme est passif si la condition suivante est verifiee :


Z T
uT (t)y(t)dt 0

(4.30)

Cette conditions est correspond `


a la dissipativite avec les matrices Q11 = Q22 = O et Q12 = I,
ce qui donne le theor`eme suivant connu sous le nom de Positice real lemma.
Th
eor`
eme 8 (Positive real lemma)
Un syst`eme lineaire dynamique est passif sil existe une matrice Q = QT > 0 telle que :

 T
A Q + QA QB C T
<0
(4.31)
B T Q C DT D
La passivite est une condition suffisante de stabilite. Une propriete fondamentale est que
linterconnexion de syst`emes passifs est un syst`eme passif. Ainsi, on peut chercher `a imposer la
stabilite dun syst`eme interconnecte en assurant la passivite de chacun de ses elements. Cette
propriete est notamment utilisee dans les syst`emes de telemanipulation. Linconvenient de cette
approche est son conservatisme.

4.3
4.3.1

Performances dun syst`


eme asservi
Sch
ema de commande

On consid`ere le schema dasservissement presente sur la figure 4.1. Le syst`eme G(s) est
asservi au moyen dun correcteur K(s). Les signaux sont :
la reference r(t)
lerreur de regulation e(t)
le signal de commande u(t)
la perturbation d(t) en entree du syst`eme
le signal `
a asservir y(t)
la bruit de mesure bm (t)
le signal de mesure ym (t)
On consid`ere que les signaux sont ajoutes positivement, sauf pour la contre-reaction de la mesure.
Lobjectif general de la commande est dobtenir y(t) = r(t) en depit des perturbations d(t)
et bm (t). Mais evidemment, on ne peut obtenir cette egalite parfaitement. De mani`ere generale,
on note Tzv (s) le transfert en boucle fermee entre lentree v(t) et la sortie z(t). La sensibilite en
sortie (cote mesure) est definie par Sy (s) = Ter (s). La sensibilite en entree (cote commande) est
definie par Su (s) = Tvd (s).

`
CHAPITRE 4. ANALYSE DES SYSTEMES

34

d
bm
?
?
v
y
r+
e
u
- i - K(s) - i - G(s) - i
6
ym
Figure 4.1 Syst`eme asservi avec reference, perturbation en entree et bruit de mesure

4.3.2

Les crit`
eres

Marge de module
La stabilite est evaluable `
a partir du lieu des poles (tous les poles de la boucle fermee doivent
etre `a partie reelle strictement positive), ce qui sevalue en multivariable de la meme mani`ere
quen monovariable. Cependant, on sait que la stabilite ne suffit pas et que des marges de stabilite
sont necessaires. La marge de module est definie en monovariable comme la distance minimale
au point 1 du transfert complexe en boucle ouverte, ce qui secrit avec les notations utilisees :
M = min |1 + K(j)G(j)|.

(4.32)


1
min |1 + K(j)G(j)| = max |(1 + K(j)G(j))1 |
,

(4.33)

En notant que :

on definit en multivariable la marge de module en sortie :


M =

1
,
||Sy (s)||

(4.34)

M =

1
.
||Su (s)||

(4.35)

et la marge de module en entree :

Im
-1

Re

G(j) K(j)
Figure 4.2 Illustration de la marge de module en monovariable sur le lieu de Nyquist

Bande passante
Afin davoir un bon comportement en suivi de consigne, il faut que le transfert entre la
reference et la mesure ait un comportement de type passe-bas avec une frequence de coupure
de laxe -3 dB suffisamment elevee. De mani`ere equivalente, on peut considerer quil faut que le
transfert Ter (s) = Sy (s) entre la reference et lerreur soit de type coupe-bas (ou passe-haut) avec
la meme pulsation de coupure. On pourra alors tracer la representation frequentielle de Sy (s) et
relever la bande passante `
a -3 dB ainsi que lattenuation maximale (en continu).

`
4.3. PERFORMANCES DUN SYSTEME
ASSERVI

35

20 log((Sy (j)))
20 log(||Sy (s)|| )
0 dB
-3 dB

(log)
BP

20 log((Sy (0)))

Figure 4.3 Allure typique de la sensibilite en sortie Sy (s) permettant de determiner la marge
de module, la bande passante et la precision (syst`eme avec deux entrees et deux sorties).
Pr
ecision
Lerreur statique en reponse `
a un echelon unitaire sur la reference est donnee par Sy (0).
Rejet de perturbation
Afin davoir un bon comportement en rejet de perturbation, il faut que le transfert entre la
perturbation et lerreur soit le plus faible possible notamment en basse frequence. Ce transfert
est generalement de type passe-bande. On pourra alors tracer la representation frequentielle de
Ted (s) = Sy (s) G(s) et relever lattenuation maximale (en continu) ainsi que lamplification
maximale en precisant la frequence.
Effet du bruit de mesure
Le bruit de mesure bm peut se repercuter par un bruit sur la commande qui risque de fatiguer
les actionneurs, entrainera une surconsommation et un vieillissement accelere. Afin de limiter
cet effet, il importe que le transfert en boucle fermee entre une perturbation en sortie du syst`eme
(cote mesure) et la commande ait un gain limite, notamment en haute frequence. On pourra se
donner un gabarit dattenuation du transfert Tud (s) du type (Tud (j)) |H(j)| o`
u H(s) est
le gabarit (transfert SISO).
Robustesse
Les syst`emes dynamiques physiques sont generalement de type passe-bande et on dont un
gain qui diminue en haute frequence. Il en resulte donc quau del`a dune certaine bande de
frequences, ces dynamiques sont necessairement mal connues. Ainsi, une des sources classique
de manque de robustesse des syst`emes asservis correspond `a des amplifications de modes hautes
frequence mal connus, entranant ainsi des instabilites. Afin de palier ce probl`eme, il convient de
sassurer que le gain du correcteur decroit au del`a de la bande passante. Une mani`ere detournee
de sen assurer consiste `
a considerer la reponse frequentielle du transfert Su (s)K(s) ou K(s)Sy (s)
du transfert entre r et u.

4.3.3

Sch
emas danalyse et de synth`
ese H

Position du probl`
eme
Reprenons le schema de commande de la figure 4.1 o`
u G(s) comporte nu commandes et ny
mesure. En notant Sy (s) = (Iny + G(s) K(s))1 et Su (s) = (Inu + K(s) G(s))1 , on peut calculer

`
CHAPITRE 4. ANALYSE DES SYSTEMES

36

les differents transferts en boucle fermee :


e
Sy (s)
Sy (s)G(s)
Sy (s)

r
u Su (s)K(s)
S
(s)K(s)G(s)
S
(s)K(s)
u
u


v = Su (s)K(s)

Su (s)
Su (s)K(s)
d

y Sy (s)G(s)K(s)
Sy (s)G(s)
Sy (s)G(s)K(s) bm
ym
Sy (s)G(s)K(s)
Sy (s)G(s)
Sy (s)

(4.36)

Exercice
10 (Calcul des fonctions de transfert en boucle ferm
ee)
1. Montrez que K(s)Sy (s) = Su (s)K(s) et que G(s)Su (s) = Sy (s)G(s).
2. Retrouvez les fonctions de transfert entre les differentes entree et sorties du syst`eme de la
figure 4.1.
Le probl`eme de synth`ese revient `
a chercher un compensateur K(s) tel quun certain nombre
des transferts dinteret de (4.38) aient une allure satisfaisante. Cependant, on imagine bien quil
nest pas possible de realiser des allures arbitraires pour chacun de ces transferts. Tout dabord,
on observe qun certain nombre de transferts sont identiques. Par exemple, leffet du bruit de
mesure sur les differentes sorties est identique `a celui de la reference au signe pr`es, sauf pour
la mesure ym . Inversement, leffet des differentes entrees sur les sorties y et ym sont identiques,
sauf pour bm .

Etude
asymptotique

20 log(k (G(j)K(j)))

c
0 dB

(log)
(G(j)K(j))  1

(G(j)K(j))  1

Figure 4.4 Allure typique des valeurs singuli`eres de la boucle ouverte.


