Com Rob

Commande Robuste
Universit
e de Strasbourg
Ecole Nationale Sup
erieure de Physique de Strasbourg

3A - Option ISAV
Master IRIV - Option Automatique Robotique
Edouard Laroche
laroche@unistra.u-strasbg.fr
http://eavr.u-strasbg.fr/
~
laroche/student
20102011
Table des matières
1 Introduction 5
2 Notions mathematiques 7
2.1 Valeurs propres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2 Positivite dune matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.3 Inegalite matricielle ane ou lineaire . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.3.1 Presentation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.3.2 Exemple de LMI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.3.3 Resolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.4 Valeurs singulières . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.5 Norme des systèmes LTI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.5.1 Norme H
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.5.2 Norme H
2
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.6 Lemmes de simplication . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.6.1 Complement de Schur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.6.2 Lemme de projection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.6.3 Lemme de Finsler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.6.4 S-procedure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3 Modelisation des systèmes 19
3.1 Les dierentes representations detat . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.1.1 Système lineaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.1.2 Système lineaire à paramètres variants (LPV) . . . . . . . . . . . . . . . . 19
3.1.3 Système non-lineaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.2 Operations sur les systèmes LTI . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.2.1 Operations elementaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.2.2 Linear Fracional Transformation . . . . . . . . . . . . . . . . . . . . . . . 21
3.3 Representation lineaire fractionaire . . . . . . . . . . . . . . . . . . . . . . . . . . 23
4 Analyse des systèmes 29
4.1 Stabilite au sens de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.1.1 Denition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.1.3 Cas des systèmes à temps-discret . . . . . . . . . . . . . . . . . . . . . . . 30
4.2 Dissipativite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.2.1 Denition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.2.2 Caracterisation LMI de la norme H
. . . . . . . . . . . . . . . . . . . . . 32
4.2.3 Passivite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.3 Performances dun système asservi . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.3.1 Schema de commande . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.3.2 Les critères . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.3.3 Schemas danalyse et de synthèse H
. . . . . . . . . . . . . . . . . . . . 35
4.4 Lieu des poles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3
4 TABLE DES MATI
`
ERES
4.4.1 Regions LMI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.4.2 Condition LMI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
5 Synthèse pour les systèmes LTI 43
5.1 Retour detat stabilisant . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
5.2 Commande H
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
5.2.1 Problème et solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
5.2.2 Methodologies de synthèse . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
6 Analyse des systèmes LPV incertains 49
6.1 Stabilite au sens de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
6.1.1 Système non-lineaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
6.1.3 Système LPV . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
6.1.4 Maximisation du taux de decroissance . . . . . . . . . . . . . . . . . . . . 50
6.1.5 Matrice de Lyapunov dependant des paramètres . . . . . . . . . . . . . . 50
6.2 Dissipativite, norme H
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
6.2.1 Système LPV . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
6.2.2 Dissipativite avec matrice de Lyapunov dependant des paramètres . . . . 52
6.3 Application à un système mecanique . . . . . . . . . . . . . . . . . . . . . . . . . 53
6.3.1 Presentation du système . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
6.3.2 Analyse à partir du modèle LPV . . . . . . . . . . . . . . . . . . . . . . . 54
6.3.3 -analyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
6.3.4 Lieu des poles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
Chapitre 1
Introduction
En Automatique, la synthèse dune loi de commande se fait generalement sur un modèle
nominal simplie qui ne prend pas en compte toute la complexite du système. Des dynamiques
sont negligees, comme celles qui se trouvent en dehors de la bande passante du système asservi ;
les valeurs des paramètres du modèle sont consideres egales à leurs valeurs nominales.
Du fait de ces approximations, il est generalement necessaire de recourir à une etape de val-
idation a posteriori de la loi de commande. On parle danalyse de la robustesse ; il sagit en eet
danalyser la robustesse du comportement du système asservi face aux perturbations externes
(variation des conditions de fonctionnement, comme la temperature) ou internes (variation des
paramètres) du système.
Lanalyse de la robustesse sappuie generalement sur la formulation dun modèle variant dans
le temps, variation qui peut sexprimer en fonction dun certain nombre de paramètres incer-
tains. La première question concerne la stabilite. Lanalyse de la robustesse en stabilite consiste
à etablir si le système demeure stable malgre les variations attendues des paramètres. On peut
aussi souhaiter que le système maintienne certaines performances (comme la bande passante).
Lanalyse de la robustesse en performance cherche à etablir si le système maintient les perfor-
mances prevues pour les variations attendues des paramètres.
On peut distinguer deux principales sources de perturbation susceptibles de destabiliser un
système asservi ou de diminuer ses performances : les variations de ses paramètres et les dy-
namiques negligees. Pour traiter le second cas, celui des dynamiques qui ont ete negligees lors
de la synthèse, il sut simplement de les inclure dans le modèle danalyse. On se retrouve donc
nalement à analyser la robustesse à partir dun modèle qui peut etre plus sophistique que le
modèle de synthèse et dont les paramètres 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-à-dire dans letude des modication
du comportement du système en fonction des paramètres, il convient de connatre son fonc-
tionnement nominal. La première 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 manières, pour la stabilite comme
pour les performances :
etant donne les intervalles de variation des paramètres, le système est-il robuste ? A cette
question, on repond par oui ou non ;
quel taux de dilatation faut-il appliquer aux intervalles des paramètres pour amener le
système 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
5
6 CHAPITRE 1. INTRODUCTION
à 1. Puisque la stabilite est une condition susante pour les performances, la marge de
robustesse en performance est necessairement plus faible que la marge de robustesse en
stabilite.
Les methodes danalyse dièrent en fonction du modèle choisi. Les modèles lineaires dependant
des paramètres (LPV), modèles pour lesquels des methodes ecaces et desormais bien connues,
sont disponibles sous deux formes :
les modèle LPV avec une dependance ane des matrices detat en fonction des paramètres ;
les representations lineaires fractionnaire (LFR) formes dun bouclage entre un système
linaire à temps invariant (LTI) et une matrice de gains fonction des paramètres. Ce second
type correspond aux systèmes lineaires dont les matrices detat dependent rationnellement
des paramètres ; il sagit donc dune generalisation du premier type.
Pour les systèmes LPV anes, des formulation LMI sont disponibles pour lanalyse en
stabilite et en performance dans le cas de paramètres constants ou variants. Ces methodes,
disponibles dans les boites à outils
1
de Matlab, sont presentees dans ce fascicule. La methode la
plus classique destinee aux modèles LFR est la -analyse
2
. Cette methode fait egalement parti
du contenu du cours. Dautres boites à outils sont egalement disponibles. Citons par exemple
Romuloc, developpee par D. Peaucelle qui permet de traiter à la fois les modèles LPV anes et
les LFR [10].
1. Les methodes danalyse des systèmes LPV anes 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 mathematiques
Les Inegalites Matricielles Anes ou LMI prennent une place de plus importante dans les
methodes modernes de lautomatique. De nombreux resultats anterieurs trouvent une formula-
tion LMI et ce formaliste permet aussi de resoudre de nouveaux problèmes qui navaient pas
trouve jusqualors de solution.
2.1 Valeurs propres
Denition 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 veriant Ax = x.
>> eig([1 2; 3 4])
ans =
-0.3723
5.3723
La matrice A de dimension n n represente une application lineaire de R
n
dans R
n
. Les
directions propres, cest-à-dire les directions des vecteurs propres, sont les directions de R
n
in-
variantes par A. Les valeurs propres sont les gains damplications dans ces directions. Le nombre
de valeurs propres distinctes est au plus n. La dimension du sous-espace propre correspondant
à une valeur propre donnee est variable. Une base de vecteurs propres peut etre obtenue.
En utilisant la relation Ax
i
=
i
x
i
o` u
i
est la i
ème
valeur propre et x
i
un vecteur propre
qui lui est associe, on peut concatener les n relations obtenues pour i = 1 . . . n en AX = XD
o` u X = [x
1
. . . x
n
] 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.
Propriete 1 (Matrice symetrique ou hermitienne)
Les valeurs propres des matrices reelles symetriques (A
T
= A) et complexes hermitiennes (A
H
=
(A
)
T
) sont toutes reelles.
2.2 Positivite dune matrice
Denition 2 (Matrice positive)
Une matrice A R
n
est dite positive et on note A 0 si la forme quadratique x
T
Ax est positive
pour tout vecteur x.
Cette denition se transpose evidemment au cas negatif. On peut toujours ecrire une forme
quadratique à partir dune matrice symetrique. Ainsi, x
T
Ax =
1
2
x
T
(A
T
+A)x. On ne contentera
7
8 CHAPITRE 2. NOTIONS MATH
EMATIQUES
donc de considerer le cas des matrices symetriques. Ces matrices ont la particularite davoir
toutes leurs valeurs propres reelles.
Propriete 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 denit aussi la positivite stricte et on dit quune matrice est denie positive si toutes
ses valeurs propres sont strictement positives. Cest equivalent à dire que la forme quadratique
correspondante x
T
Ax est strictement positive pour tout x non nul.
Propriete 3
Soit un scalaire, AI > 0 si et seulement si les valeurs propres de A sont strictement
superieures à .
P > 0 P < 0 ; on peut donc toujours se ramener à un problème de positivite (ou de
negativite).
Propriete 4 (Somme de matrices)
A > 0, B > 0 A+B > 0
Cette propriete se demontre facilement à partir de la denition A > 0 x
T
Ax > 0 x ,= 0.
Propriete 5 (Produit de matrices)
A > 0, B > 0 AB > 0
A > 0, B < 0 AB < 0
Demonstration 1 (Explication) Ces proprietes se comprennent facilement en considerant
quune matrice positive est une application qui, à un vecteur de composantes positives, associe un
vecteur de composantes toutes positives ; une matrice negative, au contraire, est une application
qui, à un vecteur de composantes positives, associe un vecteur dont les composantes sont toutes
negatives.
Demonstration 2 (Demonstration plus complète)
Pour une demonstration plus complète, on peut considerer une valeur propre
AB
de AB associee
au vecteur propre V
AB
, veriant donc
AB
V
AB
= ABV
AB
, (2.1)
et chercher à montrer quelle est positive. Lidee des calculs ci-dessous consiste à calculer les
coordonnees du vecteur propre dabord dans la base des vecteurs propres de B notes V
B
k
puis
dans ceux de A notes V
A
l
. Ainsi, on peut ecrire
V
AB
=
k
V
B
k
(2.2)
o` u les
k
sont les coordonnees de V
AB
dans la base des vecteurs propres de B et
V
B
k
=
kl
V
A
l
(2.3)
o` u les
kl
sont les coordonnees de V
B
k
dans la base des vecteurs propres de A. En remplacant
dans (2.1) et en utilisant le fait que AV
A
l
=
A
l
V
A
l
et BV
B
k
=
B
k
V
B
k
o` u
A
l
et
B
k
sont les
valeurs propres respectivement de A et B, on obtient :
A
l
_
B
k

k
kl
_
V
A
l
=
AB
l
_
kl
_
V
A
l
(2.4)
2.3. IN
EGALIT
E MATRICIELLE AFFINE OU LIN
EAIRE 9
Il sagit dune egalite entre deux vecteurs. Leurs coordonnees dans la base V
A
l
sont donc iden-
tiques et
A
l
B
k

k
kl
=
AB
kl
l (2.5)
Dans lhypothèse o` u A et B sont toutes deux positives, les quantites
A
l
k

B
k

k
kl
et
k

k
kl
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 Inegalite matricielle ane ou lineaire
2.3.1 Presentation
Denition 3 (Inegalite matricielle ane)
On appelle inegalite matricielle ane (ou inegalite matricielle lineaire et en anglais linear ma-
trix inequality, note LMI) le problème suivant : etant donnees les matrices reelles, carrees et
symetriques M
k
, k = 1..n, trouver les reels x
k
, k = 1...n tels que M
0
+x
1
M
1
+... +x
n
M
n
> 0.
Le succès des LMI vient du developpement des methodes dites du point interieur (interior
point methods) qui permettent de resoudre de manière ecace ces problèmes [11]. Il est egalement
lie au fait que de nombreux problèmes, notamment de lautomatique, peuvent etre formule sous
forme de LMI.
Remarque 1 (Un système de plusieurs LMI est une LMI)
_
P(x) > 0
Q(x) > 0

