Auto Classique Optimisation - Hinf

Automatique frquentielle : des critres graphiques loptimisation LMI
G. Scorletti , V. Fromion et S. Font

LAP-ISMRA, Universit de Caen, 6 Bd. du Marchal Juin, 14050, Caen, France. e-mail : scorletti@greyc.ismra.fr LASB, INRA-Montpellier, 2, place P. Viala, 34060 Montpellier, France. e-mail : fromion@ensam.inra.fr
Service Automatique, Suplec, Plateau du Moulon, 91192 Gif-sur-Yvette, France e-mail : font@supelec.fr
RSUM.
XXX XXX
ABSTRACT.
MOTS-CLS :
Automatique frquentielle, robustesse, commande H , analyse, optimisation LMI, cahier des charges, analyse non linaire, norme incrmentale, squencement de gains
KEYWORDS: Robustness, H control, analysis, LMI optimization, nonlinear analysis, incremental norm, gain scheduling
Nom de la revue ou confrence ( dnir par \submitted ou \toappear)
1. Introduction Les applications industrielles sont plus que jamais au coeur des enjeux actuels de lautomatique. Ce renouveau est li laugmentation constante des exigences de qualit et de performance des systmes asservis et lexigence de plus en plus forte du meilleur compromis. Les cahiers des charges dasservissements industriels sont de plus en plus complexes et serrs. Tout cela a pour consquence dans bien des cas dinvalider lhypothse de linarit : les effets non linaires des systmes ne sont plus ngligeables, ou mme sils le sont, des correcteurs non linaires sont souvent ncessaires pour satisfaire aux exigences de performance. Enn, il faut prendre en compte dans le processus de synthse lvolution ou lajustement permanent du cahier des charges. Face cela, lAutomatique frquentielle apparat comme un outil incontournable, mme si les outils classiques, gnralement bass sur des critres graphiques et dvelopps des annes 30 aux annes 60 ne sont pas adapts pour traiter de problmes aussi complexes. Lautomatique frquentielle a subi une profonde mutation depuis le dbut des annes 80, ce qui se traduit par une activit de recherche trs dynamique dans ce domaine. Le moteur de cette mutation est loptimisation. Loptimisation a remplac lutilisation des critres graphiques qui ont permis, par leur simplicit, de populariser lautomatique frquentielle. Lide essentielle de cette nouvelle approche, et sans aucun conteste son succs actuel, est avant tout lie au fait quelle sappuie sur les principes qui ont fait le succs de lapproche classique tout en ltendant lensemble des classes de systmes usuellement considrs par les ingnieurs. Lobjectif de ce papier est de montrer que, sous la forme de logiciels de Conception assiste par ordinateurs, des outils bass principalement sur loptimisation, tendant largement les critres graphiques tout en gardant leur simplicit, sont en cours de dveloppement. Leur ambition est daborder les enjeux industriels actuels.
2. Automatique frquentielle : un peu dhistoire Face ces ds, lAutomatique frquentielle apparat comme un outil incontournable. Lautomatique frquentielle est une branche importante de lAutomatique en tant que science de lingnieur, qui est trs ancienne puisque ces origines remontent aux annes 30.
Titre abrg de larticle ( dnir par \title[titre abrg]{titre})
Automatique frquentielle classique Des annes 30 aux annes 50, se dveloppa lautomatique frquentielle classique : on peut citer, par exemple, les travaux de Black [BLA 34], Nyquist [NYQ 32], Bode [BOD 45], Horowitz [HOR 63]. Cela correspond grossirement ce qui est couramment enseign lors de la formation initiale des ingnieurs. Ceci est assez paradoxal quand on sait quelle se base sur la thorie des fonctions dune variable complexe, une thorie trs profonde et subtile quon ne peut pas demander aux ingnieurs de matriser. En fait, le succs de lautomatique frquentielle est li au dveloppement doutils de mise en uvre que lon peut appliquer sans matriser la thorie des fonctions dune variable complexe. Il sagit doutils utilisant des critres graphiques bass sur des reprsentations frquentielles (diagrammes de Bode, Black, Nyquist) et ncessitant la manipulation de schema-blocs (prfrs la manipulation dquations). Le rglage dasservissement de systmes, en gnral monovariables, se fait la main avec un fort recours au savoir faire. Ds les origines, les avantages de la boucle de rtroaction (rejet de perturbations non mesures et robustesse) ont mis en avant. Approche entre/sortie Trs tt (annes 60/70) lextension de lanalyse de la stabilit des systmes boucls dveloppe en automatique frquentielle, des systmes linaires stationnaires aux systmes non linaires non stationnaires est entreprise : on peut citer les travaux de Sandberg [SAN 65], Zames [ZAM 60, ZAM 66] , Safonov [SAF 80]. Elle est base sur la thorie des oprateurs. Face au succs des outils de lautomatique classique, la motivation est doffrir aux ingnieurs des outils quivalents mais pour les systmes non linaires. Beaucoup de rsultats dordre en gnral thorique sont obtenus, avec, dans quelques cas, des outils (toujours graphiques) accessibles lingnieur : voir, par exemple, le critre du cercle ou le critre de Popov. Cet axe de recherche dcline la n des annes 70, peut-tre cause de la difcult obtenir des outils accessibles alors que ctait une des motivations de dpart. Thorie de la robustesse Les annes 80 ont vu merger une thorie de la robustesse des systmes linaires stationnaires partir des rsultats de lanalyse des systmes non linaires par lapproche entre sortie (comme par exemple le thorme du petit gain ou le lemme de Kalman Yakubovich Popov). Evoque par Zames en 1966 [ZAM 66] : One of the broader implications of the theory here concerns the use of functional analysis for the study of poorly dened systems. It seems possible, from only coarse information about a system, and perhaps even without knowing details of internal structure, to make useful assessments of quantitative behavior. (cit par Safonov [SAF 80]), il faudra attendre la n des annes 70 et le dbut des annes 80 pour que cette ide soit vritablement exploite (Safonov [SAF 80]). Laccent est alors mis sur lanalyse de la robustesse des systmes linaires stationnaires multivariables [ZAM 81, DOY 81, SAF 81b]) donnant naissance la analyse [DOY 82b] (km analysis [SAF 82]). Cette avance sest base sur un cadre mathmatique rigoureux. Ce qui est remarquable, cest quau del de la formalisation des spcications de robustesse, ce cadre propose aussi une formalisation pertinente des spcications de performance (propose par Zames [ZAM 81]), formalisation respectant les concepts de
base de lautomatique frquentielle classique1 . Cest cette formalisation qui est lorigine de lapproche H . Elle doit son nom lutilisation de la norme H (pondre). Dans cette approche, la synthse de la loi de commande est obtenue par la rsolution dun problme doptimisation ouvrant la voie lutilisation doutils de conception assiste par ordinateur en automatique frquentielle, en complment (voire parfois en remplacement pour des problmes pratiquement inaccessibles aux outils classiques) du rglage la main de lautomatique classique. Dans cette approche, le cahier des charges est plac au centre : comment rgler lasservissement dun systme multivariable de faon remplir un cahier des charges ? quels sont les compromis entre les diffrentes specications ? Optimisation convexe et informatique Un outil de conception assiste ne peut tre intressant que dans la mesure o lalgorithme de synthse est efcace. Au dbut des annes 90, loptimisation convexe, notamment loptimisation convexe sous contraintes LMIs (Linear Matrix Inequality), sest fortement dveloppe du fait de lintrt de ces problmes doptimisation en Automatique [BOY 94], des forts progrs au niveau de leur rsolution [NES 93] et de la puissance de calcul de plus en plus importante pour un cot de plus en plus faible. Nous verrons dans le l de ce papier que cette classe de problmes doptimisation occupe une place centrale dans les avances rcentes (postrieures aux annes 80) de lautomatique frquentielle, comparable celle des critres graphiques dans lautomatique frquentielle classique. Le premier apport important de linformatique lautomatique frquentielle a t la possibilit dobtenir rapidement des tracs graphiques. Avec loptimisation convexe, apparat le second progrs important : synthse rapide de lois de commande en mettant prot la puissance de calcul disponible. Approche entre/sortie : le retour Grce lmergence de loptimisation LMI, on est devenu capable de mettre en uvre un grand nombre des rsultats de lanalyse entre/sortie de la stabilit des systmes non linaires. Par suite, les travaux des annes 60/70 ont t repris vers le milieu des annes 90 (voir par exemple des travaux de Megretsky [MEG 97]). Commande robuste non linaire devant le succs la fois sur les aspects thoriques et pratiques de la commande robuste, une extension aux systmes non linaires a t propose [FRO 95, FRO 99, FRO 01]. La dmarche adopte est trs similaire celle de la commande robuste linaire. Notamment, une formalisation rigoureuse du cahier des charges respectant les concepts de bases de lautomatique frquentielle classique a t propose : elle est base sur lutilisation de la norme incrmentale (pondre), propose comme extension de la norme H pondre. 3. CAO en Automatique frquentielle : la commande H comme exemple A la base de la commande H se trouve larticle de Zames de 1981 [ZAM 81].
1. La limitation fondamentale de lautomatique frquentielle classique est lie labsence dune formalisation rigoureuse du cahier des charges
Dans cette section, nous allons illustrer le fait que la commande H est la principale mthode de Conception Assiste par Ordinateur de lAutomatique Frquentielle. On peut la qualier de mthode : 1) no classique : les concepts sous jacents sont ceux de lautomatique frquentielle classique. La principale diffrence est que la commande H repose sur une formalisation mathmatique rigoureuse du problme. 2) post moderne : les outils utiliss sont bass sur les outils de lapproche moderne (reprsentation dtat, LQG,..). Nous allons dabord illustrer le lien entre la synthse H et la synthse frquentielle classique. La prsentation adopte est trs informelle : lobjectif est de discuter simplement des problmes plus que de les prsenter rigoureusement. Une telle prsentation semble ncessaire du fait, par exemple, que lintrt de la synthse H base sur le modelage de fonctions de transfert en boucle ferme nest pas toujours largement reconnu (voir par exemple [ST 00]). Pour des documents introductifs la synthse H , voir par exemple les cours [DUC 94, DUC 99, DAM 01, SCO 01], le livre [MAC 89, SKO 96] ainsi que la thse [FON 95] ; pour des exemples de mise en uvre, voir par exemple [FON 94, FER 96, FER 99]. La gure 1 illustre le processus de conception de lois de commande en automatique frquentielle classique et en Automatique frquentielle no classique (commande H ). Il est comment sur un exemple.
3.1. CAO en automatique frquentielle travers un exemple On considre le systme en boucle ferme reprsent gure 2. On dsire mettre au point un correcteur monovariable K qui assure une certaine rapidit pour la rponse y (t) un chelon de rfrence r(t), avec une limitation du dpassement et une erreur statique nulle (voir la gure 3). Dans lapproche frquentielle, la premire tape (tape Gabarits sur les modules des transferts BF (Boucle Ferme) sur la gure 1) est de traduire (approximativement) cette spcication en contraintes sur les modules des fonctions de transfert en boucle ferme (voir la gure 4) : 1) S (j ) qui relie r(j ) lerreur de suivi de trajectoire (j ) : pour des rfrences en chelon, |S (j )| doit prsenter une pente de +20dB/decades en basses pulsations avec des gains sufsamment faibles pour assurer la rapidit et une erreur statique faible ; 2) T (j ) qui relie r(j ) la sortie y (j ) : la valeur maximale de |T (j )| peut tre limite pour essayer de contraindre le dpassement. Enn pour assurer une bonne robustesse vis--vis dincertitudes multiplicatives inverses (marge de module), la valeur maximale de |S (j )| doit tre contrainte.
? ? Cahier des charges Spcications temporelles Robustesse ? ? ?
Gabarits sur les modules des transferts BF = Calcul du correcteur ? Analyse du correcteur ? Non OK Automatique no-classique Oui OU s ?
Gabarit sur transfert BO ? ? Choix structure du correcteur ? ? Rglage paramtres du correcteur ? Analyse du correcteur ? - STOP Oui OK Automatique classique Non
Figure 1. Liens entre Automatique frquentielle classique et no classique (H )
S r
-6 + 6 K u G y *
Figure 2. Systme en boucle ferme

y(t)
1.2
0.8
0.6
0.4
0.2
0 0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18
Figure 3. Rponse un chelon de rfrence r damplitude 1 dsire