Pour un syst`eme asservi simple, le gain en boucle ouverte (ou ses valeurs singuli`eres si on
travaille en multivariable) est generalement decroissant en fonction de la pulsation et la pulsation
de coupure c de laxes 0 dB definit la bande passante (voir figure 4.4). Considerons maintenant
deux approximations : basse et haute frequence.
Pour  c , on peut considerer que (K(s)G(s))  1 et (G(s)K(s))  1. Il en resulte
que Sy (s) ' K 1 (s) G1 (s) et Su (s) ' G1 (s) K 1 (s), du moins dans lhypoth`ese de
transferts carres inversibles. Ainsi, les differents transferts se reecrivent :
1

e
K (s) G1 (s)
K 1 (s)
K 1 (s) G1 (s)
u
r
G1 (s)
G1 (s)
Inu

1
1
1
1
v =
d
G
(s)
G
(s)
K
(s)
G
(s)
(4.37)

1
y
bm
Iny
K (s)
Iny
ym
Iny
K 1 (s)
K 1 (s) G1 (s)
On observe que certains transferts ne dependent plus du correcteur. Cest le cas du transfert
Tyr entre la reference et la mesure (ou grandeur `a asservir), egal `a lidentite (le syst`eme

`
4.3. PERFORMANCES DUN SYSTEME
ASSERVI

37

est bien asservi). Cest egalement le cas du transfert entre le bruit et la commande avec
Tubm (s) = G1 (s), ce qui signifie que leffet du bruit de mesure sur la commande ne peut
etre attenue dans la bande passante. A linverse, le transfert Tyd (s) entre la perturbation
et la grandeur `
a asservir depend enti`erement du correcteur ; un bon rejet de perturbation
necessite donc un gain du correcteur eleve independamment du gain du syst`eme (cest
ainsi que la presence dun integrateur pur dans le syst`eme G(s) nest daucune aide pour
le rejet de perturbation mais quil faudra prevoir un effet integrateur dans le correcteur).
Pour  c , on peut considerer que (K(s)G(s))  1 et (G(s)K(s))  1. Il en resulte
que Sy (s) ' Iny et Su (s) ' Inu . Ainsi, les differents transferts se reecrivent :


G(s)
Iny
Iny
e

r
u K(s)
K(s)G(s)
K(s)


v = K(s)

Inu
K(s)
d

y G(s)K(s)
G(s)
G(s)K(s) bm
G(s)K(s)
G(s)
Iny
ym

(4.38)

A nouveau, certains transferts ne dependent plus du correcteur, mais pas les memes que
dans le cas precedent. A linverse, le transfert Tubm (s) entre le bruit de mesure et le
signal de commande est egal, au signe pr`es, au correcteur. Ainsi, il sera necessaire de
prevoir lattenuation du gain du correcteur en dehors de la bande passante afin de limiter
lamplification du bruit.

Exercice
11 (Trac
e de la r
eponse fr
equentielle dun syst`
eme asservi)
K
On consid`ere le syst`eme asservi de la figure 4.1 avec G(s) = 1+
s et un correcteur K(s). On
considerera trois correcteurs possibles pour ce correcteur :
1. un proportionnel K1 (s) = Kp ,
is
2. un PI K2 (s) = Kp 1+
i s ,

3. un PI + un filtre passe-bas K3 (s) = K2 (s) 1+1 f s .


On prendra comme valeurs numeriques K = 1, = 1, Kp = 5, i = 4 et f = 0.05. On consid`ere
les differents signaux suivants :
1. Tracez de mani`ere approximative les transferts suivants : Ter (s), Tur (s), Tyr (s), Tur (s) et
Tubm (s).
2. Commentez les differents transferts et les differences entre les trois correcteurs.
Sch
ema g
en
eral de synth`
ese
Un schema general danalyse ou de synth`ese H est donne sur la figure 4.5. Le syst`eme
etendu Ga (s) est construit autour du syst`eme G(s). On distingue deux canaux :
Le canal de performance entre v et z qui int`egre lensemble des transferts dinteret pour
lesquels on cherche `
a imposer un gabarit du type (Tzk vl ) |Hkl (j)| afin de garantir
certaines performances.
Le canal de commande qui relie le syst`eme etendu au correcteur.
Le correcteur K(s) sera synthetise de mani`ere `a minimiser la norme H du transfert en boucle
fermee de v vers y.
De nombreux schemas de synth`ese sont possibles suivant les objectifs recherches et les difficultes rencontrees en pratique. Lidee est de choisir le schema le plus simple qui permet de
resoudre le cahier des charges. Il convient donc de commencer par le schema le plus simple et
danalyser en detail les resultats obtenus. Si un crit`ere de performances nest pas atteint, on
choisit de passer `
a un schema plus complexe en ajoutant des signaux de performance dans Ga (s)
afin dintroduire dans la synth`ese le canal de performance supplementaire pour lequel la synth`ese
precedente sest montree insuffisante.

`
CHAPITRE 4. ANALYSE DES SYSTEMES

38

We (s)

v-

zGe (s)

Ws (s)

z-

e ou y
K(s)

Figure 4.5 Schema general pour la synth`ese H


Sch
ema 1 bloc
Le transfert crucial est la sensibilite Ter (s) = Sy (s) qui permet de gerer `a la fois la bande
passante, la marge de stabilite et la precision. Ainsi, le schema de synth`ese le plus simple est
un schema dans lequel on ne sinteresse qu`a ce transfert. Ce schema, donne sur la figure 4.6
fait apparaitre une seule ponderation en sortie (Ws (s) = W1 (s)) et pas de ponderation dentree
(We (s) = Iny ).

z(t)

W1(s)
e(t)
r(t)

u(t)

G(s)

K(s)

y(t)

Figure 4.6 Schema de synth`ese `a 1 bloc


Considerons la ponderation suivante :
W11 (s) =

s+a
k(s + b)

avec a < b et K 1. Ce transfert a un gain statique de


un gain `a 3 dB `
a la pulsation
r
a2 2k 2 b2
c =
2k 2 1
Definissons le filtre multivariable diagonal :

(4.39)
a
kb ,

W1 (s) = W11 (s)Iny .


On a :
W11 (s) =

1
W11 (s)

Iny .

un gain minimal de

1
K

et presente
(4.40)

(4.41)

(4.42)

Appliquons `a lentree de ce filtre lerreur de regulation e ; notons z1 sa sortie. Si on est capable


1
de verifier que la norme du transfert entre r et z1 est inferieure `a 1, alors |W11
(j)| est un
majorant de (Sy (j)) pour tout . On en deduit que :
la marge de gain du syst`eme est superieure `a k1 ;
lerreur statique relative est inferieure `a Kb
a ;
la bande passante est superieure `
a c .
Il suffit dinverser ces trois relations pour definir la ponderation permettant correspondant `a un
cahier des charges donne :
K est determine `
a partir de la marge de gain ;
le rapport ab est ensuite deduit `
a partir de lerreur statique acceptable ;

`
4.3. PERFORMANCES DUN SYSTEME
ASSERVI

39

le coefficient a est alors determine par lexpression de la bande passante :


s
a = c

2k 2 1
1 2k 2

(4.43)


b 2
a

on determine ensuite b gr
ace a` la valeur de ab .
Si on souhaite une erreur statique nulle, il convient de prendre b = 0. On peut aussi chercher
`a imposer une erreur de suivi de rampe nulle en choisissant une ponderation de la forme :
W11 (s) =

(s + a)2
k(s + b)2

(4.44)

o`
u b est choisi tr`es faible voire nul 2 . Il convient toutefois de refaire les calculs ci-dessus.

Exercice
12 (Sch
ema de synth`
ese `
a un bloc)
Pour le schema de synth`ese a
` un bloc represente sur la figure 4.6,
1. identifiez les signaux du schema general de synth`ese de la figure 4.5,
2. determinez le syst`eme etendu Ge (s) en fonction de G(s).
Sch
ema 2 blocs
En utilisant un schema de synth`ese `a un bloc, il se peut que lon obtienne un correcteur dont
le gain ne chute pas en haute frequence, ce qui est defavorable en terme damplification du bruit
de mesure et en terme de robustesse. Afin de forcer le gain du correcteur `a decroitre au del`
a
de la bande passante du syst`eme asservi, on peut etre amene `a ajouter une ponderation sur la
commande u comme dans le schema de synth`ese `a deux blocs de la figure 4.7. Cette ponderation
est un filtre derivateur tronque qui amplifie les hautes frequences. Avec W2 (s) = W21 Inu , on
peut prendre :
s
W21 (s) =
(4.45)
K2 (cs + 1)
avec cc  1 (par exemple cc = 0, 01). Une valeur de K2 faible correspond `a un effet de roll-off
important, cest-`
a-dire une decroissante rapide du gain du correcteur en haute frequence.

z1(t)

W1(s)
W2(s)
e(t)

u(t)

r(t)
K(s)

z2(t)

G(s)

y(t)

Figure 4.7 Schema de synth`ese `a 2 blocs

Exercice
13 (Sch
ema de synth`
ese `
a deux blocs)
Pour le schema de synth`ese a
` deux blocs represente sur la figure 4.7,
1. identifiez les signaux du schema general de synth`ese de la figure 4.5,
2. determinez le syst`eme etendu Ge (s) en fonction de G(s).

`
CHAPITRE 4. ANALYSE DES SYSTEMES

40

z1(t)

W1(s)
v2(t)

z2(t)

W3(s)

e(t)

d(t)

v1 = r(t)
K(s)

W2(s)

u(t)

G(s)
y(t)

Figure 4.8 Schema de synth`ese `a 4 blocs


Sch
ema 4 blocs
Si le rejet de perturbation nest pas suffisant, il convient dintegrer lentree d qui sajoute
au signal de commande et qui modelise les perturbation apparaissant sur lentree du syst`eme.
On aboutit au schema de synth`ese `
a quatre blocs (figure 4.8) dans lequel une ponderation
W3 (s) = W31 (s)I constante permettra de regler le rejet de perturbation grace au transfert
Tde (s) avec :
1
(Ted (j)) <
.
(4.46)
|W11 (j)W31 (j)|
Cette approche peut egalement servir `
a mieux rejeter une perturbation sinusodale `a la pulsation
0 . La ponderation W31 (s) est alors choisie egale `a un filtre passe bande resonnant de nature `a
amplifier le signal `
a la pulsation 0 :
W31 (s) =

s2

0 s
+ 20 s + 02

(4.47)

o`
u est choisit dautant plus faible que lattenuation doit etre forte.