_
P(x) 0
0 Q(x)
_
> 0 (2.6)
2.3.2 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 système
lineaire x = Ax. Il sagit de trouver une matrice reelle P = P
T
> 0 de meme dimensions que A
telle que A
T
P +PA < 0. Considerons à titre dexemple, le cas o` u A est une matrice 2 2.
A =
_
a
1
a
2
a
3
a
4
_
(2.7)
La matrice P depend alors de 3 paramètres x
i
, k = 1..3 et peut secrire
P =
_
x
1
x
2
x
2
x
3
_
(2.8)
La condition de positivite de P secrit
x
1
_
1 0
0 0
_
+x
2
_
0 1
1 0
_
+x
3
_
0 0
0 1
_
> 0 (2.9)
Linegalite de Lyapunov, elle se reecrit :
x
1
_
2a
1
a
2
a
2
0
_
+x
2
_
2a
2
a
1
+a
4
a
1
+a
4
2a
2
_
+x
3
_
0 a
3
a
3
2a
4
_
< 0 (2.10)
1. Mathematicien russe ne en 1857 et mort en 1918, Lyapunov est le père 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).
EMATIQUES
Figure 2.1 Fenetre de lediteur graphique de LMI de Matlab
2.3.3 Resolution
An de rendre les solvers de LMI facilement utilisables pour les problèmes de lautomatique,
des interfaces ont ete developpees permettant decrire les problème sous des formes matricielles
simples (voir gure 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 denir un problème LMI et de le resoudre avec nimporte quel
solveur installe sur votre machine.
Les trois problèmes 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 c
T
x sous la contrainte
A(x) < 0,
le problème de valeur propre generalisee : minimiser sous les contraintes A(x) < B(x),
B(x) > 0 et C(x) < 0.
2.4 Valeurs singulières
Denition 4 (Valeur singulière)
Les valeurs singulières 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).
Propriete 6 (Proprietes generales)
Les valeurs singulières sont des nombres reels positifs.
Les valeurs singulières 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 SINGULI
`
ERES 11
Les valeurs singulières non nulles sont au plus au nombre de min(n
u
, n
y
), la plus petite
dimension de M.
Exemple 1 (Valeurs singulières de matrices simples)
Les n valeurs singulière de I
n
, o` u R sont toutes egales à .
Les valeurs singulières dune matrice diagonale reelle sont egales aux valeurs absolues des
elements diagonaux ; pour une matrice de complexes, les valeurs singulières sont egales
aux modules des elements de la diagonale.
svd([2,0;0,-3j]);
ans =
3.0000
2.0000
Propriete 7 (Norme matricielle)
La valeur singulière maximale (M) est une norme matricielle. Les proprietes generales des
normes sappliquent donc.
(M) = [[(M)
(M +N) (M) +(N)
(MN) (M)(N)
Propriete 8 (Inversion de matrice)
M est inversible si et seulement si sa plus petite valeur singulière est non nulle ((M) > 0).
Alors, (M) =
1
(M
1
)
et (M) =
1
(M
1
)
.
On en deduit les proprietes suivantes :
Propriete 9 (Autres proprietes)
(M) = [[(M)
(M +N) (M) +(N)
(M)(N) (MN)
Propriete 10 (Interpretation)
La norme est la norme induite sur les matrices par la norme euclidienne des vecteurs :
(M) = max
z=0
[[Mz[[
2
[[z[[
2
2
(M) = max
z=0
z
H
M
H
Mz
z
H
z
(2.11)
Ainsi, la norme est lamplication maximale du système de transfert M.
Exemple 2 (Valeurs singulières dun système multivariable)
Le programme suivant sous Matlab denit un systèmes LTI à deux etats, deux entrees et deux
sorties puis trace les valeurs singulières de sa matrice de transfert en fonction de sa pulsation
(voir gure 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 à 1 rad/s
SV = svd(G1)
u = randn(2,1)
Ampli = norm(G1*u)/norm(u)
EMATIQUES
Figure 2.2 Trace des valeurs singulières dun système LTI multivariable
La partie nale du script permet de calculer lamplication dune entree u à la pulsation 1 rad/s.
A partir des resultats ci-dessous, on verie que cette amplication est bien toujours comprise
entre la valeur singulière max et la valeur singulière min de G(j 1).
SV =
1.3257
0.2872
u =
1.1892
-0.0376
Ampli =
1.1032
2.5 Norme des systèmes LTI
2.5.1 Norme H
Denition 5 (Norme /
2
sur les signaux)
Pour un signal x(t) à valeur dans R
n
, la norme /
2
est denie par :
[[x(t)[ [
L
2
=
_

0
x
T
(t) x(t) dt (2.12)
Denition 6 (Norme 1
sur les systèmes)

Pour un système de fonction de transfert G(s), la norme H
est denie comme la norme induite

par la norme /
2
sur les signaux. Cest-à-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)[ [
L
2
[[u(t)[ [
L
2
(2.13)
Ainsi, la norme H
est lamplication maximale dun signal par un système. Pour les ma-
trices, nous avions vu que la valeur singulière maximale etait lamplication maximale dun
vecteur. On peut donc facilement se ramener à linterpretation suivante.
Propriete 11 (Norme 1
et valeur singulière)
[[G(s)[ [
= max
(G(j)) (2.14)
4. On considère des conditions initiales nulles.
2.5. NORME DES SYST
`
EMES LTI 13
Exemple 3 (Valeurs singulières maximale)
En faisant le calcul sur lexemple numerique precedent :
norm(Sys,inf)
On obtient une norme de 1.881, ce qui correspond à 5.49 dB, ce qui est coherent avec le trace
de la gure 2.2.
Propriete 12 (Norme 1
)
Pour une matrice de transfert sous forme de blocs :
G(s) =
_
G
11
(s) G
12
(s)
G
21
(s) G
22
(s)
_
(2.15)
on a :
[[G(s)[[
< [[G
kl
(s)[[
< (k, l) 1, 2 (2.16)

[[W(s) G(s)[[
< (G(j) <

(W(j))
2.5.2 Norme H
2
La presentation ci-dessous de la norme H
2
est reprise du cours de Supelec de G. Duc [13],
paragraphe 1.2.
Denition
Soit G(s) le système LTI multivariable deni par :
_
x
z
_
=
_
A B
C D
_ _
x
v
_
(2.17)
avec D = O (système strictement propre
5
). On denit la norme matricielle H
2
de ce système
par :
[[G[[
2
=
_
1
2
_

tr [G
H
(j)G(j)] d
_
(2.18)
Proprietes
Soit g la reponse impulsionnelle du système. Dans le cas monovariable, le theorème de Par-
seval donne une forme equivalente
6
:
[[G[[
2
2
=
_

0
g
T
(t)g(t)dt. (2.19)
Dans le cas monovariable, la norme H
2
du système est egale à lenergie de la reponse impulsion-
nelle.
5. Cette restriction est necessaire pour que la norme du système soit nie.
6. On rappelle que la fonction de transfert est la transformee de Laplace de la reponse impulsionnelle.
EMATIQUES
Supposons maintenant que v soit un bruit blanc gaussien veriant
Ev(t)v
T
() = I(t ) et calculons la puissance de sortie :
Ez
T
z = tr
_
Ezz
T
= tr
_
E
__
+
_
+
g(t
1
)v(
1
)v
T
(
2
)g
T
(t
2
)d
1
d
2
__
= tr
__
+
_
+
g(t
1
)E
_
v(
1
)v
T
(
2
)
_
g
T
(t
2
)d
1
d
2
_
= tr
__
+
g(t )g
T
(t )d
_
= tr
__
+
g()g
T
()d
_
=
_
+
tr
_
g
T
()g()
d
=
1
2
_
+
tr
_
G
H
(j)G(j)
d
= [[G[[
2
Ainsi, la norme H
2
est la puissance de sortie lorsque le système est alimente pas un bruit blanc
gaussien unitaire.
Calcul
La norme H
2
peut etre calculee pour tous les systèmes strictement propres (D = O) et
strictement stables. En eet, elle peut secrire ainsi :
[[G[[
2
2
=
_

0
tr
_
g
T
(t)g(t)
dt (2.20)
= tr
_

0
_
B
T
exp(A
T
t)C
T
_
(C exp(At)B) dt (2.21)
= tr
_
B
T
_

0
exp(A
T
t)C
T
C exp(At)dtB
_
(2.22)
ou encore :
[[G[[
2
2
=
_

0
tr
_
g(t)g
T
(t)
dt (2.23)
= tr
_

0
(C exp(At)B)
_
B
T
exp(A
T
t)C
T
_
dt (2.24)
= tr
_
C
_

0
exp(At)BB
T
exp(A
T
t)dtC
T
_
(2.25)
soit :
[[G[[
2
2
= tr
_
B
T
W
o
B
= tr
_
CW
c
C
T
(2.26)
o` u W
o
et W
c
sont les gramiens de commandabilite et dobservabilite :
W
o
=
_

0
exp(At)BB
T
exp(A
T
t)dt (2.27)
W
c
=
_

0
exp(A
T
t)C
T
C exp(At)dt (2.28)
2.6. LEMMES DE SIMPLIFICATION 15
Ils peuvent etre obtenus comme les solutions des equations de Lyapunov
7
suivantes :
AW
c
+W
c
A
T
+BB
T
= 0 (2.29)
A
T
W
o
+W
o
A+C
T
C = 0 (2.30)
En eet, partons de :
d
dt
_
exp(At)BB
T
exp(A
T
t)
= Aexp(At)BB
T
exp(A
T
t) + exp(At)BB
T
exp(A
T
t)A
T
. (2.31)
En notant que pour un système stable :
lim
t
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 H
2
[14].
Formulation LMI
Les inegalites matricielles anes (LMI pour inegalites matricielles lineaires) sont devenues
un outil classique de lautomatique. Ils sont à 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 H
2
[15].
Soit S
0
la solution de lequation de Lyapunov (2.29), cest-à-dire veriant :
AS
0
+S
0
A
T
+BB
T
= 0, (2.33)
avec S
0
= S
T
0
0. Alors toute matrice S veriant :
AS +SA
T
+BB
T
< 0 (2.34)
verie aussi S > S
0
.
Le système G(s) stable avec D = 0 verie [[G[[
2
2
< si et seulement si il existe une matrice
symetrique positive, :
S > 0, (2.35)
veriant (2.34) et :
tr
_
CSC
T
< . (2.36)
Lensemble des inegalites (2.34-2.36) constitue un système LMI et peut se resoudre avec les
solveurs disponibles [11, 7].
2.6 Lemmes de simplication
2.6.1 Complement de Schur
Il sagit dun resultat preliminaire qui permettra, dans ce qui suit, de simplier des expres-
sions matricielles.
Lemme 1 (Complement de Schur)
La LMI :
_
Q S
S
T
R
_
< 0, (2.37)
7. Daprès la theorie de Lyapunov, lequation AX + X
T
A + Q = 0 dinconnue X, avec Q symetrique denie
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 système 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].
EMATIQUES
o` u Q = Q
T
et R = R
T
est equivalente à :
_
R < 0
QSR
1
S
T
< 0.
(2.38)
Demonstration 3
La demonstration se fait facilement en multipliant (2.37) ` a droite par :
_
I 0
R
1
S
T
I
_
(2.39)
et à gauche par la transposee de cette dernière matrice. Ces deux matrices etant denies, on
obtient alors une condition equivalente :
_
QSR
1
S
T
0
0 R
_
< 0. (2.40)
2.6.2 Lemme de projection
Theorème 1 (Lemme de projection [16])
Soit une matrice symetrique R
mm
et deux matrices P et Q de nombre de colonnes m. Et
considerons le problème consistant à trouver une matrice de dimensions adequoites telle que :
+P
T
T
Q+Q
T
P < 0 (2.41)
Notons W
P
et W
Q
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 :
_
W
T
P
W
P
< 0
W
T
Q
W
Q
< 0.
(2.42)
Preuve. Comme les colonnes de W
P
font partie du noyau de P, on a W
P
P = 0 et de meme,
W
Q
Q = 0. Ainsi limplication (2.41) = (2.42) se montre facilement en multipliant (2.41) à
gauche par P
T
et à 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
Theorème 2 (Lemme de Finsler)
Etant donnees les matrices A et B; les conditions suivantes sont equivalentes

8
:
1. x
T
Ax > 0 pour tout x ,= 0 tel que Bx = 0
2.

B
T
A

B > 0 o` u B

B = 0
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 simplier certains problèmes 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
Theorème 3 (S-procedure)
Soit les formes quadratiquessuivantes :
q
i
(x) =
_
x
1
_
H
_
A
i
b
H
i
b
i
c
i
_ _
x
1
_
= x
H
A
i
x + 2b
H
i
x +c
i
, (2.43)
pour i = 0, 1, ..., p.
Alors, on a q
0
(x) 0 pour tout x tel que q
i
(x) 0, i = 1, ..., p sil existe des scalairs
i
0
qui satisfont la contrainte LMI suivante :
_
A
0
b
H
0
b
0
c
0
_
i=1
i
_
A
i
b
H
i
b
i
c
i
_
0 (2.44)
De plus, linverse est vrai pour p = 1 en reel et meme pour p = 2 en complexe.
EMATIQUES
Chapitre 3
Modelisation des systèmes
3.1 Les dierentes representations detat
Nous nous limitons, dans ce cours, aux systèmes 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 Système lineaire
On parle aussi de système lineaire invariant dans le temps o` u en anglais de linear time-
invariant system (LTI). I l sagit du cas o` u les equations sont lineaires par rapport aux entrees
et aux variables detat. Le système peut etre mis sous la forme :
_
x = Ax +Bu
y = Cx +Du
(3.1)
Cette representation ne concerne que les systèmes propres (qui ne contiennent pas deet derivatif
pur) ; pour les systèmes strictement propres, D = 0. On note G(s) la fonction de transfert du
système :
G(s) = C(sI
n
A)
1
B +D (3.2)
o` u n est lordre du système. On se permettra de designer le système 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-à-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 signie que y(t) est la sortie du
système G(s) pour une entree u(t).
Sous Matlab, on peut denir un système LTI avec les fonctions ss et tf.
3.1.2 Système lineaire à paramètres variants (LPV)
Dans un système LPV, les matrices detat A, B, C et D dependent dun vecteur des
paramètres qui peut varier en fonction du temps.
_
x = A()x +B()u
y = C()x +D()u
(3.3)
A defaut de connatre à lavance la trajectoire de , on connat souvent des bornes sur ses
dierentes composantes :
k

k

k
et peut-etre aussi sur les vitesses de variation :

k
.
Le vecteur des paramètres peut etre vu comme une entree supplementaire du système qui
ne rentre alors plus dans la classe des systèmes lineaires. Parmi les systèmes LPV, certains
types particuliers sont interessants à etudier : les systèmes LPV anes, LPV polytopiques et les
representations lineaires fractionnaires).
19
20 CHAPITRE 3. MOD
ELISATION DES SYST

`
EMES
Système LPV ane
Dans ce cas, la dependance des matrices detat en fonction des paramètres est lineaires.
Notons
M =
_
A B
C D
_
. (3.4)
On a alors M() = M
0
+
1
M
1
+
2
M
2
....
Remarquez que le produit o` u linterconnexion de deux modèles LPV anes nest generalement
pas un modèle LPV ane, mais plutot un modèle LPV avec dependance quadratique en fonction
des paramètres.
Système LPV polytopique
La matrice M representant le système est une combinaison barycentrique de plusieurs ma-
trices M
s
1
, M
s
2
,... : M =
1
M
s
1
+
2
M
s
2
+.... Avec 0
k
1 et
k
= 1.
Un système LPV ane dont les paramètres varient sur des intervalles connus peut etre
considere comme un système polytopique. Traitons lexemple dun système dependant de deux
paramètres M() = M
0
+
1
M
1
+
2
M
2
et notons M
s
1
, M
s
2
, M
s
3
et M
s
4
ses sommets :
_
_
M
s
1
= M
0
+
1
M
1
+
2
M
2
M
s
2
= M
0
+
1
M
1
+
2
M
2
M
s
3
= M
0
+
1
M
1
+
2
M
2
M
s
4
= M
0
+
1
M
1
+
2
M
2
(3.5)
Construisons maintenant le système polytopique

