Vous êtes sur la page 1sur 161

Universit de Tunis

cole Suprieure des Sciences et Techniques de Tunis

THSE
Prsente en vue de l'obtention du

DIPLME DE DOCTORAT
en Gnie lectrique

tel-00757821, version 1 - 27 Nov 2012

Par

Habib HAMDI
Matrise en Gnie lectrique
Mastre en Automatique - Productique

Approche Multi-Modle
pour l'Observation d'tat et le Diagnostic
des Systmes Singuliers non Linaires

Soutenue le 24 Novembre 2012 devant le jury d'examen compos de :

M. Farhat FNAIECH

Professeur l'ESSTT

M. Nabil DERBEL

Professeur l'ENIS

M. Fayel BEN HMIDA

Matre de Confrences l'ESSTT

M. Mickael RODRIGUES

Matre de Confrences UCBL-Lyon1

M. Naceur BENHADJ BRAIEK

Professeur l'ESSTT

Prsident
Rapporteur
Rapporteur
Examinateur
Directeur de thse

Th`se prpare au Laboratoire des Syst`mes Avancs - LSA ` lEcole Polytechnique de Tunisie
e
e e
e
e
a

tel-00757821, version 1 - 27 Nov 2012

mes parents, mes frres et ma sur.

tel-00757821, version 1 - 27 Nov 2012

ii

Avant Propos

tel-00757821, version 1 - 27 Nov 2012

Ce travail a t ralis au sein de Laboratoire des systmes avancs (LSA) de l'cole


Polytechnique de Tunisie.
Je tiens d'abord remercier Monsieur Naceur Benhadj Braiek, Professeur l'cole
Suprieure des Sciences et Techniques de Tunis et Directeur du LSA l'cole Polytechnique de Tunisie pour m'avoir accueilli au sein de son quipe et pour avoir accept de
diriger ma thse. Son soutien, ses conseils clairs et son aide m'ont t d'un grand apport pour la concrtisation de ce travail. Qu'il trouve ici le tmoignage de ma profonde
gratitude.
Je voudrais remercier galement Monsieur Michael Rodrigues, Matre de Confrences
au Laboratoire d'Automatique et Gnie des Procds (LAGEP) de l'Universit de Claude
Bernard Lyon pour l'intrt qu'il a port notre travail de thse et sa contribution manifeste son succs. Ses conseils scientiques et son aide prcieuse m'ont t d'un grand
apport. Je lui exprime ma reconnaissance et je le remercie d'avoir accept de faire partie
du jury de ma soutenance.
Je tiens aussi remercier vivement Monsieur Chokri Mechmeche, Maitre Assistant
l'cole Suprieure des Sciences et Techniques de Tunis (ESSTT) et membre du Laboratoire LSA pour l'aide qu'il m'a apporte et les conseils qu'il ma prodigus.
Je tiens exprimer mes remerciements les plus sincres Monsieur Farhat Fnaiech,
Professeur l'cole Suprieure des Sciences et Techniques de Tunis (ESSTT) pour l'honneur qu'il m'a fait en acceptant de prsider le jury de ma soutenance.
Monsieur Nabil Derbel, Professeur l'Ecole Nationale d'Ingnieurs de Sfax (ENIS),
m'a honor en acceptant d'valuer mon travail de thse et d'en tre le rapporteur. Qu'il
trouve ici l'expression de mes remerciements les plus vifs.
J'adresse mes remerciement les plus sincres Monsieur Fayel Ben Hmida, Matre
de Confrences l'cole Suprieure des Sciences et Techniques de Tunis (ESSTT) pour
l'intrt qu'il a bien voulu porter mon travail, en acceptant d'en tre le rapporteur.
Je tiens rendre hommage l'esprit d'quipe qui rgne au laboratoire LSA et exprimer tous ses membres ainsi qu' tous ceux qui ont contribu de prs ou de loin
l'laboration de ce travail mes remerciements les plus vifs.
iii

tel-00757821, version 1 - 27 Nov 2012

iv

Avant Propos

Table des matires

iii

Notations

xi

Introduction gnrale
tel-00757821, version 1 - 27 Nov 2012

Avant Propos

Chapitre 1
Sur la reprsentation et l'analyse des systmes singuliers
1.1

Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.2

Dnition d'un systme singulier

1.3

Exemples de systmes singuliers . . . . . . . . . . . . . . . . . . . . . . . . 11

. . . . . . . . . . . . . . . . . . . . . . . 10

1.3.1

Problmes des Contraintes Variationnelles . . . . . . . . . . . . . . 11

1.3.2

Systmes dynamiques singuliers de Leontief . . . . . . . . . . . . . 12

1.3.3

Robot manipulateur trois bras : Skywash . . . . . . . . . . . . . . 12


1.3.3.1
1.3.3.2

1.4

Description du systme : . . . . . . . . . . . . . . . . . . . 12
Modlisation du systme : . . . . . . . . . . . . . . . . . . 13

Les systmes singuliers linaires . . . . . . . . . . . . . . . . . . . . . . . . 16


1.4.1

Rgularit et Impulsivit des systmes singuliers linaires . . . . . . 17

1.4.2

Equivalence entre systmes singuliers . . . . . . . . . . . . . . . . . 18


1.4.2.1
1.4.2.2

1.4.3

Forme quivalente par dcomposition de Kronecker-Weierstrass 18


Forme quivalente par dcomposition en valeurs singulires 19

Rponse temporelle . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.4.3.1

Rponse temporelle du sous-systme lent . . . . . . . . . . 20

1.4.3.2

Rponse temporelle du sous-systme rapide . . . . . . . . 20

1.4.4

Stabilit des systmes singuliers linaires . . . . . . . . . . . . . . . 22

1.4.5

Admissibilit des systmes singuliers linaires . . . . . . . . . . . . 23

1.4.6

tat atteignable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
v

Table des matires

vi
1.4.7
1.4.8
1.5

Observabilit des systmes singuliers . . . . . . . . . . . . . . . . . 24


Dtectabilit des systmes singuliers

. . . . . . . . . . . . . . . . . 27

Systme singulier linaire paramtres variants (LPV) . . . . . . . . . . . 29


1.5.1

Reprsentation des systmes singuliers (LPV) . . . . . . . . . . . . 29


1.5.1.1
1.5.1.2

Systme singulier (LPV) polytopique . . . . . . . . . . . . 30

1.5.1.3
1.6

Systme singulier (LPV) ane . . . . . . . . . . . . . . . 30


Reprsentation linaire fractionnaire (LFR) . . . . . . . . 31

Systme singulier non linaire . . . . . . . . . . . . . . . . . . . . . . . . . 31


1.6.1

Solvabilit des systmes singuliers . . . . . . . . . . . . . . . . . . . 31

1.6.2

Indice des systmes singuliers . . . . . . . . . . . . . . . . . . . . . 32


Indice de direntiation . . . . . . . . . . . . . . . . . . . 32

1.6.2.2

tel-00757821, version 1 - 27 Nov 2012

1.6.2.1

Exemple 1 (Indice 1) . . . . . . . . . . . . . . . . . . . . . 32

1.6.2.3

Exemple 2 (Indice 2) . . . . . . . . . . . . . . . . . . . . . 33

1.6.2.4

Indice de perturbation . . . . . . . . . . . . . . . . . . . . 34

1.6.3

Rduction d'indice . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

1.6.4

Application : Rduction d'indice du modle singulier qui dcrit un


Pendule . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35

1.7

Stabilit des systmes singuliers . . . . . . . . . . . . . . . . . . . . . . . . 36


1.7.1

Stabilit aux sens de Lyapunov . . . . . . . . . . . . . . . . . . . . 36

1.8

Observabilit des systmes singuliers non linaires . . . . . . . . . . . . . . 37

1.9

Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

Chapitre 2
Modlisation et observation d'tat multi-modles des systmes singuliers
2.1

Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43

2.2

Modlisation par approche multi-modle . . . . . . . . . . . . . . . . . . . 44


2.2.1

Zone de fonctionnement . . . . . . . . . . . . . . . . . . . . . . . . 45

2.2.2

Variable de dcision . . . . . . . . . . . . . . . . . . . . . . . . . . . 46

2.2.3

Fonction d'activation . . . . . . . . . . . . . . . . . . . . . . . . . . 46

2.2.4

Structures multi-modle . . . . . . . . . . . . . . . . . . . . . . . . 46
2.2.4.1

Structure couple . . . . . . . . . . . . . . . . . . . . . . . 47

2.2.4.2

Structure dcouple . . . . . . . . . . . . . . . . . . . . . 47

2.3

Modle singulier ou de type Takagi-Sugeno . . . . . . . . . . . . . . . . . 48

2.4

Mthodes d'obtention des multi-modles pour les systmes singuliers . . . . 50


2.4.1

Obtention des multi-modles par linarisation . . . . . . . . . . . . 50

vii
2.4.2

Obtention des multi-modles par la mthode de transformation des


non linarits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51

2.4.3
2.5

Exemple illustratif : Disque roulant . . . . . . . . . . . . . . . . . . 53

Reprsentation polytopique des systmes singuliers linaires paramtres


variants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57

2.6

Stabilit des systmes multi-modles . . . . . . . . . . . . . . . . . . . . . 59


2.6.1
2.6.2

2.7

Stabilit quadratique . . . . . . . . . . . . . . . . . . . . . . . . . . 59
Stabilit relaxe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60

Estimation d'tat des multi-modles singuliers . . . . . . . . . . . . . . . . 60


2.7.1

Observateur multi-modle Proportionnel entres inconnues . . . . 61


Structure du multi-observateur . . . . . . . . . . . . . . . 62

2.7.1.2

tel-00757821, version 1 - 27 Nov 2012

2.7.1.1

Conditions d'existence du multi-observateur . . . . . . . . 64

2.7.1.3

Procdure de synthse du multi-observateur . . . . . . . . 64

2.7.2

Estimation des entres inconnues . . . . . . . . . . . . . . . . . . . 67

2.7.3

Multi-Observateur Proportionnel Intgral entres inconnues

. . . 67

2.7.3.1
2.7.3.2
2.7.4

Synthse du multi-observateur PI . . . . . . . . . . . . . . 68
Dtermination du multi-observateur PI . . . . . . . . . . . 70

Exemple illustratif : Estimation des tats du disque roulant . . . . . 71


2.7.4.1

Dtermination des paramtres du multi-observateur Proportionnel entres inconnues . . . . . . . . . . . . . . . . 71

2.7.4.2
2.7.4.3

Comparison des performances des deux multi-observateurs

2.7.4.4
2.8

Dtermination des paramtres du multi-observateur PI . . 71


Estimation des entres inconnues . . . . . . . . . . . . . . 74

72

Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74

Chapitre 3
Approche multi-modle pour le diagnostic des systmes singuliers
3.1

Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79

3.2

Terminologies et critres de performance relatifs un systme de diagnostic 80


3.2.1
3.2.2

3.3

Les terminologies de diagnostic . . . . . . . . . . . . . . . . . . . . 80


Critres de performance d'un systme de diagnostic . . . . . . . . . 81

Principe du diagnostic base de modles . . . . . . . . . . . . . . . . . . . 81


3.3.1

Systme multi-modle singulier avec dfauts . . . . . . . . . . . . . 82


3.3.1.1

Systme multi-modle singulier avec dfauts actionneurs . 82

3.3.1.2

Systme multi-modle singulier avec dfauts capteurs . . . 83

Table des matires

viii
3.3.1.3
3.3.2

Systme multi-modle singulier avec dfauts systme . . . 83

Localisation des dfauts . . . . . . . . . . . . . . . . . . . . . . . . 84


3.3.2.1
3.3.2.2

3.4

Localisation des dfauts actionneurs . . . . . . . . . . . . 85


Localisation des dfauts capteurs . . . . . . . . . . . . . . 86

Dtection et localisation des dfauts des systmes singuliers multi-modles


3.4.1

86

Gnration de rsidus par optimisation multi-objectifs . . . . . . . . 87


3.4.1.1
3.4.1.2

3.4.2

Synthse du gnrateur de rsidus . . . . . . . . . . . . . . 87


Formulation des ingalits matricielles linaires . . . . . . 91

Gnration de rsidus base de multi-observateurs . . . . . . . . . 92


Synthse du gnrateur de rsidus . . . . . . . . . . . . . . 94

3.4.2.3
3.4.3

Conditions de convergence . . . . . . . . . . . . . . . . . . 93

3.4.2.2

tel-00757821, version 1 - 27 Nov 2012

3.4.2.1

Analyse de la stabilit . . . . . . . . . . . . . . . . . . . . 95

Application : Dtection et isolation des dfauts d'un robot manipulateur trois bras . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
3.4.3.1

Modle du robot dans un systme de coordonnes cartsiennes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100

3.4.3.2
3.4.3.3

Estimation des tats en prsence des dfauts . . . . . . . . 105

3.4.3.4
3.5

Reprsentation multi-modle . . . . . . . . . . . . . . . . 102


Gnration des rsidus par banc de multi-observateurs . . 108

Mthodes d'estimation de dfauts . . . . . . . . . . . . . . . . . . . . . . . 109


3.5.1
3.5.2

Estimation des dfauts par un multi-observateur entres inconnues 112

3.5.3
3.6

Estimation des dfauts par un multi-observateur tendu . . . . . . . 110


Application : Estimation des dfauts du robot manipulateur . . . . 113

Dtection et estimation des dfauts des systmes singuliers LPV . . . . . . 114


3.6.1

Structure polytopique des systmes singuliers paramtres variants 114

3.6.2

Structure polytopique de l'observateur proportionnel intgral . . . . 115


3.6.2.1

Synthse de l'OPIEI . . . . . . . . . . . . . . . . . . . . . 116

3.6.2.2

Convergence exponentielle de l'observateur proportionnel


intgral polytopique . . . . . . . . . . . . . . . . . . . . . 117

3.6.3

Dtection et isolation des dfauts pour les systmes singuliers LPV 120
3.6.3.1
3.6.3.2

3.6.4

Gnration de rsidus par l'OPIEI polytopique . . . . . . 120


Localisation des dfauts actionneurs . . . . . . . . . . . . 122

Exemple illustratif . . . . . . . . . . . . . . . . . . . . . . . . . . . 123


3.6.4.1

Synthse de l'OPIEI polytopique . . . . . . . . . . . . . . 124

ix
3.6.4.2
3.6.4.3
3.7

Simulation

. . . . . . . . . . . . . . . . . . . . . . . . . . 125

Diagnostic des dfauts par l'OPIEI polytopique . . . . . . 126

Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129

131

Bibliographie

135

Publications personnelles sur les travaux de cette thse

tel-00757821, version 1 - 27 Nov 2012

Conclusion Gnrale et perspectives

147

tel-00757821, version 1 - 27 Nov 2012

Table des matires

Notations

Les notations suivantes sont dnies au fur et a mesure de leur utilisation dans le
prsent mmoire et sont conserves tout au long de celui-ci.