4.4

Lieu des p
oles

On sait que la condition Q = QT > 0\AT Q + QA > 0 permet de garantir que la matrice A
est Hurwitz ; cest-`
a-dire que toutes ses valeurs propres sont dans le demi-plan complexe gauche.
Dautres conditions LMI permettent de garantir la localisation des poles dans des regions plus
reduites. A partir des formulations polynomiales de Gutman et Jury [21], des contraintes LMI
ont ete derivees par Chilali, Scherer et al. [22, 15]. Une formulation generale, valable en tempscontinu et en temps-discret est disponible dans Peaucelle et Arzelier [23].

4.4.1

R
egions LMI

Les regions du plan complexe permettant daboutir `a une formulation LMI secrivent sous
la forme :
H
R11 + R12 z + R21
z + R22 zz < 0
(4.48)
H, R
H
o`
u R11 = R11
u z est un pole du syst`eme.
12 et R22 = R22 sont des matrices complexes et o`

Exemple 7 (Exemples de contraintes LMI)


Pour obtenir |z| 1 , il suffit dimposer 21 + zz < 0.
Pour obtenir |z| 2 , il suffit dimposer 22 zz < 0.
2. Il est parfois preferable de choisir b faible non nul afin de ne pas rendre le syst`eme instable par ladjonction
dun p
ole nul ; cest notamment le cas pour lanalyse de la robustesse.


4.4. LIEU DES POLES

41

Pour obtenir Re(z) , il suffit dimposer 2 + z + z < 0.


Pour garantir que les p
oles sont places dans un c
one symetrique par rapport `
a laxe des
reels, dirige vers les reels negatifs et douverture , il faut imposer les conditions :

hRe(z) + Im(z) < 0
(4.49)
hRe(z) Im(z) < 0
o`
u h = tan(). Ces relations se reecrivent sous la forme :

(h j)z + (h + j)z < 0
(h + j)z + (h j)z < 0

(4.50)


ce qui secrit sous la forme (4.48) avec R11 = R22 = O22 et R12


hj
0
=
.
0
h+j

D
efinition 10 (Produit de Kronecker)
Pour une matrice A = [ai,j ] de dimention n p et une matrice B, on note :

a11 B . . . a1n B

..
A B = ...
.
an1 B . . . ann B

4.4.2

(4.51)

Condition LMI

Th
eor`
eme 9 (Condition LMI de placement de p
ole)
Les p
oles dun syst`eme dequation detat A sont dans le domaine caracterise par lequation (4.48)
sil existe une matrice symetrique P telle que la condition suivante est verifiee :
H
R11 P + R12 (P A) + R12
(AH P ) + R22 (AH P A) < 0

(4.52)

En pratique, les differentes contraintes sont agglomerees afin daboutir `a une formulation
unique sous la forme (4.48).

Exercice
14 (Contraintes LMI de placement des p
oles)
1. Donnez les matrices de la formulation (4.48) permettant dassurer le cahier des charges
suivant :
module inferieur `
a max
partie reelle inferieure `
a o`
u R+
amortissement superieur `
a r = 2.
2. Justifiez linteret de ces trois contraintes, notamment en terme de cahier des charge temporel.

42

`
CHAPITRE 4. ANALYSE DES SYSTEMES

Chapitre 5

Synth`
ese pour les syst`
emes LTI
5.1

Retour d
etat stabilisant

Syst`
eme `
a temps continu
On cherche une commande de la forme u = Kx pour un syst`eme x = Ax+Bu. Le syst`eme en
boucle fermee secrit x = (A + BK)x. Il est stable sil existe une matrice Q = QT > 0 verifiant
linegalite matricielle :
(A + BK)T Q + Q(A + BK) < 0
(5.1)
La resolution du probl`eme suppose de trouver simultanement les matrices K et Q. On voit que
cette inegalite nest pas lineaire `
a cause du terme QBK ; elle ne peut donc etre resolue par les
outils numeriques classiques.
Toutefois, en multipliant `
a droite et `a gauche linegalite par R = Q1 , on obtient une
inegalite equivalente sous la forme :
R(A + BK)T + (A + BK)R < 0

(5.2)

En effectuant le changement de variable S = KR, on se ram`ene `a resoudre linegalite matricielle


lineaire suivante :
RAT + ST B + AR + BS < 0
(5.3)
Une fois determines R et S, on determine K = SR1 .
Formulation Riccati de la stabilisation. On peut egalement utiliser le lemme de Finsler
afin de transformer lequation non-lineaire.
Commencons par developper lequation (5.1) :
AT Q + QA + KT B T Q + QBK < 0

(5.4)

En identifiant cette equation avec la quatri`eme formulation du lemme de Finsler (page 16), la
troisi`eme formulation equivalente donnee dans le lemme secrit :
AT Q + QA + QBB T Q < 0

(5.5)

Il sagit dune inegalite de Riccati o`


u la matrice inconnue K a disparu. En introduisant une
matrice P = P T > 0, cette inegalite se transforme en egalite :
AT Q + QA + QBB T Q + P = 0

(5.6)

Il sagit dune equation algebrique de Riccati. Des algorithmes sont disponibles pour les resoudre
(sous Matlab, voir are pour Algebraic Riccati Equation).
43

`
`
CHAPITRE 5. SYNTHESE
POUR LES SYSTEMES
LTI

44

5.2

Commande H

On presente ici les techniques de synth`ese de retour dynamique de sortie. Des resultats sont
egalement disponibles concernant la synth`ese de retour detat statique 1

5.2.1

Probl`
eme et solutions

Position du probl`
eme
Pour le syst`eme P (s) de representation detat :


x
x
A B 1 B2
z = C1 D11 D12 v
u
y
C2 D21 D22
on cherche un correcteur dynamique K(s) de representation detat :
  
 
x K
AK B K x K
=
u
CK D K
y

(5.7)

(5.8)

tel que
||lftl (P (s), K(s))|| .

(5.9)

Les methodes de synth`ese presentees ci-dessous, disponibles sous Matlab, sappuient sur
lhypoth`ese suivante :
H1. (A, B2 ) est stabilisable 2 ; (C2 , A) est detectable 3
Ces deux hypoth`eses sont des hypoth`eses classiques pour la synth`ese de correcteur.
R
esolution par
equation de Riccati
La premi`ere methode de synth`ese, due `a Glover et Doyle, sappuie sur la resolution dune
equation de Riccati [24, 25]. Lexpose rapide de la methode donne ci-dessous est tire de louvrage
de Duc et Font [1].
Pour P = P T et Q = QT de meme dimension dune matrice A. On note :


A
P
(5.10)
X = Ric
Q AT
la solution symetrique de lequation de Riccati :
XA + AT X XP X + Q = 0

(5.11)

telle que toutes les valeurs propres de A P X ont une partie reelle strictement negative.
Outre lhypoth`ese H1, les hypoth`eses suivantes doivent etre satisfaites :
H2. rang(D12 ) = nu et rang(D21 ) =
u nu est la taille de u et ny est la taille de ny .
 ny o`
A jIn B2
H3. R, rang
= n + nu o`
u n est la taille de x.
C1
D12


A jIn B1
H4. R, rang
= n + ny .
C2
D21



 



B1
T
T = O I
H5. D11 = 0, D12 C1 D12 = O Inu , D22 = 0,
D21
ny .
D21
1. Voir aussi le cours de Denis Arzelier sur http://www.laas.fr/~arzelier/polycop/dea/commande_etat2.
pdf.
2. La stabilisabilite est une condition moins forte que la commandabilite. La paire (A, B2 ) est stabilisable sil
existe un retour detat qui stabilise le syst`eme x = Ax + B2 u.
3. La detectabilite est une condition moins forte que lobservabilite. La paire (C2 , A) est detectable sil existe
un observateur x
= Ax + L(C x
y) telle que lerreur dobservation x
x converge vers zero.