M =
1
M
s
1
+
2
M
s
2
+
3
M
s
3
+
4
M
s
4
avec
_
1
=

1
2
=

1
3
=

1
4
=

1
2
(3.6)
En remplacant dans lexpression de

M les M
s
k
et les
k
par leurs expressions ci-dessus, verie
que lon retrouve bien

M = M. Ce resultat est encore valable pour un nombre de paramètres
plus eleve. On retiendra quil y a equivalence entre les representations ane et polytopique.
Exercice 1 (
Equivalence entre polytopique et LPV ane)

Ecrivez

M en fonction de ; simpliez et montrez que lon retrouve M.
3.1.3 Système non-lineaire
Lequation detat dun système 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 (x
0
, u
0
) veriant
f(x
0
, u
0
) = 0 :
_
x = f(x
0
, u
0
) +
f
x
(x x
0
) +
f
u
(u u
0
)
y = g(x
0
, u
0
) +
g
x
(x x
0
) +
g
u
(u u
0
)
(3.8)
En notant
x
= x x
0
,
u
= u u
0
et
y
= y g(x
0
, u
0
) on se ramène à un système LPV :
_

x
= A()
x
+B()
u
y
= C()
x
+D()
u
(3.9)
3.2. OP
ERATIONS SUR LES SYST

`
EMES LTI 21
avec = [x
0
, u
0
].
Letude dun système non-lineaire par lanalyse de son modèle linearise, bien que souvent
sans garantie stricte, constitue une voie couramment empruntee en automatique.
3.2 Operations sur les systèmes LTI
3.2.1 Operations elementaires
Exercice 2 (Operations sur deux systèmes LTI)

Soit deux systèmes G
1
(s) et G
2
(s) respectivement denis par leurs representations detat :
G
1
(s)
_
A
1
B
1
C
1
D
1
_
; G
2
(s)
_
A
2
B
2
C
2
D
2
_
. (3.10)
On note u
1
et u
2
les entrees respectives de G
1
(s) et de G
2
(s). On note y
1
et y
2
leurs sorties
respectives.
1. Determinez la representation detat du système dentree u et de sortie y = y
1
+y
2
.
2. Determinez la representation detat du système dentree u = u
1
et de sortie y = y
2
avec
y
1
= u
2
.
3. Determinez la representation detat du système dentree u =
_
u
1
u
2
_
et de sortie y =
_
y
1
y
2
_
.
3.2.2 Linear Fracional Transformation
Soit un système G(s) dentree u R
n
G
et de sortie y R
n
G
; soit un système H(s) dentree
v R
n
H
et de sortie z R
n
H
. On considère la partitions suivantes de G(s) :
_
y
1
y
2
_
=
_
G
11
(s) G
12
(s)
G
21
(s) G
22
(s)
_ _
u
1
u
2
_
(3.11)
avec u
1
, y
1
R
n
G1
, u
2
, y
2
R
n
G2
, n
G
= n
G1
+n
G2
.
Dans le cas o` u n
H
= n
G1
, on denit linterconnexion lft
u
(G(s), H(s)) (on parle de upper
LFT) comme le système dentree u
2
, de sortie y
2
et obtenu par linterconnexion des systèmes
G(s) et H(s) avec v = y
1
et u
1
= z.
Dans le cas o` u n
H
= n
G2
, on denit linterconnexion lft
l
(G(s), H(s)) (on parle de lower
LFT) comme le système dentree u
1
, de sortie y
1
et obtenu par linterconnexion des systèmes
G(s) et H(s) avec v = y
2
et u
2
= z.
G(s)
H(s)

- -
-
u
2
u
1
= z
y
2
y
1
= v
Figure 3.1 Representation lineaire fractionnaire lft
u
(G(s), H(s))
Exercice 3 (Interconnexion pour lanalyse dun système asservi)

Soit un système G(s) de commande u, de mesure y R
p
. Il est asservi à la reference r par un
correcteur K(s) et la loi de commande u = K(s) e avec e = r y. On note H
bo
(s) = G(s)K(s)
la fonction de transfert en boucle ouverte.
22 CHAPITRE 3. MOD
ELISATION DES SYST

`
EMES
H(s)
G(s)
- -
-
u
1
u
2
= z
y
1
y
2
= v
Figure 3.2 Representation lineaire fractionnaire lft
l
(G(s), H(s))
1. Montrez que le système en boucle fermee S(s) dentree r et de sortie e peut se mettre sous
la forme suivante :
S(s) = lft
l
(M, H
bo
(s)) (3.12)
2. Determinez la matrice M correspondant.
3. Deduisez en le script Matlab permettant de calculer la fonction de sensibilite S(s) à partir
de H
bo
(s).
Exercice 4 (Interconnexion pour la synthèse de correcteur)

Soit un système G(s) de commande u R
m
, de mesure y R
p
. 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 système en boucle fermee H(s) a comme entree v = r et comme sortie
z =
_
e
u
_
.
1. Montrez que le système en boucle fermee peut se mettre sous la forme suivante :
H(s) = lft
l
(H
1
(s), K(s)) (3.13)
et donnez le schema-bloc de H
1
(s).
2. Montrez que H
1
(s) peut se mettre sous la forme :
H
1
(s) = lft
u
(M, G(s)) (3.14)
et determinez la matrice M correspondante.
3. Deduisez en le script Matlab permettant de calculer le système de synthèse H
1
(s) à partir
du système G(s).
4. Donnez la script permettant de cacluler le système en boucle fermee dentree H(s) à partir
de G(s) et de K(s).
Exercice 5 (Representation LFT dun système LTI)

Soit un système LTI G(s), dordre n et de representation detat (3.1).
1. Montrez quun système LTI G(s), dordre n et de representation detat (3.1) peut se mettre
sous la forme dune LFT suivante :
G(s) = lft
u
_
M,
1
s
I
n
_
(3.15)
2. Determinez la matrice M.
3. Expliquez comment une methode de synthèse dun correcteur de type retour de sortie sta-
tique (SOF) permet aussi de realiser un correcteur de type retour dynamique de sortie
(DOF).
3.3. REPR
ESENTATION LIN
EAIRE FRACTIONAIRE 23
3.3 Representation lineaire fractionaire
Une representation lineaire fractionnaire (LFR en anglais) est linterconnexion dun système
LTI avec une matrice (un système statique) dependant des paramètres, comme represente sur
la gure 3.3. Tout type de système LPV dont les matrices detat dependent rationnellement des
paramètres peut etre mis sous forme de LFR; cependant il nest pas toujours aise de trouver
une representation LFR dordre minimale, cest à dire avec une matrice de taille minimale.
La LFR Toolbox, developpee à lOnera, permet de creer et de manipuler les LFR [17]. Vous
trouverez des exemples de modelisation LFR dun système physiques dans [1]
1
pour un système
mecanique elementaire et dans [18]
2
pour un système electromecanique denroulement de bande.
Des travaux sur la machine asynchrone sont egalement disponibles [19, 20].
Q(s)
()

- -
-
u
v
y
z
Figure 3.3 Modèle LFR
Notons v et u les entrees provenant respectivement de et de la commande et z et y les
sorties destinees respectivement à et à la mesure. Le système Q(s) secrivant :
x = Ax +B
1
v +B
2
u (3.16)
z = C
1
x +D
11
v +D
12
u (3.17)
y = C
2
x +D
21
v +D
22
u (3.18)
En rebouclant avec la matrice (), cest-à-dire en ecrivant que
v = () z (3.19)
on peut ecrire les equation du système boucle dentree u et de sortie y :
x =

A()x +

B()u (3.20)
y =

C()x +

D()u (3.21)
avec :
A() = A+B
1
()(I D
11
())
1
C
1
(3.22)
B() = B
2
+B
1
()(I D
11
())
1
D
12
(3.23)
C() = C
2
+D
21
()(I D
11
())
1
C
1
(3.24)
D() = D
22
+D
21
()(I D
11
())
1
D
12
(3.25)
On peut faire dierentes remarques sur cette representation :
1. cette representation nexiste que si la matrice I D
11
() nest pas singulière (on parle
de LFR bien posee (well-posed en anglais) ;
2. dans le cas general, il sagit dun modèle LPV o` u les matrices detat dependent de manière
rationnelle des paramètres ;
1. Ouvrage disponible ` a la bibliothèque du p ole API de lULP.
2. Article disponible ` a partir du reseau internet de lULP sur le site du LSIIT (http ://lsiit.u-
strasbg.fr/Publications) ou par le SCD (http ://www-scd-ulp.u-strasbg.fr).
24 CHAPITRE 3. MOD
ELISATION DES SYST

`
EMES
3. dans le cas o` u D
11
est nulle, alors la dependance des matrices est ane.
Exemple 4 (Modelisation LFR dun système electrique inductif )
Soit un système 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) +L y(t). On en deduit lequation detat x =
1
L
(Rx(t) +u(t))
et lequation de sortie y = x. On cherche à ecrire le système sous la forme dune LFT entre
un système LTI ne dependant pas des paramètres et dune matrice dependant des paramètres.
An de faire disparatre le paramètre R dans lequation dynamique, notons z
1
= x et v
1
= Rz
1
.
Lequation detat secrit :
x =
1
L
(v
1
+u) (3.26)
z
1
= x (3.27)
y = x (3.28)
Notons ensuite z
2
= v
1
(t) +u(t) et v
2
=
1
L
z
2
. Le système secrit alors :
x = v
2
(3.29)
z
1
= x (3.30)
z
2
= v
1
+u (3.31)
y = x (3.32)
Ainsi, on a G(s) = lft
u
(H(s), ) o` u les equations detat de H(s) sont donnees ci-dessus et o` u
= diag(R,
1
L
). En realite, il est pratique de sappuyer sur un schema-bloc du modèle pour
determiner le modèle LFR.
Propriete 13 (Interconnexion des LFR)
Linterconnexion de plusieurs LFR est une LFR.
Exemple 5 (Exemple de denition de modèle LFR sous Matlab)
Dans le script ci-dessous, le système H(s) = 1/(Ls+R) est deni comme un système dependant
des paramètres 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 eet, dans le premier
cas, le paramètre 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
% definition des paramètres
R = ureal(R,1);
L = ureal(L,1);
% definition du système avec tf
H = tf(1,[L 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 =
u1 u2 u3 u4
x1 0.9269 0.7297 -0.7789 1.153
3.3. REPR
ESENTATION LIN
c =
x1
y1 0.9494
y2 0.1646
y3 1.284
y4 0.867
d =
u1 u2 u3 u4
y1 -1 2.22e-16 1.214 0
y2 -1.11e-16 -1 -0.4742 0
y3 0 0 0 0
y4 -0.6326 -1.619 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
% autre methode
S = tf(1);
H2 = 1/(L*S+R);
[M2,Delta2] = lftdata(H2)
d =
u1 u2 u3
y1 -0.5 -0.5 0.5
y2 -0.5 -0.5 0.5
y3 -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.
L: real, nominal = 1, variability = [-1 1], 1 occurrence
echo on
% definition des paramètres
R = ureal(R,1); % paramètre incertain
L = ureal(L,1);
26 CHAPITRE 3. MOD
ELISATION DES SYST

`
EMES
% definition du système avec tf
H = tf(1,[L R]) % H(s) = 1/(L*s+R)
USS: 1 State, 1 Output, 1 Input, Continuous System
[M,Delta] = lftdata(H)
a =
x1
x1 -1
b =
u1 u2 u3 u4
x1 0.9269 0.7297 -0.7789 1.153
c =
x1
y1 0.9494
y2 0.1646
y3 1.284
y4 0.867
d =
u1 u2 u3 u4
y1 -1 2.22e-16 1.214 0
y2 -1.11e-16 -1 -0.4742 0
y3 0 0 0 0
y4 -0.6326 -1.619 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.
% autre methode
S = tf(1); % variable de Laplace
H2 = 1/(L*S+R)
USS: 0 States, 1 Output, 1 Input, Continuous System
[M2,Delta2] = lftdata(H2)
d =
u1 u2 u3
y1 -0.5 -0.5 0.5
y2 -0.5 -0.5 0.5
y3 -0.5 -0.5 0.5
Input groups:
3.3. REPR
ESENTATION LIN
Name Channels
L_NC 1
R_NC 2
Output groups:
Name Channels
L_NC 1
R_NC 2
Static gain.
Exercice 6 (Modelisation LFR dun système electrique inductif )

Soit H(s) deni par :
x = v
2
(3.33)
z
1
= x (3.34)
z
2
= v
1
+u (3.35)
y = x (3.36)
et = diag(R,
1
L
).
1. Donnez un schema-bloc du modèle LFR.
2. Determinez la fonction de transfert du système lft
u
(H(s), ).
Exercice 7 (Modelisation LFR dun système masse ressort)

Un système masse-ressort G(s) a comme equation dynamique m y(t) +f y(t) +ky(t) = u(t). La
raideur est supposee variable entre k
min
et k
max
. On note k = k
0
+w
k
k
o` u k
0
=
1
2
(k
min
+k
max
)
et w
k
=
1
2
(k
max
k
min
). Les autres paramètres sont supposes connus.
1. Montrez que le système peut secrire sous la forme G(s) = lft
u
(H(s), k) o` u H(s) ne depend
pas de k. Determinez H(s).
2. Montrez que k peut se mettre sous la forme k = lft
u
(H
k
,
k
) o` u H
k
ne depend que de k
0
et
de w
k
. Determinez H
k
.
3. Deduisez-en le modèle incertain normalise G(s) = lft
u
(

H(s),
k
) o` u

H(s) ne depend que
de m, f, k
0
et w
k
.
4. On suppose desormais que tous les paramètres sont inconnus. Determinez le système sous
la forme G(s) = lft
u
(F(s), ) o` u la matrice depend des paramètres m, k et f alors que
F(s) nen depend pas. Donnez F(s) et .
Exercice 8 (Interconnexion de deux LFR)