tel-00757821, version 1 - 27 Nov 2012

Matrices et vecteurs

M > 0 (M 0) Matrice M symtrique, dnie positive (resp. symtrique, semi dnie positive)
M < 0 (M 0) Matrice M symtrique, dnie ngative (resp. symtrique, semi dnie ngative)
In (I)
Matrice identit de dimension n (resp. de dimension approprie)
MT
Le Transpose de la matrice M
M 1
L'Inverse de la matrice M
+
M
Le Pseudo inverse de la matrice M
M
Norme euclidienne de la matrice M
x
Norme euclidienne du vecteur x

Ensembles

R
R+
Rn
Rnn
C
det(M )
dim(M )
rang(M )
tr(M )
min (M )
max (M )
min (M )
max (M )
(M )
Im(M )
Ker(M )
span(M )

Ensemble des nombres rels


Ensemble des nombres rels positifs
Espace rel euclidien de dimension n
L'ensemble de toute les matrices de dimension n n
Ensemble des nombres complexes
Dterminant de la matrice M
Dimension de la matrice M
Rang de la matrice M
trace de la matrice M
Valeur propre minimale de la matrice M
Valeur propre maximale de la matrice M
Valeur singulire minimale de la matrice M
Valeur singulire maximale de la matrice M
Le complment orthogonal de la matrice M
Espace image de la matrice M
Espace noyau de la matrice M
Le sous-espace engendr par les colonnes de la matrice M

Notations des relations et manipulations


=

Implique

xi

Notations

xii

Appartient
Un sous espace de
Choisie arbitrairement

Notations supplmentaires

diag(d1 , d2 , ..., dn )
Matrice diagonale avec les lments (d1 , d2 , ..., dn ) sur la diagonale
Fin d'un thorme
Fin d'une dmonstration ou d'une dnition

tel-00757821, version 1 - 27 Nov 2012

Acronyms
EAD
EDO
F DI
LM I
LT I
LP V
P IO
U IO

Equation Algbro-Direntielle
Equation Direntielle Ordinaire
Dtection et Isolation des Dfauts
Ingalit Matricielle Linaire
Linaire Temps Invariant
Linaire paramtre variant
Observateur Proportionnel Integral
Observateur Entres Inconnues

Introduction gnrale

La recherche sur les systmes dynamiques exige souvent une modlisation mathmatique du comportement du systme. La complexit croissante de ces processus conduisent
alors, au dveloppement des programmes machine produisant des systmes d'quations,
tels que les systmes multi-corps, ou une dcomposition du processus global, telle que les

tel-00757821, version 1 - 27 Nov 2012

systmes interconnects. Le comportement dynamique de chaque sous-modle est rgi par


des quations direntielles. L'accouplement de ces sous-modles se fait par des quations
algbriques. En eet, le modle mathmatique est reprsent par des relations dynamiques,
ainsi que des relations statiques. Cette augmentation permet de conserver aux variables
d'tats leur signication physique ainsi que de modliser des processus prsentant des
comportements impulsifs (des drives en entres et en sorties) et plus gnralement les
systmes non causaux.
Une grande classe de systmes physiques peut tre modlise par des Equations AlgbroDirentielles (EADs). Le papier de N ewcomb et al. [Newc 89] donne plusieurs exemples
pratiques comprenant des rseaux lectriques, des robots manipulateurs avec des contraintes,
des processus chimiques, etc. A titre d'exemple, dans le cas des processus chimiques, les
quations direntielles rsultent des quilibres dynamiques de la masse et de l'nergie,
alors que les quations algbriques rsultent des relations d'quilibre thermique. Pour les
systmes mcaniques, les quations dynamiques sont dcrits par les relations des mouvements, alors que les quations algbriques modlisent les contraintes mcaniques. Tous
ces systmes et autres sont dcrits par des quations algbro-direntielles (EADs) nonlinaires.
Selon le domaine d'tude, les systmes algbro-direntiels admettent direntes nomenclatures dans dirents champs. Par exemple, les thoriciens de commande et les mathmaticiens les avaient longtemps appels les systmes singuliers [Newc 89], puisque la
matrice sur la driv des variables d'tat est gnralement singulire, ou parfois ils emploient par terminologie les systmes d'espace l'tat gnraliss [Dai 89]. D' autre part,
les systmes nomms descriptors sont employs frquemment dans les systmes conomiques, puisqu'ils donnent une description normale du systme, alors que les analystes
1

Introduction gnrale

numriques appellent leurs descriptions des quations algbro-direntielles [Mull 00], ou


des quations avec contraints algbriques. Dans le secteur des circuits le nom originel tait
le pseudo-tat [Dai 89].
Il existe plusieurs raisons de considrer les systmes sous forme algbro-direntielle
ou singulier, plutt qu'on essaie de les rcrire comme des systmes ordinaires gouverns
seulement par des quations direntielles. En eet, pour simuler des systmes physiques,
les quations algbro-direntielles (EADs) reprsentent un ensemble de relations entre
des contraintes algbriques et certains drivs des variables d'tat. Ces variables, ont une
signication physique. La transformation de ce type de modle en un modle ordinaire peut
produire des variables d'tat moins signicatives. D'autre part, l'utilisation des modles

tel-00757821, version 1 - 27 Nov 2012

ordinaires est trs utile, mais les variables d'tat prsentes ne fournissent pas souvent
un sens physique [Marx 03], [Mull 00]. En outre, quelques phnomnes physiques, comme
l'impulsion et l'hysteresis qui sont importants dans la thorie des circuits, ne peuvent
tre traits correctement dans les modles ordinaires [Sjb 06]. La reprsentation algbrodirentielle fournit une manire approprie de traiter de tels problmes. Cette reprsentation est trs utilise dans la modlisation des processus physiques [Boul 08], [Luen 77].
En fait, les modles algbro-direntiels semblent plus commodes que les modles ordinaires dans la description des systmes grande chelle, des systmes conomiques, des
rseaux lectriques, des systmes neuraux et autres.
L'analyse et la synthse des systmes singuliers ont fait l'objet de plusieurs travaux
de recherche. De ce fait, une thorie d'existence et d'unicit pour les quations algbrodirentielles non linaires a t dveloppe par S.Reich [Reic 91] en exploitant leurs
structure gomtrique direntielle. Rcemment, V enkatasubramanian et al. [Venk 95]
ont tudi intensivement les rgions de faisabilit pour les systmes algbro-direntiels.
La notion des rgions de faisabilit fournit un passage usuel la thorie de la stabilit des
quations algbro-direntielles (EADs).
Cependant, la linarit des tudes constitue une hypothse forte qui limite la pertinence des rsultats que l'on peut obtenir. L'extension directe des mthodes de commande
et d'estimation dveloppes dans le contexte des modles linaires au cas des modles
non linaires est dlicate. En revanche pour les systmes non linaires sans contraintes
algbriques, des rsultats intressants ont t obtenus pour une dmarche de modlisation
qui s'appuie sur l'utilisation d'une approche globale base sur un ensemble de modles

3
de structures simples, chaque modle dcrit le comportement du systme dans une zone
de fonctionnement particulire (dnie, par exemple, par les valeurs des entres ou de
l'tat du systme). Cette approche, dite multi-modles, est une reprsentation polytopique
convexe qui peut tre obtenue soit directement par une transformation du modle mathmatique non linaire en un ensemble de modles anes en l'tat [Rodr 05'], [Kard 04],
[Chad 02] ou par linarisation autour de dirents points de fonctionnement soit partir
de donnes sur les entres et les sorties. Cette approche a produit des rsultats intressants
en commande, en observation et diagnostic pour les systmes non linaires ordinaires.
Plusieurs catgories de multi-modles existent dans la littrature, notamment les systmes
linaires paramtres variant dans le temps (LPV) [Zera 09] ou les systmes quasi LPV,
appels encore systmes de Takagi-Sugeno (T-S) [Taka 85]. L'approche multi-modles pos-

tel-00757821, version 1 - 27 Nov 2012

sde une proprit d'approximation universelle des systmes anes en la commande et


prsente l'avantage de pouvoir reprsenter de manire exacte un modle de connaissance
non linaire sur un compact de l'espace d'tat. De ce fait, la phase de modlisation est
donc essentielle pour un processus physique, mais n'est pas une n en soi. La phase principale pour un processus est de garantir une production en quantit et en qualit. Pour
assurer cette production, il faut que toute anomalie de fonctionnement soit rapidement
dtecte puis prise en compte dans la stratgie de conduite du systme considr. Cette
anomalie peut avoir comme origine de dfauts de systmes, de capteurs, d'organes de
commande (actionneurs), des bruits, ...

Le diagnostic, suscite depuis les annes 1970 un intrt croissant tant au niveau du
monde industriel que de la recherche scientique. Parce que les systmes industriels deviennent de plus en plus complexes et sophistiqus, il est lgitime de leur associer un
module ecace de surveillance an d'accrotre leur abilit et leur disponibilit, et d'amliorer la scurit du personnel. Les mthodes de diagnostic reposent essentiellement sur la
connaissance d'un modle cens reprsenter le comportement du systme physique surveiller. Elles s'appuient sur la connaissance, entire ou partielle, de l'tat d'un systme.
Ces tats sont fournis par un systme dynamique auxiliaire appel observateur d'tat
(multi-observateur pour les systmes reprsents par des multi-modles).
Dans ce mmoire, le thme propos concerne l'observation et le diagnostic des systmes
gouverns par des quations algbro-direntielles non linaires aectes par des dfauts
et des perturbations. La mthode propose consiste utiliser l'approche multi-modles
comme outil d'approximation linaire de ce type de systmes. Cette approche est base
sur l'utilisation d'un ensemble de modles structures simples ; chaque modle dcrit le

Introduction gnrale

comportement du systme dans une zone de fonctionnement particulire. Dans ce mmoire


on a pu aussi tudier les systmes singuliers LPV polytopique. Cette classe de systme
permet de reprsenter de manire exacte les modles non linaires sur un compact de
l'espace d'tat. Le comportement dynamique du systme singulier LPV est donn sous
une forme polytopique, qui permet de dcrire le systme originel en tant que combinaison
convexe de sous-modles dnis par les sommets d'un polydre convexe. Ces sous-modles
sont ensuite combins en utilisant des fonctions de pondration convexes pour dcrire le
modle global.
Peu de travaux ont t publis concernant l'estimation des tats des systmes singuliers
multi-modles. De plus, les travaux existants sont principalement ddis l'estimation
d'tat des multi-modles variables de dcision mesurables, c'est--dire des variables de

tel-00757821, version 1 - 27 Nov 2012

dcision lies aux entres ou aux sorties des systmes. Nanmoins, dans beaucoup de situations, ces variables de prmisse sont dnies par les variables d'tat qui peuvent ne
pas tre accessible la mesure. Ceci nous a conduit envisager l'tude de la conception
d'observateurs pour les systmes singuliers dcrits par des multi-modles variables de
prmisse mesurables et variables de prmisse non mesurables et aects par des entres
inconnues. De mme, et dans le cadre d'amliorer la reconstruction des tats et des entres inconnues, nous envisageons d'utiliser l'observateur de type proportionnel intgral
qui permet d'oprer une estimation simultane de l'tat et des entres inconnues du systme.
Par ailleurs, nous nous proposons de considrer la problmatique du diagnostic des systmes singuliers en utilisant le principe de gnrateurs de rsidus base d'observateurs
entres inconnues pour le cas des systmes singuliers multi-modles variables de prmisse mesurables et variables de prmisse non mesurables. Dans ce cadre une approche
multi-modle de dtection et d'isolation des dfauts des systmes singuliers non linaires
est dveloppe. Nous proposons aussi d'tendre cette approche de diagnostic aux systmes
singuliers paramtres variants (LPV). L'observateur conu dans ce sens comprend en
plus de l'action proportionnelle, une action intgrale pour permettre d'estimer conjointement les grandeurs d'tat et les dfauts ventuels.
L'ensemble de nos contributions est synthtis dans ce mmoire organis en trois chapitres :
Le premier chapitre prsente un tat de l'art sur le sujet trait. Il s'intresse introduire la classe des systmes singuliers. Ces systmes constituent un puissant outil de

5
modlisation dans la mesure o ils peuvent dcrire des processus rgis la fois par des
quations dynamiques et des quations statiques. Ce formalisme est ainsi particulirement
adapt l'tude des systmes interconnects, soumis des contraintes physiques statiques
et prsentant des comportements impulsifs. Plusieurs rsultats fondamentaux relatifs la
localisation et l'analyse des systmes singuliers linaires, paramtres variants ou non
linaires sont ainsi rappels.
Le deuxime chapitre est consacr au problme d'approximation des systmes singuliers paramtres variants et non linaires par une reprsentation multi-modle. Cette
approche permet de prsenter un processus dynamique non linaire comme une combinaison d'un ensemble de modles linaires ou anes valables dans des zones de fonction-

tel-00757821, version 1 - 27 Nov 2012

nement. Les direntes structures les plus utilises (modles locaux coupls et dcoupls)
sont dcrites. L'analyse de la stabilit des multi-modles a t considre. Une mthode
de synthse de deux types d'observateurs pour les systmes singuliers multi-modles et
LPV polytopique est aussi introduite.
Le problme de diagnostic des systmes singuliers non linaires par approche multimodles et des systmes singuliers paramtres variants polytopiques est abord dans le
troisime chapitre. Trois mthodes base d'observateurs sont alors proposes. La premire
approche repose sur l'utilisation d'un multi-observateur entres inconnues assurant un
dcouplage partiel de l'estimation des dfauts. La deuxime mthode est inspire du problme standard de commande H . Elle est base sur la minimisation de l'inuence des
entres inconnues et la maximisation de l'inuence des dfauts sur les rsidus, ce qui
revient l'tude d'un problme multiobjectifs. La troisime mthode est base sur l'utilisation d'un multi-observateur Proportionnel Intgral (PI). Cette approche est utilise
avec les systmes singuliers paramtres variants. Elle permet moyennant un banc de
gnrateurs de rsidus, de fournir directement une estimation des dfauts et par suite leur
dtection et localisation.

tel-00757821, version 1 - 27 Nov 2012

Chapitre 1
Sur la reprsentation et l'analyse des

tel-00757821, version 1 - 27 Nov 2012

systmes singuliers

Sommaire

1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2 Dnition d'un systme singulier . . . . . . . . . . . . . . . . . 10
1.3 Exemples de systmes singuliers . . . . . . . . . . . . . . . . . 11
1.3.1
1.3.2
1.3.3

Problmes des Contraintes Variationnelles .


Systmes dynamiques singuliers de Leontief
Robot manipulateur trois bras : Skywash
1.3.3.1 Description du systme : . . . . .
1.3.3.2 Modlisation du systme : . . . . .

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

11
12
12
12
13

Rgularit et Impulsivit des systmes singuliers linaires . . .