5.2. COMMANDE H

45

Vous trouverez dans la litterature, et notamment dans [1] quelques explications sur ces hypoth`eses.
Th
eor`
eme 10 (Synth`
ese H par
equation de Riccati)
Sous les hypoth`eses precedentes, les correcteurs LTI K(s) stabilisant le syst`eme et assurant (5.9)
sont donnes par la LFT suivante :
K(s) = lftl (Ka (s), (s))

(5.12)

o`
u (s) est une matrice de transfert de dimension nu ny arbitraire verifiant ||(s)|| < et o`
u
Ka (s) est decrit par la representation detat suivante :


Aa
Za Ya C2T ZaB2
x
x a
u = B2T Xa
O
In u v
(5.13)
C2
Iny
O
u
ua
o`
u Aa = A + 2 B1 B1T Xa B2 B2T Za Y aC2 C2T et Za = (In 2 Y aXa)1
En particulier, le correcteur central est obtenu avec (s) = 0.
R
esolution par LMI
La caracterisation LMI de la boucle fermee est donnee par le lemme borne reel (4.29). Pour
le syst`eme en boucle fermee lftl (P (s), K(s)), ce resultats se reecrit :

T
T
Abf Q + QAbf QBbf Cbf
T <0
TQ

I Dbf
Bbf
(5.14)
Cbf
Dbf I
o`
u les matrices du syst`eme en boucle fermee sont donnees par :



A + B2 DK C2
B 2 CK
B1 + B2 DK D21
Abf Bbf

BK D21
BK C1
AK
=
Cbf Dbf
C1 + D12 DK C2 D12 CK D11 + D12 DK D21

(5.15)

dans le cas o`
u D22 = O.
Il sagit dun probl`eme non-lineaire `a cause du produit entre la matrice de Lyapunov Q et
les matrices du correcteur `
a determiner. La methode suivante permet de resoudre le probl`eme
[16]. Elle consiste `
a resoudre dabord un probl`eme LMI o`
u les matrices du correcteur ont ete
supprimees.
Th
eor`
eme 11 (Synth`
ese LMI de correcteur H )
Le probl`eme H a une solution sil existe des matrices symetriques R et S qui verifient les trois
conditions LMI suivantes :


T AR + RAT RC1T


B1
NR 0
NR 0
C2 R

Inz
D21
<0
(5.16)
0 Inv
0 Inv
T
B1T
D21
Inv

T AT S + SA
0
B1T S
Inz
C2T

R
In



SB1
C1
NS
NS 0
T

Inv
D21
<0
0
0 Inz
D21 Inz

In
0
S




T et C
o`
u NR et NS sont des bases des noyaux respectivement de B2T D12
2 D21 .


La determination du correcteur se fait suivant les etapes suivantes :

(5.17)

(5.18)

`
`
CHAPITRE 5. SYNTHESE
POUR LES SYSTEMES
LTI

46

1. On determine dabord les matrices R et S `a partir des LMI du theor`eme 11.


2. Soit r le rang de la matrice In RS. Une decomposition en valeurs singuli`ere permet de
determiner les matrices M et N Rnr telles que :
M N T = In RS
3. On determine ensuite la matrice de Lyapunov :


S
N
Q=
N T M RN

(5.19)

(5.20)

o`
u M est la pseudo-inverse de M .
4. Il ne reste plus qu`
a resoudre (5.14) avec Q connu ; ce qui est une LMI en AK , BK , CK et
DK .

5.2.2

M
ethodologies de synth`
ese

Synth`
ese par la m
ethode des sensibilit
es mixtes
On sappuiera sur les explications donnees sur lanalyse des syst`emes presente au paragraphe
4.3.3. Il sagit de traduire un cahier des charge sous forme de gabarits sur un certain nombre
de transferts en boucle fermee ; den deduire les ponderations `a appliquer puis de synthetiser le
correcteur minimisant la norme H du syst`eme augmente en boucle fermee. Si la valeur obtenue,
notee , depasse lunite, le cahier des charges nest pas satisfait ; il est alors necessaire de relacher
certaines contraintes et de refaire la synth`ese. Si est largement inferieur `a lunite, cela signifie
que les performances pourraient etre augmentees par rapport `a ce qui a ete specifie lors de la
synth`ese. On peut alors en profiter pour ameliorer la robustesse en augmentant leffet de roll-off.
Synth`
ese par loop-shaping
La methode dite du loop-shaping a ete proposee par Mc Farlane et Glover [26]. Elle se
decompose en deux etapes :
Un premier correcteur est determine qui permet de donner au gain en boucle ouverte une
forme adequate. Ce correcteur initial, dordre n
, na pas besoin de stabiliser le syst`eme.
Il est generalement donne sous la forme dune pre-ponderations W1 (s) et dune post

ponderation W2 (s). Le syst`eme resultats est G(s)


= W2 (s)G(s)W1 (s) (voir figure 5.1).
On peut donner un gain eleve en basse frequence afin de bien rejeter les perturbations. En
haute frequence, il est preferable dattenuer le gain afin de reduire la sensibilite par rapport
aux dynamiques mal modelisees (effet de roll-off). Dans la zone de frequence proche de
la pulsation de coupure, il est preferable de ne pas augmenter trop la pente du gain, de
mani`ere `a ne pas rendre plus difficile le probl`eme de synth`ese. Une pente de 30 dB/dec
permet dassurer une marge de phase proche de 45.

Figure 5.1 Loop-shaping : schema de synth`ese

Considerons des signaux de perturbation d1 en entree et d2 en sortie de G(s),


(voir fi
gure 5.1). Un correcteur K(s)
est synthetise de mani`ere `a minimiser la norme H du
transfert de [d1 d2 ]T vers [
u y]T :

G(s)



S(s)
S(s)



= min
(5.21)

S(s)
G(s)

K(s)Sa (s) K(s)

5.2. COMMANDE H

47

Figure 5.2 Loop-shaping : schema de commande


1 est la fonction de sensibilit

K(s))

o`
u S(s)
= (I + G(s)
e en entree. Ce correcteur etant
etabli `
a partir de lensemble syst`eme + correcteur initial, il est dordre n + n
. Cette etage
permet de conferer de bonnes marges de stabilite, ce qui est le cas si est suffisamment
faible. On consid`ere generalement des valeurs entre 3 et 5 comme satisfaisantes. Des valeurs
plus elevees correspondraient `a des marges de stabilite reduites ; des valeurs plus elevees
sont le signe quil est possible dameliorer les performances o`
u la robustesse du syst`eme.

Le correcteur final est K(s) = W1 (s)K(s)W2 (s). Son ordre est donc n + 2
n. Le schema de
commande est donne sur la figure 5.2.

Figure 5.3 Fonctions de transfert du syst`eme et de la ponderation

Figure 5.4 Fonctions de transfert du syst`eme pondere avec et sans correcteur H


Un exemple de mise en uvre sur un syst`eme electromecanique avec resonnance est developpe
dans [19]. Sur la figure 5.3, on observe la reponse frequentielle de la fonction de transfert G(s)
initial ainsi que la ponderation W2 (s). On a choisi W1 (s) = 1. La bande passante est prevue pour
des frequences inferieures et proches de la resonance. Sur la figure 5.4, on observe le syst`eme

48

`
`
CHAPITRE 5. SYNTHESE
POUR LES SYSTEMES
LTI

G(s).

pondere G(s)
puis le syst`eme corrige K(s)
On observe que le correcteur H na modifie le
comportement quaux frequences proches de la pulsation de coupure.

Chapitre 6

Analyse des syst`


emes LPV incertains
6.1
6.1.1

Stabilit
e au sens de Lyapunov
Syst`
eme non-lin
eaire

Soit un syst`eme libre de vecteur detat x et dequation detat x = f (x). Soit x0 un point
stable candidat. Il doit alors verifier la condition dequilibre f (x0 ) = 0. De plus, il faut aussi que
que ce point soit attractif, cest-`
a-dire que les trajectoires de x convergent vers x0 .
D
efinition 11 (Stabilit
e au sens de Lyapunov)
x0 est un point stable au sens de Lyapunov sil existe une fonction scalaire V (x) verifiant les
conditions suivantes :
V (x) > V (x0 ) pour x 6= x0
d
dt
(V (x)) < 0 pour x 6= x0
Une telle fonction V (x) est dite fonction denergie du syst`eme ou fonction de Lyapunov.
A partir dune condition initiale xi differente de x0 , lenergie interne du syst`eme va decrotre
jusqu`a atteindre son minimum qui correspond `a lunique point x0 ; letat du syst`eme tendra
donc necessairement vers x0 .
Pour demontrer la stabilite par cette methode, la difficulte reside dans le choix dune bonne
fonction denergie. Une classe de fonctions souvent utilisees sont les fonction quadratiques V (x) =
(x x0 )T Q(x x0 ) avec Q = QT > 0 ; on parle alors de stabilite quadratique.
d
(V (x)) = dVdx(x) f (x) < 0 pour
Pour la fonction denergie choisie, il reste `a demontrer que dt
tout x.