Soit un système LFR dentree u
1
et de sortie y
1
deni par
1
et le système :
x
1
= A
1
x
1
+B
11
v
1
+B
12
u
1
(3.37)
z
1
= C
11
x
1
+D
111
v
1
+D
112
u
1
(3.38)
y
1
= C
12
x
1
+D
121
v
1
+D
122
u
1
(3.39)
et la LFR dentree u
2
et de sortie y
2
denie par
2
et le système :
x
2
= A
2
x
2
+B
21
v
2
+B
22
u
2
(3.40)
z
2
= C
21
x
2
+D
211
v
2
+D
212
u
2
(3.41)
y
2
= C
22
x
2
+D
221
v
2
+D
222
u
2
(3.42)
28 CHAPITRE 3. MOD
ELISATION DES SYST

`
EMES
1. Les systèmes sont connectes en serie avec u
2
= y
1
. Determinez les 9 matrices detat
du système dentree u
1
, de sortie y
2
, detat x = [x
T
1
; x
T
2
]
T
et de matrice incertaine
= diag
1
,
2
.
2. Les systèmes sont interconnectes en retroaction avec u
1
= u + y
2
et u
2
= y
1
. Determinez
les 9 matrices detat du système dentree u, de sortie y = y
1
, detat x = [x
T
1
; x
T
2
]
T
et de
matrice incertaine = diag
1
,
2
.
Exercice 9 (Modèle LFR dun bras manipulateur)

On considère un bras manipulateur plan à 2 DDL dont les positions articulaires sont notees q
1
et q
2
. Le modèle dynamique secrit :
M(q
2
) q +C(q, q) q = u (3.43)
o` u u est le vecteur des couples articulaires. La matrice dinertie secrit :
M(q
2
) = M
0
+M
c
cos(q
2
) (3.44)
o` u
M
0
=
_
m
110
m
120
m
120
m
22
_
; M
c
=
_
m
11c
m
12c
m
12c
0
_
. (3.45)
La matrice de Coriolis secrit :
C(q, q) = m
11c
sin(q
2
)
_
q
2

1
2
q
2
1
2
q
1
0
_
. (3.46)
1. Montrez que linverse de la matrice dinertie peut secrire sous la forme M
1
(q
2
) =
lft
u
(N, q
2
I
2
) o` u N est une matrice constante.
2. Mettez la matrice de Coriolis sous une forme ane en fonction des paramètres
2
=
q
1
sin(q
2
) et
3
= q
2
sin(q
2
). Pourquoi cette ecriture nest elle pas unique ?
3. Deduisez-en un modèle LFR du système en fonction de
1
= cos(q
2
),
2
et
3
.
4. On considère le domaine de variation [ q
1
[ q
1 max
, [ q
1
[ q
1 max
; q
2
[0, q
2 max
], (/2 <
q
2 max
< ) ainsi que [ q
2
[ q
2 max
et [ q
2
[ q
2 max
. Determinez les intervalles de variation
de
k
et de

k
pour k = 1, ..., 3.
Chapitre 4
Analyse des systèmes
4.1 Stabilite au sens de Lyapunov
4.1.1 Denition
Soit un système dynamique à temps continu, sans entree exogène, de vecteur detat x et
dequation detat x = f(x). Soit x
0
un point dequilibre, veriant donc la condition dequilibre
f(x
0
) = 0. Pour que le système soit stable autour de cet equilibre, il faut aussi que que ce point
dequilibre soit attractif, cest-à-dire que les trajectoires de x convergent vers x
0
.
Denition 7 (Fonction denergie ou fonction de Lyapunov)
Une fonction de Lyapunov V est une fonction de letat possedant un minimum global à lequilibre
x
0
:
V (x) > V (x
0
) pour x ,= x
0
Denition 8 (Stabilite au sens de Lyapunov)
x
0
est un point stable au sens de Lyapunov sil existe une fonction de Lyapunov V (x) veriant
la condition suivante :
d
dt
(V (x)) < 0 pour x ,= x
0
A partir dune condition initiale x
i
dierente de x
0
, lenergie interne du système va decrotre
jusquà atteindre son minimum qui correspond à lunique point x
0
; letat du système tendra
donc necessairement vers x
0
.
Pour demontrer la stabilite par cette methode, la diculte reside dans le choix dune bonne
fonction denergie. Une classe de fonctions souvent utilisees sont les fonction quadratiques V (x) =
(x x
0
)
T
Q(x x
0
) avec Q = Q
T
> 0 ; on parle alors de stabilite quadratique.
Pour la fonction denergie choisie, il reste à demontrer que
d
dt
(V (x)) =
dV (x)
dx
f(x) < 0 pour
tout x.
Exemple 6 (Fonction denergie dun système physique)
Soit un système 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 considère
que lequilibre est obtenu pour z = 0.
Lequation fondamentale de la dynamique donne lequation dynamique du système :
m z = kz f z (4.1)
Letat est compose de la position et de la vitesse :
x =
_
z
z
_
(4.2)
Lenergie du système est composee de lenergie cinetique E
c
=
1
2
m z
2
et de lenergie potentielle
emmagasinee dans le ressort E
p
=
1
2
kz
2
. On denit donc V (x) =
1
2
m z
2
+
1
2
kz
2
.
29
30 CHAPITRE 4. ANALYSE DES SYST
`
EMES
La variation de lenergie secrit :
V (t) =
V (x)
z
z +
V (x)
z
z (4.3)
= kz z +m z z (4.4)
= z(kz + (kz f z)) (4.5)
= f z
2
(4.6)
Ainsi, lenergie est decroissante dès 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
z et ne satisfait donc pas exactement la condition
d
dt
(V (x)) < 0 pour x ,= x
0
.
Dans ce cas, f(x) = Ax. Le point dequilibre candidat est necessairement x = 0. En choisis-
sant V (x) = x
T
Qx avec Q = Q
T
> 0, la condition de stabilite secrit alors x
T
(A
T
Q+QA)x < 0
pour x ,= 0, ce qui secrit aussi A
T
Q + QA < 0 et qui signie que toutes les valeurs propres
(reelles) de la matrice symetrique A
T
Q + QA sont strictement negatives. Dans le cas present,
la stabilite quadratique au sens de Lyapunov est equivalente à la stabilite classique
au sens des systèmes lineaires (valeurs propres à parties reelles negatives). On enonce ainsi
le theorème suivant.
Theorème 4 (Stabilite dun système lineaire à temps continu)
Le système x = Ax est stable si et seulement si il existe une matrice denie positive Q veriant
le système LMI suivant :
Q > 0 (4.7)
A
T
Q+QA < 0 (4.8)
Remarque : dans ce cas, cette stabilite (quadratique de Lyapunov) est equivalente à la sta-
bilite au sens de Hurwitz
1
dont le critère est que la matrice A ait ses valeurs propres à partie
reelle positive.
4.1.3 Cas des systèmes à temps-discret
Considerons un système dequation detat x(k + 1) = Ax(k) et une fonction de Lyapunov
quadratique V (x) = x
T
Qx avec Q = Q
T
> 0. Le système est stable si et seulement si lenergie
decroit sur toutes les trajectoires, cest-à-dire sil existe une matrice Q telle que !
Theorème 5 (Stabilite dun système lineaire à temps discret)
Le système x(k + 1) = Ax(k) est stable si et seulement si il existe une matrice denie positive
Q veriant le système LMI suivant :
Q > 0 (4.9)
A
T
QA+Q < 0 (4.10)
En eet, la decroissance de lenergie secrit V (x(k + 1)) < V (x(k)) ce qui secrit encore
x
T
(k)A
T
QAx(k) < x
T
(k)Qx(k).
1. Une matrice est dite de Hurwitz si ses valeur propres sont ` a parties reelles strictement negatives.
4.2. DISSIPATIVIT
E 31
4.2 Dissipativite
4.2.1 Denition
Système non-lineaire
On sinteresse maintenant à un système 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 ux denergie entrant.
Denition 9 (Dissipativite)
Un système dynamique est dit S-dissipatif sil existe une fonction denergie V (x) telle que
dV (x)
dt
< S(u, y) (4.11)
pour tout x ,= x
0
o` u x
0
est le point dequilibre considere veriant f(x
0
, 0) = 0
On peut sinteresser à des fonctions S de type particulier comme :
S(u, y) =
_
y
u
_
T
_
Q
11
Q
12
Q
12
T
Q
22
_ _
y
u
_
(4.12)
On parle alors de Q
11
, Q
22
, Q
12
-dissipativite.
Système lineaire
Soit le système dequation detat x = Ax +Bu et dequation de sortie y = Cx +Du.
Theorème 6 (Caracterisation LMI de la dissipativite)
Le système ci-dessus est Q
11
, Q
22
, Q
12
-dissipatif sil existe une matrice Q = Q
T
veriant le
système de LMI suivant :
Q > 0 (4.13)
_
A
T
Q+QAC
T
Q
11
C QB C
T
Q
11
D C
T
Q
12
B
T
QD
T
Q
11
C Q
T
12
C D
T
Q
11
D D
T
Q
12
Q
T
12
D Q
22
_
< 0 (4.14)
Demonstration 4
On peut remplacer le vecteur [y
T
, u
T
]
T
dans la fonction S(u, y) par
_
y
u
_
=
_
C D
0 I
_ _
x
u
_
(4.15)
On obtient alors une nouvelle expression

S(x, u) du ux denergie :
S(x, u) =
_
x
u
_
T
_
C
T
0
D
T
I
_ _
Q
11
Q
12
Q
12
T
Q
22
_ _
C D
0 I
_ _
x
u
_
(4.16)
soit
S(x, u) =
_
x
u
_
T
_
C
T
Q
11
C C
T
Q
11
D +C
T
Q
12
D
T
Q
11
C +Q
T
12
C D
T
Q
11
D +D
T
Q
12
+Q
T
12
D +Q
22
_ _
x
u
_
(4.17)
Par ailleurs, la derivee de la fonction denergie secrit :
dV (x)
dt
= x
T
Qx +x
T
Q x (4.18)
= (Ax +Bu)
T
Qx +x
T
Q(Ax +Bu) (4.19)
=
_
x
u
_
T
_
A
T
Q+QA QB
B
T
Q 0
_ _
x
u
_
(4.20)
La dissipativite (4.11) secrit alors comme une LMI en Q = Q
T
> 0 :
_
A
T
Q+QAC
T
Q
11
C QB C
T
Q
11
D C
T
Q
12
B
T
QD
T
Q
11
C Q
T
12
C D
T
Q
11
D D
T
Q
12
Q
T
12
D Q
22
_
< 0 (4.21)
`
EMES
4.2.2 Caracterisation LMI de la norme H
Lemme 2 (Yakubovitch-Kalman)
Soit un système lineaire. Les propositions suivantes sont equivalentes :
(i) est Q
11
, Q
22
, Q
12
-dissipatif.
(ii) R
+
det(jI A) ,= 0,
_
G(j)
I
_
T
_
Q
11
Q
12
Q
T
12
Q
22
_ _
G(j)
I
_
0 (4.22)
Ce resultat sobtient facilement en considerant un signal harmonique u(t) = Uexp(jt).
On peut maintenant montrer que la norme H
est un cas particulier de dissipativite.

Theorème 7 (
Equivalence entre norme H
et dissipativite)
Soit un système lineaire et la fonction de ux denergie S(u, y) =
2
u
T
uy
T
y. Les propositions
suivantes sont equivalentes :
(i) est S-dissipatif
(ii) [[[[

Grace au lemme de Yakubovitch-Kalman, la proposition (ii) est equivalente à (G
T
(j)G(j)+
2
I 0 ce qui est equivalent à dire que les valeurs propres de G(j)
T
G(j) sont inferieures
à
2
. Or les valeurs propres (reelles et positives) de G(j)
T
(G(j) sont les carres des valeurs
singulières de G(j). CQFD car la norme H
de est la borne superieure de la valeur singulière

maximale.
La majoration de la norme H
par est donc equivalente à 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 borne reel 1)
Un système dynamique continu lineaire de matrices detat A, B, C et D a une norme H
inferieure à si et seulement si il existe une matrice Q = Q

T
veriant :
Q > 0 (4.23)
_
A
T
Q+QA+C
T
C QB +C
T
D
B
T
Q+D
T
C D
T
D
2
I
_
< 0 (4.24)
On peut appliquer le lemme borne reel pour le calcul de la norme H
dun système lineaire

en resolvant un problème de valeurs propres generalisees suivant : trouver les matrices Q = Q
T
et R = R
T
minimisant =
2
et veriant :
Q > 0 (4.25)
_
A
T
Q+QA+C
T
C QB +C
T
D
B
T
Q+D
T
C D
T
D
_
<
_
0 0
0 R
_
(4.26)
R < I (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 à minimiser.
Grace au complement de Schur, on peut reecrire le lemme borne reel sous une forme o` u
chacun des termes secrit dune manière ane en fonction des matrices du système.