|S(jw)| 10 |T(jw)|
10
15
20
25
30 0 10
10
10
10 10
10
10
10
Figure 4. Trac de |S (j )| et de |T (j )|
Fonction |G(j )K (j )| |S (j )| |G(j )S (j )| |K (j )S (j )| |T (j )|
Basses pulsations 1 1 |G(j )K(j )| 1 |K(j )| 1 |G(j )| 1
Hautes pulsations 1 1 |G(j )| |K(j )| |G(j )K(j )|
Tableau 1. Liens entre fonctions BO et fonctions BF quand |G(j )K (j )| les basses pulsations et |G(j )K (j )| 1 pour les hautes pulsations
1 pour
Ainsi, les spcications du cahier des charges se formalisent naturellement par des contraintes portant sur les modules des fonctions de transfert du systme en boucle ferme. Notre objectif est ici de rechercher un correcteur K (p) qui satisfasse le cahier des charges. Les mthodes dautomatique frquentielle classique reposent sur une recherche manuelle de la loi de commande K (p). Comme ces fonctions dpendent non linairement du correcteur K (p) que lon cherche mettre au point : S (p) =
1 1+G(p)K (p)
et T (p) =
G(p)K (p) 1+G(p)K (p)
une recherche manuelle de K (p) de faon satisfaire ces contraintes peut tre trs complexe, mme dans le cas dune structure simple pour le correcteur K (p). Lide fondamentale des mthodes de synthse de lois de commande en automatique frquentielle classique consiste transformer ces contraintes portant sur des fonctions de transfert du systme en boucle ferme en contraintes portant sur la fonction de transfert du systme en boucle ouverte L(p) = G(p)K (p), en utilisant les liens qui existent entre les fonctions de transfert en boucle ferme et la fonction de transfert en boucle ouverte2 . Lintrt est que L(p) est une fonction linaire de K (p). Ltape suivante du processus de conception est donc de rechercher les contraintes que doit satisfaire la fonction de transfert en boucle ouverte L(j ) = G(j )K (j )
2. Ces contraintes sur la fonction de transfert en boucle ouverte sont traduites sur une ou plusieurs reprsentations graphiques (diagrammes de Bode, de Nyquist et/ou de Black Nichols). Cest lutilisation de ces reprsentations graphiques qui rend ces mthodes extrmement attractives.
pour que le cahier des charges soit rempli (tape Gabarit sur transfert BO (Boucle Ouverte) sur la gure 1) (voir la gure 5).
|L(jw)| 30 20 Module (dB) Phase (deg) 10 0 10 20 90
120
150 0 10
10
10
Figure 5. Trac du |L(j )|
Une fois que celles-ci sont dtermines, le correcteur K (j ) doit tre recherch manuellement de faon ce que L(j ) les satisfassent. La tche est facilite par le fait que L(j ) est une fonction linaire de K (j ). Cette recherche se fait laide du diagramme de Bode, du diagramme de Black, etc.. de la fonction de transfert L(j ). Pour cela, il est ncessaire de choisir une structure adapte pour la loi de commande (tape Choix de la structure du correcteur sur la gure 1) comme par exemple : 1) Proportionnel Integral K (p) = k c p+a p
2) Proportionnel Integral Avance de Phase K (p) = k c 3) etc. La structure tant dtermine, les paramtres du correcteur doivent tre rgls de faon ce que la fonction de transfert en boucle ouverte L(j ) remplisse le cahier des charges (tape Rglage des paramtres du correcteur sur la gure 1), ce qui revient, par exemple, p + a 1 p + 1 . p 2 p + 1
10
1) pour le Proportionnel Integral, choisir a et k c ; 2) pour le Proportionnel Integral Avance de Phase, choisir a, k c , 1 et 2 . Il est enn impratif de vrier si le correcteur obtenu remplit bien le cahier des charges initial (tape Analyse du correcteur sur la gure 1). Sil nest pas vri alors soit il nexiste pas de correcteur remplissant le cahier des charges, soit un mauvais choix a t fait lune des tapes du processus de conception : 1) mauvaise traduction des spcications temporelles du cahier des charges en contraintes sur les fonctions de transfert en boucle ferme3 ; 2) mauvaise traduction des contraintes sur les fonctions de transfert en boucle ferme en contraintes sur la fonction de transfert en boucle ouverte4 ; 3) mauvais choix de structure pour le correcteur ; 4) mauvais choix de paramtres pour le correcteur. Vue labondance des possibilits, sans un bon savoir-faire et de la patience, il est donc difcile de clairement identier pourquoi le correcteur obtenu ne remplit pas le cahier des charges, o le processus de conception doit tre repris et enn comment il doit tre modi. La synthse H est ne de la recherche dun outil qui, partir des contraintes sur les modules des fonctions de transfert en boucle ferme, recherche directement sil existe un correcteur K (p) telle que les fonctions de transfert en boucle ferme satisfassent les contraintes sur leur module et, si oui, fournit un tel correcteur (tape Calcul du correcteur sur la gure 1). Avec un tel outil, si lalgorithme ne fournit pas de correcteur, cest que soit il nexiste pas de correcteur remplissant le cahier des charges, soit que la traduction des spcications temporelles du cahier des charges en contraintes sur les fonctions de transfert en boucle ferme est mauvaise5 . Il en rsulte, dune part, une considrable simplication du processus de conception et, dautre part, la possibilit de rellement tester lexistence dun correcteur vriant le cahier des charges.
Comment cela pourrait-il tre possible ? Si on est capable de reprsenter les gabarits frquentiels sur les modules des fonctions de transfert en boucle ferme, |S (j )| et |T (j )| par linverse du module de fonctions de transfert |W1 (j )| et |W3 (j )|, appeles pondrations, (voir gure 6) alors la vrication des gabarits scrit : , |S (j )| 1 |W1 (j )| et , |T (j )| 1 |W3 (j )|
3. Rappelons que le passage des unes aux autres est assez approximatif. 4. Idem. 5. Idem.

|S(jw)| 10 |T(jw)|
11
1/|W1(j)|
0
1/|W3(j)|
10
15
20
25
30 0 10
10
10
10 10
10
10
Figure 6. Trac de |S (j )| et de |T (j )|
cest--dire, en introduisant la dnition de la norme H dune fonction de transfert stable F (p) qui est donne par6 : F on a W1 S

sup |F (j )|
[0, ]
[1]
et
W3 T
1.
[2]
Chaque pondration contient le modle des signaux appliqus lentre de la fonction de transfert en boucle ferme et le modle des signaux que lon veut avoir sa sortie. Par exemple, dans le cas de la fonction de sensibilit S , avec = Sr, on peut dnir lensemble des signaux r par la fonction de transfert Wr tel que : {r(j ) tel que |r(j )| |Wr (j )|}. et lensemble des signaux de sortie par la fonction de transfert W telle que : (j ) tel que | (j )| On aura alors W1 = W Wr .
6. Dans le cas dune matrice de fonctions de transfert, on a : F
[3]
1 |W (j )|
[4]
sup
[0, ]
max (F (j ))
o max dsigne la valeur singulire maximale.
12
Complexit n
3
2n
10 0, 01 s 10 s 0, 01 s 10 s
20 0, 08 s 1, 33 mn 10, 24 s 2, 84 h
Taille n du problme 30 40 0, 27 s 0, 64 s 4, 50 mn 10, 67 mn 2, 91 h 124, 3 jours 121, 4 jours 348, 7 ans
50 1, 25 s 20, 83 mn 348, 7 ans 3, 49 105 ans
Tableau 2. Exemple de temps de calcul en fonction de la complexit et de la taille du problme (tir de [DOY 95])
On a donc ici un critre mathmatique (les conditions (2)) qui indique si le cahier des charges traduit par des contraintes frquentielles est vri. Reste maintenant trouver lalgorithme qui permet de tester sil existe un correcteur K tel que le critre (2) soit satisfait et si oui de le calculer.
3.2. De la ncessit dun algorithme efcace
Si lon dispose dun tel algorithme, le processus de conception de la loi de commande reste par nature itratif du fait du passage assez approximatif des spcications temporelles du cahier des charges aux contraintes sur le module des fonctions de transfert en boucle ferme. Par suite, il est ncessaire de disposer dun algorithme de calcul du correcteur efcace. Par efcace, il faut comprendre que lalgorithme se termine normalement en un temps raisonnable (gnralement en un temps qui est une fonction polynomiale dune grandeur caractristique du problme de commande) sur un rsultat dtermin. Par exemple, on dsire rechercher une loi de commande pour un systme dordre n par lexcution dun algorithme. Le temps que va mettre sa rsolution sur un ordinateur est fonction de la taille n du systme commander. Les problmes considrs comme faciles (faible complexit) seront ceux pour lesquels le temps de rsolution est une fonction polynomiale de la taille du problme (par exemple une fonction en n3 ), ceux qui seront considrs comme difcile seront ceux pour lesquels le temps de rsolution est une fonction exponentielle de la taille du problme (par exemple une fonction en 2n ). Dans le tableau 2 sont indiqus les temps de calcul correspondant diffrentes valeurs de n dans les deux cas. Il est clair que la rsolution des problmes difciles mne rapidement des temps de calcul rdhibitoire (par exemple suprieurs plusieurs milliers dannes). Il est important de noter que la complexit dun problme est intrinsque, cest--dire indpendante par exemple des volutions technologiques des ordinateurs : laugmentation de la rapidit de calcul des ordinateurs ne sera jamais sufsante pour mener des temps de calcul ralistes.
13
3.3. Retour lexemple On recherche donc une loi de commande K (p) telle que et le systme boucl (voir gure 2) soit stable et que : W1 S
et
W3 T
1.
[5]
ce qui peut se rcrire : trouver K (p) telle que : 1) le systme en boucle ferme est stable 2) , W1 (j ) 1 1 1 + G(j )K (j ) G(j )K (j ) 1 1 + G(j )K (j )
3) ,
W3 (j )
Les deux dernires conditions peuvent tre vues comme un problme doptimisation particulier appel problme de faisabilit o la variable doptimisation est la fonction de transfert K (j ). Malheureusement, elles ne sont pas convexes en K (j ).
3.4. Quelques notions doptimisation Un problme doptimisation peut scrire sous la forme : min C f ( ) [6]
o C est lensemble des contraintes, est la variables doptimisation ( est de dimension nie quand C Rm ), la fonction f (avec f ( ) R) est lobjectif ou la fonction de cot. Lensemble C des contraintes peut tre dni par un ensemble dingalits et dgalits. Si leur nombre est ni et si est de dimension nie alors on parle de problmes doptimisation de dimension nie. Un problme doptimisation particulier (mais important) est le problme de faisabilit : trouver , sil existe, tel que C . En automatique, cela peut correspondre rechercher un correcteur qui satisfasse les spcications dun cahier des charges. Dans le cas gnral, la rsolution par un algorithme est un problme compliqu. Pourquoi ? Trs grossirement, partir dun point initial 0 , les algorithmes efcaces disponibles recherchent un minimum local. Si la fonction f admet plusieurs minima, le rsultat va dpendre du point initial 0 . Un cas trs intressant est celui o il nexiste quun seul minimum local (minimum local = minimum global) : indpendamment du point initial, le minimum global sera alors atteint. Cette proprit est obtenue dans le
14
cas o f est une fonction convexe et o C est convexe : on parle alors doptimisation convexe. Un certain nombre de classes de problmes doptimisation convexe de dimension nie admettent des algorithmes de rsolution efcaces : Programmation linaire la fonction f est afne en et C est dni par un systme dquations et dingalits linaires en . Programmation quadratique la fonction f est quadratique convexe en et C est dni par un systme dquations et dingalits linaires en . Optimisation LMI la fonction f est afne en et C = { Rm | x Rn \{0}, xT F ( )x > m 0} avec F ( ) = F0 + i=1 i Fi , o les Fi sont m matrices symtriques donnes de Rnn , i = 0, . . . , m. Cette contrainte est appele contrainte Ingalit Matricielle Afne ou contrainte LMI7 . Notation F ( ) > 0. Le symbole > 0 signie dnie positive. Les problmes doptimisation convexe sur des contraintes LMI ne sont rsolus numriquement de faon efcace que depuis le dbut des annes 90 [NES 94, VAN 96]. Ceci est le rsultat dune avance en optimisation convexe vers la n des annes quatre vingt. Des botes outils ont t dveloppes dans les logiciels gnraux de calcul scientique (voir par exemple sous Scilab [NIK 95] et sous Matlab [El 95, GAH 95, LAB 02]) pour traiter cette classe de problmes doptimisation. La gure 7 illustre les liens entre ces diffrents problmes. Des trois classes de problmes, la troisime est la plus gnrale : son intrt fondamental pour la rsolution des problmes dAutomatique a t mis en avant au dbut des annes 90 [BOY 94].
3.5. Retour lexemple Le problme (5) se formule donc comme un problme de faisabilit, a priori non convexe. Pour mettre le problme sous une forme convexe, on utilise la paramtrisation de Youla (voir par exemple [MAC 89, BOY 91, COL 97, HBA 02]) qui dnit lensemble de tous les correcteurs stabilisant un systme G. Tout correcteur stabilisant scrit comme une transformation linaire fractionnaire bien dtermine (cest--dire ici une fonction rationnelle) en Q, fonction de transfert stable : K (p) = (Y (p) M (p)Q(p))(X (p) N (p)Q(p))1
7. Les LMIs (Linear Matrix Inequality) sont en fait des AMIs (Afne Matrix Inequalities). Bien quimpropre, le terme LMI a t nanmoins choisi pour des raisons historiques : il sagit du sigle utilis par Willems dans [WIL 71].
15
Optimisation Convexe
Optimisation LMI Programmation Quadratique
Programmation Linaire
Figure 7. Diffrentes classes doptimisation convexe
o X (p), Y (p), M (p) et N (p) sont dtermins partir de G(p). En faisant varier Q(p) sur lensemble des fonctions de transfert stables, lensemble des correcteurs stabilisant le systme G est obtenu. La proprit fondamentale de cette paramtrisation des correcteurs stabilisant est que lorsque lon exprime les fonctions de transfert en boucle ferme en fonction du paramtre Q, on obtient des fonctions qui dpendent afnement de Q. Par exemple, dans lexemple prcdent, dans le cas o G est stable, on peut obtenir : S (p) = I G(p)Q(p) et T (p) = G(p)Q(p)
Par suite, en remplaant la variable doptimisation K par la variable doptimisation Q, on obtient :
Trouver K (p) telle que : 1) Boucle ferme stable 2) , W1 (j )