Equivalence entre systmes singuliers . . . . . . . . . . . . . .
1.4.2.1 Forme quivalente par dcomposition de KroneckerWeierstrass . . . . . . . . . . . . . . . . . . . . . . . .
1.4.2.2 Forme quivalente par dcomposition en valeurs singulires . . . . . . . . . . . . . . . . . . . . . . . . . . .
Rponse temporelle . . . . . . . . . . . . . . . . . . . . . . . . .
1.4.3.1 Rponse temporelle du sous-systme lent . . . . . . .
1.4.3.2 Rponse temporelle du sous-systme rapide . . . . . .
Stabilit des systmes singuliers linaires . . . . . . . . . . . . .
Admissibilit des systmes singuliers linaires . . . . . . . . . .
tat atteignable . . . . . . . . . . . . . . . . . . . . . . . . . .
Observabilit des systmes singuliers . . . . . . . . . . . . . . .
Dtectabilit des systmes singuliers . . . . . . . . . . . . . . .

17
18

19
20
20
20
22
23
23
24
27

Reprsentation des systmes singuliers (LPV) . . . . . . . . . .


1.5.1.1 Systme singulier (LPV) ane . . . . . . . . . . . . .
1.5.1.2 Systme singulier (LPV) polytopique . . . . . . . . .

29
30
30

1.4 Les systmes singuliers linaires . . . . . . . . . . . . . . . . . . 16


1.4.1
1.4.2

1.4.3

1.4.4
1.4.5
1.4.6
1.4.7
1.4.8

18

1.5 Systme singulier linaire paramtres variants (LPV) . . . 29


1.5.1

Chapitre 1. Sur la reprsentation et l'analyse des systmes singuliers

8
1.5.1.3

Reprsentation linaire fractionnaire (LFR) . . . . . .

31

1.6 Systme singulier non linaire . . . . . . . . . . . . . . . . . . . 31


1.6.1
1.6.2

1.6.3
1.6.4

Solvabilit des systmes singuliers . . . . . . . . . . .


Indice des systmes singuliers . . . . . . . . . . . . .
1.6.2.1 Indice de direntiation . . . . . . . . . . .
1.6.2.2 Exemple 1 (Indice 1) . . . . . . . . . . . . .
1.6.2.3 Exemple 2 (Indice 2) . . . . . . . . . . . . .
1.6.2.4 Indice de perturbation . . . . . . . . . . . .
Rduction d'indice . . . . . . . . . . . . . . . . . . .
Application : Rduction d'indice du modle singulier
un Pendule . . . . . . . . . . . . . . . . . . . . . . .

. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
qui dcrit
. . . . . .

31
32
32
32
33
34
34
35

Stabilit aux sens de Lyapunov . . . . . . . . . . . . . . . . . .

36

1.7 Stabilit des systmes singuliers . . . . . . . . . . . . . . . . . 36


1.7.1

tel-00757821, version 1 - 27 Nov 2012

1.8 Observabilit des systmes singuliers non linaires . . . . . . 37


1.9 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

1.1. Introduction

Les systmes singuliers ou algbro-direntiels surgissent dans une varit d'applications. Par consquent leur analyse et traitement numrique jouent un rle trs important
dans les mathmatiques modernes. Dans ce chapitre, nous rcapitulons quelques dnitions
de base et des rsultats prliminaires qui seront employs ultrieurement. Des exemples
de modles singuliers ou descriptors, sont considrs pour montrer leur importance dans
la modlisation des problmes pratiques. Plusieurs concepts de stabilit et d'observabilit
sont introduits.

1.1 Introduction
Les systmes singuliers dsigns galement sous le nom de systmes algbro-direntiels,

tel-00757821, version 1 - 27 Nov 2012

implicites, descriptor systems ou singular systems (appellation anglo-saxone) [Marx 03],


constituent une classe importante de systmes d'intrt thorique et pratique. Ils sont utiliss dans la modlisation des systmes mcaniques, robotiques avec des contraintes cinmatiques [Sjb 06], des rseaux lectriques [Kapr 92] et des applications chimiques [Boul 08].
Ils peuvent tre considrs comme une gnralisation des systmes dynamiques ordinaires.
L'tude des systmes algbro-direntiels a permis de nombreuses recherches depuis le dbut des annes 1970 car ce formalisme permet l'analyse et la commande des systmes pour
lesquels la reprsentation d'tat usuelle n'est pas satisfaisante. D'aprs Luenberger 1977
[Luen 77], les principales classes de systmes relevant de cette approche sont les systmes
interconnects de grandes dimensions tels que les rseaux lectriques ou hydrauliques, les
systmes rectangulaires, et les systmes non causaux. Depuis une vingtaine d'annes, de
nombreux points de la thorie de la commande des systmes dynamiques ont t tendus
aux systmes singuliers tels que le placement robuste de ples [Xiao 97], la commande
optimale [Sjb 06],... ainsi que la synthse des observateurs [Mull 99], [Daro 96], [Mull 93]
et la dtection des dfauts [Kim 01]. Le progrs dans l'tude des systmes singuliers linaires et les avances dans l'analyse et la synthse des systmes non-linaires ordinaires
[Benh 99], [Boua 06], ont stimul une activit de recherche croissante sur la commande et
l'observation des systmes singuliers non linaires. cet gard, plusieurs proprits telle
que l'existence et l'unicit des solutions, l'analyse de la stabilit en utilisant des techniques
de Lyapunov [Tanig 00], la commandabilit [Joha 06] et l'observabilit [Terr 01], ont t
tudies pour cette classe de systmes non linaires.
Dans ce chapitre, nous dnissons d'abord, l'origine des systmes singuliers. Ensuite, nous
rappellerons quelques rsultats fondamentaux pour la classe linaire de ces systmes ainsi
que les systmes singuliers paramtres variants. Nous prsenterons par la suite la classe

Chapitre 1. Sur la reprsentation et l'analyse des systmes singuliers

10

gnrale des systmes singuliers non linaires sur lesquels nous nous focaliserons, tout
en passant en revue les concepts de la solubilit, les notions d'indice et de la rduction
d'indice. Les proprits de stabilit et d'observabilit des systmes singuliers seront aussi
tudies.

1.2 Dnition d'un systme singulier


La description mathmatique d'un systme se dcompose souvent d'un ensemble d'quations direntielles ou dynamiques, qui font intervenir des variables agissant sur l'volution
du systme au cours du temps [Dai 89]. La forme gnrale du modle mathmatique s'crit

tel-00757821, version 1 - 27 Nov 2012

alors, sous la forme suivante :

F (x(t), x(t), u(t)) = 0

G(x(t), u(t), y(t)) = 0

(1.1)

avec x(t) Rn le vecteur des variables d'tat du systme, u(t) Rp l'entre de commande et y(t) Rm le vecteur des sorties mesurables. F et G sont deux fonctions
direntiable de dimensions appropries. Les quations (1.1) donnent une reprsentation
d'tat d'un systme dynamique non linaire. Une forme spciale des galits (1.1) peut se
mettre sous la forme suivante :
{
E x(t) = f (x(t), u(t)), Ex(0) ImE

(1.2)
y(t) = g(x(t), u(t)), t 0
[
]
[
]T
Ir 0
E =
est une matrice singulire et x = xT xT
= (x1 , ...., xn )T est le vec1
2
0 0
teur d'tat de dimension n 1. Ce vecteur d'tat est dvis en une partie dynamique et
une partie statique. Le modle dcrit par (1.2) reprsente la forme gnrale d'un systme
singulier non linaire.
Les systmes singuliers sont capables de dcrire les comportements des systmes qui ne
peuvent pas tre expliciter par les systmes ordinaires (les systmes gouverns seulement
par des quations direntielles). En outre, il y a plusieurs raisons de modliser les processus physiques sous la forme dnie par (1.2), que de les dcrire seulement par des
quations direntielles ordinaires (EDO). En eet, lors de la simulation des processus
physiques, le modle est souvent rgi par des quations direntielles faisant intervenir
les variations des variables au cours du temps et des relations algbriques exprimant les
relations entre les variables d'tat. Cette reprsentation donne une signication physique
[Fang 93] ces variables d'tat.
Au-del-de a, plusieurs phnomnes physiques, comme les impulsions et les hysteresis
qui sont importants dans la thorie des circuits, ne peuvent pas tre traits correctement

1.3. Exemples de systmes singuliers

11

dans les modles ordinaires. La reprsentation algbro-direntielle fournit une manire


approprie pour traiter de tels problmes [Lewi 86].

1.3 Exemples de systmes singuliers


La modlisation par des quations algbro-direntielles joue un rle essentiel, entre
autre, pour les circuits lectriques, les systmes mcaniques avec contraintes et les processus conomiques. Dans cette section, nous donnerons des exemples de processus dcrits
par des modles singuliers.

tel-00757821, version 1 - 27 Nov 2012

1.3.1

Problmes des Contraintes Variationnelles

Le premier exemple concerne l'tude d'un problme avec des contraintes variationnelles
[Dai 89]. Considrons un systme mcanique contrainte de position x(t), de vitesse
v(t) = x(t) d'nergie cintique T (x(t), v(t)), sous l'inuence d'une force extrieure f (x(t), v(t), t)

et sous la contrainte (x(t)) = 0. La formulation de Lagrange-Euler du systme peut se


mettre sous la forme suivante :

x(t)

d
T (x(t),
dt v

= v(t)
v(t)) = T (x(t), v(t)) + f (x(t), v(t), t) + GT
x
= (x(t))

(1.3)

avec G = et est le multiplicateur de Lagrange. Ce systme peut tre rformul sous


x
la forme suivante :
2T
T

v(t) = g(x(t), v(t), t) + G

x(t) = v(t)

0
= (x(t))

v 2

avec

g(x(t), v(t), t) = f (x(t), v(t), t) +

(1.4)

T
2T

x(t)

x
xv

Dans le cas pratique, la matrice T est souvent dnie positive. Ensuite, la multiplication
v 2 (
)1
2
de la premire quation de (1.4) par T
permet de convertir le systme prcdent en
v 2
un systme algbro-direntiel de la forme suivante.
2

v(t)

x(t)

( 2 )1
( 2 )1
g(x(t), v(t), t) + T
GT
= T
v 2
v 2
= v(t)
= (x(t))

12
1.3.2

Chapitre 1. Sur la reprsentation et l'analyse des systmes singuliers


Systmes dynamiques singuliers de Leontief

Le modle dynamique fondamental de Leontief [Luen 77] des systmes conomiques est un
systme singulier. Son modle de description est :

tel-00757821, version 1 - 27 Nov 2012

x(k) = Ax(k) + B[x(k + 1) x(k)] + d(k)

(1.5)

avec x(k) un vecteur de dimension n qui correspond au niveau de production de n secteurs


au moment k et A Rnn la matrice d'entre-sortie appele aussi matrice de production.
Ax(k) reprsente une partie de la production exige comme entre pour la production
courante, B Rnn est la matrice des coecients de stock. B[x(k + 1) x(k)] est la
quantit pour l'expansion des capacits qui apparat souvent sous la forme de capital.
Le vecteur d(k) reprsente les niveaux de la production qui sont demands. Les modles
conomtriques  de ce type ont t examins par Leontief dans [Leon 53], dans lequel les
deux cas temps discret et temps continu ont t considrs.
Gnralement, la plupart des lments dans la matrice B sont nulles d'o B est souvent
singulire. C'est parce que les productions dans un secteur n'exigent pas de capital en
stock de tous les autres secteurs. La reprsentation (1.5) peut tre rcrite sous la forme
suivante :
Bx(k + 1) = (In A + B)x(k) d(k)

(1.6)

Cette quation (1.6) correspond la forme d'un systme singulier. La reprsentation singulire peut surgir naturellement en modlisant un systme dynamique pratique.
1.3.3

Robot manipulateur trois bras : Skywash

Dans cette section, on se propose de prsenter un modle singulier d'un robot manipulateur
trois bras, utilis en tant que robot de nettoyage. Le mouvement de ce robot est limit
par la surface de nettoyage, ce qui conduit aux contraintes de singularit.

1.3.3.1 Description du systme :


La gure ci-dessous montre un robot manipulateur trois bras nettoyant la faade d'un
haut btiment [Wann 86]. Le dveloppement de ce genre de manipulateur fait partie de
plusieurs projets de recherche dans lesquels plusieurs institutions de recherche sont impliqus [Wann 90], [Hill 94]. Ce manipulateur mobile appel Skywash appartient une
1. L'conomtrie est une branche de la science conomique qui a pour objectif d'estimer et de tester
les modles conomiques, partir de donnes issues de l'observation du fonctionnement rel de l'conomie
ou provenant d'expriences contrles.

1.3. Exemples de systmes singuliers

13

classe important de robots de service largement utiliss dans la construction, les services
publiques, et la protection de l'environnement [Schr 93].
La tche de ce manipulateur est de nettoyer la rgion entre les points A et B.
A
3

l3

tel-00757821, version 1 - 27 Nov 2012

l2

l1
y
1

gure 1.1  Robot manipulateur trois bras

Ce robot accomplit cette tche en dplaant le terminal du manipulateur du point A vers


le point B plusieurs reprises avec une force de contact spcique.
Avant d'entamer la modlisation, on suppose que la surface plane nettoyer est un corps
rigide et que l'extrmit du troisime bras est plate, lisse et rigide. Ainsi, il y a deux
contraintes sur le mouvement du robot :
La restriction sur le mouvement dans la direction de x, toujours donne par x 1 m/s.
L'orthogonalit du troisime bras sur la surface de nettoyage peut tre dcrite par :
1 + 2 + 3 = 0

Ces deux contraintes doivent tre vries pendant la phase de nettoyage.