6.1.2

Syst`
eme lin
eaire

Dans ce cas, f (x) = Ax. Le point dequilibre candidat est x = 0. En choisissant V (x) = xT Qx
avec Q = QT > 0, la condition de stabilite secrit alors xT (AT Q + QA)x < 0 pour x 6= 0, ce
qui secrit aussi AT Q + QA < 0 et qui signifie que toutes les valeurs propres (reelles) de la
matrice symetrique AT Q + QA sont strictement negatives. La stabilite quadratique peut ainsi
se caracteriser par un syst`eme de LMI dont linconnue est la matrice symetrique Q :
Q > 0

(6.1)

A Q + QA < 0

(6.2)

Remarque : dans ce cas, cette stabilite (quadratique de Lyapunov) est equivalente `a la stabilite au sens classique dont le crit`ere est que la matrice A ait ses valeurs propres `a partie reelle
positive.
49

`
CHAPITRE 6. ANALYSE DES SYSTEMES
LPV INCERTAINS

50

6.1.3

Syst`
eme LPV

Pour un syst`eme LPV autonome x = A()x, la condition de decroissance secrit (A())T Q +


QA() < 0 pour tout dans lensemble admissible. En absence dhypoth`ese supplementaires sur
la dependance en de A, nous trouvons alors devant une infinite de conditions LMI `a verifier 1
(pour chaque valeur des param`etres). Une issue consiste `a se ramener `a un nombre fini de LMI en
discretisant lensemble des param`etres. Linconvenient de cette methode reside dans le nombre
eleve de LMI `a resoudre, meme pour un petit nombre de param`etres ; elle est irrealiste dans le
cas de syst`emes dependant dun nombre eleve de param`etres.
Dans le cas dun syst`eme LPV affine ou polytopique, on verifie quil suffit que la condition
soit verifiee au sommets de lespace pour quelle le soit sur lensemble du domaine. En effet, si
A = k Ask , V = k xT ((Ask )T Q + QAsk )xT . Il suffit de verifier ((Ask )T Q + QAsk ) < 0 pour tout
k. Letude de la stabilite quadratique dun syst`eme LPV affine ou polytopique setudie par le
syst`eme de 2p + 1 LMI suivantes o`
u p est le nombre de param`etres :
Q > 0
(Ask )T Q

QAsk

< 0

(6.3)
(6.4)

Remarquez que la stabilite quadratique dun syst`eme LPV nest, dans le cas general, quune
condition suffisante de stabilite. En effet, la stabilite pourrait etre etablie avec des fonction de
Lyapunov non quadratiques.

6.1.4

Maximisation du taux de d
ecroissance

Plutot que de se contenter dassurer que V decrot, il est interessant de chercher `a maximiser
cette decroissance. Dans le cas dune fonction quadratique V (x) = xT Qx, on peut chercher `a
assurer V (x) < xT x o`
u le taux de croissance est un scalaire ; il est negatif si le syst`eme est
stable. Pour un syst`eme lineaire, il sagit donc de trouver Q = QT et minimal verifiant :
Q > 0
T

A Q + QA < I

(6.5)
(6.6)

Il sagit dun probl`eme de valeurs propres generalisees. Ce resultat est generalisable aux syst`emes
LPV affine et polytopique ; on assure alors un taux de decroissance minimal sur le domaine.

6.1.5

Matrice de Lyapunov d
ependant des param`
etres

Dans le cas dun syst`eme LPV, on peut introduire une matrice de Lyapunov Q() dependant
des param`etres. La derivee de lenergie secrit alors :
dV
dt
o`
u Q =

Q((t))
dt

= x T Qx + xT Qx + xT Qx

(6.7)

= x T (AT Q + QA + Q)x,

(6.8)

Q
=
k . La stabilite est donc assuree si :
k

Q() < 0

A Q + QA + Q < 0 et
T

(6.9)
(6.10)

o`
u est lensemble de variation des param`etres et celui des variations de ; comme on la
fait pour , on suppose que chaque composante de est bornee, cest-`a-dire que k k k .
Dans le cas general, cette inegalite peut etre verifiee en echantillonnant et .
Restreignons nous desormais `
a des matrices de Lyapunov dependant de mani`ere affine des
param`etres : Q() = Q0 + 1 Q1 + 2 Q2 . Il suffit alors de verifier la positivite de Q aux
1. On parle en fait de LMI semi-infinie dans le cas ou les param`etres sont bornes ; le terme de LMI infinieLMI !infinie sappliquant au cas ou les param`etres ne sont pas bornes

NORME H
6.2. DISSIPATIVITE,

51

Q0 .
sommets de , cest-`
a-dire sur s . On observe alors que Q = 1 Q1 + 2 Q2 = Q()
Linegalite `
a verifier secrit alors :
Q() < 0 s
Q0 < 0 (, )
s .
(A())T Q() + Q()A() + Q()

(6.11)
(6.12)

Dans le cas dun syst`eme LPV affine (A() = A0 + 1 A1 ), il sagit dune inegalite matricielle
polynomiale dordre 2 quon ne peut resoudre avec les techniques classiques. Par contre, il est
possible dobtenir une condition suffisante sous forme de LMI. Pour cela, nous allons nous
appuyer sur le resultat suivant :
Lemme 5 (Condition suffisante de n
egativit
e)
Soit f une fonction de E vers R o`
u E est un parallelepip`ede rectangle (E = [x1 ; x1 ][x2 ; x2 ] ).
Notons E s lensemble des sommets de E (E s = {(x1 , x2 , ...), (x1 , x2 , . . .) . . .}). La proposition (ii)
implique la proposition (i)
i. f (x) < 0 x E
ii.
(

f (x) < 0 x E s
2f
xk 0 x E

(6.13)

Pour que la fonction f soit negative, il suffit quelle soit negative aux sommets et quelle soit
multiconvexe. Remarquons que la multiconvexite, cest-`a-dire la convexite dans chacune des
directions des axes de lespace est une condition moins forte que la convexite (la convexite
implique la multiconvexite). Pour comprendre ce resultat, prenons lexemple dune fonction de
R2 . Lensemble de depart E est donc un rectangle. Supposons que les conditions (ii) soient
verifiees. Il est alors evident que f (x) < 0 sur chacun des cotes du rectangle, par convexite.
Ensuite, pour un point `
a linterieur du rectangle, on peut dire quil appartient `a un segment
parall`ele `
a lun des bords du rectangle ; par convexite, f est negative en tous les points de ce
segment.
Il sagit alors dappliquer ce lemme `a linegalite matricielle (6.12) avec E = et E s =
s s . La condition de multiconvexite se ramenant `a ATk Qk + Qk Ak 0 k 1, on obtient le
syst`eme de LMI suivant :
Q() < 0 s
Q0 < 0 s et s
(A())T Q() + Q()A() + Q()
ATk Qk

+ Qk Ak 0 k 1

(6.14)
(6.15)
(6.16)

Remarque : la stabilite quadratique simple (avec matrice de Lyapunov constante) est un cas
particulier de la stabilite quadratique avec matrice de Lyapunov dependant des param`etres. Il
suffit en effet de choisir Qk = 0 k 1.

6.2
6.2.1

Dissipativit
e, norme H
Syst`
eme LPV

Comme pour la passivite, on peut garantir des proprietes dun syst`eme LPV en passant par
un echantillonnage de lensemble de variation des param`etres. Cependant, dans le cas dun
syst`eme LPV affine, il existe un resultat sous forme dun syst`eme comportant un nombre fini de
LMI. En effet, lequation (6.18) qui comporte des produits des matrices detat (ce qui entrane
le caract`ere non lineaire de linegalite, meme pour un syst`eme LPV affine) peut se transformer
via le complement de Schur :

`
CHAPITRE 6. ANALYSE DES SYSTEMES
LPV INCERTAINS

52

Lemme 6 (Lemme born


e r
eel 2)
Un syst`eme dynamique continu lineaire de matrices detat A, B, C et D a une norme H
inferieure `
a si et seulement si il existe une matrice Q = QT verifiant :
Q>0

(6.17)

AT Q + QA QB C T

BT Q
I DT < 0
C
D I

D
emonstration 5
En appliquant le complement de Schur `
a la relation ci-dessus avec la decomposition :
 T

A Q + QA QB
Q=
BT Q
I
R = I
 T 
C
S=
DT

(6.18)

(6.19)
(6.20)
(6.21)

et en multipliant par on obtient la premi`ere forme du lemme borne reel o`


u la matrice de
Lyapunov est Q. Les deux formes sont bien equivalentes puisque > 0.
La seconde forme du Lemme borne reel a lavantage de ne pas faire apparatre de produit
des matrices detat. Ainsi, pour un syst`eme LPV affine, la LMI depend de mani`ere affine des
param`etres. Pour que la LMI soit verifiee sur lensemble du domaine, il suffit quelle le soit aux
sommets de lespace des param`etres. On peut alors enoncer le theor`eme suivant :
Th
eor`
eme 12 (Dissipativit
e dun syst`
eme LPV affine)
Un syst`eme LPV affine est stable pour toute trajectoire de dans et sa norme H est
inferieure `
a pour tout fige dans si le lemme borne reel 2 est verifie pour tout s .
Ce resultat est immediat du fait du caract`ere affine de linegalite matricielle et du fait du
caract`ere affine de la dependance des matrices detat en fonction des param`etres.

6.2.2

Dissipativit
e avec matrice de Lyapunov d
ependant des param`
etres

Comme nous lavons fait pour la passivite, nous pouvons introduire une matrice de Lyapunov
Q() dependant des param`etres (en abrege PDLF pour parameter-dependent Lyapunov function)
pour traiter le probl`eme de la dissipativite. Remarquons tout de suite que seule la fonction
denergie xT Qx est affectee ; la fonction S(u, y) de flux denergie nest en rien concernee par ce
changement. Comme pour la passivite, le terme AT Q + QA est desormais affecte dun terme
Pour un syst`eme LPV, sous pouvons alors enoncer le resultat suivant :
supplementaire Q.
Th
eor`
eme 13 (LMI semi-infinie de dissipativit
e avec PDLF)
T
Le syst`eme LPV est S-dissipatif (S(u, y) = y y + uT u) sil existe des matrices symetriques
Q0 , Q1 ... avec Q() = Q0 + 1 Q1 telles que :
Q() > 0 s

M (, )
Q()B() C()

(B())T Q()
I
(D())T < 0 (, )
C()
D()
I

(6.22)
(6.23)

= (A())T Q() + Q()A() + Q().

o`
u M (, )
Cette caracterisation est une LMI semi-infinie. Comme nous lavions fait pour la passivite
dependant des param`etres, on peut obtenir une caracterisation plus conservative sous forme dun
nombre fini de LMI, ce qui est fait dans le theor`eme ci-dessous.