1 1 1 + G(j )K (j ) G(j )K (j ) 1 1 + G(j )K (j )
Trouver Q(p) telle que : 1) Q stable 2) , |W1 (j )(1 + G(j )Q(j ))| 1
3) , |W3 (j )Q(j )| 1
3) , W3 (j )
Bonne nouvelle Chaque contrainte du problme de droite dnit un ensemble convexe en Q. Comme lintersection densembles convexes est convexe, ceci est donc un pro-
16
blme doptimisation convexe. Le problme de droite est donc un problme doptimisation (faisabilit) convexe. Mauvaise nouvelle Il est convexe mais de dimension innie : 1) la variable doptimisation Q appartient un ensemble de dimension innie (ensemble des fonctions de transfert) 2) le nombre de contraintes doptimisation est inni : par exemple, la contrainte 2. est dnie pour tout . Sous cette forme-l, le problme doptimisation (faisabilit) ne peut esprer quune rsolution approche : typiquement, Q va tre recherch dans un sous espace de dimension nie de lespace des fonctions de transfert stables et telle que les conditions 2. et 3. ne sont satisfaites que pour un nombre ni de pulsations. Cela permet dapprocher la solution par la rsolution de problmes doptimisation de dimension nie mais de grande dimension. Un autre dfaut est que le correcteur obtenu peut tre dordre importante. Lidal serait de trouver une solution sous la forme dun problme doptimisation convexe de dimension nie. Que faire ? Dans un premier temps, on peut considrer un cas de gure simpli : une seule contrainte sur la fonction de transfert en boucle ferme S (p) : trouver K (p) telle que : 1) Boucle ferme stable 2) , W1 (j ) 1 1 1 + G(j )K (j )
Vincent trouve pas bien
On parle alors de synthse mono critre : on cherche satisfaire une seule spcication de performance. On est alors ramen au problme de synthse H . Soit le systme
P
u y
K
Figure 8. Problme sous forme standard
P . Le problme H standard scrit : 1) Etant donn > 0, existe-il une loi de commande K telle que
17
- le systme boucl reprsent gure 8 et not P stable
K soit asymptotiquement
- P K <1 2) Si oui, construire une loi de commande K assurant pour le systme en boucle ferme les deux proprits prcdentes. Pour obtenir une formulation de dimension nie du problme, la dmarche est de passer en reprsentation dtat. Dune part, pour un ordre donn, le correcteur est alors paramtris par les matrices de sa reprsentation dtat (soit un nombre ni de variables de dcision). Dautre part, un rsultat fondamental, le lemme born rel (cas particulier du lemme de Kalman Yakubovitch Popov [POP 73]8 ) des annes 60 permet de transformer la vrication de la contraintes 2. (qui doit tre vraie pour toute pulsation ) en la rsolution dun problme doptimisation de dimension nie. En deux mots, soit H = D + C (pI A)1 B une fonction de transfert stable dcrite par une reprsentation dtat minimale. Alors Trouver P > 0 telle que , |H (j )| AT P + P A + C T C B T P + DT C P B + CT D DT D 2 I 0
[7] Le second problme est un problme doptimisation (faisabilit) LMI (donc convexe) dont la variable doptimisation est P (donc de dimension nie). Ce rsultat est fondamental dans la recherche de formulations sous forme de problmes doptimisation de dimension nie. De plus, il permet de comprendre le lien entre les critres graphiques et loptimisation LMI. Vrier que , |H (j )| peut tre effectu en regardant si le diagramme de Nyquist de H est inclus dans le disque de centre 0 et de rayon (voir la gure 9). La pratique de lautomatique frquentielle classique est base sur lexamen des tracs frquentiels. Ce rsultat met en avant la possibilit de rechercher certaines proprits des tracs frquentiels par la rsolution dun problme doptimisation de dimension nie. Ceci est la base des avances de lautomatique frquentielle moderne. Pour notre problme, en se basant sur cette formulation, une solution au problme de synthse H a t donne [GAH 94] sous la forme dun problme doptimisation convexe sous contrainte LMI, de dimension nie. Une condition quivalente (7) peut tre obtenue sous la forme dune quation de Riccati [ZHO 95]. A partir de cette formulation, pour une classe moins gnrale de systme P 9 , une autre solution au problme de synthse H a t propose [DOY 89]
8. Le lemme de Kalman Yakubovitch Popov a t introduit pour lanalyse de la stabilit des systmes linaires stationnaires reboucl sur des non linarits statiques : ceci illustre le rle jou dans la commande robuste par les outils dvelopps pour lanalyse des systmes non linaires dans les annes 70. 9. Ce qui est en gnral peu limitatif en pratique !
18

Diagramme de Nyquist 1 0.8 0.6 0.4
Imaginary Axis
0.2 0 0.2 0.4 0.6 0.8 1 1 0.8 0.6 0.4 0.2 0

Real Axis
0.2
0.4
0.6
0.8
Figure 9. Vrication graphique de lingalit , gramme de Nyquist de H (j )
|H (j )| 1 partir du dia-
sous la forme de rsolutions dune srie dquations de Riccati. La rsolution numrique est plus efcace que pour la premire solution. Historiquement, la solution par quations de Riccati est antrieure la solution par optimisation LMI. Cependant, la dmarche adopte pour lobtenir est beaucoup moins gnrale et beaucoup moins transposable dautres problmes contrairement la premire solution. Revenons notre exemple de dpart, cest--dire un nombre de spcications de performance suprieur un : trouver K (p) telle que : 1) Boucle ferme stable 2) , W1 (j ) 1 1 1 + G(j )K (j ) G(j )K (j ) 1 1 + G(j )K (j )
3) ,
W3 (j )
On parle de synthse multi critre (on cherche remplir plusieurs critres de performance). A partir de la solution du problme de synthse H , on peut essayer de rechercher une solution exprimable comme un problme doptimisation de dimension nie suivant deux axes : 1) reprendre les grandes ides de la dmonstration du problme de synthse (mono critre) H et les mettre en uvre sur le problme de synthse multi
19
critre (voir par exemple [CHI 96]). Le problme doptimisation obtenu bas sur une condition ncessaire et sufsante est alors non convexe. Pour viter une rsolution difcile, il est en gnral ncessaire de considrer des conditions qui ne sont que sufsantes mais qui se formulent comme des problmes doptimisation convexe [CHI 96, FOL 97, SCH 97, MAG 99, PEA 00] (par exemple, par restriction du problme doptimisation non convexe de dpart). Par suite, si le problme doptimisation nadmet pas de solution, cela nindique pas que le problme de dpart nadmet pas de solution : il na pas t dmontr quil nexiste pas de correcteur remplissant le cahier des charges. On parle alors de conservatisme. 2) se ramener un problme de synthse mono critre dont on peut garantir que la solution satisfait le problme de synthse multi critre initial [FON 95]. Pour cela, dans notre exemple, on considre le problme : trouver K tel que W1 S W3 T 1
[8]
Du fait des proprits de la norme H 10 , on a (8) (2), cest--dire sil existe un correcteur K qui satisfait (8) alors elle satisfait (2). De plus, cest un cas particulier du problme de synthse H qui se formule comme un problme doptimisation convexe de dimension nie. Devant cette alternative, quel choix effectuer ? On peut donner deux lments de rponse, le premier dans le cas gnral, le second dans lexemple considr. Pour un ingnieur automaticien, la seconde approche apparat plus intressante que la premire. En effet, dans la premire, le conservatisme apparat au niveau du problme doptimisation lui-mme. Cela veut dire que dans sa mise en uvre pratique, lingnieur automaticien devra avoir de bonnes notions doptimisation, un certain savoir faire dans ce domaine, ce qui rend loutil peu accessible. Dans la seconde approche, le conservatisme apparat au niveau de la formulation du problme dautomatique lui-mme. Pour rsoudre cette difcult, lingnieur est amen modier la traduction dans le domaine frquentiel du cahier des charges. Par suite, lors de la mise en uvre, il nest pas ncessaire quil connaisse et travaille sur le problme doptimisation utilis. Dans loptique de disposer dun outil de conception facilement accessible un ingnieur automaticien, cette approche est plus pertinente. Dautre part, dans lexemple considr, la seconde approche nest pas si conservative que cela. Notons que : W1 S W3 T = sup

|W1 (j )S (j )|2 + |W3 (j )T (j )|2
10. La norme H dune matrice de fonctions de transfert est suprieure la norme H de chacun des lments de la matrice.
20
W1 S = sup |W1 (j )S (j )| et W3 T = sup |W3 (j )T (j )|. Pratiquement, pour de larges gammes de pulsation , |W1 (j )S (j )| et |W3 (j )T (j )| ne sont pas proches simultanment de 1 et donc la contrainte |W1 (j )S (j )|2 + |W3 (j )T (j )|2 1 et les deux contraintes |W1 (j )S (j )| 1 et |W3 (j )T (j )| 1 peuvent tre vries simultanment sans difcult. Les satisfaire simultanment peut tre difcile pour des gammes de pulsation limites. Par suite, remplacer (2) par (8) nest pas trs limitatif. Il faut noter que ce raisonnement est essentiellement bas sur un savoir-faire en automatique frquentielle et non en optimisation.
3.6. Morale de cette histoire La synthse H se base sur : 1) lutilisation des concepts fondamentaux de lautomatique frquentielle classique : le cahier des charges peut se traduire comme des gabarits sur les modules des fonctions de transfert en boucle ferme ; 2) une formalisation mathmatique rigoureuse du problme dautomatique (par contraste avec lautomatique frquentielle classique) laide de norme H pondre ; 3) la recherche dune solution au problme sous la forme dune condition ncessaire et sufsante pour qualier la difcult du problme : ici un problme doptimisation convexe mais de dimension innie ; 4) si cette dernire ne dispose pas dun algorithme de rsolution efcace, recherche de solutions bases sur des conditions qui ne sont que sufsantes (conservatisme) mais disposant dun algorithme de rsolution efcace en gnral sous forme doptimisation de prfrence convexe et de prfrence de dimension nie ; rle central jou par loptimisation LMI. Cest le cas de la synthse H qui ne traite pas du problme pos par Zames [ZAM 81] ; 5) un outil simple dutilisation : remplacement de la manipulation des diagrammes et autres reprsentations graphiques par des algorithmes doptimisation. Les pr requis sont ceux de lautomatique frquentielle classique condition de choisir, dans le cas de solutions sufsantes, celles dont lutilisation ne ncessite pas de connaissance en optimisation. Les bnces de la synthse H pour lingnieur sont importants : 1) une considrable simplication du processus de mise au point des lois de commande : on est pass du rglage la main la conception assiste par ordinateur ; 2) rsolution de problmes jusque l difcilement abordables : explorer rapidement les compromis dun cahier des charges, commande des systmes multivariables, etc. ;
21
3) pr requis relativement limits pour sa mise en uvre : bagage de lautomatique frquentielle classique : il nest pas ncessaire de connatre les espaces de Hardy ou loptimisation convexe pour utiliser la synthse H ! Dans le cadre de la recherche de mthodologies, la dmarche qui a abouti la synthse H est un cas dcole pour le chercheur. Contrairement une ide reue, comme pour la synthse H2 , la performance est un objectif fondamental de la synthse H . Lutilisation de loptimisation pour la mise au point de lois de commande nest certes pas nouvelle, voir les exemples de la synthse H2 et de la synthse LQG. Cependant, par rapport celles-ci, la synthse H prsente plusieurs avantages importants : 1) la synthse H est dans la continuit de lautomatique frquentielle classique : ceci permet dutiliser le savoir faire existant des ingnieurs en automatique frquentielle pour sa mise en uvre. 2) En plus des spcications de performance, elle permet dinclure des spcications de robustesse.
4. Thorie de la robustesse en linaire stationnaire : des critres graphiques loptimisation