1.3.3.2 Modlisation du systme :


La dynamique du robot peut tre prsente travers des quations de mouvement en
utilisant l'approche de d'Euler-Lagrange [Crai 86]. L'criture matricielle des quations du

Chapitre 1. Sur la reprsentation et l'analyse des systmes singuliers

14

mouvement sous une fonction de contraintes donne le modle dynamique du manipulateur


trois bras gure 1.1. Ce modle est dcrit par les quations suivantes [Guan 10] :
{

M () = C (, ) G () + FT + u
(1.7)
() = 0

avec R3 , R3 , R3 reprsentent respectivement les positions, les vitesses


et les acclrations articulaires, u R3 dsigne le vecteur des couples de commande
appliqus aux articulations, F = est la Jacobienne de la fonction des contraintes

2
(), R reprsente le vecteur des multiplicateurs lagrangien, FT est le vecteur des
forces gnralises. La fonction des contraintes () est donne par :
[

tel-00757821, version 1 - 27 Nov 2012

() =
M () R33

l1 cos(1 ) + l2 cos(1 + 2 ) + l3 cos(1 + 2 + 3 ) l


1 + 2 + 3

est la matrice d'inertie du systme, et est donne par :

m11 m12 m13


M () = m21 m22 m23
m31 m32 m33

avec :
2
2
2
2
2
m11 () = m1 l1 + m2 (l1 + l2 + 2l1 l2 cos(1 )) + m3 (l1 + l2 + 2l1 l2 cos(2 ))

+m3 (2l2 l3 cos(3 ) + 2l2 l3 cos(2 + 3 )),


2
2
2
m12 () = m2 (l2 + 2l1 l2 cos(2 )) + m3 (l2 + l3 + 2l1 l2 cos(2 ) + 2l2 l3 cos(3 )

+m3 (l1 l3 cos(2 + 3 )),


2
2
2
m22 () = m2 l2 + m3 (l2 + l3 + 2l2 l3 cos(3 ),
2
m23 () = m3 (l3 + l2 l3 cos(3 ),
2
m33 () = m3 l3 , m21 = m12 , m32 = m23 , m13 = m31 = 0

est le vecteur des forces et/ou des couples dus aux acclrations centrifuge
et de Coriolis, qui est donn par :

C (, ) R3

C (, ) = CI ()N + CII ()s

(1.8)

avec : CI () est la matrice des couples de Coriolis, CII () est la matrice des couples
centrifuges.
2

1 2

1 3 , s =
N =

2 3

1
2
2
2
3

1.3. Exemples de systmes singuliers

et

15

cI,11 cI,12 cI,13


cII,11 cII,12 cII,13
CI () = cI,21 cI,22 cI,23 , CII () = cII,21 cII,22 cII,23
cI,31 cI,32 cI,33
cII,31 cII,32 cII,33

o
cI,11 () = 2m2 l1 l2 sin(2 ) 2m3 l1 (l2 sin(2 ) + l3 sin(2 + 3 )),
cI,12 () = 2m3 l3 (l2 sin(3 ) + l1 sin(2 + 3 )),
cI,13 () = cI,12 ()
cI,21 () = cI,32 () = cI,33 () = 0
cI,22 () = cI,23 () = cI,31 () = 2m3 l2 l3 sin(3 )
cII,11 () = cII,22 () = cI,33 () = 0

tel-00757821, version 1 - 27 Nov 2012

cII,21 () = cI,12 () = (m2 + m3 )l1 l2 sin(2 ) + m3 l1 l3 sin(2 + 3 ),


cII,31 () = cI,13 () = m3 l3 (l2 sin(3 ) + l1 sin(2 + 3 )),
cII,32 () = cI,23 () = m3 l2 l3 sin(3 )

et G () R3 est le vecteur des forces et/ou couples dus aux forces de gravitation. Il est
donne par :
GT () =

g1 () g2 () g3 ()

avec :
g1 () = gm1 l1 cos(1 ) + gm2 (l1 cos(1 ) + l2 cos(1 + 2 ))
+gm3 (l1 cos(1 ) + l2 cos(1 + 2 ) + l3 cos(1 + 2 + 3 )),
g2 () = gm2 l2 cos(1 + 2 ) + gm3 (l2 cos(1 + 2 ) + l3 cos(1 + 2 + 3 )),
g3 () = gm3 l3 cos(1 + 2 + 3 )

Si l'on choisit comme vecteur d'tat, le vecteur dni par :


avec =
y(t) =

1 2 3

1 3 1 2

non linaire suivant :


o

]T
]T

[
]T

x T = T T T
[
]T
et comme
= 1 2

vecteur de sorties, le vecteur


et
, alors le systme (1.7) peut tre dcrit par le modle singulier
{

E()x(t) = A()x(t) + B()u(t)

y(t) = Cx(t)

(1.9)

0
I3
0
I3
0
0
0

E() = 0 M () 0 , A() = G () C (, ) FT , B() = I3


0
0
0
0
F
0
0

Chapitre 1. Sur la reprsentation et l'analyse des systmes singuliers

16

Notons que plusieurs autres applications et processus peuvent tre formules par des quations algbro-direntielles ou systmes singuliers. De ce fait, l'tude et le dveloppement
des mthodologies d'analyse et de synthse des systmes singuliers est d'une importance
grandissante dans divers domaines.

1.4 Les systmes singuliers linaires


L'utilisation des lois de la physique qui rgissent ou dcrivent les comportements des
systmes, sont souvent reprsents par des fonctions non linaires. La linarisation de ces

tel-00757821, version 1 - 27 Nov 2012

fonctions autour d'un point d'quilibre permet d'aboutir un comportement localement


linaire du systme originel. En eet, considrant le modle singulier suivant :
{
E x(t) = Ax(t) + Bu(t)

y(t) = Cx(t) + Du(t)

(1.10)

Ce systme (1.10), est obtenu aprs la linarisation de (1.2) autour d'un point d'quilibre

(x, u) = (0, 0) avec :


E=

f
x

x=0
u=0

, A=

f
x

x=0
u=0

, B=

f
u

x=0
u=0

, C=

g
x

x=0
u=0

et D =

g
(u)

x=0
u=0

Dans la description (1.10) ; x(t) Rn est le vecteur des variables d'tat, u(t) Rp
reprsente l'entre de commande et y(t) Rm est le vecteur des sorties mesurables.

E , A Rnn , B Rnp , C Rnm et D Rmp sont des matrices constantes.


Les systmes singuliers linaires ont t tudis principalement par L. Dai [Dai 89] et F. L.

Lewis [Lewi 86]. Les auteurs ont discut plusieurs proprits de cette classe de systmes

telles que les notions de rgularit, d'observabilit et de commandabilit ainsi que les
direntes stratgies de commande et d'observation. Ces tudes ont donn naissance
l'analyse numrique des systmes d'quations algbro-direntielles.
Avant d'entamer l'tude des proprits des systmes singuliers, il est intressant de noter
que ces systmes peuvent admettre une structure base sur le concept de la matrice de
transfert qui fournit un rapport entre les entres et les sorties du systme. Le concept
de la matrice de transfert permet de reprsenter le comportement dynamique du systme
(1.10) de manire algbrique tel que :

G(s) = C(sE A)1 B + D

(1.11)

Pour un systme dynamique, la fonction de transfert existe si la matrice (sE A) est


non singulire. La non-singularit de cette matrice est dnie par la rgularit du systme originel. Dans la suite, on se propose d'tudier la rgularit et l'impulsivit des

1.4. Les systmes singuliers linaires

17

systmes singuliers linaires ainsi que les leurs formes quivalentes. Dans les paragraphes
qui suivent, certaines caractristiques particulires des systmes singuliers linaires rguliers sont introduites. Il s'agit notamment de la solvabilit, la stabilit, l'atteignabilit
ainsi que l'observabilit des systmes singuliers linaires.
1.4.1

Rgularit et Impulsivit des systmes singuliers linaires

La rgularit est une proprit trs importante pour les systmes singuliers linaires. Elle
garantit l'existence et l'unicit des solutions pour cette classe de systmes. Considrant
le systme singulier linaire (1.10), la rgularit de ce systme concerne seulement les
matrices E et A.

tel-00757821, version 1 - 27 Nov 2012

Dnition 1.1

Le couple matriciel (E, A) du systme (1.10) est dit rgulier


[Dai 89] si et seulement si le polynme :
(Rgularit)

det(sE A) = 0
o s dsigne l'oprateur de Laplace.
Dans le cadre des systmes standards, la notion de rgularit est toujours vrie dans
la mesure o pour toute condition initiale x(0) et une commande u(t) connue sur un
intervalle [0, t], la sortie y(t) du systme existe et est unique. En revanche, dans le cadre
des systmes singuliers, la sortie est unique pour une condition initiale dnie et une loi
de commande connue si le couple (E, A) est rgulier. De plus, l'impulsivit des systmes
physiques reprsente un phnomne indsirable et soulve un problme lors de l'tude de
la stabilit et de la stabilisation. En eet, il est important de vrier a priori si le systme
tudier n'est pas impulsif. De ce fait, un systme est dit non-impulsif  impulse

free  si

sa rponse temporelle reste continue pour toute condition initiale et quelque soit le signal
de commande u(t).

Dnition 1.2

Un systme est dit non impulsif [Marx 03] c'est-dire n'admet pas de modes impulsifs si pour toute condition initiale x0 et toute commande
u(t) de classe , la solution x(t) est continue.
(Systme non impulsif)

Le thorme suivant rsume certaines conditions de base pour qu'un systme singulier
linaire soit non-impulsif.

Chapitre 1. Sur la reprsentation et l'analyse des systmes singuliers

18

Thorme 1.1 [Dai 89] Le systme singulier linaire rgulier (1.10) est non-impulsif (le
couple (E, A) est non impulsif) si est seulement si la condition suivante est vrie :
rang

1.4.2

E 0
A E

= n + rang(E)

(1.12)

Equivalence entre systmes singuliers

Le choix des variables d'tat utilises pour dcrire un processus singulier donn (E, A, B, C)
n'est pas gnralement unique et par consquent le modle qui le dcrit n'est pas unique.
Il existe deux formes quivalentes de reprsentation d'tat des systmes singuliers linaires
qui sont :

tel-00757821, version 1 - 27 Nov 2012

La forme de

Kronecker-Weierstrass qui existe que lorsque la paire (E, A) est rgulire.

La dcomposition en valeurs singulires.


Ces formes sont utilises pour l'analyse et la synthse des systmes singuliers.

1.4.2.1 Forme quivalente par dcomposition de Kronecker-Weierstrass


La dcomposition de

Kronecker-Weierstrass [Dai 89] est obtenue par l'utilisation du r-

sultat suivant :
Pour tout systme de la forme (1.10) qui admet un couple (E, A) rgulier, il existe deux
matrices non singulires U1 et U2 , telles que :
]
[
]
[
A1 0
In1 0
et U1 AU2 =
U1 EU2 =
0 In2
0
Le systme (1.10) est quivalent :

x1 (t) = A1 x1 (t) + B1 u(t)

x2 (t) = x2 (t) + B2 u(t)

y(t) = C1 x1 (t) + C2 x2 (t)

(1.13)
(1.14)
(1.15)

o x1 Rn1 , x2 Rn2 , n1 + n2 = n et est une matrice nilpotente [Guan 10], i.e.,


toutes ses valeurs propres sont nulles.

est d'indice de nilpotence ( dim()) tel que 1 = 0 et = 0.


]
[
]
[
[
]
x1
B1
1
, CU2 = C1 C2 et U2 x =
U1 B =
x2
B2
La dynamique du sous-systme (1.13) est xe par les valeurs propres de la matrice A1 .

causal ou lent, tandis que le modle


(1.14) est appel sous-systme non causal ou rapide.
Le modle (1.13) est appel souvent sous-systme

1.4. Les systmes singuliers linaires

Dnition 1.3

19

[Marx 03] Le systme (1.10) o le triplet (E, A, B) est


dit causal si pour chaque condition initiale x0 et u(t) admissible (x0 = x(0)), le systme
admet une solution qui peut tre crite sous une forme ne contenant pas la driv de u(t).
(Systme causal)

D'une faon gnrale, les matrices U1 et U2 , qui transforment un systme singulier en sa


forme quivalente dnie par (1.13)-(1.15), ne sont pas uniques. Cela revient dire, qu'il
existe d'autres formes quivalentes du systme singulier.

1.4.2.2 Forme quivalente par dcomposition en valeurs singulires

tel-00757821, version 1 - 27 Nov 2012

La seconde forme quivalente est fonde sur la dcomposition en valeurs singulires [Guan 10]
de la matrice E . En eet, pour toute matrice E Rnn il existe deux matrices non singulires V1 et V2 telle que :

[
V1 EV2 =

Ir 0
0 0

L'utilisation de ces deux matrices permet de reprsenter le systme (1.10) sous la forme
suivante :

x1 (t) = A11 x1 (t) + A12 x2 + B1 u(t)

(1.16)

0 = A21 x1 (t) + A22 x2 + B2 u(t)

(1.17)
(1.18)

y(t) = C1 x1 (t) + C2 x2 (t)


[
avec V1 AV2 =

A11 A12
A21 A22

[
, V1 B =

B1
B2

]
, CV2 =

C1 C2

, V2 x =

]
x1
,
x2

x1 Rr et x2 Rnr , o r = rang(E).
La description dnie par (1.16)-(1.18) reprsente la deuxime forme quivalente du systme singulier (1.10). Dans cette transformation, les matrices V1 et V2 ne sont pas uniques,
ce qui implique l'existence d'autre formes quivalentes. La dcomposition en valeurs singulires, rete la signication physique des systmes singuliers. Par consquence, l'quation (1.16) est une quation direntielle qui constitue la mmoire du systme. La relation
(1.17) est une equation statique qui voque l'interconnection des variables d'tat. Ainsi,
un systme singulier peut tre reprsent comme un systme compos de plusieurs soussystmes interconnects.

20
1.4.3

Chapitre 1. Sur la reprsentation et l'analyse des systmes singuliers


Rponse temporelle

Nous avons signal dans la section (1.4.1) qu'un systme singulier linaire a une solution
unique pour une certaine condition initiale si et seulement si il est rgulier. Dans cette
section, nous allons montrer que la rponse d'un systme singulier linaire [Mull 00] est
la somme des rponses du sous-systme lent (1.13) et du sous-systme rapide (1.14).
Le dveloppement est bas sur la forme quivalente par dcomposition de

Weiestrass du systme singulier (1.10).

Kronecker-

1.4.3.1 Rponse temporelle du sous-systme lent


La rponse du sous-modle dynamique (1.13) voluant sous l'eet d'une entre u(t) peut
tre dtermine partir des conditions initiales donnes en calculant sparment l'eet

tel-00757821, version 1 - 27 Nov 2012

des conditions initiales et de l'entre. En eet, ce sous-systme admet une solution unique
pour toute entre u(t) connue sur un intervalle [0, t] et pour toute condition initiale x10 .
Cette solution est donne par :

x1 (t, u, x10 ) = x1i (t, x10 ) + x1u (t, u)


avec x1i (t, x10 ) est la rponse due la condition initiale x10 qui est dnie par :

x1i (t, x10 ) = eA1 t x10


et x1u (t, u) est la rponse due l'entre de commande u(t) qui est dnie par :
t
x1u (t, u) =
eA1 (t ) B1 u( )d
0

D'o, la solution temporelle devient alors :

x1 (t) = e

A1 .t

eA1 .(t ) B1 u( )d

x10 +

(1.19)

1.4.3.2 Rponse temporelle du sous-systme rapide


Le lemme (1) suivant donne la rponse temporelle du sous-modle rapide (1.14) du systme
singulier.