T
veriant :
Q > 0 (4.28)
_
_
A
T
Q+QA QB C
T
B
T
Q I D
T
C D I
_
_
< 0 (4.29)
4.3. PERFORMANCES DUN SYST
`
EME ASSERVI 33
4.2.3 Passivite
On dit quun système est passif si la condition suivante est veriee :
_
T
0
u
T
(t)y(t)dt 0 (4.30)
Cette conditions est correspond à la dissipativite avec les matrices Q
11
= Q
22
= O et Q
12
= I,
ce qui donne le theorème suivant connu sous le nom de Positice real lemma.
Theorème 8 (Positive real lemma)
Un système lineaire dynamique est passif sil existe une matrice Q = Q
T
> 0 telle que :
_
A
T
Q+QA QB C
T
B
T
QC D
T
D
_
< 0 (4.31)
La passivite est une condition susante de stabilite. Une propriete fondamentale est que
linterconnexion de systèmes passifs est un système passif. Ainsi, on peut chercher à imposer la
stabilite dun système interconnecte en assurant la passivite de chacun de ses elements. Cette
propriete est notamment utilisee dans les systèmes de telemanipulation. Linconvenient de cette
approche est son conservatisme.
4.3 Performances dun système asservi
4.3.1 Schema de commande
On considère le schema dasservissement presente sur la gure 4.1. Le système 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 système
le signal à asservir y(t)
la bruit de mesure b
m
(t)
le signal de mesure y
m
(t)
On considère que les signaux sont ajoutes positivement, sauf pour la contre-reaction de la mesure.
K(s) G(s)
- - -
?
- -
?
6
i i i
r +
e u
d
v y
b
m
y
m
Figure 4.1 Système asservi avec reference, perturbation en entree et buit de mesure
Lobjectif general de la commande est dobtenir y(t) = r(t) en depit des perturbations d(t)
et b
m
(t). Mais evidemment, on ne peut obtenir cette egalite parfaitement. De manière generale,
on note T
zv
(s) le transfert en boucle fermee entre lentree v(t) et la sortie z(t). La sensibilite en
sortie (cote mesure) est denie par S
y
(s) = T
er
(s). La sensibilite en entree (cote commande) est
denie par S
u
(s) = T
vd
(s).
4.3.2 Les critères
Marge de module
La stabilite est evaluable à partir du lieu des poles (tous les poles de la boucle fermee doivent
etre à partie reelle strictement positive), ce qui sevalue en multivariable de la meme manière
`
EMES
quen monovariable. Cependant, on sait que la stabilite ne sut pas et que des marges de stabilite
sont necessaires. La marge de module est denie 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)
En notant que :
min
[1 +K(j)G(j)[ =
_
max
[(1 +K(j)G(j))
1
[
_
1
, (4.33)
on denit en multivariable la marge de module en sortie :
M
=
1
[[S
y
(s)[[
, (4.34)
et la marge de module en entree :
M
=
1
[[S
u
(s)[[
. (4.35)
-1
0
M
Im
Re
G(j) K(j)
Figure 4.2 Illustration de la marge de module en monovariable sur le lieu de Nyquist
Bande passante
An 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 susamment elevee. De manière equivalente, on peut considerer quil faut que le
transfert T
er
(s) = S
y
(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 S
y
(s) et
relever la bande passante à -3 dB ainsi que lattenuation maximale (en continu).
Precision
Lerreur statique en reponse à un echelon unitaire sur la reference est donnee par S
y
(0).
Rejet de perturbation
An 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
T
ed
(s) = S
y
(s) G(s) et relever lattenuation maximale (en continu) ainsi que lamplication
maximale en precisant la frequence.
`
EME ASSERVI 35
(log)
0 dB
-3 dB
BP
20 log((S
y
(j)))
20 log((S
y
(0)))
20 log([[S
y
(s)[[
)
Figure 4.3 Allure typique de la sensibilite en sortie S
y
(s) permettant de determiner la marge
de module, la bande passante et la precision (système avec deux entrees et deux sorties).
Eet du bruit de mesure
Le bruit de mesure b
m
peut se repercuter par un bruit sur la commande qui risque de fatiguer
les actionneurs, entrainera une surconsommation et un vieillissement accelere. An de limiter
cet eet, il importe que le transfert en boucle fermee entre une perturbation en sortie du système
(cote mesure) et la commande ait un gain limite, notamment en haute frequence. On pourra se
donner un gabarit dattenuation du transfert T
ud
(s) du type (T
ud
(j)) [H(j)[ o` u H(s) est
le gabarit (transfert SISO).
Robustesse
Les systèmes dynamiques physiques sont generalement de type passe-bande et on dont un
gain qui diminue en haute frequence. Il en resulte donc quau delà dune certaine bande de
frequences, ces dynamiques sont necessairement mal connues. Ainsi, une des sources classique
de manque de robustesse des systèmes asservis correspond à des amplications de modes hautes
frequence mal connus, entranant ainsi des instabilites. An de palier ce problème, il convient de
sassurer que le gain du correcteur decroit au delà de la bande passante. Une manière detournee
de sen assurer consiste à considerer la reponse frequentielle du transfert S
u
(s)K(s) ou K(s)S
y
(s)
du transfert entre r et u.
4.3.3 Schemas danalyse et de synthèse H
Position du problème
Reprenons le schema de commande de la gure 4.1 o` u G(s) comporte n
u
commandes et n
y
mesure. En notant S
y
(s) = (I
n
y
+G(s) K(s))
1
et S
u
(s) = (I
n
u
+K(s) G(s))
1
, on peut calculer
les dierents transferts en boucle fermee :
_
_
e
u
v
y
y
m
_
_
=
_
_
S
y
(s) S
y
(s)G(s) S
y
(s)
S
u
(s)K(s) S
u
(s)K(s)G(s) S
u
(s)K(s)
S
u
(s)K(s) S
u
(s) S
u
(s)K(s)
S
y
(s)G(s)K(s) S
y
(s)G(s) S
y
(s)G(s)K(s)
S
y
(s)G(s)K(s) S
y
(s)G(s) S
y
(s)
_
_
_
_
r
d
b
m
_
_
(4.36)
Exercice 10 (Calcul des fonctions de transfert en boucle fermee)

1. Montrez que K(s)S
y
(s) = S
u
(s)K(s) et que G(s)S
u
(s) = S
y
(s)G(s).
2. Retrouvez les fonctions de transfert entre les dierentes entree et sorties du système de la
gure 4.1.
`
EMES
Le problème de synthèse revient à 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, leet du bruit de
mesure sur les dierentes sorties est identique à celui de la reference au signe près, sauf pour
la mesure y
m
. Inversement, leet des dierentes entrees sur les sorties y et y
m
sont identiques,
sauf pour b
m
.
Etude asymptotique
0 dB
(G(j)K(j)) 1
(G(j)K(j)) 1
20 log(
k
(G(j)K(j)))
c
(log)
Figure 4.4 Allure typique des valeurs singulières de la boucle ouverte.
Pour un système asservi simple, le gain en boucle ouverte (ou ses valeurs singulières si on
travaille en multivariable) est generalement decroissant en fonction de la pulsation et la pulsation
de coupure
c
de laxes 0 dB denit la bande passante (voir gure 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 S
y
(s) K
1
(s) G
1
(s) et S
u
(s) G
1
(s) K
1
(s), du moins dans lhypothèse de
transferts carres inversibles. Ainsi, les dierents transferts se reecrivent :
_
_
e
u
v
y
y
m
_
_
=
_
_
K
1
(s) G
1
(s) K
1
(s) K
1
(s) G
1
(s)
G
1
(s) I
n
u
G
1
(s)
G
1
(s) G
1
(s) K
1
(s) G
1
(s)
I
n
y
K
1
(s) I
n
y
I
n
y
K
1
(s) K
1
(s) G
1
(s)
_
_
_
_
r
d
b
m
_
_
(4.37)
On observe que certains transferts ne dependent plus du correcteur. Cest le cas du transfert
T
yr
entre la reference et la mesure (ou grandeur à asservir), egal à lidentite (le système
est bien asservi). Cest egalement le cas du transfert entre le bruit et la commande avec
T
ub
m
(s) = G
1
(s), ce qui signie que leet du bruit de mesure sur la commande ne peut
etre attenue dans la bande passante. A linverse, le transfert T
yd
(s) entre la perturbation
et la grandeur à asservir depend entièrement du correcteur ; un bon rejet de perturbation
necessite donc un gain du correcteur eleve independamment du gain du système (cest
ainsi que la presence dun integrateur pur dans le système G(s) nest daucune aide pour
le rejet de perturbation mais quil faudra prevoir un eet integrateur dans le correcteur).
Pour
c
, on peut considerer que (K(s)G(s)) 1 et (G(s)K(s)) 1. Il en resulte
`
EME ASSERVI 37
K(s)
G
e
(s)
-
- -
u
v v
e ou y
z z
W
e
(s) W
s
(s)
-
Figure 4.5 Schema general pour la synthèse H
que S
y
(s) I
n
y
et S
u
(s) I
n
u
. Ainsi, les dierents transferts se reecrivent :
_
_
e
u
v
y
y
m
_
_
=
_
_
I
n
y
G(s) I
n
y
K(s) K(s)G(s) K(s)
K(s) I
n
u
K(s)
G(s)K(s) G(s) G(s)K(s)
G(s)K(s) G(s) I
n
y
_
_
_
_
r
d
b
m
_
_
(4.38)
A nouveau, certains transferts ne dependent plus du correcteur, mais pas les memes que
dans le cas precedent. A linverse, le transfert T
ub
m
(s) entre le bruit de mesure et le
signal de commande est egal, au signe près, au correcteur. Ainsi, il sera necessaire de
prevoir lattenuation du gain du correcteur en dehors de la bande passante an de limiter
lamplication du bruit.
Exercice 11 (Trace de la reponse frequentielle dun système asservi)

On considère le système asservi de la gure 4.1 avec G(s) =
K
1+s
et un correcteur K(s). On
considerera trois correcteurs possibles pour ce correcteur :
1. un proportionnel K
1
(s) = K
p
,
2. un PI K
2
(s) = K
p
1+
i
s
i
s
,
3. un PI + un ltre passe-bas K
3
(s) = K
2
(s)
1
1+
f
s
.
On prendra comme valeurs numeriques K = 1, = 1, K
p
= 5,
i
= 4 et
f
= 0.05. On considère
les dierents signaux suivants :
1. Tracez de manière approximative les transferts suivants : T
er
(s), T
ur
(s), T
yr
(s), T
ur
(s) et
T
ub
m
(s).
2. Commentez les dierents transferts et les dierences entre les trois correcteurs.
Schema general de synthèse
Un schema general danalyse ou de synthèse H
est donne sur la gure 4.5. Le système

etendu G
a
(s) est construit autour du système G(s). On distingue deux canaux :
Le canal de performance entre v et z qui intègre lensemble des transferts dinteret pour
lesquels on cherche à imposer un gabarit du type (T
z
k
v
l
) [H
kl
(j)[ an de garantir
certaines performances.
Le canal de commande qui relie le système etendu au correcteur.
Le correcteur K(s) sera synthetise de manière à minimiser la norme H
du transfert en boucle
fermee de v vers y.
De nombreux schemas de synthèse sont possibles suivant les objectifs recherches et les dif-
cultes 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 critère de performances nest pas atteint, on
choisit de passer à un schema plus complexe en ajoutant des signaux de performance dans G
a
(s)
an dintroduire dans la synthèse le canal de performance supplementaire pour lequel la synthèse
precedente sest montree insusante.
`
EMES
Schema 1 bloc
Le transfert crucial est la sensibilite T
er
(s) = S
y
(s) qui permet de gerer à la fois la bande
passante, la marge de stabilite et la precision. Ainsi, le schema de synthèse le plus simple est
un schema dans lequel on ne sinteresse quà ce transfert. Ce schema, donne sur la gure 4.6
fait apparaitre une seule ponderation en sortie (W
s
(s) = W
1
(s)) et pas de ponderation dentree
(W
e
(s) = I
n
y
).
K(s)
G(s)
u(t)
+
-
y(t)
r(t)
e(t)
W
1
(s)
z(t)
Figure 4.6 Schema de synthèse à 1 bloc
Considerons la ponderation suivante :
W
11
(s) =
s +a
k(s +b)
(4.39)
avec a < b et K 1. Ce transfert a un gain statique de
a
kb
, un gain minimal de
1
K
et presente
un gain à 3 dB à la pulsation
c
=
_
a
2
2k
2
b
2
2k
2
1
(4.40)
Denissons le ltre multivariable diagonal :
W
1
(s) = W
11
(s)I
n
y
. (4.41)
On a :
W
1
1
(s) =
1
W
11
(s)
I
n
y
. (4.42)
Appliquons à lentree de ce ltre lerreur de regulation e ; notons z
1
sa sortie. Si on est capable
de verier que la norme du transfert entre r et z
1
est inferieure à 1, alors [W
1
11
(j)[ est un
majorant de (S
y
(j)) pour tout . On en deduit que :
la marge de gain du système est superieure à
1
k
;
lerreur statique relative est inferieure à
Kb
a
;
la bande passante est superieure à
c
.
Il sut dinverser ces trois relations pour denir la ponderation permettant correspondant à un
cahier des charges donne :
K est determine à partir de la marge de gain ;
le rapport
b
a
est ensuite deduit à partir de lerreur statique acceptable ;
le coecient a est alors determine par lexpression de la bande passante :
a =
c
2k
2
1
1 2k
2
_
b
a
_
2
(4.43)
on determine ensuite b grace à la valeur de
b
a
.
Si on souhaite une erreur statique nulle, il convient de prendre b = 0. On peut aussi chercher
à imposer une erreur de suivi de rampe nulle en choisissant une ponderation de la forme :
W
11
(s) =
(s +a)
2
k(s +b)
2
(4.44)
o` u b est choisi très faible voire nul
2
. Il convient toutefois de refaire les calculs ci-dessus.
2. Il est parfois preferable de choisir b faible non nul an de ne pas rendre le système instable par ladjonction
dun pole nul ; cest notamment le cas pour lanalyse de la robustesse.
`
EME ASSERVI 39
Exercice 12 (Schema de synthèse à un bloc)

Pour le schema de synthèse ` a un bloc represente sur la gure 4.6,
1. identiez les signaux du schema general de synthèse de la gure 4.5,
2. determinez le système etendu G
e
(s) en fonction de G(s).
Schema 2 blocs
En utilisant un schema de synthèse à 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 damplication du bruit
de mesure et en terme de robustesse. An de forcer le gain du correcteur à decroitre au delà
de la bande passante du système asservi, on peut etre amene à ajouter une ponderation sur la
commande u comme dans le schema de synthèse à deux blocs de la gure 4.7. Cette ponderation
est un ltre derivateur tronque qui amplie les hautes frequences. Avec W
2
(s) = W
21
I
n
u
, on
peut prendre :
W
21
(s) =
s
K
2
(cs + 1)
(4.45)
avec c
c
1 (par exemple c
c
= 0, 01). Une valeur de K
2
faible correspond à un eet de roll-o
important, cest-à-dire une decroissante rapide du gain du correcteur en haute frequence.
K(s)
G(s)
+
-
r(t)
e(t)
W
1
(s)
z
1
(t)
u(t)
y(t)
z
2
(t)
W
2
(s)
Figure 4.7 Schema de synthèse à 2 blocs
Exercice 13 (Schema de synthèse à deux blocs)