K Ralit et ...
K Ce que voit lautomaticien
Les mthodes de synthse assiste par ordinateur de lois de commande sont bases sur un modle du systme commander. Malheureusement, il est exprimentalement plus probable dobtenir une modlisation o les paramtres et la structure ne sont quapproximativement connus. Par essence, une modlisation ne peut pas tre certaine. De plus, au cours du temps, ses caractristiques peuvent voluer. Cette remarque a motiv lintroduction de la notion de famille de modles. Lide sous-jacente est que, puisquil est illusoire de dcrire prcisment un systme physique par un modle, il serait fructueux de considrer une famille de modles pouvant potentiellement contenir
22
un modle adquat. Le terme adquat peut paratre obscur : il traduit simplement le fait que le comportement du systme est assez dlement modlis pour reter correctement ses proprits qualitatives. Il est important dinsister sur le fait quun modle ne peut pas reprsenter de faon exacte un systme rel. En rsum, lindtermination11 est dans la nature mme des objets physiques. Lutilisation dune famille de modles susceptible de contenir le modle le plus adquat constitue lide de base de la robustesse [DOY 78, SAF 78, DOY 81, SAF 81a, SAF 81b, DOY 82a, SAF 82, FON 95]. Lanalyse consiste alors garantir une proprit sur le systme rel (stabilit, rapidit, etc.) en vriant si elle est satisfaite pour tous les lments de la famille de modles. Ce concept de famille de modles est au centre de lautomatique frquentielle classique. Malheureusement, comme dans le cas de la synthse, la formalisation est en gnral assez pauvre12 . On ne dnit quun nombre limit dincertitudes : sur le gain (marge de gain), la phase (marge de phase) et le retard (marge de retard). A la n des annes 70, sont apparues des classes de familles de modles plus riches.
4.1. Robustesse vis--vis dune incertitude : introduction travers un exemple Un exemple de famille de modles Ces classes sont voques travers un exemple lmentaire. La premire tape est de dnir la famille de modles. Soit Greel (p) la fonction de transfert dcrivant exactement le systme commander et Gmod (p) son modle, qui sera forcment entach dincertitudes. Une faon dvaluer la diffrence entre le systme rel et son modle est dexprimer que Greel (p) appartient une famille de modles : Greel {G | ,
, G = Gmod + } .
La quantit dincertitude est alors value par un paramtre rel > 0. Ce type dincertitude est appel incertitude additive13 . La difcult ici est que seul le paramtre est connu. Tout ce que lon sait sur la fonction de transfert (j ), cest quelle est borne en module par . Pour garantir que le systme rel (que lon ne connat pas) en boucle ferme est stable, lide est de dmontrer que pour tout transfert stable (j ) dont la norme H est infrieure , on a le systme boucl reprsent sur la gure 11 qui est stable.
11. Le terme couramment employ est celui dincertitude. Nous pensons que le terme indtermination est plus adapt. En effet, il souligne quun systme ne peut tre exactement mesur. Le terme incertitude a une connotation probabiliste. Nanmoins, pour tre cohrent avec lusage courant, nous utiliserons dans ce mmoire le terme incertitude. 12. A lexception notoire dHorowitz [HOR 63]. 13. De faon gnrale, une famille de modles peut tre dnie comme la transformation linaire fractionnaire dune matrice de fonctions de transfert incertaines par une matrice de fonctions de transfert dtermine : plus simplement, tout systme de la famille de modles scrit comme une fonction rationnelle en .
23
Gmod
+ + .? -
Figure 10. Incertitude additive ............................................................................................... . . . . . . Greel . . . . . . . . . . . ....................................................................................................................................................................... . . . . . . . . . . . . 0 .+ . . . + ? . . . . Gmod K . . . . . . . . + . . 6 . . . . . . ............................................................................................ . . . . . . . . KS . . . . . ....................................................................................................................................................................... . . Figure 11. Connexion de KS avec
Analyse de la stabilit par le critre de Nyquist Pour valuer la stabilit de cet ensemble de systmes en boucle ferme, il faut donc appliquer le critre de Nyquist pour toutes les fonctions de transfert en boucle ouverte (Gmod (j ) + (j )) K (j ) obtenues par toutes les fonctions de transfert stables (j ) telle que |(j )| . Une condition ncessaire est que pour (j ) = 0, la condition du critre de Nyquist soit vrie. Pour assurer que, pour toutes les fonctions de transfert (j ), le systme boucl reste stable, il suft de vrier que pour toutes les pulsations , les points (Gmod (j ) + (j )) K (j ) ne recouvrent pas le point (1, 0). Pour une pulsation donne, lensemble des points (Gmod (j ) + (j )) K (j ) correspond un disque de centre Gmod (j )K (j ) et de rayon |K (j )|, quand (j ) dcrit lensemble des fonctions de transfert stables dont la norme H est infrieure . Il faut donc que ce disque ne recouvre pas le point (1, 0). Pour cela, il suft dassurer que la distance entre le point (1, 0) et le point Gmod (j )K (j ) est suprieure au rayon du disque, savoir |K (j )|, soit : , |1 + Gmod (j )K (j )| > |K (j )| , K (j ) 1 < 1 + Gmod (j )K (j )
soit KS < 1 . Il est intressant de voir que le systme boucl se rcrit comme la connexion de la fonction de transfert KS avec la fonction de transfert (voir la gure 11). Le systme boucl est stable pour toute fonction de transfert stable telle que
24

Diagramme de Nyquist de G(j)K(j)
1
0.5
Axe imaginaire
0.5
|1+ G(j)K(j)|
1.5
|K(j)|
G(j)K(j)
2 2
1.5
0.5
0.5
Axe rel
Figure 12. Diagramme de Nyquist de G(j )K (j )
si et seulement si KS du petit gain.
< 1 . Ceci est un cas particulier du thorme
w1
q + +6
6 -
M