Lemme 1 [Dai 89] Considrons le modle statique (1.14) u(t)

(de classe ), avec


est l'indice de nilpotence de la matrice . Alors le sous systme (1.14) admet une rponse
temporelle de la forme :
y2 (t) = C2

=0

B2 u() (t)

(1.20)

1.4. Les systmes singuliers linaires

21

Pour garantir la continuit de x2 (t) par rapport au temps t, il faut que la commande u(t)
soit au moins de classe . Dans ce sens, la quantit joue un rle important dans la
thorie des quations algbro-direntielles linaires rgulires. Pour nir, l'tat x(t) et la
rponse y(t) du systme singulier (1.10) sont donns par :
[
]
[
]
In1
0
x(t) = U2
x1 (t) + U2
x2 (t)
0
In2
ce qui est quivalent :

[
x(t) = U2

In1
0

A1 .t

(e

t
A1 .(t )

x10 +

B1 u( )d ) U2

0
In2

]
1

B2 u() (t) (1.21)

=0

et par suite :

tel-00757821, version 1 - 27 Nov 2012

[
y(t) = CU2

In1
0

(e

A1 .t

x10 +

A1 .(t )

B1 u( )d )CU2

0
In2

]
1

B2 u() (t) (1.22)

=0

La condition initiale qui vrie la contrainte suivante :

[
pour t 0

x(0 ) = U2

est appele condition initiale

In1
0

[
x10 U2

0
In2

]
1

B2 u() (0+ )

(1.23)

=0

admissible . Donc un systme singulier a une trajectoire

unique lorsque la condition initiale x(0) est admissible et que la commande u(t) est

( 1) fois continment drivable par morceaux [Marx 03]. Pour s'aranchir des hypothses portant sur l'entre de commande u(t) et la condition initiale x(0), les auteurs
[Cobb 83] et [Verg 81] ont suggr que les systmes singuliers devraient adopter une solution gnralise en utilisant la thorie de distributions. Rappelons que, la drive au sens
des distributions, note f d'une fonction f continue par morceaux, prsentant des sauts
d'amplitude fi au point i pour i = 1, ..., est donne par [Marx 03] :

f (x) = fx +

fk (x i )

k=1

avec fx est la drive de f par rapport la variable x et (t) est l'impulsion unitaire. En effet, pour u(t) une fonction continue par morceaux de classe , l'quivalence distributionnel
du sous systme non causal (1.14) devient alors :

x2 x2 (0)(t) = x2 (t) + B2 u(t)

(1.24)

2. Le terme admissible est utilis pour dcrire les conditions initiales qui donnent naissance une
solution unique.

Chapitre 1. Sur la reprsentation et l'analyse des systmes singuliers

22

En utilisant l'expression de l'tat x2 (t) de (1.20), on obtient alors :

x2 (t) =

(1

(t) x2 (0)

=1

B2 u() (t)

(1.25)

=0

C'est la forme gnrale de la solution du sous systme rapide (1.14) aux sens de distributions. Cette solution est appele solution de distribution, dans lequel les termes impulsifs
apparaissent. Il rsulte de (1.19) et (1.25) que la rponse gnrale de l'tat est donne
par :

[
x(t) = U2
[

tel-00757821, version 1 - 27 Nov 2012

U2

0
In2

In1
0

]
(e

A1 .t

In1

1
U2 x(0)

eA1 .(t ) B1 u( )d )

+
0

]
1
[
(
(1 (t) 0

In2

1
U2 x(0) +

=1

B2 u() (t))

(1.26)

=0

D'aprs l'expression (1.26), la rponse d'un systme singulier admet une forme complique.
Il comporte non seulement une partie exponentielle, qui dpend des valeurs propres de A1 ,
de la condition initiale x10 et de l'entre u(t) sur [0, t] (rponse du sous systme causal),
mais aussi une partie qui dpend des drivs de l'entre de commande (rponse du sous
systme non causal). Cette dirence fondamentale entre les deux sous systmes est
l'origine des appellations des sous systmes lent et rapide.
1.4.4

Stabilit des systmes singuliers linaires

La stabilit est la proprit qui permet un systme de revenir son tat d'quilibre
en un temps ni lorsque l'eet de la perturbation a cess. Cette proprit est essentielle
pour garantir le fonctionnement sr d'un systme dynamique. Dans ce paragraphe, nous
tudions la stabilit des systmes singuliers . Ce concept est une extension de la stabilit
des systmes ordinaires.

Dnition 1.4 [Wu 94] Soit B une rgion ouverte de rayon , i.e., B = {x

Rn , x < },

et x = x(t, t0 , Ex(0)) la solution du systme (1.2). Le point d'quilibre x = 0 du systme


(1.2) est dit stable si pour chaque > 0, et t0 R+ , il existe = (, t0 ) > 0 tel que si
x(0) B , alors :
x(t, t0 , Ex(0)) < t t0

Note : La condition initiale est donne sous la forme de Ex(0) Im E , i.e., c'est une
condition initiale consistante que satisfait le systme singulier correspondant [Wang 06].

1.4. Les systmes singuliers linaires

23

Rappelons qu'une condition initiale donne dans l'espace de E est appele consistante,
dans le sens que les solutions seront continuellement dpendantes de celle-ci.
De mme, les dnitions de la stabilit uniforme et de la stabilit asymptotique pour les
systmes ordinaires peuvent tre gnralises aux systmes singuliers.

Dnition 1.5 [Wang 06] Le point d'quilibre x = 0 du systme (1.2) est dit asymptotiquement stable si il est stable et, il existe un 0 (t0 ) > 0 tel que si
x(0) B0 lim x(t; t0 , Ex(0)) = 0
t

La dnition mentionne ci-dessus est aussi valable pour le cas des systmes singuliers

tel-00757821, version 1 - 27 Nov 2012

linaires.
On dmontre que dans le cas linaire un systme singulier caractris par la paire (E, A)
(1.10) est asymptotiquement stable si les ples de det(sE A) = 0 sont partie relle
ngative [Wang 06]. Dans ce cas on convient de dire que le couple (E, A) est dit stable.
1.4.5

Admissibilit des systmes singuliers linaires

Dans le cadre des modles singuliers, il est plus adquat de parler de l'admissibilit plutt
que de la stabilit [Dai 89]. En eet, dans la plupart des situations, les termes impulsifs
ne sont pas souhaitables, car ils peuvent saturer la rponse de l'tat ou mme dtruire le
systme. De ce fait, et pour que le systme singulier soit stable et non-impulsif  impulse

free , on dnit une notion supplmentaire appele admissibilit.

Dnition 1.6

Le systme singulier (1.10) est dit admissible [Wang 06]


si et seulement si le couple (E, A) est rgulier, non-impulsif et stable.
(Admissibilit)

Par la suite, et pour tudier l'observabilit des systmes singuliers, nous allons commencer
par la caractrisation de l'ensemble des tats atteignables depuis une condition initiale
donne.
1.4.6

tat atteignable

Contrairement aux systmes ordinaires, un systme singulier ne peut atteindre gnralement tous les tats possibles dans le sous-espace de dimension n. Ce concept est gnralis
dans la thorie des systmes singuliers comme l'ensemble des tats accessibles ou atteignables [Dai 89].

Chapitre 1. Sur la reprsentation et l'analyse des systmes singuliers

24

Dnition 1.7

[Dai 89] : un tat xa (t) Rn est dit atteignable, s'il


existe une condition initiale x(0) et une entre de commande admissible u(t) et tf > 0
telles que x(tf ) = xa (t)
(tat atteignable)

Notons par R(0) l'ensemble des tats atteignables depuis une condition initiale nulle

x(0) = 0. R(0) est alors dni par :


[
]
[
]
1
R(0) = Im B1 A1 B1 An1 1 B1 Im B2 N B2 N1 B2
1
avec dsigne la somme directe des espaces vectoriels.
1.4.7

Observabilit des systmes singuliers

tel-00757821, version 1 - 27 Nov 2012

Le problme fondamental de l'analyse de l'observabilit d'un systme physique est de pouvoir dire si l'tat du systme peut tre dtermin en fonction des entres et des sorties.
Dans l'armative, la thorie de l'estimation fournit des outils pour reconstruire cet tat ;
nous rappelons que la connaissance des composantes de l'tat non mesures est en gnral
ncessaire pour rgler un systme ou pour dtecter les dfauts d'un systme. La valeur
initiale de l'tat d'un systme est en gnral inconnue. On peut alors se poser la question :
sous quelles conditions l'tat du systme peut-il tre dtermin partir des sorties et des
entres ? Ce problme est appel problme d'observabilit.
Contrairement aux systmes ordinaires, il y a plusieurs concept d'observabilit pour les
systmes singuliers. Dans cette section, nous allons rappeler les dirents concepts intervenant dans l'analyse de l'observabilit de cette classe des systmes.

Dnition 1.8

[Marx 03] :
Le systme (1.10) est dit observable si la condition initiale x(0) peut tre dtermine de
manire unique par u(t) et y(t) pour t [0, +[.
(Observabilit)

Le thorme suivant caractrise l'observabilit du systme singulier (1.10) avec ses sousmodles dynamique (1.13) et statique (1.14).

Thorme 1.2 [Dai 89]


1.

Le sous-systme causal (1.13) est observable si et seulement si


rang

2.

sE A
C

]
= n,

Les propositions suivantes sont quivalentes.

s C

1.4. Les systmes singuliers linaires

25

2 a.

Le sous-systme statique (1.14) est observable.

2 b.

T
T
T
rang C2 T C2 (1 )T C2

2 c.

T
rang T C2

]T

]T

= n2 .

= n2 .

rang[E T C T ]T = n.
3. Les propositions suivantes sont quivalentes.
2 d.

Le systme singulier est observable.

3 b.

tel-00757821, version 1 - 27 Nov 2012

3 a.

Les sous-systmes dynamique (1.13) et statique (1.14) sont observables.

[ T
]
T
T T
3c. rang C1 AT C1 (An1 1 )T C1
=n1
1
1

T
T
T
et rang C2 T C2 (1 )T C2

3 d.

=n2 .

rang[sE T AT C T ]T = n et rang[E T C T ]T = n.

3 e.

]T

La matrice

O=

E
A E

...

...

A E

(n+r1)nn2

est de plein rang colonne.


L'observabilit rete la capacit de reconstruire l'tat entier partir de la sortie mesure
et l'entre du systme. Pour tudier l'observabilit du sous-systme causal, on dnit
le concept de

R-observabilit qui caractrise la capacit de reconstruire seulement l'tat

atteignable partir des donnes sur les entres et les sorties.

Dnition 1.9

[Marx 03] : Le systme (1.10) est dit R-observable s'il


est observable dans l'ensemble atteignable.
(R-Observabilit)

Chapitre 1. Sur la reprsentation et l'analyse des systmes singuliers

26

Thorme 1.3 [Dai 89]

Les propositions suivantes sont quivalentes.


1. Le systme singulier (1.13)- (1.14) est observable.
2. Le sous-systme (1.13) est observable
[
]
sE A
3. rang
= n, s C.
C
4. La matrice

tel-00757821, version 1 - 27 Nov 2012

O=

E
A E

...

...

A E

(n+r1)nn2

est de plein rang colonne.


La proposition 3 permet de verier la R-observabilit du systme singulier linaire.
La R-observabilit ne concerne que l'tat atteignable, donc ne rete pas l'observabilit des
termes impulsifs. L'observabilit de ces termes revient tudier l'observabilit impulsive
ou

Impo-observabilit [Daro 95].

Dnition 1.10

[Dai 89] : Le systme (1.10) est dit Impoobservable si les termes impulsifs de l'tat peuvent tre dtermins de manire unique
partir de y(t) et u(t).
(Observabilit Impulsive)

Thorme 1.4 [Dai 89] On considre le modle de la forme quivalente (1.13)-(1.14),


les propositions suivantes sont quivalentes.
1. Le systme (1.13)-(1.14) est Impo-observable.
2.

Le sous modle non causal (1.14) est Impo-observable.

E A
3. rang 0 E = n + rang(E),
0 C
4. Ker

Ker C2

et rang

Im = {0}.

E
C

= n.

1.4. Les systmes singuliers linaires

27

Pour un systme singulier donn, l'observabilit, la R-observabilit et l'observabilit impulsive prcisent la capacit de construire les variables d'tat. Un systme est Impoobservable s'il est observable, l'inverse n'est pas vraie. La relation entre ces trois concepts
d'observabilit peut tre illustre par le diagramme suivant :
(I , A , C )
(E, A, C)
n1 1 1

observable R observable
(
E, A, C) observable
(, In2 , C2)

(E, A, C)

observable impo observable


1.4.8

Dtectabilit des systmes singuliers

Pour les systmes linaires ordinaires, le concept de dtectabilit est plus faible que l'ob-

tel-00757821, version 1 - 27 Nov 2012

servabilit. La dtectabilit est la condition minimale pour qu'un systme ordinaire peut
avoir un observateur d'tat. Ce concept peut galement tre gnralis au cas des systmes
singuliers linaires.
La dtectabilit assure que les ples nis instables sont observables, ou les ples non
observables sont stables.

Dnition 1.11

(Dtectabilit des modes non impulsifs)

Dnition 1.12

(Dtectabilit des modes impulsifs)

: [Boul 08] Les modes non impulsifs du systme linaire singulier (1.10) sont dtectables si la relation suivante est
satisfaite
]
[
sE A
= n s C avec Re(s) 0
(1.27)
rang
C
: [Boul 08] Les modes impulsifs du
systme linaire singulier (1.10) sont dtectables si la relation suivante est satisfaite

E A
rang 0 E = n + rangE
0 C

(1.28)

Chapitre 1. Sur la reprsentation et l'analyse des systmes singuliers

28

Exemple 1 :

Circuit lectrique :

Considrons le circuit lectrique reprsent par la gure suivante [Marx 03] :


R1

i1(t)

i2(t)

R2

i3(t)

u(t)

q(t)

tel-00757821, version 1 - 27 Nov 2012

gure 1.2  circuit lectrique

Le circuit est command par une tension u(t). Les courants i1 (t) et i2 (t) traversant respectivement les deux rsistances R1 et R2 sont considrs comme des variables de sorties. La
charge au bornes du condensateur de capacit C est note q(t) et L dsigne une inductance
pure. Si l'on choisit comme variables d'tat q(t), i2 (t) et i3 (t), on a alors les quations
dynamiques et algbriques suivantes :
: L'intensit qui traverse le condensateur.
dq(t) = u(t)/R1 1/(CR1 )q(t)i2 (t)
dt
di2 (t)
1
: La tension aux bornes de l'inductance.
L dt = C q(t) R2 i2 (t)
1
1
C q(t)+R1 i1 (t)u(t) = 0 C q(t)+R1 i2 (t)+R1 i3 (t)u(t) = 0 : L'quation algbrique
Ces quations peuvent se mettre sous la forme d'un systme singulier comme suit :

1 0 0
0 1 0
0 0 0


q(t)

1/(CR1 )
1
0
q(t)
1/R1

i2 (t) = 1/(LC) R2 /L 0 i2 (t) + 0 u(t)

1/C R1 R1
i3 (t)
1
i3 (t)
]
[
q(t)
0 1 1
i2 (t)
y(t) =
0 1 0
i3 (t)
(1.29)

Le modle singulier (1.29) peut tre crit sous la forme quivalente de Kronecker-Weierstrass
(1.13)-(1.15) avec :

[
]
1 0 0
1 0 0
1/(CR1 )
1
U1 = 0 1 0 , U2 = 0 1 0 , A1 =
1/(LC) R2 /L
0 0 0
0 1 1
]
[
]
[ ]
[
0 0
1
1/R1
, B2 = 0, C1 =
, C2 =
= 0, B1 =
0
0 1
0

1.5. Systme singulier linaire paramtres variants (LPV)

29

Pour tudier l'observabilit du circuit lectrique dcrit par (1.29), vrions la condition
3 c. du thorme (1.2),
[
]
[
]
C1
rang C A = n1 = 2 et rang C2 = 1.
1 1
Le systme tudi est donc observable.