Pour le schema de synthèse ` a deux blocs represente sur la gure 4.7,
1. identiez les signaux du schema general de synthèse de la gure 4.5,
2. determinez le système etendu G
e
(s) en fonction de G(s).
Schema 4 blocs
K(s)
G(s)
+
-
W
1
(s)
z
1
(t)
v
1
= r(t)
+
d(t)
W
3
(s)
W
2
(s)
u(t)
y(t)
z
2
(t)
e(t)
v
2
(t)
Figure 4.8 Schema de synthèse à 4 blocs
Si le rejet de perturbation nest pas susant, il convient dintegrer lentree d qui sajoute
au signal de commande et qui modelise les perturbation apparaissant sur lentree du système.
`
EMES
On aboutit au schema de synthèse à quatre blocs (gure 4.8) dans lequel une ponderation
W
3
(s) = W
31
(s)I constante permettra de regler le rejet de perturbation grace au transfert
T
de
(s) avec :
(T
ed
(j)) <
1
[W
11
(j)W
31
(j)[
. (4.46)
Cette approche peut egalement servir à mieux rejeter une perturbation sinusodale à la pulsation
0
. La ponderation W
31
(s) est alors choisie egale à un ltre passe bande resonnant de nature à
amplier le signal à la pulsation
0
:
W
31
(s) =

0
s
s
2
+ 2
0
s +
2
0
(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 = Q
T
> 0A
T
Q+QA > 0 permet de garantir que la matrice A
est Hurwitz ; cest-à-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 temps-
continu et en temps-discret est disponible dans Peaucelle et Arzelier [23].
4.4.1 Regions LMI
Les regions du plan complexe permettant daboutir à une formulation LMI secrivent sous
la forme :
R
11
+R
12
z +R
H
21
z
+R
22
zz
< 0 (4.48)
o` u R
11
= R
H
11
, R
12
et R
22
= R
H
22
sont des matrices complexes et o` u z est un pole du système.
Exemple 7 (Exemples de contraintes LMI)
Pour obtenir [z[
1
, il sut dimposer
2
1
+zz
< 0.
Pour obtenir [z[
2
, il sut dimposer
2
2
zz
< 0.
Pour obtenir Re(z) , il sut dimposer 2 +z +z
< 0.
Pour garantir que les poles sont places dans un cone symetrique par rapport à laxe des
reels, dirige vers les reels negatifs et douverture , il faut imposer les conditions :
_
hRe(z) + Im(z) < 0
hRe(z) Im(z) < 0
(4.49)
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 R
11
= R
22
= O
22
et R
12
=
_
h j 0
0 h +j
_
.
Denition 10 (Produit de Kronecker)
Pour une matrice A = [a
i,j
] de dimention n p et une matrice B, on note :
AB =
_
_
a
11
B . . . a
1n
B
.
.
.
.
.
.
a
n1
B . . . a
nn
B
_
_
(4.51)
4.4. LIEU DES P
OLES 41
4.4.2 Condition LMI
Theorème 9 (Condition LMI de placement de pole)
Les p oles dun système dequation detat A sont dans le domaine caracterise par lequation (4.48)
sil existe une matrice symetrique P telle que la condition suivante est veriee :
R
11
P +R
12
(PA) +R
H
12
(A
H
P) +R
22
(A
H
PA) < 0 (4.52)
En pratique, les dierentes contraintes sont agglomerees an daboutir à une formulation
unique sous la forme (4.48).
Exercice 14 (Contraintes LMI de placement des poles)

1. Donnez les matrices de la formulation (4.48) permettant dassurer le cahier des charges
suivant :
module inferieur à
max
partie reelle inferieure à o` u R
+
amortissement superieur à r =
2.
2. Justiez linteret de ces trois contraintes, notamment en terme de cahier des charge tem-
porel.
`
EMES
Chapitre 5
Synthèse pour les systèmes LTI
5.1 Retour detat stabilisant
Système à temps continu
On cherche une commande de la forme u = Kx pour un système x = Ax+Bu. Le système en
boucle fermee secrit x = (A+BK)x. Il est stable sil existe une matrice Q = Q
T
> 0 veriant
linegalite matricielle :
(A+BK)
T
Q+Q(A+BK) < 0 (5.1)
La resolution du problème suppose de trouver simultanement les matrices K et Q. On voit que
cette inegalite nest pas lineaire à cause du terme QBK; elle ne peut donc etre resolue par les
outils numeriques classiques.
Toutefois, en multipliant à droite et à gauche linegalite par R = Q
1
, on obtient une
inegalite equivalente sous la forme :
R(A+BK)
T
+ (A+BK)R < 0 (5.2)
En eectuant le changement de variable S = KR, on se ramène à resoudre linegalite matricielle
lineaire suivante :
RA
T
+S
T
B +AR+BS < 0 (5.3)
Une fois determines R et S, on determine K = SQ
1
.
Formulation Riccati de la stabilisation. On peut egalement utiliser le lemme de Finsler
an de transformer lequation non-lineaire.
Commencons par developper lequation (5.1) :
A
T
Q+QA+K
T
B
T
Q+QBK < 0 (5.4)
En identiant cette equation avec la quatrième formulation du lemme de Finsler (page 16), la
troisième formulation equivalente donnee dans le lemme secrit :
A
T
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 :
A
T
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
44 CHAPITRE 5. SYNTH
`
ESE POUR LES SYST
`
EMES LTI
5.2 Commande H
On presente ici les techniques de synthèse de retour dynamique de sortie. Des resultats sont
egalement disponibles concernant la synthèse de retour detat statique
1
5.2.1 Problème et solutions
Position du problème
Pour le système P(s) de representation detat :
_
_
x
z
y
_
_
=
_
_
A B
1
B
2
C
1
D
11
D
12
C
2
D
21
D
22
_
_
_
_
x
v
u
_
_
(5.7)
on cherche un correcteur dynamique K(s) de representation detat :
_
x
K
u
_
=
_
A
K
B
K
C
K
D
K
_ _
x
K
y
_
(5.8)
tel que
[[lft
l
(P(s), K(s))[[
. (5.9)
Les methodes de synthèse presentees ci-dessous, disponibles sous Matlab, sappuient sur
lhypothèse suivante :
H1. (A, B
2
) est stabilisable
2
; (C
2
, A) est detectable
3
Ces deux hypothèses sont des hypothèses classiques pour la synthèse de correcteur.
Resolution par equation de Riccati
La première methode de synthèse, due à 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 = Q
T
de meme dimension dune matrice A. On note :
X = Ric
_
A P
Q A
T
_
(5.10)
la solution symetrique de lequation de Riccati :
XA+A
T
X XPX +Q = 0 (5.11)
telle que toutes les valeurs propres de APX ont une partie reelle strictement negative.
Outre lhypothèse H1, les hypothèses suivantes doivent etre satisfaites :
H2. rang(D
12
) = n
u
et rang(D
21
) = n
y
o` u n
u
est la taille de u et n
y
est la taille de n
y
.
H3. R, rang
_
AjI
n
B
2
C
1
D
12
_
= n +n
u
o` u n est la taille de x.
H4. R, rang
_
AjI
n
B
1
C
2
D
21
_
= n +n
y
.
H5. D
11
= 0, D
T
12
_
C
1
D
12
=
_
O I
n
u
, D
22
= 0,
_
B
1
D
21
_
D
T
21
=
_
O I
n
y
.
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, B
2
) est stabilisable sil
existe un retour detat qui stabilise le système x = Ax +B
2
u.
3. La detectabilite est une condition moins forte que lobservabilite. La paire (C
2
, 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 hy-
pothèses.
Theorème 10 (Synthèse H
par equation de Riccati)

Sous les hypothèses precedentes, les correcteurs LTI K(s) stabilisant le système et assurant (5.9)
sont donnes par la LFT suivante :
K(s) = lft
l
(K
a
(s), (s)) (5.12)
o` u (s) est une matrice de transfert de dimension n
u
n
y
arbitraire veriant [[(s)[[ < et o` u
K
a
(s) est decrit par la representation detat suivante :
_
_
x
a
u
u
a
_
_
=
_
_
A
a
Z
a
Y
a
C
T
2
ZaB
2
B
T
2
Xa O I
n
u
C
2
I
n
y
O
_
_
_
_
x
v
u
_
_
(5.13)
o` u A
a
= A+
2
B
1
B
T
1
Xa B
2
B
T
2
Z
a
Y aC
2
C
T
2
et Z
a
= (I
n
2
Y aXa)
1
En particulier, le correcteur central est obtenu avec (s) = 0.
Resolution par LMI
La caracterisation LMI de la boucle fermee est donnee par le lemme borne reel (4.29). Pour
le système en boucle fermee lft
l
(P(s), K(s)), ce resultats se reecrit :
_
_
A
T
bf
Q+QA
bf
QB
bf
C
T
bf
B
T
bf
Q I D
T
bf
C
bf
D
bf
I
_
_
< 0 (5.14)
o` u les matrices du système en boucle fermee sont donnees par :
_
A
bf
B
bf
C
bf
D
bf
_
=
_
_
A+B
2
D
K
C
2
B
2
C
K
B
1
+B
2
D
K
D
21
B
K
C
1
A
K
B
K
D
21
C
1
+D
12
D
K
C
2
D
12
C
K
D
11
+D
12
D
K
D
21
_
_
(5.15)
dans le cas o` u D
22
= O.
Il sagit dun problème non-lineaire à cause du produit entre la matrice de Lyapunov Q et
les matrices du correcteur à determiner. La methode suivante permet de resoudre le problème
[16]. Elle consiste à resoudre dabord un problème LMI o` u les matrices du correcteur ont ete
supprimees.
Theorème 11 (Synthèse LMI de correcteur H
)
Le problème H
a une solution sil existe des matrices symetriques R et S qui verient les trois
conditions LMI suivantes :
_
N
R
0
0 I
n
v
_
T
_
_
AR +RA
T
RC
T
1
B
1
C
2
R I
n
z
D
21
B
T
1
D
T
21
I
n
v
_
_
_
N
R
0
0 I
n
v
_
< 0 (5.16)
_
N
S
0
0 I
n
z
_
T
_
_
A
T
S +SA SB
1
C
1
B
T
1
S I
n
v
D
T
21
C
T
2
D
21
I
n
z
_
_
_
N
S
0
0 I
n
z
_
< 0 (5.17)
_
R I
n
I
n
S
_
0 (5.18)
o` u N
R
et N
S
sont des bases des noyaux respectivement de
_
B
T
2
D
T
12
et
_
C
2
D
21
.
La determination du correcteur se fait suivant les etapes suivantes :
`
ESE POUR LES SYST
`
EMES LTI
1. On determine dabord les matrices R et S à partir des LMI du theorème 11.
2. Soit r le rang de la matrice I
n
RS. Une decomposition en valeurs singulière permet de
determiner les matrices M et N R
nr
telles que :
MN
T
= I
n
RS (5.19)
3. On determine ensuite la matrice de Lyapunov :
Q =
_
S N
N
T
M
RN
_
(5.20)
o` u M
est la pseudo-inverse de M.
4. Il ne reste plus quà resoudre (5.14) avec Q connu ; ce qui est une LMI en A
K
, B
K
, C
K
et
D
K
.
5.2.2 Methodologies de synthèse
Synthèse par la methode des sensibilites mixtes
On sappuiera sur les explications donnees sur lanalyse des systèmes 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 à appliquer puis de synthetiser le
correcteur minimisant la norme H
du système 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 synthèse. Si est largement inferieur à lunite, cela signie
que les performances pourraient etre augmentees par rapport à ce qui a ete specie lors de la
synthèse. On peut alors en proter pour ameliorer la robustesse en augmentant leet de roll-o.
Synthèse 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 système.
Il est generalement donne sous la forme dune pre-ponderations W
1
(s) et dune post
ponderation W
2
(s). Le système resultats est

G(s) = W
2
(s)G(s)W
1
(s) (voir gure 5.1).
On peut donner un gain eleve en basse frequence an de bien rejeter les perturbations. En
haute frequence, il est preferable dattenuer le gain an de reduire la sensibilite par rapport
aux dynamiques mal modelisees (eet de roll-o). Dans la zone de frequence proche de
la pulsation de coupure, il est preferable de ne pas augmenter trop la pente du gain, de
manière à ne pas rendre plus dicile le problème de synthèse. Une pente de 30 dB/dec
permet dassurer une marge de phase proche de 45.
Figure 5.1 Loop-shaping : schema de synthèse
Considerons des signaux de perturbation d
1
en entree et d
2
en sortie de

G(s), (voir g-
ure 5.1). Un correcteur

K(s) est synthetise de manière à minimiser la norme H
du
transfert de [d
1
d
2
]
T
vers [ u y]
T
:
= min
S(s)

S(s)

G(s)
K(s)S
a
(s)

K(s)
S(s)

G(s)
(5.21)
5.2. COMMANDE H
47
Figure 5.2 Loop-shaping : schema de commande
o` u

S(s) = (I +

G(s)

K(s))
1
est la fonction de sensibilite en entree. Ce correcteur etant
etabli à partir de lensemble système + correcteur initial, il est dordre n + n. Cette etage
permet de conferer de bonnes marges de stabilite, ce qui est le cas si est susamment
faible. On considère generalement des valeurs entre 3 et 5 comme satisfaisantes. Des valeurs
plus elevees correspondraient à des marges de stabilite reduites ; des valeurs plus elevees
sont le signe quil est possible dameliorer les performances o` u la robustesse du système.
Le correcteur nal est K(s) = W
1
(s)

K(s)W
2
(s). Son ordre est donc n + 2 n. Le schema de
commande est donne sur la gure 5.2.
Figure 5.3 Fonctions de transfert du système et de la ponderation
Figure 5.4 Fonctions de transfert du système pondere avec et sans correcteur H
Un exemple de mise en uvre sur un système electromecanique avec resonnance est developpe
dans [19]. Sur la gure 5.3, on observe la reponse frequentielle de la fonction de transfert G(s)
initial ainsi que la ponderation W
2
(s). On a choisi W
1
(s) = 1. La bande passante est prevue pour
des frequences inferieures et proches de la resonance. Sur la gure 5.4, on observe le système
`
ESE POUR LES SYST
`
EMES LTI
pondere