+ p
? +
w2
? Figure 13. Connexion de M avec
25
Analyse par le thorme du petit gain Dans la cas gnral, le thorme du petit gain linaire stationnaire peut snoncer de la faon suivante : la famille des systmes (M, ) reprsents gure 13 est stable pour toutes les (matrices de) fonctions de transfert stables telles que si et seulement si M
<
1 .
La plus grande valeur du scalaire telle que les conditions du Thorme du petit gain sont satisfaites peut tre considre comme une marge de stabilit. Dans lexemple introductif, on a M = KS (voir gure 11). Mise en uvre par optimisation Par application du lemme born rel (voir section prcdente), tester la condition de ce thorme peut seffectuer par la rsolution dun problme doptimisation convexe LMI, de dimension nie. Par suite, lutilisation dun critre graphique (trac dans le plan de Nyquist des disques de centre K (j )Gmod (j ) et de rayon |K (j )| pour tout et examen du trac par rapport au point (1, 0)) est remplac par un algorithme doptimisation. Lutilisation de lalgorithme doptimisation est plus rigoureuse que lutilisation du critre graphique puisque les disques ne peuvent tre reprsents que pour un nombre ni de pulsations . Le thorme du petit gain : outil fondamental de lanalyse de la robustesse Plusieurs points de vue pour dmontrer la sufsance de la condition M < 1 sont possibles : 1) dmonstration directe base sur le critre de Nyquist : cest la dmarche qui a t suivie pour lexemple introductif. Cela permet de prsenter ce rsultat comme une extension de la dnition et du calcul des marges de stabilit classiques qui sont bases sur le critre de Nyquist. 2) application de thormes plus gnraux comme le thorme du petit gain propose au milieu des annes 60 [ZAM 66, WIL 69, DES 75] ou comme le thorme de sparation des graphes propos par Safonov [SAF 80] dont lintrt sest rcemment renouvel dans le cadre plus particulier des IQCs (Contraintes Intgrales Quadratiques [MEG 97]) (voir aussi [IWA 98]). Considrons par exemple le thorme du petit gain propos par Zames en 1966 [ZAM 66, DES 75]. Il propose une condition sufsante de stabilit pour le systme constitu par la connexion dun oprateur H1 avec un opration H2 (voir la gure 14)14 . La ncessit est obtenue dans le cas des systmes linaires stationnaires par le fait que lon tudie la stabilit pour une famille de modles (M, ) complte (pour toutes les (matrices de) fonctions de transfert stables telles que ). Par suite, mme si, pour ltude de la stabilit de la connexion de deux oprateurs particuliers
14. Les conditions obtenues sont celles du cas linaire stationnaire avec les normes H remplaces par le L2 gain[DES 75].
26
w1
e1 + +
6
6 -
H1
+
? +
H2
Figure 14. Connexion deux oprateurs H1 et H2
w2
e2
(problme initialement considr), le thorme du petit gain peut savrer trs pessimiste (conservatif), il savre non conservatif pour lanalyse de la robustesse pour laquelle il est un rsultat trs attractive (en fait fondamental). Cet intrt avait t trs tt entrevu par Zames en 1966 [ZAM 66] : One of the broader implications of the theory here concerns the use of functional analysis for the study of poorly dened systems. It seems possible, from only coarse information about a system, and perhaps even without knowing details of internal structure, to make useful assessments of quantitative behavior. (cit par Safonov [SAF 80]) Schma blocs Lanalyse des systmes est base en automatique frquentielle classique sur lutilisation de schma blocs, le plus lmentaire tant celui qui reprsente la connexion du correcteur avec le systme. Ceci est conserv dans les outils rcents de lanalyse frquentielle. Pour appliquer le thorme du petit gain, il est ncessaire de se ramener un schma bloc constitu de deux parties interconnectes : les incertitudes dune part et le reste du systme dautre part (voir les gures 11 et 13). Dans ce schma-l, contrairement aux schmas lmentaires classiques, les signaux reliant les deux blocs sont des signaux ctifs, cest--dire sans ralit physique. Afner la description des familles de modles : pondrations frquentielles Un modle nest gnralement reprsentatif du systme physique que dans une certaine gamme de pulsations. Par suite, lincertitude lie la modlisation (j ) prsente une taille dpendant de la pulsation . Cette taille peut tre dnie par une fonction de transfert W i (j ) stable, appele pondration et telle que , |Greel (j ) Gmod (j )| = |(j )| |W i (j )|. Cette criture revient dnir lensemble des
27
incertitudes comme lensemble des (j ) = W i (j )(j ), avec |(j )| 1 (soit 1), ce qui permet dappliquer le thorme du petit gain.
4.2. Cas de plusieurs incertitudes : analyse Un exemple Il est plus probable que plusieurs incertitudes dynamiques interviennent simultanment en diffrents points de la boucle ferme : par exemple, sur les actionneurs, sur le systme commander lui-mme, sur les capteurs etc (voir par exemple le schma reprsent gure 15). Pour appliquer le thorme du petit gain, il serait nces-
a
+? +
-
s G
-?
r + e - 6
+ +
M
-
6+
Figure 15. Incertitudes dynamiques dans une boucle ferme
saire de faire apparatre une seule incertitude dynamique. Pour cela, on peut regrouper les diffrentes incertitudes en une seule incertitude (voir la gure 16) : Le thorme du petit gain donne une condition ncessaire et sufsante de stabilit sur la matrice de transfert M ( M 1 ) pour toute incertitude qui est une matrice de fonctions de transfert borne en norme H ( < ). Ici, lincertitude nest pas quelconque puisque les termes (1, 2), (1, 3), (2, 1), (2, 3), (3, 1) et (3, 2) sont nuls. Dans ce cas, on parle dune incertitude structure. Par suite, la condition du thorme du petit gain nest plus ncessaire dans ce cas-l, elle est simplement sufsante. Si elle est vrie alors la stabilit est assure pour tous les , sinon, on ne peut pas conclure. analyse Lanalyse de systmes avec plusieurs sources dincertitude a motiv lmergence dans le contexte linaire de la /km analyse [DOY 82a, SAF 81a]. La /km analyse considre ltude de la stabilit dune famille de modles linaires stationnaires de dimension nie, avec des incertitudes de structure (dynamiques linaires ngliges)
28
a
-
c
-
r+ e - 6
-?-
+ +
-? -
+ +
6+
Figure 16. Incertidudes dynamiques dans une boucle ferme
et des incertitudes paramtriques (paramtres appartenant des intervalles). Le premier problme abord par la /km analyse est le suivant : pour une certaine taille dincertitudes structurelles et paramtriques, la famille de systmes est-elle stable ? Le second consiste dterminer la taille des incertitudes que le systme peut tolrer avant de devenir instable. La valeur maximale obtenue est appele km = 1/.
Des tests exacts ont t proposs dans les annes quatre vingt [GAS 88]. Ils rsolvent le problme en temps exponentiel, ce qui laissait prsager lpoque que le problme lui mme ne pouvait pas tre rsolu en temps polynomial. Quelques annes plus tard, il a t effectivement dmontr que la rsolution exacte de ce problme est NP difcile [NEM 93, BRA 94]. En gnral, les proprits de stabilit dune famille de modles linaires ne peuvent donc pas tre efcacement vries de faon exacte. Ds que le problme atteint une taille signicative, les algorithmes de calcul exact du /km ne sont plus capables de donner une rponse en un temps de calcul raisonnable dans le pire des cas [FER 96].
29
Paralllement, des tests sous estimant ltendue maximale de la famille des modles stables ont t proposs15 (conservatisme). Un test est dit conservatif sil dmontre de faon exacte des proprits pour une famille de modles contenant strictement la famille considre. Parmi les formulations conservatives proposes pour la analyse, nous pouvons citer celles proposes par [DOY 82b, SAF 82, FAN 91, SAF 93, LY 94] : elles scrivent comme des problmes doptimisation (quasi) convexe LMI. Bien que thoriquement conservatifs, pratiquement, ces tests donnent pour des problmes industriels des rsultats encourageants [FER 96]. Ils illustrent quun bon compromis entre la prcision dun test et sa difcult de vrication peut tre obtenu.
De manire gnrale, le conservatisme ne peut pas tre considr comme rdhibitoire. Cest le cas par exemple des tests LMIs pour la /km analyse. En effet, dans le cas o sont uniquement considres des incertitudes dynamiques, Poolla et Tikku ont dmontr que la borne suprieure base sur les LMIs est une condition ncessaire et sufsante de stabilit contre des incertitudes variant lentement dans le temps [POO 95]16 . Le pessimisme permet donc de garantir de faon exacte une proprit dsirable en pratique (intuitivement un systme volue toujours lentement dans le temps). A la limite, nous pouvons mme nous interroger sur la pertinence dune valuation exacte de vis--vis de lapplication. Cela tient la nature topologique de la borne suprieure du alors que le exact est de nature algbrique [FER 95b]. Du point de vue de lapplication, le problme de /km analyse peut tre donc mal pos. De plus, cet exemple montre quil existe une continuit et une forte interaction entre les outils danalyse des systmes non linaires et non stationnaires et ceux destins lanalyse des systmes linaires stationnaires.
15. La thse [FER 95a] propose une excellente synthse des diffrentes mthodes (exactes et approches) de analyse, leur comparaison et leur mise en uvre sur un exemple industriel. 16. Dans le cas dincertitudes sur les paramtres, Chou et Tits ont dmontr que la borne suprieure constitue une condition sufsante mais non ncessaire de stabilit contre des variations des paramtres bornes [CHO 95].
30
Valeur singulire structure De faon plus prcise, on dnit lensemble des matrices complexes ayant la structure de lincertitude considre : 1 0 . . . ... ... 0 . .. .. .. .. . 0 . . . . . . . . . . .. .. .. . . . q . = Ckk / = . . . . . . . . 0 1 Ir1 0 . . . . .. 0 .. . 0 0 . .. .. . 0 . r Irr 0 0 ki ki i C , i {1, . . . , q } j R, j { 1, . . . , r } avec r q k = i=1 ki + j =1 rj .
[9]
Les blocs de scalaires rpts rels j reprsentent les rponses frquentielles des incertitudes paramtriques (incertitudes sur les paramtres du systme analyser). Les blocs matrices complexes i reprsentent les rponses frquentielles des incertitudes dynamiques. La valeur singulire structure dune matrice complexe A par rapport la structure , note , est dnie par : (A) = 1 inf ( () / det(I A) = 0) si , det(I A) = 0 [10]
= 0
Thorme du petit gain structur Soit la famille de systmes boucls (M, ), o M (p) est une matrice de fonctions de transfert stable et o (p) est une fonction de transfert stable telle que (j ) . La famille de systmes boucls (M, ) est stable pour tout , tel que < si et seulement si [0, +], (M (j )) 1 . [11]
Le plus grand ensemble dincertitudes pour lequel la famille de systmes (M, ) reste stable est de taille donne par sup
[0, +]
1 . (M (j ))
[12]
En gnral, le calcul exact de lindicateur est NP difcile. Il est possible de calculer une borne suprieure et une borne infrieure de lindicateur 17 par des algorithmes
17. En ralit, il en existe un certain nombre. Je ne sais pas sil est gal 12.
31
efcaces. Par exemple, la borne suprieure la plus couramment utilise est obtenue par la rsolution dun problme doptimisation convexe sous contrainte LMI. Lien entre la borne suprieure de et le thorme du petit gain travers un exemple Soit m une fonction de transfert stable une entre et une sortie. On dsire
w1
q + +6
6 -
m

+ p
? +
w2
? Figure 17. Connexion de M avec
vrier que le systme boucl reprsent gure 17 est stable pour tout scalaire ] 1, 1[18 . Daprs le thorme du petit gain structur, une condition ncessaire et sufsante est donne par : , (m(j )) 1.
(Dans ce qui suit, on considre une pulsation donne.) On dispose dune borne suprieure [FAN 91] sup (m(j )) telle que (m(j )) sup (m(j )) o, dans le cas particulier considr, la borne suprieure de est obtenue par la rsolution du problme doptimisation suivant : sup (M (j )) = min g R R+ m(j ) m(j ) + jg (m(j ) m(j ) ) 2 0
Dans ce cas particulier, la borne suprieure de donne la valeur de . Ce problme est un problme de minimisation de valeur propre gnralise sous contrainte LMI19 . On
18. Il sagit en fait dun problme proche de celui de la marge de gain. 19. En ralit, la matrice dnissant lingalit est complexe. Nanmoins, il est possible de se ramener une matrice relle [BOY 93].
32
garantira la stabilit de la boucle ferme pour tout scalaire ] 1, 1[ si et seulement sil existe g R tel que : m(j ) m(j ) + jg (m(j ) m(j ) ) 1 0 [13]
ce qui est un problme de faisabilit LMI. Essayons de donner une interprtation graphique la condition (13). Interprtation graphique Par application du critre de Nyquist, la fonction de transfert m(j ) tant stable, la famille de modles (m, ) sera stable si et seulement si pour toute pulsation le trac de m(j ) pour dcrivant lintervalle ] 1, 1[ ne recouvre pas le point (1, 0). Quassure la condition (13) par rapport cela ? On a la proprit suivante : ] 1, 1[, 2 + jg ( ) 1 < 0 ce qui peut se rcrire en compltant les carrs : ] 1, 1[, ( jg ) ( jg ) < 1 + g 2 Le segment ] 1, 1[ est inclus dans le disque ouvert de centre jg et de rayon [14] 1 + g2 .
Par suite, dans le plan de Nyquist, pour une pulsation donne, le trac de m(j ) pour dcrivant lintervalle ]1, 1[ est inclus dans le disque ouvert de centre jgm(j ) et de rayon 1 + g 2 |m(j )|. Si le point (1, 0) est lextrieur de ce disque alors on a la garantie que le trac de m(j ) pour dcrivant lintervalle ] 1, 1[ ne recouvre pas le point (1, 0). Cette condition scrit : (1 jgm(j )) (1 jgm(j )) (1 + g 2 )m(j ) m(j ) En dveloppant et en simpliant, on retrouve la condition (13) du problme doptimisation LMI. En rsum, le calcul de la borne suprieure de pour une pulsation donne se formule comme un problme doptimisation LMI. Ce problme doptimisation garantit que le trac de m(j ) pour ] 1, 1[ ne recouvre pas le point (1, 0). Ici encore apparat le lien entre critre graphique et optimisation LMI. De plus, pour garantir cela, on recherche un disque contenant le trac de m(j ) pour ] 1, 1[ et excluant le point (1, 0). Ce disque peut sinterprter comme le trac la pulsation obtenu par une famille de fonctions de transfert dnies par une incertitude dynamique : {L(j ) | (j ), |(j )| 1 + g 2 et L(j ) = (jg + (j ))m(j )}
On a donc plong la famille de fonctions de transfert incertaine m(j ) avec une incertitude relle : {L(j ) | ] 1, 1[, L(j ) = m(j )}
33
Im 6
m(j ) 1 * Re 1 + g 2 |m(j )| jgm(j )
Figure 18. Pour une pulsation , trac de m(j ) pour ] 1, 1[ et disque de centre jgm(j ) et de rayon 1 + g 2 |m(j )|
dans une famille dnie par une incertitude additive dynamique. La dnition de cette dernire dpend du paramtre doptimisation g . Le choix de celle-ci parmi lensemble de toutes les familles possibles dnies par une incertitude additive est donc fait par la rsolution du problme doptimisation. Elle est choisie de telle faon ce que, pour la pulsation , le point (1, 0) ne soit pas recouvert. Lien avec le thorme du petit gain Pour analyser la stabilit de la famille de modles (m, ), le thorme du petit gain peut tre appliqu pour la pulsation 20 . Cependant, puisque lincertitude nest pas dynamique, la condition obtenue est simplement sufsante. Par application du thorme du petit gain, on obtient : m(j ) m(j ) 1 0 ce qui correspond la condition (13) avec g = 0, ce qui peut tre trs conservatif (pessimiste). Nous allons voir que trouver g telle que cette condition soit satisfaite peut sinterprter comme la recherche dun systme boucl quivalent au systme boucl reprsent gure 17 pour lequel si cest possible, le thorme du petit gain puisse sappliquer.
20. La norme H est remplace par le module de la fonction de transfert la pulsation .
34
- - jg
+ 6
1 1 + g2
- jg + ? m(j ) +
m(j ) 1 + g2
Figure 19. Rcriture de la connexion (M, )
Posons =
1 ( jg ). On peut rcrire le schma bloc reprsent 1 + g2
gure 17 de faon quivalente en faisant apparatre explicitement : le schma obtenu correspond la connexion de avec m(j ) = m(j ) 1 jgm(j ) 1 + g2
il est reprsent gure 19 (technique de loop-shifting, voir par exemple [DES 75]). Daprs lingalit (14), on a | | < 1. La condition (13) assure que |m(j )| 1. On est donc bien dans les conditions du thorme du petit gain. Loptimisation convexe a donc permis de rechercher dans une famille de schmablocs paramtrise par g un schma bloc quivalent au schma bloc de dpart mais pour lequel la condition du thorme du petit gain est satisfaite. Remarque : autres familles dincertitudes Les familles dincertitudes voques dans cette section sont celles qui sont le plus couramment utilises en commande robuste (dans le cas monovariable, incertitude en forme de disque pour les incertitudes dynamiques dans le plan de Nyquist). Nanmoins, de multiples extensions sont possibles : incertitudes dynamiques avec une contrainte de phase (dans le cas monovariable, incertitude en forme de tranche de tarte dans le plan de Nyquist) [TIT 99] ou encore retard incertain et born [SCO 97b, FER 98] (dans le cas monovariable, incertitude en forme darc dans le plan de Nyquist).
35
4.3. Conclusion
Les rsultats danalyse des systmes incertains (thorie de la robustesse) rsultent du mme cheminement que ce qui a men la synthse H : 1) Utilisation des concepts fondamentaux de lautomatique frquentielle classique : un systme est reprsent par une famille de modles et comme support du raisonnement, les schma blocs sont prfrs aux quations. 2) Formalisation mathmatique rigoureuse du problme dautomatique : comme dans le cas de la formalisation de la performance, la formalisation de la robustesse repose sur lutilisation de la norme H pondre. Un mme cadre (norme H pondre) permet ainsi de traiter de la performance et de la robustesse. 3) Recherche dun algorithme efcace : rle de loptimisation de prfrence convexe, de prfrence de dimension nie ; notamment rle central de loptimisation LMI (quite modier la formulation du problme). 4) Un outil simple dutilisation : ici encore, remplacement de la manipulation des diagrammes et autres reprsentations graphiques par lutilisation dalgorithme doptimisation. De plus, les pr requis sont ceux de lautomatique frquentielle classique.
En conclusion, dans le cadre de lautomatique frquentielle applique aux systmes linaires stationnaires, une forte volution est intervenue dans les annes 80. Les concepts de base de lautomatique frquentielle classique ont t conservs : le cahier des charges se traduit par des contraintes sur les modules des fonctions de transfert en boucle ferme : notamment ncessit de la rtroaction pour le rejet de perturbation non mesure (objectif de dsensibilisation) ; un systme physique est reprsent par une famille de modles : importance de la robustesse ; rle fondamental des schma-blocs.
Une solution lgante a t apporte au dfaut le plus important de lautomatique frquentielle qui est labsence de formalisation mathmatique prcise du cahier des charges. Cela a permis des dveloppements thoriques importants qui ont men des solutions exactes, trs souvent de complexit importante. Le cadre thorique est actuellement trs complet. Paralllement cela, des solutions dotes dalgorithmes efcaces, faisant appel loptimisation convexe, ont t recherches. Elles sont bases sur des conditions sufsantes. Du fait de ce conservatisme, elle ncessite une certaine expertise de la part de lutilisateur. De notre point de vue, doivent tre privilgies celles qui ncessitent essentiellement une expertise en automatique, par rapport celle qui ncessite aussi une expertise en optimisation. Si le volet thorie a t bien cern, beaucoup de travail est encore ncessaire sur le volet outils et mthodes.
36
5. Non linaire : du squencement de gains la norme incrmentale 6. De lart dobtenir des formulations convexes : tentative dapproche Une approche gnrale pour lanalyse et la commande des systmes par optimisation convexe est en train dmerger (voir la thse [SCO 97a, SCO 98]). La mthodologie propose repose sur la dmarche suivante : 1) Description du comportement dun systme par des contraintes quadratiques 2) Modlisation dun systme par Interconnexion 3) Analyse des systmes par optimisation, pour la - Stabilit : Sparation des graphes - Performance : S procdure 4) Synthse de Correcteurs par utilisation du Lemme dElimination Description du comportement dun systme par des contraintes quadratiques Comment caractriser le comportement dun systme, ventuellement non linaire, non stationnaire ? A une entre donne du systme w(t), correspond une sortie z (t)
w(t)
- systme
z (t)
-
dtermine si on considre que lon est capable de dcrire le systme par un modle unique ou mme un ensemble de sorties z (t) si, selon le point de vue de la commande robuste, le systme est dcrit par une famille de modles (modle incertain). Lensemble des couples (z (t), w(t)) est appel graphe. On peut alors ramener ltude du comportement du systme celui de son graphe. La question quon se pose est de dterminer, pour un ensemble de signaux dentre w(t), la famille des signaux de sortie z (t). Lide est de caractriser ces ensembles par des contraintes quadratiques. Par exemple, si on note L2 lensemble des signaux dnergie nie :
+
w
0
w(t)T w(t) dt <
une premire caractrisation est la stabilit : pour tout w L2 , z L2 21 . Une caractrisation plus ne peut tre obtenue travers la L2 gain stabilit : le systme est
21. Linstabilit peut se dnir partir de Le 2 =
n
T > 0,
RT
0
w(t)T w(t) dt < .
Un systme est instable si pour une entre w L2 , la sortie z appartient Le 2 \ L2 .