` UN SYSTEME
`

6.3. APPLICATION A
MECANIQUE

actionneur

transmission
souple

53

charge

u
r

rgulateur

Figure 6.1 Schema du syst`eme mecanique etudie


Th
eor`
eme 14 (Condition LMI de dissipativit
e avec PDLF)
Le syst`eme LPV est S-dissipatif (S(u, y) = y T y + uT u) sil existe des matrices symetriques
Q0 , Q1 ... avec Q() = Q0 + 1 Q1 telles que :
Q() > 0 s

(, )
M
Q()B() C()T
s s
(B())T Q()
I
(D())T < 0 (, )
C()
D()
I
 T

Ak Qk + Qk Ak Qk Bk
0k1
0
BkT Qk

(6.24)
(6.25)

(6.26)

= (A())T Q() + Q()A() + Q()


Q0 .
(, )
o`
uM

6.3

Application `
a un syst`
eme m
ecanique

On traite dans cette partie la modelisation dun syst`eme dynamique sous forme LPV affine
et sous forme LFR. Des resultats danalyse par differentes methodes sont presentes.

6.3.1

Pr
esentation du syst`
eme

Le syst`eme est presente sur la figure 6.1. Il est compose de deux sous-syst`emes dinerties
respectives J1 et J2 et de coefficients de dissipation (frottements fluides) f1 et f2 reliees par
un accouplement de raideur K et de coefficient de dissipation f . Le premier sous-syst`eme est
actionne et on commande le couple u. On note qk les positions et k les vitesses. On cherche
`a asservir la vitesse 2 du second sous-syst`eme. On consid`ere que la raideur K et linertie J2
sont entachees dincertitudes. Les valeurs nominales des param`etres sont J1 = J2 = 10 mkg.m2 ,
f1 = f2 = 20 mNms/rad, f = 40 mNms/rad, K = 10 N/rad. On consid`ere des variations de
50 % sur K et sur J12 .
Le couple transmis par la liaison flexible entre les deux sous-syst`emes est CK = K(q1 q2 ) +
f (1 2 ). Les equations de la dynamique appliquees aux deux sous-syst`emes secrivent :
d1
dt
d2
J2
dt
J1

= u CK f1 1

(6.27)

= CK f2 2

(6.28)

Il sagit dun mod`ele lineaire dordre 4. Il peut secrire sous forme detat avec x = [q1 1 q2 2 ]T
et les matrices detat suivantes :

0
1
0
0
0
K f +f1

f
K
1

J1
J1
J1
J1
A = J1
(6.29)
, B=
0
0
0
1
0

f
K
2
0
JK2 f +f
J2
J2
J2
C=

0 0 0 1

, D=0

(6.30)

`
CHAPITRE 6. ANALYSE DES SYSTEMES
LPV INCERTAINS

54

Figure 6.2 Lieu de Bode du syst`eme mecanique


Ce mod`ele a linconvenient detre non observable. En effet, seule la difference q1 q2 des
positions a de linfluence sur la mesure 2 ; la somme etant sans effet 2 . Ainsi, il est preferable
de simplifier les equations en notant q = q1 q2 et qui verifie lequation :
q = 1 2

(6.31)

En reprenant les equations de la dynamique avec CK = K q + f (1 2 ), on peut ecrire le


mod`ele detat avec x = [1 2 q]T et les matrices detat :

1
f
1
JK1
f +f
J1
J1
J1

f +f2
K , B = 0
(6.32)
A = Jf

J2
J2
2
0
1
1
0


C= 1 0 0 , D=0
(6.33)
Le lieu de Bode 3 du syst`eme mecanique est presente sur la figure 6.2. La resonance se situe
entre 40 et 50 rad/s. Afin dasservir la vitesse de la charge, on a choisi un correcteur de fonction
de transfert :
2(s + 2)
K(s) =
(6.34)
(s + 10)(s + 0, 01)
Il sagit dun correcteur de type PI 4 avec une troncature du terme integral pour les pulsations
inferieures `a 10 mrad/s et un filtrage passe bas du premier ordre pour les frequences superieures
`a 10 rad/s. La reponse du syst`eme nominal asservi `a un echelon unitaire est donnee sur la
figure 6.3. On note un depassement de lordre de 15 % et un temps de reponse `a 5 % de 500 ms.

6.3.2

Analyse `
a partir du mod`
ele LPV

Mod
elisation
1
J2

le mod`ele developpe ci-dessus fait apparatre des produits entre les variables incertaines K et
et ne peut secrire directement comme un mod`ele LPV affine. Cela sera rendu possible par un

2. Ajouter un offset identique sur les conditions initiales de q1 et q2 est sans effet sur la trajectoire de 2 .
3. Hendrik Wade Bode a vecu de 1905 a
` 1982. Americain dorigine hollandaise, il est considere comme un
pionnier de la regulation et des telecommunications. Voir http://fr.wikipedia.org/wiki/Hendrik_Wade_Bode.
4. Ce correcteur simple a ete developpe pour illustrer les procedures danalyse de robustesse. De meilleurs
resultats peuvent-etre obtenus avec un correcteur dordre plus eleve comme ceux obtenus par les methodes H .
Vous trouverez un exemple dans [19], article disponible depuis le reseau de lULP sur le cite du SCD (http ://wwwscd-ulp.u-strasbg.fr, rubrique Revues electroniques) ou a
` partir du cite du LSIIT (http ://lsiit.u-strasbg.fr).

` UN SYSTEME
`

6.3. APPLICATION A
MECANIQUE

55

Figure 6.3 Reponse `a un echelon du syst`eme nominal asservi


T . Remarquons que ce changement de variable
changement de variable detat x = [J1 1 J2 2 ]
est justifie par la physique car, en presence dinerties variables, les equations de la dynamique
secrivent rigoureusement sous la forme :
d
(J1 1 ) = u CK f1 1
dt
d
(J2 2 ) = CK f2 2
dt
Le mod`ele detat secrit alors avec les matrices suivantes :
f +f


f
K
J1 1
1
J2

f
f +f2

A = J1
J2
K , B= 0
f
f
0
J2
0
J1
h
i
C = 0 Jf2 0 , D = 0

(6.35)
(6.36)

(6.37)

(6.38)

Les matrices detat sexpriment de mani`ere affine en fonction des param`etres incertains K et J12 .
En notant par commodite :


A B
(6.39)
M=
C D
le mod`ele secrit M = M0 + KM1 +

1
J2 M 2

avec :

1
f +f
0 0 1
J1

f
0 0 0
J1
M0 =

Jf
0 0 0
1
0
0 0 0

0 0 1 0
0 0 1 0

M1 =
0 0 0 0
0 0 0 0

0
f
0 0
0 (f + f2 ) 0 0

M2 =
0
f
0 0
0
f
0 0

(6.40)

(6.41)

(6.42)

Le script de definition du mod`ele sous Matlab est donne ci-dessous 5 :


5. Les codes Matlab de cette partie requi`erent la boite a
` outil LMI toolbox ou la version 3 ou posterieure de
la Robust Control Toolbox.

`
CHAPITRE 6. ANALYSE DES SYSTEMES
LPV INCERTAINS

56

Aa0 = [ 1/J1*[-(f+f1); f; 1] zeros(3,2) ];


Aa1 = [zeros(3,2) [-1; 1; 0]];
Aa2 = [zeros(3,1) [f; -(f+f2); -1] zeros(3,1)];
Ba0 = [1; 0; 0]; Ba1 = zeros(3,1); Ba2 = Ba1;
Ca0 = zeros(1,3); Ca1 = Ca0; Ca2 = [0 1 0];
Da0 = 0; Da1 = 0; Da2 = 0;
S0 = ltisys(Aa0,Ba0,Ca0,Da0);
S1 = ltisys(Aa1,Ba1,Ca1,Da1,zeros(3));
S2 = ltisys(Aa2,Ba2,Ca2,Da2,zeros(3));
K0 = 10; w1 = 5; % pond
eration sur K
J20 = 1e-2; w2 = 50; % pond
eration sur 1/J2
range = [K0-w1 K0+w1; 1/J20-w2 1/J20+w2];
pv = pvec(box,range)
sysGaff = psys(pv,[S0,S1,S2]);
psinfo(sysGaff)

Robustesse en stabilit
e
Le correcteur est defini comme suit :
Kp = 2; ti = 1; w1K = 2 ; w2K = 10;
NumK = Kp*[1 w1K]; DenK = conv([1 1e-2],[1 w2K]);
sysK = nd2sys(NumK,DenK);