1.5 Systme singulier linaire paramtres variants (LPV)


Les systmes singuliers linaires paramtres variants (LPV) [Hamd 09] reprsentent
une gnralisation de la classe des systmes singuliers temps variant (LTV).
La principale dirence provient de la particularit que pour les systmes LPV, la dpen-

tel-00757821, version 1 - 27 Nov 2012

dance temporelle est dissimule dans les paramtres variables dans le temps (t) Rl .
Ces systmes sont dcrits par une reprsentation d'tat de la forme suivante :
{
E x(t) = A((t))x(t) + B((t))u(t)

y(t) = C((t))x(t)

(1.30)

L'utilisation du terme LPV suggre que les paramtres peuvent tre connus en temps
rel alors que le terme LTV signie que le systme est non stationnaire (modle linaire
coecients variables dans le temps). De ce fait, un systme singulier LTV est un cas
spcial d'un systme LPV quand le vecteur des paramtres variants dans le temps est gal
au temps, i.e.

(t) = t, l = 1
D'un point de vue pratique, les systmes singuliers LPV peuvent tre considrs comme
tant des systmes singuliers linaires temps-invariant (LTI) aects par une incertitude paramtrique temps variant (t) ou des modles rsultant de la linarisation des
processus non linaires le long d'une trajectoire de paramtre (t).
Il est possible de rapprocher des systmes singuliers non linaires par une classe spcique
de systmes LPV appel quasi-LPV (qLPV) lorsque certains lments des paramtres variants (t) sont choisis comme tant des signaux du systme. Ces systmes sont obtenus
via une transformation LPV directe [Bria 08] ou en utilisant la reprsentation de TakagiSugeno [Taka 85].
1.5.1

Reprsentation des systmes singuliers (LPV)

Les systmes singuliers LPV peuvent tre classs en plusieurs familles selon la faon dont
les paramtres agissent sur le systme. Parmi la grande varit de ces systmes LPV, il
est possible de distinguer trois types principaux qui sont couramment utiliss pour faire
face des systmes LPV.

Chapitre 1. Sur la reprsentation et l'analyse des systmes singuliers

30

1.5.1.1 Systme singulier (LPV) ane


La reprsentation ane des systmes singuliers LPV est la forme la plus simple qui peut
tre rencontre. Les matrices de l'espace d'tat du systme (1.30) dpendent des paramtres variants. Leurs expressions gnrales sont donnes par :

A((t)) = A0 +1 (t)A1 + +l (t)Al


B((t)) = B 0 +1 (t)B1 + +l (t)B l
C((t)) = C 0 +1 (t)C1 + +l (t)C l

(1.31)

Notons que le paramtre (t) varie dans un polytope de sommets i [Rodr 05] tels que

i = {1 , ..., l }. Chaque paramtre i varie entre les bornes limites connues de (t).

i [i , i ]

tel-00757821, version 1 - 27 Nov 2012

1.5.1.2 Systme singulier (LPV) polytopique


Le passage entre la reprsentation ane et polytopique des systmes singuliers LPV est
possible car chaque matrice reprsentant le systme est une combinaison barycentrique
de plusieurs matrices :

A((t)) =1 ((t))A1 +2 ((t))A2 + +h ((t))Ah


B((t)) =1 ((t))B 1 +2 ((t))B 2 + +h ((t))B h
C((t)) =1 ((t))C 1 +2 ((t))C 2 + +h ((t))C h

(1.32)

La forme polytopique du systme singulier LPV est rgie par les expressions suivantes :

E x(t) =
i ((t))(Ai x(t) + Bi u(t))

i=1
(1.33)
h

y(t) = i ((t))Ci x(t

i=1

avec :

i () 0,

i ((t)) = 1

(1.34)

i=1

et

h = 2l
Le terme polytopique vient du fait que le vecteur(t) volue dans un polytope dni par :
{
}
h

= ((t)) Rh , i ((t)) 0, i,
i ((t)) = 1
(1.35)
i=1

Il est important de noter que tout systme paramtres variants peut tre exprim comme
un systme polytopique. La modlisation LPV polytopique ore un cadre adquat pour
aborder le problme d'observation et de diagnostic des systmes singuliers notamment
l'aide de l'outil LMI.

1.6. Systme singulier non linaire

31

1.5.1.3 Reprsentation linaire fractionnaire (LFR)


Cette reprsentation est l'interconnexion d'un systme dynamique linaire avec une matrice (un systme statique) dpendant des paramtres. Tout type de systme LPV dont
les matrices d'tat dpendent rationnellement de paramtres, peut tre mis sous la forme
de LFR [Bria 08]. Cependant il n'est pas toujours ais de trouver une reprsentation LFR
d'ordre minimale, c'est dire avec une matrice de taille minimale.

1.6 Systme singulier non linaire


Un systme singulier non linaire est un ensemble d'quations (direntielles et algbriques) non linaires, dcrivant l'volution temporelle des variables constitutives d'un

tel-00757821, version 1 - 27 Nov 2012

processus sous l'action d'un nombre ni de variables indpendantes appeles entres ou
variables de commande, ou simplement commandes, que l'on peut choisir librement pour
raliser certains objectifs. L'quation d'tat d'un systme singulier non linaire est :
{
E x(t) = f (x(t), u(t))

(1.36)
y(t) = g(x(t), u(t))
avec f et g sont deux fonctions non linaires de dimensions appropris. Cependant, bien
qu'il y ait des thories compltes pour le traitement analytique et numrique des systmes
ordinaires, la situation est beaucoup plus complexe dans le cas des systmes singuliers non
linaires. En eet, plusieurs problmes sont encore sans rponse.
Cette section prsente quelques proprits des systmes singuliers non linaires concernant
la rsolution et le concept d'indice [Sjb 06] pour cette classe de systmes.
1.6.1

Solvabilit des systmes singuliers

La solvabilit [Venk 95] signie qu'il existe une solution qui satisfait les quations
dynamiques et statiques du modle singulier (1.36) pour un tat initial donn.
La dnition d'une solution classique est adopte par

He-Sheng Wang et al. [Wang 06] et

est formule comme suit.

Dnition 1.13 Considrons le modle singulier (1.2) et soit T R un sous-intervalle

de temps
Le vecteur d'tat x(t) : T Rn est dit une solution de (1.36), si x(t) est continu et
drivable et satisfait (1.36).

Chapitre 1. Sur la reprsentation et l'analyse des systmes singuliers

32

Dans la suite, un problme est dit solvable s'il admet au moins une solution. Cette dnition semble normale mais il convient de noter que dans la majeure partie de la littrature,
le terme

solvabilit est employ seulement pour les systmes qui ont une solution unique

quand les conditions initiales consistantes sont fournies.


1.6.2

Indice des systmes singuliers

Le traitement analytique et numrique des systmes singuliers est tout fait dirent
et plus compliqu que les systmes ordinaires. La recherche sur ce type de modles mathmatiques, exige une classication approprie selon certains degrs de dicult. Cette
condition mne au dveloppement (indpendant) de plusieurs concepts d'indice [Sjb 06]
pour la classication de dirents types de systmes singuliers. Le concept d'indice joue

tel-00757821, version 1 - 27 Nov 2012

un rle principal dans l'analyse numrique des systmes singuliers. L'indice d'un modle
singulier fournit une mesure de dicult dans l'tude analytique aussi bien que dans la
rsolution numrique. Les concepts d'indice les plus couramment employs dans la littrature, sont l'indice de direntiation et l'indice de perturbation. Dans la suite nous allons
tudier les notions de ces deux types d'indice.

1.6.2.1 Indice de direntiation


L'indice direntiel est le nombre minimal des direntiations requises pour obtenir un
systme quivalent base des quations ordinaires.

1.6.2.2 Exemple 1 (Indice 1)


Considrons le systme singulier suivant :
{
x1 (t) = f (x1 (t), x2 (t))

0 = g(x1 (t), x2 (t))


avec

(1.37)

f et g : Rn Rn Rn

On suppose que g(x1 (t), x2 (t)) et x2 (t) sont de mmes dimensions et que les conditions
initiales sont consistantes (x(0) = 0 et g(x1 (0), x2 (0)) = 0).
Le problme dans le modle prcdent est que la drive de l'tat x2 (t) n'apparat pas
explicitement, ce qui nous oblige chercher comment passer d'un systme singulier (1.37)
un systme ordinaire rgi seulement par des quations direntielles. Pour rpondre
cette question, on eectue la direntiation des contraintes algbriques par rapport au
temps de la faon suivante :

gx1 (x1 (t), x2 (t))x1 (t) + gx2 (x1 (t), x2 (t))x2 (t) = 0

1.6. Systme singulier non linaire

33

gx1 (x1 (t), x2 (t))f (x1 (t), x2 (t)) + gx2 (x1 (t), x2 (t))x2 (t) = 0

(1.38)

avec gx1 et gx2 sont respectivement les matrices Jacobienne dnies par rapport aux variables d'tat x1 et x2 . Si la solution obtenue est inversible, le systme singulier (1.37)
peut s'crire sous la forme :

x1 (t) = f (x1 (t), x2 (t))

1
x2 (t) = gx2 (x1 (t), x2 (t))gx1 (x1 (t), x2 (t))f (x1 (t), x2 (t))

(1.39)

Le systme ordinaire (1.39) est obtenu aprs une seule direntiation par rapport au
temps, on dit alors que le systme algbro-direntiel (1.37) est d'indice 1.

1.6.2.3 Exemple 2 (Indice 2)


tel-00757821, version 1 - 27 Nov 2012

Considrons le systme singulier suivant :

x1 (t) = f (x1 (t), x2 (t))

0 = g(x1 (t))

(1.40)

Pour les mmes conditions initiales de l'exemple 1, si on direncie le systme une seule
fois, on se ramne :

x1 (t) = f (x1 (t), x2 (t))

0 = gx1 (x1 (t))f (x1 (t), x2 (t))

(1.41)

Le systme obtenu est encore de type algbro-direntiel. On ralise nouveau la direntiation du systme (1.41) on obtient alors :

0 = gx1 x1 (x1 (t))f (x1 (t), x2 (t))f (x1 (t), x2 (t)) + gx1 (x1 (t))fx1 (x1 (t), x2 (t))x1 (t)

+gx1 (x1 (t))fx2 (x1 (t), x2 (t))x2 (t)

De la mme manire que l'exemple 1, si gx1 fx2 est une matrice inversible, alors le systme
singulier (1.40) peut s'crire sous la forme ordinaire suivante :

x1 (t) = f (x1 (t), x2 (t))


x2 (t) = [gx1 (x1 (t))fx2 (x1 (t), x2 (t))]1 [gx1 x1 (x1 (t))f (x1 (t), x2 (t))f (x1 (t), x2 (t))

+gx1 (x1 (t))fx1 (x1 (t), x2 (t))x1 (t)]

La forme du systme ordinaire est obtenue aprs une direntiation double. On dit alors
que le systme singulier (1.40) est d'indice 2.

Dnition 1.14

Le systme f (x(t), x(t), u(t)) = 0 a un indice de direntia


tion gal d si d est le nombre minimal de direntiations analytiques qu'il faut raliser
de faon que l'on puisse extraire du systme singulier un systme ordinaire (explicite).
[Asch 98]

Chapitre 1. Sur la reprsentation et l'analyse des systmes singuliers

34

La motivation pour cette dnition est base sur le procd de rsolution des quations
algbriques (en utilisant leurs drivs si ncessaire) en transformant le systme singulier
en un systme ordinaire. Il existe aussi un autre type d'indice pour les systmes algbrodirentiels ; il s'agit de l'indice de perturbation qui correspond une mesure de la sensibilit des solutions par rapport aux perturbations du systme. L'indice de direntiation
et l'indice de perturbation ne sont pas toujours gaux.

1.6.2.4 Indice de perturbation


L'indice de perturbation est une mesure de la sensibilit aux perturbations d'un systme

tel-00757821, version 1 - 27 Nov 2012

singulier de la forme (1.36).

Dnition 1.15

[Hair 89] Soit x(t) une solution de (1.36) sur un intervalle [t0 , T ]. L'in-

dice de perturbation de (1.36) est le plus petit entier p tel que pour toute fonction x(t)

de classe C1 vriant :

f (x(t), x(t), u(t)) = (x(t))

il existe une majoration de la forme

x
(t) x(t) C (t0 ) x(t0 ) + sup
x

[t0 , T ]

(t)dt +
t0

p 1

sup

(j) ( )

j=0 [t0 , T ]

valable pour toute fonction de drives susamment petites et o C est une constante
ne dpendant que de f et de t0 T .
1.6.3

Rduction d'indice

L'indice de direntiation mesure aussi d'une certaine faon la dicult qu'il y a pour
rsoudre un systme. En eet, la direntiation est une opration qui introduit des instabilits numriques, donc plus on ralisera de direntiations, c'est--dire plus l'indice de
direntiation sera lev, plus le systme sera numriquement dicile rsoudre.
Les solveurs des systmes d'quations direntielles implicites et/ou d'quations algbrodirentielles ne savent en gnral rsoudre que les systmes d'indice 1 et quelques systmes d'indice 2. Lorsque l'on a des systmes d'indice plus lev, comme dans l'exemple 2
du paragraphe prcdent, il faudra rduire l'indice. L'outil principale de rduction d'indice
est la direntiation des contraintes algbriques [Kunk 01] pour un systme singulier.