Famille de modles ensemble des z pour un w donn
37
Sur familles de modles ensemble des z vrifiant contrainte quadratique
stable et de plus, on peut dnir une borne sur lamplication nergtique maximale (L2 gain) : 0, T w, T 0,
T 0
z (t)T z (t) dt 2
0
w(t)T w(t) dt
Il est possible de dnir une caractrisation plus ne des signaux en considrant une contrainte quadratique en w et z plus gnrale : {X, Y, Z } dissipativit o X 0, Y et Z sont trois matrices telles que :
T
T 0,
0
z (t) w(t)
X YT
Y Z
z (t) w(t)
dt 0
Cette caractrisation inclue la L2 gain stabilit et la passivit gain L2 infrieur X = I , Y = 0 et Z = 2 I passivit X = 0, Y = I et Z = 0 Enn une caractrisation trs ne peut tre obtenue dans le domaine frquentiel : {X (j ), Y (j ), Z (j )} dissipativit, avec X (j ) 0 :
+
z (j ) w(j )
X (j ) Y (j )
Y (j ) Z (j )
z (j ) w(j )
d 0
Cela correspond par exemple la formalisation de la performance par lutilisation de la norme H pondre. Dans la suite de la section, par simplicit, on considrera la caractrisation par des proprits de {X, Y, Z } dissipativit. Dans ce contexte-l, analyser un systme revient : Vrier sa (L2 gain) stabilit
38
Etudier sa performance travers de la caractrisation de son comportement par : - la vrication dune proprit de dissipativit particulire (par exemple H )
ensemble des z pour un w donn
- la paramtrisation dun ensemble de proprits de dissipativit Modlisation dun systme par Interconnexion Une approche classique en thorie des systmes est de modliser les systmes (complexes) comme une interconnexion de sous-systmes lmentaires i (gure 20). Dans le cadre considr ici, on peut dnir un systme lmentaire comme un systme pour lequel on a une (paramtrisation des) proprit(s) de dissipativit. Par exemple, on peut dnir 3 ensembles X(i ), Y(i ) et Z(i ) tels que chaque i est {Xi , Yi , Zi } dissipativit avec Xi X(i ), Yi Y(i ), Zi Z(i ). A partir de ces ensembles, il est possible de construire 3 ensembles X(), Y() et Z() tels que est {X, Y, Z } dissipativit avec X X(), Y Y(), Z Z(). La description est dautant plus ne que lensemble des contraintes quadratiques considres est riche. Cependant au plus la description sera ne, au plus la complexit des critres danalyse et de commande sera importante. Lanalyse du systme interconnect revient alors rechercher une ou plusieurs proprits de dissipativit vries par ses entres et ses sorties, connaissant (une paramtrisation des) proprit(s) de dissipativit de chacun de ses sous systmes i et le schma dinterconnexion M (voir la gure 20). Exemple Comme exemple de systme complexe, on peut citer les systmes linaires stationnaires dquations : x (t) = Ax+Bw z (t) = Cx+Dw [15]
Un tel systme peut tre vu comme linterconnexion dintgrateurs, le schma dinterA B connexion M tant donn par la matrice de gains (voir la gure 21) : M = . C D
39
...
i
...
n
... ...
... ...
w
Figure 20. Modlisation par un systme interconnect
x z A C B D w x
Figure 21. Systme linaire stationnaire
Il est simple de trouver un ensemble de contraintes quadratiques vries par les intgrateurs. Avec une condition initiale nulle, on a :
T
T > 0,
0
x(t)T x (t) dt =
1 x(T )T x(T ) 0. 2
Ils sont donc passifs ({0, I, 0}-dissipatifs). En introduisant une matrice dnie positive P , on peut obtenir une paramtrisation dun ensemble de contraintes quadratiques :
T
T > 0,
0
x(t)T P x (t) dt =
1 x(T )T P x(T ) 0. 2
Par suite, les signaux aux bornes des intgrateurs vrient une famille de contraintes quadratiques paramtrises par la matrice dnie positive P (ils sont {0, P, 0}-dissipatifs). On peut donc les considrer comme des systmes lmentaires.
40
Analyse de la stabilit La stabilit interne du systme interconnect reprsent gure 21 peut tre dnie par le fait que loprateur qui w1 et w2 associe p et q est L2 gain stable (voir gure 22).
w1 + +
q
6
Mqp
Figure 22. Stabilit interne
+ ? w2 +
Les thormes de stabilit sont bass sur la notion de sparation des graphes [SAF 80]. Dans le cas de la {X, Y, Z } dissipativit, si 1) pour les signaux p(t) et q (t) tels que p(t) = (q (t)) :
T T
T > 0,
0
p(t) q (t)
X YT
Y Z
p(t) q (t)
dt 0
2) pour les signaux p(t) et q (t) tels que q (t) = Mqp p(t) : il existe > 0 tel que
T
T > 0,
0
p(t) q (t)
X YT
Y Z
p(t) q (t)
dt
0
(p(t)T p(t)+q (t)T q (t))dt
(ces deux conditions assurent que les graphes de et de Mqp nont que (0, 0) comme point commun) alors le systme interconnect reprsent gure 22 est internement stable. Thorme La stabilit interne est assure sil existe X X(), Y Y() et Z Z() telles que Mqp I
T
Z Y
YT X
Mqp I
< 0.
[16]
Dans le cas o les ensembles X(), Y(), Z() sont afnes, trouver X X(), Y Y() et Z Z() tels que la condition (16) soit satisfaite est un problme de faisabilit LMI (voir page 14). Exemple (suite) Puisque les intgrateurs sont {0, P, 0}-dissipatifs, daprs le thorme de sparation des graphes, le systme (20) est internement stable si pour x = Ax on a :
T
T > 0,
0
x(t) x (t)
0 P
P 0
x(t) x (t)
dt
0
(x(t)T x(t)+x (t)T x (t))dt
41
ce qui est assur par :
AT P + P A < 0.
[17]
Il suft alors de trouver une matrice P dnie positive (cest--dire dexhiber une proprit de {X, Y, Z } dissipativit vrie par ) telle que la condition (17) soit satisfaite (condition de sparation des graphes) pour dmontrer la stabilit interne. On retrouve la condition obtenue par le thorme de Lyapunov. Analyse de la performance La performance pour le systme interconnect, reprsent gure 20, peut tre dnie comme la stabilit interne et une proprit de {Xperf , Yperf , Zperf } dissipativit vrie par les entres/sorties z et w. Des conditions garantissant la performance peuvent tre obtenues partir de la S procdure [JAK er].
T
0 =
0
z (t) w(t)
Xperf Yperf T q (t) z (t)

T
Yperf Zperf =M Y Z
z (t) w(t) p(t) w(t) p(t) q (t)
dt > 0
pour z (t), w(t), p(t) et q (t) tels que