On calcule le syst`eme en boucle ouverte compose du correcteur et du process :


sysboaff = smult(sysK,sysGaff);

On peut ensuite definir le syst`eme boucle, ayant comme entree la reference et comme sortie
lerreur, par une simple lft :
sysbfaff = slft([1 -1; 1 -1],sysboaff);

On peut ensuite etudier la stabilite quadratique avec une matrice de Lyapunov constante :
[tau,P] = quadstab(sysbfaff);

On obtient tau = -0.0039 negatif, ce qui montre que le syst`eme est robustement stable. La
stabilite quadratique avec matrice de Lypaunov dependant des param`etres de mani`ere affine est
etudiee avec :
[tau2,Q0,Q1,Q2] = pdlstab(sysbfaff);

qui donne tau2 = -0.0222, et qui montre que le syst`eme est robustement stable 6 .
Robustesse en performance
On calcule la norme H du syst`eme avec :
[perf,Pp] = quadperf(sysbfaff);

On obtient un gain de 1,77, ce qui correspond `a une marge de module pire cas (distance au point
-1 dans le lieu de Nyquist 7 ) de 0,564.
On peut etudier la robustesse en performance en ajoutant une ponderation frequentielle
W1 (s) sur lerreur et en calculant la norme H du transfert entre la reference et la sortie de
W1 (s). On definit la ponderation comme suit :
w1c = 8; NumW1 = 0.5*[1 1/w1c]; DenW1 = [1 1e-3];
W1lti = ltisys(tf,NumW1,DenW1);
6. Lutilisation de matrice de Lypunov dependant des param`etres aboutit a
` une evaluation moins concervative
de la stabilite ; ce resultat est donc evident d`es lors que la stabilite quadratique avec matrice de Lyapunov constante
est verifiee.

7. Harry Nyquist est ne en 1889 en Su`ede et est decede en 1976 aux Etats-Unis.
Il a fortement contribue a
` la
theorie de linformation et a
` lautomatique. Voir http://fr.wikipedia.org/wiki/Harry_Nyquist.

` UN SYSTEME
`

6.3. APPLICATION A
MECANIQUE

57

Figure 6.4 Schema-bloc du mod`ele dynamique dordre 3


Le syst`eme pondere est calcule par :
sysbfaffp = smult(sysbfaff,W1lti);

et on calcule la norme H du syst`eme avec :


[perf,Pp] = quadperf(sysbfaffp);

On obtient une norme de 0,863, ce qui montre que la sensibilite en sortie (le transfert entre la
reference et lerreur) verifie le gabarit W11 (s) avec une marge de robustesse de 1,13. Le syst`eme
est robuste en performance.

6.3.3

-analyse

La -analyse est une analyse de robustesse qui sappuie sur la notion de valeur singuli`ere
structuree. Le mod`ele doit-etre donne sous forme de LFR.
Mod`
ele LFR
La methode la plus simple pour obtenir une representation LFR dun syst`eme consiste `
a
travailler sur le schema-bloc et `
a la simplifier au maximum de sorte `a faire intervenir un nombre
minimum de fois chacun des param`etres. Dans le cas du syst`eme mecanique considere, chaque
param`etre peut etre utilise une seule fois, comme le montre le schema de la figure 6.4.
A partir de ce schema, il est possible de construire simplement la LFR en remplacant chaque
param`etre incertain par une entree vk et une sortie zk . Ainsi, en remplacant la raideur K par v1
et z1 puis J12 par v2 et z2 , on obtient le mod`ele presente sur la figure 6.5.
Ce mod`ele se met alors sous la forme (3.16-3.18) avec :

A B 1 B2

C1 D11 D12 =

C2 D21 D22

(f + f 1)/J1
f /J1
1/J1
0
0
0

0
0
0
0
1
0

0 1
f
0 1 (f + f 2)
0 0
1
1 0
0
0 0
0
0 0
1

1
0
0
0
0
0

(6.43)

On observe que la matrice D11 est nulle, ce qui fait que le mod`ele LFR est aussi un mod`ele LPV
affine.
Une etape de normalisation est ensuite operee. Les param`etres K et J12 sont respectivement
remplaces par K0 + w1 1 et J120 + w2 2 o`
u 1 et 2 sont deux param`etres dont les variations sont

58

`
CHAPITRE 6. ANALYSE DES SYSTEMES
LPV INCERTAINS

Figure 6.5 Schema-bloc du mod`ele LFR

Figure 6.6 Schema-bloc du mod`ele LFR normalise

` UN SYSTEME
`

6.3. APPLICATION A
MECANIQUE

59

comprises entre -1 et 1. Le schema correspondant est celui de la figure 6.6. Le script de definition
du mod`ele LFR normalise est donne ci-dessous 8 :
A = [-(f+f1)/J1 f/J20 -K0; f/J1 -(f+f2)/J20 K0; 1/J1 -1/J20 0];
B1 = [-1 f; 1 -(f+f2); 0 -1];
B2 = [1; 0; 0];
C1 = [0 0 w1; 0 w2 0];
C2 = [0 1/J20 0];
D11 = zeros(2);
D12 = zeros(2,1);
D21 = [0 1];
D22 = 0;
sysLFR = pck(A,[B1 B2],[C1;C2],[D11 D12; D21 D22]);
blk = [-1 0; -1 0]; % structure des incertitudes

La variable blk indique que le syst`eme contient deux incertitudes reelles scalaires 9 .
Robustesse en stabilit
e
On presente ensuite les resultats danalyse de la robustesse en stabilite `a partir du mod`ele
boucle. Apr`es avoir defini le correcteur au format adequat :
Kp = 2; ti = 1; w1K = 2 ; w2K = 10;
NumK = Kp*[1 w1K]; DenK = conv([1 1e-2],[1 w2K]);
Ktf = tf(NumK,DenK);
sysK = nd2sys(NumK,DenK);

La definition du mod`ele boucle peut se faire `a partir de la fonction sysic de la mani`ere


suivante :
systemnames = sysLFR sysK ;
inputvar = [ v{2}];
outputvar = [ sysLFR(1:2) ];
input to sysK = [ -sysLFR(3) ];
input to sysLFR = [ v;sysK ];
sysoutname = sysLFRbf;
cleanupsysic = yes;
sysic;

Avant danalyser la robustesse, il importe de verifier que le mod`ele nominal (avec des incertitudes nulles) est stable 10 . Cela se fait de la mani`ere suivante :
if max(real(spoles(sysLFRbf))) >= 0,
disp(Syst`
eme nominal instable)
else
disp(Syst`
eme nominal stable)
end

Le calcul de la valeur singuli`ere singuli`ere structuree sur un ensemble de valeurs de la pulsation se fait ainsi :
TabPuls = logspace(0,2,400);
sysLFRbf w = frsp(sysLFRbf,TabPuls);
[bnds,rowd,sens,rowp,rowg] = mu(sysLFRbf w,blk);
8. Les codes Matlab de cette partie requi`erent la boite a
` outil -analysis and synthesis toolbox ou la version
3 ou posterieure de la Robust Control Toolbox.
9. Chaque ligne de la variable code un bloc dincertitude. Les incertidudes reelles diagonales rI sont codees
par [-r 0] ; les incertitudes complexes diagonales cI sont codees par [c 0] ; les incertitudes complexes pleine de
taille l c sont codees par [l c].
10. Une valeur de inferieure a
` 1 signifie quaucun p
ole ne traverse laxe imaginaire mais ne garantie pas que
le syst`eme nominal est stable.

`
CHAPITRE 6. ANALYSE DES SYSTEMES
LPV INCERTAINS

60

Figure 6.7 Valeur singuli`ere structuree pour lanalyse en stabilite (borne superieure et borne
inferieure)

Figure 6.8 Schema-bloc du mod`ele LFR pour lanalyse en performance


figure
vplot(liv,m,bnds)

et donne le trace de la figure 6.7. On note un majorant de 0,55 de la borne superieure et un


minorant de 0,53 de la borne inferieure, do`
u une marge de robustesse de lordre de 1,8. Remarquons que la borne inferieure a de grandes difficultes `a converger. Cest l`a une caracteristique
de la borne inferieure pour les probl`emes purement reels.
Robustesse en performance
Le calcul de la robustesse en performance se fait en incluant une ponderation W1 (s) sur
lerreur de regulation 11 et en ajoutant une incertitude complexe pleine entre la sortie de W1 (s)
et la reference. Le schema du syst`eme est presente sur la figure 6.8. La ponderation est definie
sous Matlab comme suit :
w1c = 8; NumW1 = 0.25*[1 1/w1c]; DenW1 = [1 1e-3];
W1 = nd2sys(NumW1,DenW1);

On definit ensuite le mod`ele boucle sous forme LFR :


systemnames = sysLFR sysK W1;
inputvar = [ v{2}; vp];
11. Avec une ponderation placee sur lerreur de regulation, on peut traiter les probl`emes de bande-passante, de
marge de module et de precision statique.