G(s) puis le système corrige

K(s)

G(s). On observe que le correcteur H
na modie le
comportement quaux frequences proches de la pulsation de coupure.
Chapitre 6
Analyse des systèmes LPV incertains
6.1 Stabilite au sens de Lyapunov
6.1.1 Système non-lineaire
Soit un système libre de vecteur detat x et dequation detat x = f(x). Soit x
0
un point
stable candidat. Il doit alors verier la condition dequilibre f(x
0
) = 0. De plus, il faut aussi que
que ce point soit attractif, cest-à-dire que les trajectoires de x convergent vers x
0
.
Denition 11 (Stabilite au sens de Lyapunov)
x
0
est un point stable au sens de Lyapunov sil existe une fonction scalaire V (x) veriant les
conditions suivantes :
V (x) > V (x
0
) pour x ,= x
0
d
dt
(V (x)) < 0 pour x ,= x
0
Une telle fonction V (x) est dite fonction denergie du système ou fonction de Lyapunov.
A partir dune condition initiale x
i
dierente de x
0
, lenergie interne du système va decrotre
jusquà atteindre son minimum qui correspond à lunique point x
0
; letat du système tendra
donc necessairement vers x
0
.
Pour demontrer la stabilite par cette methode, la diculte reside dans le choix dune bonne
fonction denergie. Une classe de fonctions souvent utilisees sont les fonction quadratiques V (x) =
(x x
0
)
T
Q(x x
0
) avec Q = Q
T
> 0 ; on parle alors de stabilite quadratique.
Pour la fonction denergie choisie, il reste à demontrer que
d
dt
(V (x)) =
dV (x)
dx
f(x) < 0 pour
tout x.
Dans ce cas, f(x) = Ax. Le point dequilibre candidat est x = 0. En choisissant V (x) = x
T
Qx
avec Q = Q
T
> 0, la condition de stabilite secrit alors x
T
(A
T
Q + QA)x < 0 pour x ,= 0, ce
qui secrit aussi A
T
Q + QA < 0 et qui signie que toutes les valeurs propres (reelles) de la
matrice symetrique A
T
Q + QA sont strictement negatives. La stabilite quadratique peut ainsi
se caracteriser par un système de LMI dont linconnue est la matrice symetrique Q :
Q > 0 (6.1)
A
T
Q+QA < 0 (6.2)
Remarque : dans ce cas, cette stabilite (quadratique de Lyapunov) est equivalente à la sta-
bilite au sens classique dont le critère est que la matrice A ait ses valeurs propres à partie reelle
positive.
49
`
EMES LPV INCERTAINS
6.1.3 Système LPV
Pour un système LPV autonome x = A()x, la condition de decroissance secrit (A())
T
Q+
QA() < 0 pour tout dans lensemble admissible. En absence dhypothèse supplementaires sur
la dependance en de A, nous trouvons alors devant une innite de conditions LMI à verier
1
(pour chaque valeur des paramètres). Une issue consiste à se ramener à un nombre ni de LMI en
discretisant lensemble des paramètres. Linconvenient de cette methode reside dans le nombre
eleve de LMI à resoudre, meme pour un petit nombre de paramètres ; elle est irrealiste dans le
cas de systèmes dependant dun nombre eleve de paramètres.
Dans le cas dun système LPV ane ou polytopique, on verie quil sut que la condition
soit veriee au sommets de lespace pour quelle le soit sur lensemble du domaine. En eet, si
A =
k
A
s
k
,

V =
k
x
T
((A
s
k
)
T
Q+QA
s
k
)x
T
. Il sut de verier ((A
s
k
)
T
Q+QA
s
k
) < 0 pour tout
k. Letude de la stabilite quadratique dun système LPV ane ou polytopique setudie par le
système de 2
p
+ 1 LMI suivantes o` u p est le nombre de paramètres :
Q > 0 (6.3)
(A
s
k
)
T
Q+QA
s
k
< 0 (6.4)
Remarquez que la stabilite quadratique dun système LPV nest, dans le cas general, quune
condition susante de stabilite. En eet, la stabilite pourrait etre etablie avec des fonction de
Lyapunov non quadratiques.
6.1.4 Maximisation du taux de decroissance
Plutot que de se contenter dassurer que V decrot, il est interessant de chercher à maximiser
cette decroissance. Dans le cas dune fonction quadratique V (x) = x
T
Qx, on peut chercher à
assurer

V (x) < x
T
x o` u le taux de croissance est un scalaire ; il est negatif si le système est
stable. Pour un système lineaire, il sagit donc de trouver Q = Q
T
et minimal veriant :
Q > 0 (6.5)
A
T
Q+QA < I (6.6)
Il sagit dun problème de valeurs propres generalisees. Ce resultat est generalisable aux systèmes
LPV ane et polytopique ; on assure alors un taux de decroissance minimal sur le domaine.
6.1.5 Matrice de Lyapunov dependant des paramètres
Dans le cas dun système LPV, on peut introduire une matrice de Lyapunov Q() dependant
des paramètres. La derivee de lenergie secrit alors :
dV
dt
= x
T
Qx +x
T
Q x +x
T

Qx (6.7)
= x
T
(A
T
Q+QA+

Q)x, (6.8)
o` u

Q =
Q((t))
dt
=
Q
k
. La stabilite est donc assuree si :
Q() < 0 (6.9)
A
T
Q+QA+

Q < 0 et

(6.10)
o` u est lensemble de variation des paramètres et celui des variations de

; comme on la
fait pour , on suppose que chaque composante de

est bornee, cest-à-dire que

k
.
Dans le cas general, cette inegalite peut etre veriee en echantillonnant et .
Restreignons nous desormais à des matrices de Lyapunov dependant de manière ane des
paramètres : Q() = Q
0
+
1
Q
1
+
2
Q
2
. Il sut alors de verier la positivite de Q aux
1. On parle en fait de LMI semi-innie dans le cas ou les paramètres sont bornes ; le terme de LMI in-
nieLMI !innie sappliquant au cas ou les paramètres ne sont pas bornes
6.2. DISSIPATIVIT
E, NORME H
51
sommets de , cest-à-dire sur
s
. On observe alors que

Q =

1
Q
1
+

2
Q
2
= Q(
) Q
0
.
Linegalite à verier secrit alors :
Q() < 0
s
(6.11)
(A())
T
Q() +Q()A() +Q(
) Q
0
< 0 (,

)
s
. (6.12)
Dans le cas dun système LPV ane (A() = A
0
+
1
A
1
), il sagit dune inegalite matricielle
polynomiale dordre 2 quon ne peut resoudre avec les techniques classiques. Par contre, il est
possible dobtenir une condition susante sous forme de LMI. Pour cela, nous allons nous
appuyer sur le resultat suivant :
Lemme 5 (Condition susante de negativite)
Soit f une fonction de E vers R o` u E est un parallelepipède rectangle (E = [x
1
; x
1
][x
2
; x
2
] ).
Notons E
s
lensemble des sommets de E (E
s
= (x
1
, x
2
, ...), (x
1
, x
2
, . . .) . . .). La proposition (ii)
implique la proposition (i)
i. f(x) < 0 x E
ii.
_
f(x) < 0 x E
s
2
f
x
k
0 x E
(6.13)
Pour que la fonction f soit negative, il sut quelle soit negative aux sommets et quelle soit
multiconvexe. Remarquons que la multiconvexite, cest-à-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
R
2
. Lensemble de depart E est donc un rectangle. Supposons que les conditions (ii) soient
veriees. Il est alors evident que f(x) < 0 sur chacun des cotes du rectangle, par convexite.
Ensuite, pour un point à linterieur du rectangle, on peut dire quil appartient à un segment
parallèle à lun des bords du rectangle ; par convexite, f est negative en tous les points de ce
segment.
Il sagit alors dappliquer ce lemme à linegalite matricielle (6.12) avec E = et E
s
=
s
. La condition de multiconvexite se ramenant à A
T
k
Q
k
+Q
k
A
k
0 k 1, on obtient le
système de LMI suivant :
Q() < 0
s
(6.14)
(A())
T
Q() +Q()A() +Q(
) Q
0
< 0
s
et

s
(6.15)
A
T
k
Q
k
+Q
k
A
k
0 k 1 (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 paramètres. Il
sut en eet de choisir Q
k
= 0 k 1.
6.2 Dissipativite, norme H
6.2.1 Système LPV

Comme pour la passivite, on peut garantir des proprietes dun système LPV en passant par
un echantillonnage de lensemble de variation des paramètres. Cependant, dans le cas dun
système LPV ane, il existe un resultat sous forme dun système comportant un nombre ni de
LMI. En eet, lequation (6.18) qui comporte des produits des matrices detat (ce qui entrane
le caractère non lineaire de linegalite, meme pour un système LPV ane) peut se transformer
via le complement de Schur :
`
EMES LPV INCERTAINS

T
veriant :
Q > 0 (6.17)
_
_
A
T
Q+QA QB C
T
B
T
Q I D
T
C D I
_
_
< 0 (6.18)
Demonstration 5
En appliquant le complement de Schur à la relation ci-dessus avec la decomposition :
Q =
_
A
T
Q+QA QB
B
T
Q I
_
(6.19)
R = I (6.20)
S =
_
C
T
D
T
_
(6.21)
et en multipliant par on obtient la première 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 système LPV ane, la LMI depend de manière ane des
paramètres. Pour que la LMI soit veriee sur lensemble du domaine, il sut quelle le soit aux
sommets de lespace des paramètres. On peut alors enoncer le theorème suivant :
Theorème 12 (Dissipativite dun système LPV ane)
Un système LPV ane est stable pour toute trajectoire de dans et sa norme H
est
inferieure à pour tout ge dans si le lemme borne reel 2 est verie pour tout
s
.
Ce resultat est immediat du fait du caractère ane de linegalite matricielle et du fait du
caractère ane de la dependance des matrices detat en fonction des paramètres.
6.2.2 Dissipativite avec matrice de Lyapunov dependant des paramètres
Comme nous lavons fait pour la passivite, nous pouvons introduire une matrice de Lyapunov
Q() dependant des paramètres (en abrege PDLF pour parameter-dependent Lyapunov function)
pour traiter le problème de la dissipativite. Remarquons tout de suite que seule la fonction
denergie x
T
Qx est aectee ; la fonction S(u, y) de ux denergie nest en rien concernee par ce
changement. Comme pour la passivite, le terme A
T
Q + QA est desormais aecte dun terme
supplementaire

Q. Pour un système LPV, sous pouvons alors enoncer le resultat suivant :
Theorème 13 (LMI semi-innie de dissipativite avec PDLF)
Le système LPV est S-dissipatif (S(u, y) = y
T
y + u
T
u) sil existe des matrices symetriques
Q
0
, Q
1
... avec Q() = Q
0
+
1
Q
1
telles que :
Q() > 0
s
(6.22)
_
_
M(,

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

) (6.23)
o` u M(,

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

Q().
Cette caracterisation est une LMI semi-innie. Comme nous lavions fait pour la passivite
dependant des paramètres, on peut obtenir une caracterisation plus conservative sous forme dun
nombre ni de LMI, ce qui est fait dans le theorème ci-dessous.
6.3. APPLICATION
`
A UN SYST
`
EME M
ECANIQUE 53
r
actionneur
transmission
souple
charge
rgulateur
y
u
Figure 6.1 Schema du système mecanique etudie
Theorème 14 (Condition LMI de dissipativite avec PDLF)
Le système LPV est S-dissipatif (S(u, y) = y
T
y + u
T
u) sil existe des matrices symetriques
Q
0
, Q
1
... avec Q() = Q
0
+
1
Q
1
telles que :
Q() > 0
s
(6.24)
_
_
M(,

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

)
s
s
(6.25)
_
A
T
k
Q
k
+Q
k
A
k
Q
k
B
k
B
T
k
Q
k
0
_
0 k 1 (6.26)
o` u

M(,

) = (A())
T
Q() +Q()A() +Q(
) Q
0
.
6.3 Application à un système mecanique
On traite dans cette partie la modelisation dun système dynamique sous forme LPV ane
et sous forme LFR. Des resultats danalyse par dierentes methodes sont presentes.
6.3.1 Presentation du système
Le système est presente sur la gure 6.1. Il est compose de deux sous-systèmes dinerties
respectives J
1
et J
2
et de coecients de dissipation (frottements uides) f
1
et f
2
reliees par
un accouplement de raideur K et de coecient de dissipation f. Le premier sous-système est
actionne et on commande le couple u. On note q
k
les positions et
k
les vitesses. On cherche
à asservir la vitesse
2
du second sous-système. On considère que la raideur K et linertie J
2
sont entachees dincertitudes. Les valeurs nominales des paramètres sont J
1
= J
2
= 10 mkg.m
2
,
f
1
= f
2
= 20 mNms/rad, f = 40 mNms/rad, K = 10 N/rad. On considère des variations de
50 % sur K et sur
1
J
2
.
Le couple transmis par la liaison exible entre les deux sous-systèmes est C
K
= K(q
1
q
2
) +
f(
1
2
). Les equations de la dynamique appliquees aux deux sous-systèmes secrivent :
J
1
d
1
dt
= u C
K
f
1
1
(6.27)
J
2
d
1
dt
= C
K
f
2
2
(6.28)
Il sagit dun modèle lineaire dordre 4. Il peut secrire sous forme detat avec x = [q
1

1
q
2

2
]
T
et les matrices detat suivantes :
A =
_
_
0 1 0 0
K
J
1
f+f
1
J
1
K
J
1
f
J
1
0 0 0 1
K
J
2
f
J
2
K
J
2
f+f
2
J
2
_
_
, B =
_
_
0
1
J
1
0
0
_
_
(6.29)
C =
_
0 0 0 1
, D = 0 (6.30)
`
EMES LPV INCERTAINS
Figure 6.2 Lieu de Bode du système mecanique
Ce modèle a linconvenient detre non observable. En eet, seule la difference q
1
q
2
des
positions a de linuence sur la mesure
2
; la somme etant sans eet
2
. Ainsi, il est preferable
de simplier les equations en notant q = q
1
q
2
et qui verie lequation :
q =
1
2
(6.31)
En reprenant les equations de la dynamique avec C
K
= K q + f(
1