T
1 =
0
p(t) q (t)
X YT
dt 0
est vrie si 0 tel que (p, w), 0 (p, w) > 1 (p, w). Thorme Le systme est performant sil existe X X(), Y Y() et Z Z() telles que YT 0 Z 0 T 0 Xperf 0 Yperf M M <0 [18] I I Y 0 X 0 T 0 Yperf 0 Zperf Dans le cas o les ensembles X(), Y(), Z() sont afnes, trouver X X(), Y Y() et Z Z() tels que la condition (18) soit satisfaite est un problme de faisabilit LMI (voir page 14). Exemple (suite) On cherche une condition garantissant que le systme (20) est L2 gain stable, avec un L2 gain infrieur (soit une proprit de {I, 0, 2 I } dissipativit). Puisque nous sommes dans le cas de systmes linaires stationnaires, le L2 gain correspond la norme H de la fonction de transfert G(p) = D +C (pI A)1 B avec G = sup (H (p)) = sup (H (j )). [0, +] Re(p)>0
42
Par application du thorme prcdent, on obtient : trouver P telle que AT P + P A + C T C B T P + DT C P B + CT D DT D 2 I <0
On retrouve la condition du lemme born rel (cas particulier du lemme de Kalman Yakubovitch Popov) voqu la section 3.
- q z y M My p Mu w 0 u
Figure 23. Systme commander Synthse de correcteurs On veut connect le systme interconnect commander (voir gure 23) avec un autre systme interconnect dterminer (correcteur) de telle faon ce que le systme boucl (voir la gure 24) soit stable et {Xperf , Yperf , Zperf } dissipatif entre w et z . Le systme interconnect dterminer scrit comme la connexion q z
M Mu My 0
y

u
K

Figure 24. Commande dun systme interconnect dune matrice de gains K dterminer et dune copie des sous systmes du systme commander. Le systme en boucle ferme peut se rcrire de faon quivalente
43
comme cela est reprsent gure 25. La recherche du correcteur revient complter linterconnexion du systme en boucle ferme. La dmarche consiste appliquer le
- q z M M My y K Mu 0 u p w
Figure 25. Systme commander
thorme danalyse de la performance au systme en boucle ferme reprsent gure 25. En introduisant la dcomposition : M My on a : Mqp M = 0 Mzp 0 Mqw 0 0 0 + I 0 Mzw 0
M
Mu 0
Mqp = Mzp Myp
Mqw Mzw Myw
Mqu Mzu 0
Mqu 0 K Mzu
Mu
0 Myp
I 0
My
0 Myw
Par suite, le systme en boucle ferme scrit comme la connexion de M sur les sous systmes 0 = . 0 A partir des ensembles X(), Y() et Z(), il est possible de dterminer des ensembles X(), Y() et Z(). Daprs le thorme danalyse de la performance,
44
le systme boucl sera stable et performant sil existe X X(), Y Y() et Z Z() tels que T Z 0 Y 0 T 0 Yperf M + M u KM y 0 Xperf M + M u KM y < 0. In In Y 0 X 0 T 0 Yperf 0 Zperf
2 4
X YT
Y Z
3 5
[19] Dans cette ingalit, les matrices dterminer sont K , X(), Y() et Z(). La matrice ne dpendant pas de faon afne de ces variables, le problme ne peut pas scrire comme un problme doptimisation LMI (faisabilit). Cependant, le lemme dlimination [BOY 94] permet de rcrire ce problme sous une forme quivalente o la matrice K a disparu. Thorme Il existe une matrice K Rkl telle que la condition (19) soit satisfaite si et seulement si My
T Mu T
M In M In
T
X YT X T Y
Y Z Y Z
M In M In
T
My
<0
Mu
<0
T
, Y et Z avec M u avec X
qui reprsente la matrice orthogonal de la matrice M u et : X YT Y Z Z Y T Y X =I
Dans le cas considr, les deux ingalits et la contrainte galit associe se simplient de faon obtenir un problme de faisabilit LMI (pour dtails, voir [SCO 97a]). Une fois ce problme rsolu, le correcteur peut tre obtenu. Exemple (suite) Soit le systme commander : x (t) z (t) y (t) = Ax(t) = = Cz x(t) Cy x(t) + + Bw w(t) Dzw w(t) + Bu u(t) + Dzu u(t)
+ Dyw w(t)
On recherche une loi de commande par retour dtat de mme ordre que le systme : x K (t) = u(t) = (cest--dire la matrice K = AK CK BK DK AK xK +BK y CK xK +DK y qui assure que : [20]
45
1) le systme boucl est stable ; 2) la norme H de la fonction de transfert en boucle ferme entre lentre w et la sortie z est infrieure (soit une proprit de {I, 0, 2 I } dissipativit). Lapplication du thorme prsent ci-dessus mne au rsultat suivant : un tel correcteur existe si et seulement sil existe deux matrices P et Q telles que : T QAT + AQ Bw QCz T T T T T T T Bu 0 Dzu Bw I Dzw 0 Dzu 0 Bu Cz Q Dzw I [21] T T A P + P A P B w Cz T T T Cy Dyw 0 P I Dzw Bw Cy Dyw 0 0 Cz Dzw I [22] et P I 0 [23] I Q Tester lexistence dun correcteur qui assure un niveau de performance donn est un problme de faisabilit LMI. Tester lexistence dun correcteur qui assure le plus petit niveau de performance peut scrire comme un problme de minimisation dun cot linaire sous contrainte LMI.
7. Conclusion Le dveloppement de lautomatique frquentielle rpond un besoin industriel de mthodologies (pas forcement simplistes) bases sur des outils simples et accessibles. Pour cela, lautomatique frquentielle classique a dvelopp des outils graphiques qui, face aux exigences actuelles, ne sont plus adapts. Ds le dbut des annes 80, il a t propos de dvelopper, dans le cadre des systmes linaires stationnaires, de nouveaux outils. Pour cela, les concepts fondateurs de lautomatique classique ont t conservs, cependant une formalisation du cahier des charges a t entreprise qui a permis de bien pos le problme. A partir de celle-ci, des outils ont t proposs sous la forme dalgorithme doptimisation convexe. Face la complexit intrinsque des problmes et dans loptique dobtenir des outils efcaces et accessibles, laccent a t mis sur la recherche dun compromis entre la conservatisme des conditions sous jacentes aux outils et la complexit des algorithme de rsolution. Dans le cadre des systmes linaires stationnaires, la formalisation est trs avances. Beaucoup de travaux ont t faits au niveau des outils : cependant beaucoup de travail reste faire. On dispose maintenant dune palette doutils de mise au point des
46
asservissements multivariables (analyse et synthse). Cependant, le tableau gnral nest pas encore achev. Dans le cadre des systmes non linaires, la mme dmarche a t applique trs rcemment. Lintroduction de la norme incrmentale (pondre) pour la formalisation du cahier des charges a permis de proposer une formalisation assez complte du problme dasservissement non linaire. Les travaux au niveau des outils ont dbuter : beaucoup reste faire ! Cependant les premiers rsultats obtenus avec des outils trs conservatif sont particulirement encourageant.
concepts formalisation outils
En fait, les succs de lautomatique frquentielle vient de ce quelle se situe au del des clivages traditionnels : thorie/pratique, ancien/moderne, linaire/non linaire. Comme lillustre par exemple la ncessit de la borne suprieure de pour assurer la stabilit face des incertitudes dynamiques variant lentement dans le temps, il est important dintervenir sur les diffrents maillons de la chane, des concepts au dveloppement et la mise en uvre des outils. Cest ce qui rend sans doute lautomatique frquentielle si excitante !
8. Bibliographie
[ST 00] STRM K. J., Lecture Notes on Iterative Identication and Control Design , chapitre Model uncertainty and robust control, p. 63-100, 2000. [BLA 34] B LACK H. S., Stabilized Feedback Ampliers , Bell System Technical Journal, vol. 13, 1934, p. 1-18. [BOD 45] B ODE H. W., Network Analysis and Feedback Amplier Design, Van Nostrand, New York, 1945. [BOY 91] B OYD S., BARRATT C., Linear Controller Design : Limits of Performance, Prentice-Hall, 1991. [BOY 93] B OYD S., E L G HAOUI L., Method of Centers For Minimizing Generalized Eigenvalues , Linear Algebra and Applications, special issue on Numerical Linear Algebra Methods in Control, Signals and Systems, vol. 188, 1993, p. 63-111.
47
[BOY 94] B OYD S., E L G HAOUI L., F ERON E., BALAKRISHNAN V., Linear Matrix Inequalities in Systems and Control Theory, vol. 15 de Studies in Appl. Math., SIAM, Philadelphia, juin 1994. [BRA 94] B RAATZ R. D., YOUNG P. M., D OYLE J. C., M ORARI M., Computational complexity of calculation , IEEE Trans. Aut. Control, vol. AC-39, no 5, 1994, p. 1000-1002. [CHI 96] C HILALI M., Mthodes LMI pour lanalyse et la synthse multi-critre , PhD thesis, Universit Paris Dauphine, Paris, France, 1996. [CHO 95] C HOU Y., T ITS A., On Robust Stability Under Slowly-Varying Memoryless Uncertainty , Proc. IEEE Conf. on Decision and Control, New Orleans, LA, dcembre 1995. [COL 97] C OLANERI P., G ROMEL J., L OCATELLI A., Control theory and design, a RH2 and RH viewpoint, Academic Press, 1997. [DAM 01] DAMEN A., W EILAND S., Robust Control, Polycopi de la Technische Universite dEindhoven disponible sur http ://www.er.ele.tue.nl/pages/people/index2.html, 2001. [DES 75] D ESOER C. A., V IDYASAGAR M., Feedback Systems : Input-Output Properties, Academic Press, New York, 1975. [DOY 78] D OYLE J., Guaranteed Margins for LQG Regulators , IEEE Trans. Aut. Control, vol. AC-23, no 4, 1978, p. 756-757. [DOY 81] D OYLE J., S TEIN G., Multivariable Feedback Design : Concepts for a Classical/Modern Synthesis , IEEE Trans. Aut. Control, vol. AC-26, no 1, 1981, p. 4-16. [DOY 82a] D OYLE J., WALL J. E., S TEIN G., Performance and Robustness Analysis for Structured Uncertainties , Proc. IEEE Conf. on Decision and Control, Orlando, FL, 1982, p. 629-636. [DOY 82b] D OYLE J., Analysis of Feedback Systems with Structured Uncertainties , IEE Proc., vol. 129-D, no 6, 1982, p. 242-250. [DOY 89] D OYLE J., G LOVER K., K HARGONEKAR P. P., F RANCIS B. A., State-space solutions to standard H2 and H control problems , IEEE Trans. Aut. Control, vol. 34, no 8, 1989, p. 831-847. [DOY 95] D OYLE J., W ILLEMS J., The Behavioral Approach to Systems and Control , Tutorial Workshop, Conference on Decision and Control, dcembre 1995. [DUC 94] D UC G., Robustesse des systmes linaires multivariables, dElectricit, 1994. Ecole Suprieure
[DUC 99] D UC G., F ONT S., Commande H et -analyse : des outils pour la robustesse, Herms, 1999. [El 95] E L G HAOUI L., N IKOUKHAH R., D ELEBECQUE F., LMITOOL : A front-end for LM I optimization, userss guide , fvrier 1995, Avalaible via anonymous ftp to ftp.ensta.fr, under /pub/elghaoui/lmitool. [FAN 91] FAN M. K. H., T ITS A. L., D OYLE J. C., Robustness in the Presence of Mixed Parametric Uncertainty and Unmodeled Dynamics , IEEE Trans. Aut. Control, vol. 36, no 1, 1991, p. 25-38. [FER 95a] F ERRERES G., De lutilisation des outils de robustesse pour la commande adaptative , PhD thesis, Institut National Polytechnique de Grenoble, France, janvier 1995. [FER 95b] F ERRERES G., F ROMION V., MS AAD M., Set-membership identication for adaptive H control , submitted to the int. J. of Robust and Nonlinear Control, , 1995.
48
[FER 96] F ERRERES G., F ROMION V., D UC G., MS AAD M., Non-Conservative Robustness Evaluation of a Multivariable H Missile Autopilot , Int. J. Robust and Nonlinear Control, vol. 6, no 8, 1996, p. 743-769. [FER 98] F ERRERES G., S CORLETTI G., Robustness Analysis in Presence of Time Delays , IFAC Workshop on Linear Time-Delay systems, Grenoble, France, juillet 1998. [FER 99] F ERRERES G., F ROMION V., H control for a exible transmission system , European Journal of Control, vol. 5, no 2-4, 1999, p. 185-192. [FOL 97] F OLCHER J., Approche Multicritre par Formulation LMI de la Commande des Systmes , PhD thesis, Universit Paris VI, dcember 1997. [FON 94] F ONT S., D UC G., H control of an electromechanical drive with nonlinearities using a multiblock-Criterion , Control Engineering Practice, vol. 2, no 6, 1994, p. 10191030. [FON 95] F ONT S., Mthodologie pour prendre en compte la robustesse des systmes asservis : optimisation H et approche symbolique de la forme standard , PhD thesis, Universit Paris XI Orsay, France, 1995. [FRO 95] F ROMION V., Une approche incrmentale de la robustesse non linaire ; application au domaine de laronautique , PhD thesis, Universit de Paris Sud Orsay, janvier 1995. [FRO 99] F ROMION V., S CORLETTI G., F ERRERES G., Nonlinear Performance of a PID controlled missile : a simple explanation , Int. J. Robust and Nonlinear Control, , no 9, 1999, p. 485-518. [FRO 01] F ROMION V., M ONACO S., N ORMAND -C YROT D., The weighted incremental norm approach : from linear to nonlinear H control , Automatica, vol. 37, no 10, 2001, p. 1585-1592. [GAH 94] G AHINET P., A PKARIAN P., A Linear Matrix Inequality Approach to H Control , International Journal of Robust and Nonlinear Control, vol. 4, 1994, p. 421448. [GAH 95] G AHINET P., N EMIROVSKY A., L AUB A. L., C HILALI M., LMI Control Toolbox, The Mathworks Inc., 1995. [GAS 88] G ASTON R. R. E. D., S AFONOV M. G., Exact Calculation of the Multiloop Stability Margin , IEEE Trans. Aut. Control, vol. 33, no 2, 1988, p. 156-171. [HBA 02] H BAIEB S., Optimisation convexe pour la commande , PhD thesis, Universit dOrsay, Paris, France, 2002, In French. [HOR 63] H OROWITZ I. M., Synthesis of Feedback Systems, Academic Press, New York, 1963. [IWA 98] I WASAKI T., H ARA S., Well-posedness of Feedback Systems : Insights into Exact Robustness Analysis and Approximate Computations , IEEE Trans. Aut. Control, vol. 43, 1998, p. 619-630.
V., The S -procedure in nonlinear control theory , Vestnik Leningrad [JAK er] JAKUBOVI C Univ. (russian) Vestnik Leningrad Univ. Math. (amer.), vol. 4 (amer.), no 1 (russian), 1971 (russian) 1977 (amer.).
[LAB 02] L ABIT Y., P EAUCELLE D., H ENRION D., SeDuMi Interface 1.02 : a Tool for Solving LMI Problems with SeDuMi , CACSD Conference, Glasgow, September 2002.
49
[LY 94] LY J., S AFONOV M., C HIANG R., Real / Complex Multivariable Stability Margin Computation via Generalized Popov Multiplier - LMI Approach , Proc. American Control Conf., 1994. [MAC 89] M ACIEJOWSKI J. M., Multivariable Feedback Design, Addison-Wesley, 1989. [MAG 99] M AGAROTTO E., Approche LMI pour la Synthse de Correcteurs et dObservateurs : Application aux Systmes Spatiaux et aux Systmes Bilinaires , PhD thesis, Universit Henri Poincar, Nancy I, 1999. [MEG 97] M EGRETSKI A., R ANTZER A., System Analysis via Integral Quadratic Constraints , IEEE Trans. Aut. Control, , 1997, p. 819-830. [NEM 93] N EMIROVSKII A., Several NP-Hard Problems Arising in Robust Stability Analysis , MCSS, vol. 6, 1993, p. 99-105. [NES 93] N ESTEROV Y., N EMIROVSKY A., Interior-point polynomial methods in convex programming, No 13 Studies in Applied Mathematics, SIAM, Philadelphia, 1993. [NES 94] N ESTEROV Y., N EMIROVSKY A., Interior point polynomial methods in convex programming : Theory and applications, SIAM, Philadelphia, PA, 1994. [NIK 95] N IKOUKHAH R., D ELEBECQUE F., G HAOUI L. E., LMITOOL : a Package for LMI optimization in Scilab , rapport, 1995, INRIA Rocquencourt. [NYQ 32] N YQUIST H., Regeneration theory , Bell Syst. Tech. J., vol. 11, 1932, p. 126147. [PEA 00] P EAUCELLE D., Formulation gnrique de problmes en analyse et commande robuste par les fonctions de Lyapunov dpendant des paramtres , PhD thesis, Universit Paul Sabatier Toulouse III, Toulouse, France, 2000. [POO 95] P OOLLA K., T IKKU A., Robust Performance Against Time-Varying Structured Perturbations , IEEE Trans. Aut. Control, vol. 40, no 9, 1995, p. 1589-1602. [POP 73] P OPOV V. M., Hyperstability of Control Systems, Springer-Verlag, New York, 1973. [SAF 78] S AFONOV M. G., Large Scale Systems Research : A perspective , Proc. IEEE Conf. on Decision and Control, 1978, p. 474-476. [SAF 80] S AFONOV M. G., Stability and Robustness of Multivariable Feedback Systems, MIT Press, Cambridge, 1980. [SAF 81a] S AFONOV M. G., ATHANS M., A Multiloop Generalization of the Circle Criterion for Stability Margin Analysis , IEEE Trans. Aut. Control, vol. AC-26, no 2, 1981, p. 415-422. [SAF 81b] S AFONOV M., L AUB A., H ARTMANN G., Feedback Properties of Multivariable Systems : The Role and Use of the Return Difference Matrix , IEEE Trans. Aut. Control, vol. 26, no 1, 1981, p. 47-67. [SAF 82] S AFONOV M. G., Stability Margin of Diagonaly Perturbed Multivariable Feedback Systems , IEE Proc., Part D, vol. 129, no 6, 1982, p. 251-256. [SAF 93] S AFONOV M., L EE P., A Multiplier Method for Computing Real Multivariable Stability Margin , IFAC World Congress, Sydney, Australia, juillet 1993. [SAN 65] S ANDBERG I. W., Some Results in the Theory of Physical Systems Governed by Nonlinear Functional Equations , Bell Syst. Tech. J., vol. 44, 1965, p. 871-898. [SCH 97] S CHERER C., G AHINET P., C HILALI M., Multiobjective Output-Feedback Control via LMI Optimization , IEEE Trans. Aut. Control, vol. 42, no 7, 1997, p. 896911.
50
[SCO 97a] S CORLETTI G., Approche Unie de lanalyse et la commande des systmes par formulation LMI , PhD thesis, Universit dOrsay, Paris, France, 1997, In French. [SCO 97b] S CORLETTI G., F ROMION V., Robustness Analysis with Time Delays , rapport, 1997, CESAME, In preparation. [SCO 98] S CORLETTI G., G HAOUI L. E., Improved LMI Conditions for Gain Scheduling and Related Problems , Int. J. Robust and Nonlinear Control, vol. 8, no 10, 1998, p. 845877. [SCO 01] S CORLETTI G., F ROMION V., Introduction la commande multivariable des systmes : mthodes de synthse frquentielle H , Polycopi Universit/ENSI Caen disponible sur http ://www.greyc.ismra.fr/LAP/Gerard_S/ENSI_comrob.html, 2001. [SKO 96] S KOGESTAD S., P OSTLETHWAITE I., Multivariable Feedback Control, John Wiley and Sons Chischester, 1996. [TIT 99] T ITS A., BALAKRISHNAN V., L EE L., Robustness under bounded uncertainty with phase information , IEEE Trans. Aut. Control, vol. 44, no 1, 1999. [VAN 96] VANDENBERGHE L., B OYD S., Semidenite programming , SIAM Review, vol. 38, no 1, 1996, p. 49-95. [WIL 69] W ILLEMS J. C., The Analysis of Feedback Systems, vol. 62 de Research Monographs, MIT Press, Cambridge, Massachusetts, 1969. [WIL 71] W ILLEMS J. C., Least Squares Stationnary Optimal Control and the Algebraic Riccati Equation , IEEE Trans. Aut. Control, vol. AC-16, no 6, 1971, p. 621-634. [ZAM 60] Z AMES G., Nonlinear Operators for System Analysis , rapport no 370, aot 1960, Massachusetts Institut of Technology. [ZAM 66] Z AMES G., On the Input-Output Stability of Time-Varying Nonlinear Feedback SystemsPart I, II , IEEE Trans. Aut. Control, vol. 11, 1966. [ZAM 81] Z AMES G., Feedback and Optimal Sensitivity : Model Reference Transformations, Multiplicative Seminorms, and Approximate Inverses , IEEE Trans. Aut. Control, vol. AC-26, no 2, 1981, p. 301-320. [ZHO 95] Z HOU K., D OYLE J., G LOVER K., Robust and Optimal Control, Prentice Hall, New Jersey, 1995.