` UN SYSTEME
`

6.3. APPLICATION A
MECANIQUE

61

Figure 6.9 Valeur singuli`ere structuree pour lanalyse en performance (borne superieure et
borne inferieure)
outputvar = [ sysLFR(1:2); W1 ];
input to sysK = [ vp-sysLFR(3) ];
input to sysLFR = [ v;sysK ];
input to W1 = [ vp-sysLFR(3) ];
sysoutname = sysLFRbfp;
cleanupsysic = yes;
sysic;

Le trace de la valeur singuli`ere structuree se fait avec le script ci-dessous :


sysLFRbfp w = frsp(sysLFRbfp,TabPuls);
blkp = [blk; [1 0]]; % ajout de lincertitude complexe li
ee aux performances
[bnds,rowd,sens,rowp,rowg] = mu(sysLFRbfp w,blkp);
figure
vplot(liv,m,bnds)

et donne les resultats presentes sur la figure 6.9. On observe que les bornes superieure et
inferieure sont proches ; lajout dune incertitude complexe pour lanalyse en performance permet
de regulariser le probl`eme. Le syst`eme est robuste en performance avec une marge de robustesse
de 1,5 (1/0,66). Cest-`
a-dire que le syst`eme maintient les performances definies par le gabarit
1
W1 (s) sur la sensibilite en sortie (le transfert entre la reference et lerreur de regulation) pour
toutes les valeurs des param`etres dans les intervalles predefinis.

6.3.4

Lieu des p
oles

Letude du lieu des p


oles multimod`ele presentee ici sappuie sur une modelisation LFR
presentee dans le paragraphe 6.3.3. Elle utilise des fonctions developpee par lauteur (archive
des fichiers : http://eavr.u-strasbg.fr/~laroche/student/MasterISTI/Test2.zip).
Le lieu des p
oles multimod`ele, trace sur la figure 6.10, obtenu par un echantillonnage de
lespace parametrique est obtenu par :
[poles,para0] = polesMM(sysLFRbf,blk,5);
figure
plot(real(poles),imag(poles),*)

On observe que la partie reelle des poles demeure inferieure `a -1,9 ; le syst`eme est donc robustement stable.

62

`
CHAPITRE 6. ANALYSE DES SYSTEMES
LPV INCERTAINS

Figure 6.10 Lieu des p


oles multimod`ele pour les variations nominales des param`etres (55
mod`eles)

Figure 6.11 Evolution


de la partie relle pire-cas des poles en fonction du coefficient de dilatation de lensemble de variation des param`etres (55 mod`eles)

` UN SYSTEME
`

6.3. APPLICATION A
MECANIQUE

63

Figure 6.12 Lieu des p


oles multimod`ele pour les variations maximales des param`etres (1010
mod`eles)
On peut tracer levolution de la partie reelle maximale en fonction dun coefficient r que lon
applique au domaine de variation des param`etres. Les resultats produits sur la figure 6.11 sont
obtenu avec les commandes :
tabr = linspace(0,3,40);
tabpole = [];
for ind = 1:length(tabr),
r = tabr(ind);
rsysLFR = mmult(r*eye(2),sysLFRbf);
[poles,para0] = polesMM(rsysLFR,blk,10);
tabpole = [tabpole max(real(poles))];
end
figure
plot(tabr,tabpole)

On observe quau moins un p


ole est `a partie reelle positive `a partir dune dilatation de 1.875.
Cette valeur est aussi la marge de robustesse obtenue.
Cette valeur peut etre obtenue automatiquement par dichotomie avec la commande :
[Mu,para] = mumm(sysLFRbf,blk,10,1,1,[])

On obtient Mu = 0.5334 et para = [-1.0000 -0.1111], ce qui montre que la marge de robustesse est de 1.8746 et le pire cas est obtenu pour les incertitudes normalisees 1 = 1, 8746 et
2 = 0, 2083. Remarquons que, dans le cas present, le pire cas nest pas obtenu sur un sommet
de lespace parametrique.
Le lieu des p
oles multimod`ele avec les variations maximales des param`etres, presente sur
la figure 6.12, est obtenu en multipliant le canal de par 1/ et en tracant les poles pour
|||| 1, ce que fait le script suivant :
rsysLFR = mmult(1/Mu*eye(2),sysLFRbf);
[poles,para0] = polesMM(rsysLFR,blk,10);
figure
plot(real(poles),imag(poles),*)

On observe bien que lensemble des poles sont `a partie reelle negative ; cependant, certains ont
une partie reelle proche de zero et sont en limite de stabilite.

64

`
CHAPITRE 6. ANALYSE DES SYSTEMES
LPV INCERTAINS

Bibliographie
[1] G. Duc and S. Font, Commande H et -analyse, Hermes Science Publications, Paris,
1999.
[2] K. Zhou, J. C. Doyle, and K. Glover, Robust and Optimal Control, Prentice-Hall, 1996.
[3] S. Skogestad and I. Postlethwaite, Multivariable Feedback Control, Wiley and Sons, 1996.
[4] C. Scherer, Theory of Robust Control, Delft University of Technology, 2001, Notes de cours,
http://www.dcsc.tudelft.nl/~cscherer/robust/RCNotes.pdf.
[5] C. Scherer and S. Weiland, Linear Matrix Inequalities in Control, Delft University of Technology, 2005, Notes de cours, http://www.dcsc.tudelft.nl/~cscherer/lmi/notes05.
pdf.
[6] D. Arzelier, Robust control, 2006, Diaporama de cours, http://homepages.laas.fr/
arzelier/cours.html.
[7] P. Gahinet, A. Nemirovski, A. J. Laub, and M. Chilali, LMI Control Toolbox, The MathWorks Inc., 1995.
[8] G. Balas, R. Chiang, A. Packard, and M. Safonov, Robust Control System Toolbox Users
Guide, The MathWorks Inc., 2005-2006.
[9] R. D. Braatz, P. M. Young, J. C. Doyle, and M. Morari, -Analysis and Synthesis Toolbox :
Userss Guide, MUSYN Inc. and The MathWorks, 1998.
[10] D. Peaucelle, RoMulOC a YALMIP-MATLAB based Robust Multi Objective Control Toolbox, 2005.
[11] Y. Nesterov and A. Nemirovski, Interior-point Polynomial Methods in Convex Programming, SIAM, 1994.
[12] D. Peaucelle, D. Henrion, Y. Labit, and K. Taitz, Users guide for SeDuMi interface, LAAS
- CNRS, http ://www.laas.fr/peaucell/SeDuMiInt.html, 2002.

[13] G. Duc, Robustesse des Syst`emes Lineaires Multivariables, Ecole


Superieure dElectricit
e,
1994.
[14] The MathWorks Inc., Getting Started with the Control System Toolbox, 2000-2002.
[15] C. Scherer, P. Gahinet, and M. Chilali, Multi-objective output-feedback control via LMI
optimization, IEEE Trans. Autom. Control, vol. 42, no. 7, pp. 896911, 1997.
[16] P. Gahinet and P. Apkarian, A linear matrix inequality approach to h control, Int. J.
Robust Nonlin. Control, vol. 4, no. 4, pp. 421448, 1994.
[17] J.F. Magni, Linear fractional representation with a toolbox for use with Matlab, Tech.
Rep., ONERA, 2001.
[18] E. Laroche and D. Knittel, An improved linear fractional model for robustness analysis of
a winding system, Control Engineering Practice, vol. 13, no. 5, pp. 659666, 2005.
[19] E. Laroche, Y. Bonnassieux, H. Abou-Kandil, and J.-P. Louis, Controller design and
robustness analysis for induction machine-based positioning system, Control Engineering
Practice, vol. 12, pp. 757767, 2004.
[20] E. Laroche, Robustness analysis of nonlinear systems - application to induction motor,
in IFAC World Congress, Prague, Praha, July 2005.
65

66

BIBLIOGRAPHIE

[21] S. Gutman and E. Jury, A general theory for matrix root-clustering in subregions of the
complex plane, IEEE Trans. Autom. Control, vol. 26, no. 4, pp. 853863, 1981.
[22] M. Chilali and P. Gahinet, H design with pole placement constraints : an lmi approach,
IEEE Trans. Autom. Control, vol. 41, no. 3, pp. 358367, 1996.
[23] D. Peaucelle and D. Arzelier, A new robust d-stability condition for real convex polytopic
un, Systems and Control Letter, vol. 40, pp. 2130, 2000.
[24] K. Glover and J.C. Doyle, State-space formulae for all stabilizing controllers that satisfy
an hnorm bound and relations to risk sensitivity, Systems and Control letters, vol. 11, pp.
167172, 1988.
[25] J.C. Doyle, K. Glover, P.P. Khargonekar, and B.A. Francis, State-space solutions to
standard H2 and H control problems, IEEE Trans. Autom. Control, vol. 34, no. 8, pp.
831847, 1989.
[26] D. C. McFarlane and K. Glover, A loop shaping design procedure using H synthesis,
IEEE Trans. Autom. Control, vol. 37, no. 6, pp. 759769, 1992.
[27] P.M. Young, Structured singular value approach for systems with parametric uncertainty,
Int. J. Robust Nonlinear Control, vol. 11, no. 7, pp. 653680, 2001.