2
), on peut ecrire le
modèle detat avec x = [
1

2
q]
T
et les matrices detat :
A =
_
f+f
1
J
1
f
J
1
K
J
1
f
J
2
f+f
2
J
2
K
J
2
1 1 0
_
_
, B =
_
_
1
J
1
0
0
_
_
(6.32)
C =
_
1 0 0
, D = 0 (6.33)
Le lieu de Bode
3
du système mecanique est presente sur la gure 6.2. La resonance se situe
entre 40 et 50 rad/s. An dasservir la vitesse de la charge, on a choisi un correcteur de fonction
de transfert :
K(s) =
2(s + 2)
(s + 10)(s + 0, 01)
(6.34)
Il sagit dun correcteur de type PI
4
avec une troncature du terme integral pour les pulsations
inferieures à 10 mrad/s et un ltrage passe bas du premier ordre pour les frequences superieures
à 10 rad/s. La reponse du système nominal asservi à un echelon unitaire est donnee sur la
gure 6.3. On note un depassement de lordre de 15 % et un temps de reponse à 5 % de 500 ms.
6.3.2 Analyse à partir du modèle LPV
Modelisation
le modèle developpe ci-dessus fait apparatre des produits entre les variables incertaines K et
1
J
2
et ne peut secrire directement comme un modèle LPV ane. Cela sera rendu possible par un
2. Ajouter un oset identique sur les conditions initiales de q
1
et q
2
est sans eet 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 ://www-
scd-ulp.u-strasbg.fr, rubrique Revues electroniques) ou ` a partir du cite du LSIIT (http ://lsiit.u-strasbg.fr).
6.3. APPLICATION
`
A UN SYST
`
EME M
ECANIQUE 55
Figure 6.3 Reponse à un echelon du système nominal asservi
changement de variable detat x = [J
1
1
J
2
2

]
T
. Remarquons que ce changement de variable
est justie par la physique car, en presence dinerties variables, les equations de la dynamique
secrivent rigoureusement sous la forme :
d
dt
(J
1
1
) = u C
K
f
1
1
(6.35)
d
dt
(J
2
2
) = C
K
f
2
2
(6.36)
Le modèle detat secrit alors avec les matrices suivantes :
A =
_
f+f
1
J
1
f
J
2
K
f
J
1
f+f
2
J
2
K
f
J
1
f
J
2
0
_
_
, B =
_
_
1
0
0
_
_
(6.37)
C =
_
0
f
J
2
0
_
, D = 0 (6.38)
Les matrices detat sexpriment de manière ane en fonction des paramètres incertains K et
1
J
2
.
En notant par commodite :
M =
_
A B
C D
_
(6.39)
le modèle secrit M = M
0
+KM
1
+
1
J
2
M
2
avec :
M
0
=
_
f+f
1
J
1
0 0 1
f
J
1
0 0 0
f
J
1
0 0 0
0 0 0 0
_
_
(6.40)
M
1
=
_
_
0 0 1 0
0 0 1 0
0 0 0 0
0 0 0 0
_
_
(6.41)
M
2
=
_
_
0 f 0 0
0 (f +f
2
) 0 0
0 f 0 0
0 f 0 0
_
_
(6.42)
Le script de denition du modèle sous Matlab est donne ci-dessous
5
:
5. Les codes Matlab de cette partie requièrent la boite ` a outil LMI toolbox ou la version 3 ou posterieure de
la Robust Control Toolbox.
`
EMES LPV INCERTAINS
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; % ponderation sur K
J20 = 1e-2; w2 = 50; % ponderation 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 stabilite
Le correcteur est deni 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 système en boucle ouverte compose du correcteur et du process :
sysboaff = smult(sysK,sysGaff);
On peut ensuite denir le système 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 système est robustement stable. La
stabilite quadratique avec matrice de Lypaunov dependant des paramètres de manière ane est
etudiee avec :
[tau2,Q0,Q1,Q2] = pdlstab(sysbfaff);
qui donne tau2 = -0.0222, et qui montre que le système est robustement stable
6
.
Robustesse en performance
On calcule la norme H
du système avec :
[perf,Pp] = quadperf(sysbfaff);
On obtient un gain de 1,77, ce qui correspond à 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
W
1
(s) sur lerreur et en calculant la norme H
du transfert entre la reference et la sortie de

W
1
(s). On denit 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 paramètres aboutit ` a une evaluation moins concervative
de la stabilite ; ce resultat est donc evident dès lors que la stabilite quadratique avec matrice de Lyapunov constante
est veriee.
7. Harry Nyquist est ne en 1889 en Suède 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.
6.3. APPLICATION
`
A UN SYST
`
EME M
ECANIQUE 57
Figure 6.4 Schema-bloc du modèle dynamique dordre 3
Le système pondere est calcule par :
sysbfaffp = smult(sysbfaff,W1lti);
et on calcule la norme H
du système 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) verie le gabarit W
1
1
(s) avec une marge de robustesse de 1,13. Le système
est robuste en performance.
6.3.3 -analyse
La -analyse est une analyse de robustesse qui sappuie sur la notion de valeur singulière
structuree. Le modèle doit-etre donne sous forme de LFR.
Modèle LFR
La methode la plus simple pour obtenir une representation LFR dun système consiste à
travailler sur le schema-bloc et à la simplier au maximum de sorte à faire intervenir un nombre
minimum de fois chacun des paramètres. Dans le cas du système mecanique considere, chaque
paramètre peut etre utilise une seule fois, comme le montre le schema de la gure 6.4.
A partir de ce schema, il est possible de construire simplement la LFR en rempla cant chaque
paramètre incertain par une entree v
k
et une sortie z
k
. Ainsi, en rempla cant la raideur K par v
1
et z
1
puis
1
J
2
par v
2
et z
2
, on obtient le modèle presente sur la gure 6.5.
Ce modèle se met alors sous la forme (3.16-3.18) avec :
_
_
A B
1
B
2
C
1
D
11
D
12
C
2
D
21
D
22
_
_
=
_
_
(f +f1)/J1 0 0 1 f 1
f/J1 0 0 1 (f +f2) 0
1/J1 0 0 0 1 0
0 0 1 0 0 0
0 1 0 0 0 0
0 0 0 0 1 0
_
_
(6.43)
On observe que la matrice D
11
est nulle, ce qui fait que le modèle LFR est aussi un modèle LPV
ane.
Une etape de normalisation est ensuite operee. Les paramètres K et
1
J
2
sont respectivement
remplaces par K
0
+w
1
1
et
1
J
20
+w
2
2
o` u
1
et
2
sont deux paramètres dont les variations sont
`
EMES LPV INCERTAINS
Figure 6.5 Schema-bloc du modèle LFR
Figure 6.6 Schema-bloc du modèle LFR normalise
6.3. APPLICATION
`
A UN SYST
`
EME M
ECANIQUE 59
comprises entre -1 et 1. Le schema correspondant est celui de la gure 6.6. Le script de denition
du modèle 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 système contient deux incertitudes reelles scalaires
9
.
Robustesse en stabilite
On presente ensuite les resultats danalyse de la robustesse en stabilite à partir du modèle
boucle. Après avoir deni 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 denition du modèle boucle peut se faire à partir de la fonction sysic de la manière
suivante :
systemnames = sysLFR sysK ;
inputvar = [ v2];
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 verier que le modèle nominal (avec des incer-
titudes nulles) est stable
10
. Cela se fait de la manière suivante :
if max(real(spoles(sysLFRbf))) >= 0,
disp(Système nominal instable)
else
disp(Système nominal stable)
end
Le calcul de la valeur singulière singulière structuree sur un ensemble de valeurs de la pulsa-
tion 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 requièrent 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 signie quaucun p ole ne traverse laxe imaginaire mais ne garantie pas que
le système nominal est stable.
`
EMES LPV INCERTAINS
Figure 6.7 Valeur singulière structuree pour lanalyse en stabilite (borne superieure et borne
inferieure)
Figure 6.8 Schema-bloc du modèle LFR pour lanalyse en performance
figure
vplot(liv,m,bnds)
et donne le trace de la gure 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. Remar-
quons que la borne inferieure a de grandes dicultes à converger. Cest là une caracteristique
de la borne inferieure pour les problèmes purement reels.
Robustesse en performance
Le calcul de la robustesse en performance se fait en incluant une ponderation W
1
(s) sur
lerreur de regulation
11
et en ajoutant une incertitude complexe pleine entre la sortie de W
1
(s)
et la reference. Le schema du système est presente sur la gure 6.8. La ponderation est denie
sous Matlab comme suit :
w1c = 8; NumW1 = 0.25*[1 1/w1c]; DenW1 = [1 1e-3];
W1 = nd2sys(NumW1,DenW1);
On denit ensuite le modèle boucle sous forme LFR :
systemnames = sysLFR sysK W1;
inputvar = [ v2; vp];
11. Avec une ponderation placee sur lerreur de regulation, on peut traiter les problèmes de bande-passante, de
marge de module et de precision statique.
6.3. APPLICATION
`
A UN SYST
`
EME M
ECANIQUE 61
Figure 6.9 Valeur singulière 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 singulière structuree se fait avec le script ci-dessous :
sysLFRbfp w = frsp(sysLFRbfp,TabPuls);
blkp = [blk; [1 0]]; % ajout de lincertitude complexe liee aux performances
[bnds,rowd,sens,rowp,rowg] = mu(sysLFRbfp w,blkp);
figure
vplot(liv,m,bnds)
et donne les resultats presentes sur la gure 6.9. On observe que les bornes superieure et
inferieure sont proches ; lajout dune incertitude complexe pour lanalyse en performance permet
de regulariser le problème. Le système est robuste en performance avec une marge de robustesse
de 1,5 (1/0,66). Cest-à-dire que le système maintient les performances denies par le gabarit
W
1
1
(s) sur la sensibilite en sortie (le transfert entre la reference et lerreur de regulation) pour
toutes les valeurs des paramètres dans les intervalles predenis.
6.3.4 Lieu des poles
Letude du lieu des poles multimodèle presentee ici sappuie sur une modelisation LFR
presentee dans le paragraphe 6.3.3. Elle utilise des fonctions developpee par lauteur (archive
des chiers : http://eavr.u-strasbg.fr/
~
laroche/student/MasterISTI/Test2.zip).
Le lieu des poles multimodèle, trace sur la gure 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 à -1,9 ; le système est donc robuste-
ment stable.
`
EMES LPV INCERTAINS
Figure 6.10 Lieu des poles multimodèle pour les variations nominales des paramètres (55
modèles)
Figure 6.11

Evolution de la partie relle pire-cas des poles en fonction du coecient de dilata-
tion de lensemble de variation des paramètres (55 modèles)
6.3. APPLICATION
`
A UN SYST
`
EME M
ECANIQUE 63
Figure 6.12 Lieu des poles multimodèle pour les variations maximales des paramètres (1010
modèles)
On peut tracer levolution de la partie reelle maximale en fonction dun coecient r que lon
applique au domaine de variation des paramètres. Les resultats produits sur la gure 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 pole est à partie reelle positive à 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 ro-
bustesse 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 poles multimodèle avec les variations maximales des paramètres, presente sur
la gure 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 à partie reelle negative ; cependant, certains ont
une partie reelle proche de zero et sont en limite de stabilite.
`
EMES 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 Tech-
nology, 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 Math-
Works 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 Tool-
box, 2005.
[11] Y. Nesterov and A. Nemirovski, Interior-point Polynomial Methods in Convex Program-
ming, 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 Systèmes Lineaires Multivariables,

Ecole Superieure d
Electricite,
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 H
2
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.

Com Rob

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Com Rob

Transféré par

Droits d'auteur :

Formats disponibles

Commande Robuste

Ecole Nationale Sup

erieure de Physique de Strasbourg

E MATRICIELLE AFFINE OU LIN

sur les syst`emes)

est denie comme la norme induite

< (k, l) 1, 2 (2.16)

< (G(j) <

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

ELISATION DES SYST

Equivalence entre polytopique et LPV ane)

ERATIONS SUR LES SYST

Exercice 2 (Operations sur deux syst`emes LTI)

Exercice 3 (Interconnexion pour lanalyse dun syst`eme asservi)

ELISATION DES SYST

Exercice 4 (Interconnexion pour la synth`ese de correcteur)

Exercice 5 (Representation LFT dun syst`eme LTI)

ELISATION DES SYST

ELISATION DES SYST

Exercice 6 (Modelisation LFR dun syst`eme electrique inductif )

Exercice 7 (Modelisation LFR dun syst`eme masse ressort)

Exercice 8 (Interconnexion de deux LFR)

ELISATION DES SYST

Exercice 9 (Mod`ele LFR dun bras manipulateur)

est un cas particulier de dissipativite.

Equivalence entre norme H

de est la borne superieure de la valeur singuli`ere

par est donc equivalente `a la I,

inferieure `a si et seulement si il existe une matrice Q = Q

dun syst`eme lineaire

inferieure `a si et seulement si il existe une matrice Q = Q

Exercice 10 (Calcul des fonctions de transfert en boucle fermee)

Exercice 11 (Trace de la reponse frequentielle dun syst`eme asservi)

est donne sur la gure 4.5. Le syst`eme

Exercice 12 (Schema de synth`ese `a un bloc)

Exercice 13 (Schema de synth`ese `a deux blocs)

Exercice 14 (Contraintes LMI de placement des poles)

par equation de Riccati)

du syst`eme augmente en boucle fermee. Si la valeur obtenue,

6.2.1 Syst`eme LPV

inferieure `a si et seulement si il existe une matrice Q = Q

du transfert entre la reference et la sortie de

1, ce que fait le script suivant :

et -analyse, Hermes Science Publications, Paris,

design with pole placement constraints : an lmi approach,

Vous aimerez peut-être aussi