1.6. Systme singulier non linaire


1.6.4

35

Application : Rduction d'indice du modle singulier qui


dcrit un Pendule

Considrons le modle mathmatique du pendule [Sjb 06] reprsent sur la gure suivante :

x2
x1

tel-00757821, version 1 - 27 Nov 2012

gure 1.3  Un pendule


Les quations dcrivant ce modle sont :

x1 (t) = x3 (t)

(1.42)

x2 (t) = x4 (t)

(1.43)

x3 (t) = x1 (t)x5 (t) bx2 (t)

(1.44)

x4 (t) = x2 (t)x5 (t) bx2 (t) g

(1.45)

0 = x2 (t) + x2 (t) L2
1
2

(1.46)

Comme il est reprsent sur la gure 1.3, x1 et x2 sont respectivement les positions horizontale et verticale du pendule. De plus, x3 et x4 reprsentent les vitesses horizontale et
verticale du pendule, x5 est la tension de la tige qui est considre inextensible et sans
masse, la constante b reprsente la force de frottement avec l'air et g est le champ de
pesanteur. L est la longueur de la tige. Dans la suite et travers l'exemple du pendule,
nous dvelopperons le concept de rduction d'indice pour le systme d'quations (1.42) (1.46). La direntiation de l'quation algbrique (1.46) par rapport au temps donne :

2x1 (t)x1 (t) + 2x2 (t)x2 (t) = 0

Remplaons x1 (t) par x3 (t) et x2 (t) par x4 (t), nous obtenons :

x1 (t)x3 (t) + x2 (t)x4 (t) = 0


Direncions la dernire quation algbrique (1.47),

(x1 (t)x3 (t) + x1 (t)x3 (t)) + (x2 (t)x4 (t) + x2 (t)x4 (t)) = 0

(1.47)

Chapitre 1. Sur la reprsentation et l'analyse des systmes singuliers

36

De la mme manire, si l'on remplace x1 (t) par x3 (t) et x2 (t) par x4 (t), on obtient alors,

(x2 (t) + x1 (t)x3 (t)) + (x2 (t) + x2 (t)x4 (t)) = 0

3
2

(1.48)

En substituant une autre fois (1.44) et (1.45) dans (1.48), on obtient :

(x2 (t) x1 (t)(x1 (t)x5 (t) + bx2 (t)) + (x2 (t) x2 (t)(x2 (t)x5 (t) + bx2 (t) + g)) = 0 (1.49)
3
3
2
4
Si l'on remplace l'quation (1.43) par (1.47) et l'quation (1.45) par (1.49) le modle du
pendule devient alors :

x1 (t) = x3 (t)

tel-00757821, version 1 - 27 Nov 2012

= x1 (t)x3 (t) + x2 (t)x4 (t)

x3 (t) = x1 (t)x5 (t) bx2 (t)

3
/ 2[ 2
]
0 = 1 L x3 (t) bx1 (t)x2 (t) x2 (t)(bx2 (t) + g)) x5 (t)
3
4
0

= x2 (t) + x2 (t) L2
1
2

(1.50)
(1.51)
(1.52)
(1.53)
(1.54)

Le modle obtenu, est d'indice 1. Cette reduction prouve que seulement x1 et x3 sont
dtermines par des quations direntielles. Les autres variables sont donnes par les
quations algbriques. Par consquent, la dynamique du systme est dnie par x1 et x3
alors que x2 , x4 et x5 sont algbriquement dtermines partir de x1 et x3 . Une autre
proprit relative, est que le nombre des quations algbriques a chang d'une, dans l'ensemble originel des quations en trois dans les quations ci-dessus.
Dans l'exemple ci-dessus, il est galement possible de choisir x2 et x4 comme tats dynamiques et x1 , x3 et x5 peuvent tre dtermins par des quations algbriques. D'o,
une proprit importante des modles singuliers est que direntes congurations des variables peuvent tre choisies comme tats dynamiques. L'inconvnient majeur est que les
contraintes algbriques ont t changes, par consquent la rsolution peut introduire une
instabilit sur les contraintes de dpart.

1.7 Stabilit des systmes singuliers


1.7.1

Stabilit aux sens de Lyapunov

L'outil fondamental pour l'tude de la stabilit des systmes non linaires est la thorie de
Lyapunov. Le concept principal de cette thorie est bas sur l'utilisation d'une fonction
de Lyapunov. En eet, dans un certain sens la fonction de Lyapunov est une mesure de
distance entre les variables d'tats et un point d'quilibre. Si cette mesure de distance

1.8. Observabilit des systmes singuliers non linaires

37

diminue ou est au moins constante, l'tat ne diverge pas de l'quilibre et on peut conclure
la stabilit. D'o, pour les systmes ordinaires, la stabilit des points d'quilibre est
couramment caractrise dans le sens de Lyapunov. Dans ce paragraphe, nous tudions
la thorie de stabilit des systmes singuliers par la mthode de de Lyapunov.

tel-00757821, version 1 - 27 Nov 2012

Thorme 1.5 [Wang 06] Considrons le systme singulier (1.2), avec

f (0) = 0.

Pour
une condition initiale consistante, on suppose qu'il existe une fonction dnie positive
de classe C 2 : V(x) : R R+ qui s'annule en Ex = 0 et qui satisfait les proprits
suivantes :
(i) V(x) = V T (x)E pour toute fonction V (x) : R Rn de classe C 1 et
x

(ii) V(x) = V T (x)f (x) 0,


alors, le point d'quilibre x = 0 du systme (1.2) est (localement) stable.
Si, de plus, la condition suivante est aussi vrie

(iii) V(x) = V T (x)f (x) < 0.


alors, le point d'quilibre x = 0 est (localement) asymptotiquement stable.
Ce thorme est une condition susante de stabilit mais ne permet pas de guider l'utilisateur dans le choix de la fonction de Lyapunov et ne permet pas de conclure si on ne
trouve pas une telle fonction. Une fonction candidate de Lyapunov est une fonction dnie
positive dont on teste la dcroissance autour du point d'quilibre.

1.8 Observabilit des systmes singuliers non linaires


Ce paragraphe introduit la notion d'observabilit des systmes singuliers non linaires.
Signalons d'abord que dans le cas des systmes non linaires, la notion d'observabilit est
lie aux entres et aux conditions initiales. Il existe alors plusieurs faons de dnir la
notion d'observabilit. Considrons le modle singulier avec des entres de commandes

u(t) et des sorties mesures y(t) dni par :


{
E x(t) = f (x(t), u(t))

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

(1.55)

Les variables xi (t) dependent implicitement des drivs de u(t), pour cela, l'entre est
suppose inniment direntiable. Cette restriction sur l'entre n'inuencera donc pas
l'observabilit du systme ci-dessus.
Dans cette partie on traite l'observabilit locale faible, cela signie que la proprit de
l'observabilit est tudie localement. Les dnitions suivantes sont employes pour dcrire

38

Chapitre 1. Sur la reprsentation et l'analyse des systmes singuliers

l'observabilit locale faible. D'abord, considrant (t, Ex0 , u(t)) la solution du modle
singulier (1.55) avec Ex0 est l'tat initial consistante.

Dnition 1.16

(Distinguabilit - Indistinguabilit) [Gerd

06] Deux tats initiaux consistants Ex1 et Ex2 dans un voisinage V tel que Ex1 = Ex2 sont indistinguables dans V si
0
0
0
0
1
2
t 0 pour lesquels les trajectoires issues de Ex0 et Ex0 restent dans V on a :
(t, Ex1 , u(t)) = (t, Ex2 , u(t))
0
0

(1.56)

tel-00757821, version 1 - 27 Nov 2012

pour toute u(t) inniment direntiable. Dans le cas contraire, on dit que Ex1 et Ex2
0
0
sont distinguables.

Dnition 1.17

Le systme singulier (1.55) est


localement faiblement observable en Ex0 s'il existe un voisinage V de x0 tel que
(Observabilit locale faible) [Gerd 06]

IV (Ex0 ) V = {Ex0 }

Notons que IV (Ex0 ) est l'ensemble des points non distinguables de x0 tant que les trajectoires qui en sont issues reste dans V .

Dnition 1.18

Le systme singulier (1.55) est observable en


Ex1 V si tout autre tat Ex2 = Ex1 est distinguable de Ex1 dans V . Un systme est
0
0
0
0
observable s'il est observable en tout point Ex1 V .
0
(Observabilit) [Coro 02]

Les systmes complexes sont caractriss par un grand nombre de composants qui sont
fortement coupls et ont une large plage d'utilisation. Toutefois, en dpit de la recherche
mathmatique croissante dans la modlisation, la commande et le diagnostic des dernires
dcennies et la grande utilisation des quipements informatiques puissants, beaucoup de
mthodes avances n'ont pas t rgulirement appliques des processus rels dans des
conditions normales de travail. C'est souvent le dveloppement thorique est ncessaire
pour comprendre ces mthodes. Cependant, la complexit est videmment un problme
dicile en soi. Le principe d'incompatibilit essaie de rendre les implications de la complexit plus prcise. Une consquence de ce principe est videmment que la modlisation
et l'analyse des systmes complexes seront moins prcises que les systmes simples. Une
autre consquence est que l'on devrait peut-tre chercher d'autres modles et d'outils

1.9. Conclusion

39

de reprsentation qui peuvent faire usage de moins de connaissances du systme prcis


que les approches traditionnelles qui ont bien fonctionn dans la modlisation et la commande des systmes complexit moyenne et basse. C'est en eet la tendance dans le
domaine du contrle intelligent o la logique oue, la modlisation qualitative, rseau
de neurones, systmes experts et le raisonnement probabiliste sont explores [Smit 97].
Dans la vie quotidienne, ainsi que dans la rsolution de problmes d'ingnierie, l'approche
standard pour rsoudre des problmes complexes est de diviser pour mieux gouverner
[Smit 97]. Un problme complexe est en quelque sorte divis en un certain nombre de
sous problmes qui peuvent tre rsolus de manire indpendante, et dont les solutions
individuelles fournissent la solution du problme initial. La cl pour rsoudre ce problme
avec cette approche est de trouver des axes appropris le long de laquelle le problme peut

tel-00757821, version 1 - 27 Nov 2012

tre partitionn.

1.9 Conclusion
Ce chapitre a t consacr essentiellement introduire le concept des systmes singuliers ou systmes algbro-direntiels. Dans ce cadre, plusieurs exemples d'applications
qui sont dcrites par des modles singuliers ont t d'abord proposs. Ensuite, des rsultats lmentaires concernant les systmes singuliers, y compris l'observabilit, l'existence
et l'unicit de solution pour les systmes algbro-direntiels et la notion de stabilit ont
t prsents. De plus, la notion d'indice pour les systmes singuliers a t introduite.
Il s'agit d'un concept qui joue un rle principal dans l'analyse numrique des systmes
algbro-direntiels. Les concepts prsents dans ce chapitre, nous paraissent susants
pour pouvoir poursuivre la lecture aise du prsent mmoire.

tel-00757821, version 1 - 27 Nov 2012

Chapitre 2
Modlisation et observation d'tat

tel-00757821, version 1 - 27 Nov 2012

multi-modles des systmes singuliers

Sommaire

2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.2 Modlisation par approche multi-modle . . . . . . . . . . . . 44
2.2.1
2.2.2
2.2.3
2.2.4

Zone de fonctionnement . . .
Variable de dcision . . . . .
Fonction d'activation . . . . .
Structures multi-modle . . .
2.2.4.1 Structure couple .
2.2.4.2 Structure dcouple

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

45
46
46
46
47
47

. . . . . . . . .
transformation
. . . . . . . . .
. . . . . . . . .

50

2.4.3

Obtention des multi-modles par linarisation .


Obtention des multi-modles par la mthode de
des non linarits . . . . . . . . . . . . . . . . .
Exemple illustratif : Disque roulant . . . . . . .

51
53

2.6.1
2.6.2

Stabilit quadratique . . . . . . . . . . . . . . . . . . . . . . . .
Stabilit relaxe . . . . . . . . . . . . . . . . . . . . . . . . . . .

59
60

2.7.1

Observateur multi-modle Proportionnel entres inconnues .


2.7.1.1 Structure du multi-observateur . . . . . . . . . . . .
2.7.1.2 Conditions d'existence du multi-observateur . . . . .
2.7.1.3 Procdure de synthse du multi-observateur . . . . .
Estimation des entres inconnues . . . . . . . . . . . . . . . .
Multi-Observateur Proportionnel Intgral entres inconnues

61
62
64
64
67
67

2.3 Modle singulier ou de type Takagi-Sugeno . . . . . . . . . . 48


2.4 Mthodes d'obtention des multi-modles pour les systmes
singuliers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
2.4.1
2.4.2

2.5 Reprsentation polytopique des systmes singuliers linaires


paramtres variants . . . . . . . . . . . . . . . . . . . . . . . . 57
2.6 Stabilit des systmes multi-modles . . . . . . . . . . . . . . . 59
2.7 Estimation d'tat des multi-modles singuliers . . . . . . . . . 60

2.7.2
2.7.3

41

.
.
.
.
.
.

42

Chapitre 2. Modlisation et observation d'tat multi-modles des systmes singuliers

2.7.4

2.7.3.1
2.7.3.2
Exemple
2.7.4.1
2.7.4.2
2.7.4.3
2.7.4.4

Synthse du multi-observateur PI . . . . . . . . . . . .
68
Dtermination du multi-observateur PI . . . . . . . .
70
illustratif : Estimation des tats du disque roulant . .
71
Dtermination des paramtres du multi-observateur Proportionnel entres inconnues . . . . . . . . . . . . .
71
Dtermination des paramtres du multi-observateur PI 71
Comparison des performances des deux multi-observateurs 72
Estimation des entres inconnues . . . . . . . . . . . .
74

tel-00757821, version 1 - 27 Nov 2012

2.8 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74

2.1. Introduction

43

Les approches multi-modles sont apparues plus ou moins indpendamment dans plusieurs branches de la science et de la technologie, sous direntes terminologies. Elles
s'inspirent des modles ous de type Takagi-Sugeno (T-S) [Smit 97].

2.1 Introduction
Les multi-modles sont reconnus par leurs capacits approcher les comportements
dynamiques complexes d'une large gamme de systmes. Ils se rvlent tout fait adapts
la modlisation des systmes partir de donnes exprimentales. Leur structure possde des proprits mathmatiques trs intressantes du point de vue de l'automatique.

tel-00757821, version 1 - 27 Nov 2012

En eet, les multi-modles facilitent l'extension de certains outils d'analyse dvelopps


dans le cadre des systmes linaires aux systmes non linaires et ce, sans avoir eectuer
d'analyse spcique sur la non-linarit du systme.
Dans ce chapitre, nous nous proposons d'tendre l'approche multi-modle aux systmes
singuliers. Dans ce sens direntes mthodes de modlisation sont dveloppes. Ces mthodes sont bases sur des modles mathmatiques manant d'une description phnomnologique du systme tudi. Une premire mthode d'obtention d'une description
multi-modle est base sur la technique de linarisation. Cette technique prsente des inconvnients lis la dicult du choix du nombre et de la position des dirents points de
fonctionnement ainsi que la perte d'information due essentiellement la linarisation. Une
deuxime mthode base sur la description de Takagi-Sugeno est aussi dveloppe. Cette
mthode utilisant l'approche par secteur non linaire, conduit une forme multi-modle
traduisant convenablement le comportement du systme non linaire originel.
La modlisation des systmes singuliers LPV est aussi conduite moyennant le concept polytopique. Cette mthode est base sur la reprsentation du systme LPV singulier dans
un polytope dont les sommets sont xs par les valeurs limites des paramtres variants.
Quant l'estimation d'tat, deux types d'observateurs sont proposs pour les systmes
singuliers multi-modles et LPV. Le premier est un observateur multi-modles gain proportionnel destin aux systmes singuliers non linaires approchs par un systme multimodle. Ce type d'observateur permet de reconstruire les variables d'tat du systme
mme en prsence d'entres inconnues. Le deuxime observateur est de type proportionnel intgral. Il est ddi aux systmes singuliers multi-modles aects par des entres
exognes. Cet observateur permet d'tablir une estimation simultane de l'tat et des
entres inconnues du systmes moyennant l'action intgrale.