Auto Classique Optimisation - Hinf

Transféré par

Informations du document

Titre original

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

Auto Classique Optimisation - Hinf

Transféré par

Droits d'auteur :

Formats disponibles

Automatique frquentielle : des critres graphiques loptimisation LMI

G. Scorletti , V. Fromion et S. Font

Nom de la revue ou confrence ( dnir par \submitted ou \toappear)

Titre abrg de larticle ( dnir par \title[titre abrg]{titre})

Nom de la revue ou confrence ( dnir par \submitted ou \toappear)

Titre abrg de larticle ( dnir par \title[titre abrg]{titre})

Nom de la revue ou confrence ( dnir par \submitted ou \toappear)

? ? Cahier des charges Spcications temporelles Robustesse ? ? ?

Figure 1. Liens entre Automatique frquentielle classique et no classique (H )

Titre abrg de larticle ( dnir par \title[titre abrg]{titre})

Figure 2. Systme en boucle ferme

0 0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18

Figure 3. Rponse un chelon de rfrence r damplitude 1 dsire

Nom de la revue ou confrence ( dnir par \submitted ou \toappear)

Fonction |G(j )K (j )| |S (j )| |G(j )S (j )| |K (j )S (j )| |T (j )|

Basses pulsations 1 1 |G(j )K(j )| 1 |K(j )| 1 |G(j )| 1

Hautes pulsations 1 1 |G(j )| |K(j )| |G(j )K(j )|

G(p)K (p) 1+G(p)K (p)

Titre abrg de larticle ( dnir par \title[titre abrg]{titre})

Figure 5. Trac du |L(j )|

Nom de la revue ou confrence ( dnir par \submitted ou \toappear)

Titre abrg de larticle ( dnir par \title[titre abrg]{titre})

o max dsigne la valeur singulire maximale.

Nom de la revue ou confrence ( dnir par \submitted ou \toappear)

Taille n du problme 30 40 0, 27 s 0, 64 s 4, 50 mn 10, 67 mn 2, 91 h 124, 3 jours 121, 4 jours 348, 7 ans

50 1, 25 s 20, 83 mn 348, 7 ans 3, 49 105 ans

3.2. De la ncessit dun algorithme efcace

Titre abrg de larticle ( dnir par \title[titre abrg]{titre})

Nom de la revue ou confrence ( dnir par \submitted ou \toappear)

Titre abrg de larticle ( dnir par \title[titre abrg]{titre})

Optimisation LMI Programmation Quadratique

Figure 7. Diffrentes classes doptimisation convexe

Par suite, en remplaant la variable doptimisation K par la variable doptimisation Q, on obtient :

Trouver K (p) telle que : 1) Boucle ferme stable 2) , W1 (j )

Nom de la revue ou confrence ( dnir par \submitted ou \toappear)

Vincent trouve pas bien

Titre abrg de larticle ( dnir par \title[titre abrg]{titre})

- le systme boucl reprsent gure 8 et not P stable

Nom de la revue ou confrence ( dnir par \submitted ou \toappear)

0.2 0 0.2 0.4 0.6 0.8 1 1 0.8 0.6 0.4 0.2 0

Figure 9. Vrication graphique de lingalit , gramme de Nyquist de H (j )

Titre abrg de larticle ( dnir par \title[titre abrg]{titre})

|W1 (j )S (j )|2 + |W3 (j )T (j )|2

Nom de la revue ou confrence ( dnir par \submitted ou \toappear)

Titre abrg de larticle ( dnir par \title[titre abrg]{titre})

4. Thorie de la robustesse en linaire stationnaire : des critres graphiques loptimisation

K Ce que voit lautomaticien

Nom de la revue ou confrence ( dnir par \submitted ou \toappear)

Titre abrg de larticle ( dnir par \title[titre abrg]{titre})

Nom de la revue ou confrence ( dnir par \submitted ou \toappear)

Figure 12. Diagramme de Nyquist de G(j )K (j )

si et seulement si KS du petit gain.

< 1 . Ceci est un cas particulier du thorme

? Figure 13. Connexion de M avec

Titre abrg de larticle ( dnir par \title[titre abrg]{titre})

Nom de la revue ou confrence ( dnir par \submitted ou \toappear)

Titre abrg de larticle ( dnir par \title[titre abrg]{titre})

Figure 15. Incertitudes dynamiques dans une boucle ferme

Nom de la revue ou confrence ( dnir par \submitted ou \toappear)

Figure 16. Incertidudes dynamiques dans une boucle ferme

Titre abrg de larticle ( dnir par \title[titre abrg]{titre})

Nom de la revue ou confrence ( dnir par \submitted ou \toappear)

Titre abrg de larticle ( dnir par \title[titre abrg]{titre})