Chapitre 2. Modlisation et observation d'tat multi-modles des systmes singuliers

44

2.2 Modlisation par approche multi-modle


La philosophie de l'approche multi-modle repose sur la fragmentation d'un problme
complexe en sous-problmes plus simples rsoudre et dont les solutions individuelles
conduisent la rsolution du problme global d'origine. Pour rsoudre des problmes pratiques, la fragmentation peut se faire selon deux axes [Smit 97] :

Dcomposition

en composants physiques : Cette technique est base sur la d-

composition du systme complexe en lments, units ou sous-systmes qui correspondent


aux composants physiques comme les racteurs chimiques, les compresseurs, etc. Le problme de modlisation peut tre rsolu en considrant qu'un sous-modle simple peut tre
construit pour chaque unit. Ces modles peuvent tre combins dans un modle global

tel-00757821, version 1 - 27 Nov 2012

par tablissement des relations entre ces composants.


La dicult principale de cette approche est d'identier un ensemble de composants qui
sont faiblement connects. Il ne semble pas plus raisonnable de dcomposer un systme
en composants qui sont fortement coupls, parce qu'ils ne dlient pas la complexit.

Dcomposition en phnomnes : Une deuxime mthode est de dcomposer le

comportement du systme en un ensemble de phnomnes. Par exemple, dans un racteur chimique, les phnomnes appropris peuvent tre de diverses ractions chimiques
tels que : le transfert de chaleur et les phnomnes thermodynamiques comme la conduction de chaleur, la transition de compression et la transition de phase ou les phnomnes
de transfert de masse comme la diusion et la convection. Les modles de ces phnomnes
peuvent tre dvelopps et combins en tenant compte de leurs interactions.
Pour rsoudre les problmes dcrits par des modles analytiques, l'approche multi-modle
vise remplacer la recherche d'un modle unique F (.) souvent dicile obtenir, par la
recherche d'une famille de sous-modles fi (t) et de fonctions de pondration hi ((t)) qui
assurent la transition entre ces sous-modles [Tanig 00].

F (.) =

hi ((t))fi (.)

(2.1)

i=1

Un choix judicieux de la structure des sous-modles fi (.) et des fonctions de base hi ()


permet d'approcher avec une prcision impose n'importe quel comportement non linaire
dans un large domaine de fonctionnement. Le contexte de la modlisation multi-modle
est bas sur plusieurs termes principaux tels que :

2.2. Modlisation par approche multi-modle


2.2.1

45

Zone de fonctionnement

Les zones de fonctionnements reprsentent les domaines de validit des modles locaux.
Chaque domaine est dni autour d'un point de fonctionnement [Rodr 05']. Ces zones de
fonctionnements peuvent tre disjointes comme l'indique la gure 2.1. Dans ces conditions,
les coecients de pondration sont de type boolen, ils ne peuvent prendre que des valeurs

0 ou 1 et un instant donn, il n'y a qu'un seul modle qui est valable [Kard 04].

D1
D2

Dh
tel-00757821, version 1 - 27 Nov 2012

Di

D3

gure 2.1  Domaines de validit disjoints

Ce type de partitionnement est frquent dans le cas des systmes congurations multiples
ou plusieurs modes de fonctionnement. Ces zones de fonctionnements peuvent aussi
prsenter un type de chevauchement c'est--dire possde des zones communes [Joha 98],
[Joha 93], comme le montre la gure 2.2. Le chevauchement entre les zones de validit

D1

Dh

D2

Di

gure 2.2  Domaines de validit avec recouvrement


des modles est d la substitution des fonctions de commutation front tendu par
des fonctions pente douce. Dans ce cas, les fonctions de commutation deviennent des
fonctions drivs continues dont la pente dtermine la vitesse de passage d'un modle
un autre.

46
2.2.2

Chapitre 2. Modlisation et observation d'tat multi-modles des systmes singuliers


Variable de dcision

La variable de dcision appele aussi

variable de prmisse, est une variable vectorielle

caractristique du systme qui peut tre mesurable ou non mesurable [Orju 08']. Elle peut
tre par exemple une variable d'tat ou un signal de commande du systme.
2.2.3

Fonction d'activation

C'est une fonction qui dpend des variables de dcision. Elle dtermine le degr d'activa`
tion du ieme modle local associ. Selon la zone o volue le systme, cette fonction indique

la contribution plus ou moins importante du modle local correspondant dans le modle


global (multi-modle). Elle assure un passage progressif de ce modle aux modles locaux

tel-00757821, version 1 - 27 Nov 2012

voisins. Les fonctions de pondration reprsentent une normalisation des lois i ((t)) qui
sont les poids de pondration [Mor 01] des modles locaux. Ces fonctions dpendent des
variables internes et/ou externes du systme non linaire (variables de dcision).

hi ((t)) =

i ((t))
h

i ((t))

(2.2)

i=1

Ces fonctions sont choisies en gnral de faon vrier les proprits de la somme
convexe :

hi ((t)) = 1 et 0 hi ((t)) 1 i = 1, ..., h

i=1

Au cours du temps, ces fonctions ont t construites de direntes faons. Elles peuvent
tre choisies de type boolen, drives discontinues (fonctions triangulaires) ou des
fonctions drives continues (fonctions sigmodales ou Gaussiennes). Dans le cas continu,
la loi exponentielle est souvent utilise et s'applique aux direntes variables de prmisse
[Akhe 04']. Les fonctions de pondration peuvent tre aussi construites par l'utilisation
des bornes des variables de dcision.
La reprsentation multi-modle d'un systme non linaire peut tre obtenue partir de
direntes structures. Ces structures sont rparties selon la dimension de l'espace d'tat
et la nature du couplage entre les modles locaux associs aux zones de fonctionnement.
2.2.4

Structures multi-modle

Dans ce contexte de modlisation, les sous-modles peuvent tre agrgs de multiples


faons, donnant toutes lieu direntes classes de multi-modles. Deux grandes familles
de multi-modles sont recenses selon que les sous-modles partagent le mme espace

2.2. Modlisation par approche multi-modle


d'tat (multi-modles coupls ou de

47

Takagi-Sugeno ) ou un espace d'tat dirent (multi-

modles dcoupls).

2.2.4.1 Structure couple


C'est la structure multi-modle de

Takagi-Sugeno [Akhe 04'], elle suppose que le multi-

modle possde un vecteur d'tat unique et global gure 2.3. L'tat global x(t) Rn
tant une somme pondre des tats des modles locaux. La reprsentation multi-modle

tel-00757821, version 1 - 27 Nov 2012

est obtenue par interpolation de h modles locaux linaires :

h((t))(Ai x(t) + Bi u(t))


E x(t) =

i=1

y(t) = Cx(t)

(2.3)

Cette structure est la plus couramment utilise dans le cadre de l'approche multi-modle.
Elle est connue sous direntes appellations : multi-modle de

Takagi-Sugeno, rseaux de

modles locaux mlange de paramtres, multi-modle modles locaux coupls ou


tat coupl ou encore multi-modle tat unique, etc.
systme
singulier NL

u(t)

y(t)

variable
de dcision
normalisation

A1 x(t) + B 1 u(t)

A2 x(t) + B 2 u(t)
E

.
x(t)

x(t)

y(t)

Ah x(t) + B h u(t)

gure 2.3  Architecture du multi-modle coupl

2.2.4.2 Structure dcouple


La reprsentation d'tat dans cette structure suppose que le processus est compos de
modles locaux dcoupls et admet des vecteurs d'tats indpendants. Cette structure

Chapitre 2. Modlisation et observation d'tat multi-modles des systmes singuliers

48
propose par

Filev [File 91], est issue d'une interpolation de sous-modles tats dcou-

pls. En consquence, chaque sous-modle est caractris par un espace d'tat propre
l'intrieur duquel il volue indpendamment des autres sous-modles.
Pour le cas des systmes singuliers le modle global peut tre donn par :

E xi (t) =

h((t))(Ai xi (t) + Bi u(t))


i=1

yi (t) = Ci xi (t)

(2.4)

Cette structure peut tre vue comme la connexion parallle de h modles anes pondrs
par leurs poids de pondration gure 2.4. Les signaux de sorties yi (t) des sous-modles
reprsentent des signaux articiels de modlisation utiliss seulement pour dcrire le com-

tel-00757821, version 1 - 27 Nov 2012

portement non linaire des systmes rels [Orju 08].


systme
singulier NL

u(t)

y(t)

variable
de dcision
normalisation

A1 x 1(t) + B 1u(t)

A2 x2(t) + B 2 u(t)

Ah xh(t) + B h u(t)

.
x1 (t)

.
x2 (t)

x1 (t)

x2 (t)

.
xh (t)

xh (t)

C1

C2

Ch

y1 (t)

y2 (t)
y(t)

yh (t)

gure 2.4  Architecture du multi-modle dcoupl

2.3 Modle singulier ou de type Takagi-Sugeno


Takagi-Sugeno [Taka 85] est dcrit par des rgles oues :
"si prmisse alors consquence" qui reprsentent les relations locales d'entres-sorties li-

Le modle ou propos par

naires. Cela permet d'approximer la dynamique d'un systme non linaire complexe par
une interpolation de modles linaires avec une bonne prcision. Le formalisme ou intervient dans la dtermination de la contribution de chacun de ces sous modles linaires
locaux dans la reprsentation du systme original.

2.3. Modle singulier ou de type Takagi-Sugeno

49

Les systmes singuliers ous ont t introduits par

Taniguchi et al [Tanig 00] qui ont

Takagi-Sugeno est un outil d'approximation universel de tous les systmes singuliers non linaires d'indice 1 (voir cette notion au chapitre
montr que le modle ou de type

1) [Wang 04]. Partant de ce principe, nous nous proposons de considrer dans ce paragraphe la modlisation des systmes singuliers non linaires par une approche oue de
type

Takagi-Sugeno (TS) base sur un ensemble ni de modles singuliers. Les modles

singuliers ous de type TS reprsents dans l'espace d'tat sont dcrits par des rgles
comme suit [Hamd 08] :
Rgle R(i) :
(i)

(i)

(i)

Si 1 est 1 ET 2 est 2 ET ... ET k est k Alors :

tel-00757821, version 1 - 27 Nov 2012

E x(t) = Ai x(t) + Bi u(t)

i {1...h}
y(t) = Cx(t)

i
o h reprsente le nombre des rgles, j , j = 1, ..., k sont les fonctions d'appartenance des

ensembles ous, k est le nombre des termes non linaires. 1 , ..., k sont les variables de
prmisses qui peuvent tre des fonctions des variables d'tat, des entres ou une combinaison des deux. Les matrices Ai , Bi , Ci et E sont des matrices de dimensions appropries.
A chaque rgle est attribu un poids Wi ((t)) qui dpend du vecteur (t) = [ 1 (t), ..., k (t)]
et du choix de l'oprateur logique. L'oprateur

ET est souvent choisi comme tant un

produit, d'o :

Wi ((t)) =

i
j ((t)), i = 1, 2, ..., h avec Wi ((t)) 0 t > 0

(2.5)

j=1

En imposant hi ((t)) =
avec

Wi ((t))
h

Wi ((t))
i=1

hi ((t)) = 1 et hi ((t)) 0. Les quations d'tat et de sortie peuvent tre rcrites

i=1

sous la forme suivante :

E x(t) =
hi ((t))(Ai x(t) + Bi u(t))

i=1

y(t) = hi ((t))Ci x(t)

(2.6)

i=1

La particularit d'un modle de type TS est que la logique oue est utilise seulement dans
la partie prmisse des rgles. La partie conclusion est dcrite par des modles linaires.

Chapitre 2. Modlisation et observation d'tat multi-modles des systmes singuliers

50

2.4 Mthodes d'obtention des multi-modles pour les


systmes singuliers
L'approche multi-modle a connu un intrt certain dans l'analyse et la synthse des
systmes non linaires ordinaires. Seulement quelques rsultats [Marx 07], [Tanig 00] ont
abord les systmes singuliers de

Takagi-Sugeno. Ceci nous a motiv de gnraliser l'ap-

proche multi-modle pour les systmes singuliers non linaires [Hamd 11'], [Hamd 10], an
de simplier les mthodes de synthses des observateurs et de diagnostic pour cette classe
de systmes. L'ide de cette approche est d'approximer le comportement d'un systme
singulier non linaire par un ensemble de modles locaux caractrisant le comportement
du systme dans direntes zones de fonctionnement. Le multi-modle est alors repr-

tel-00757821, version 1 - 27 Nov 2012

sent sous forme d'une interpolation d'un ensemble de sous-modles singuliers linaires.
Chaque modle local est un systme singulier linaire temps invariant. Si on dispose
du modle mathmatique du systme singulier non linaire, deux mthodes sont tendues
du cas ordinaire pour l'obtention des modles singuliers locaux. La premire mthode
consiste linariser le systme autour de dirents points de fonctionnement [Chen 01]. La
deuxime mthode est base sur des transformations mathmatiques du systme singulier
non linaire. Cette mthode est base sur l'utilisation du lemme de bornitude [Kard 04],
[Mor 01].
Une troisime mthode existe et est base sur l'identication de type boite noire. Cette
approche est utilise lorsque le systme non linaire n'a pas de forme analytique. Dans ce
mmoire, nos tudes sont focalises sur la premire et la deuxime technique d'obtention
du multi-modle.

2.4.1

Obtention des multi-modles par linarisation

Le processus non linaire peut tre reprsent par un ensemble de modles o chaque
modle local est un systme singulier linaire temps invariant valide autour d'un point
de fonctionnement ou dni dans une zone de fonctionnement caractrise par un changement de mode d un vnement interne. Dans le cas o l'on dispose d'un modle non
linaire du processus, ce passage n'est pas unique en fait, car les modles locaux peuvent
tre obtenus par linarisation autour de plusieurs points de fonctionnements [Chad 02].
Considrons le systme singulier non linaire suivant :

E x(t) = f (x(t), u(t)),

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

Ex(0) = 0

(2.7)

2.4. Mthodes d'obtention des multi-modles pour les systmes singuliers

51

avec (f, g) R2n sont des fonctions non linaires continues, x(t) Rn est le vecteur
d'tat, u(t) Rp l'entre de commande et y(t) Rm le vecteur de sortie. E est une
matrice singulire paramtre constant. On s'intresse linariser le systme autour
de dirents points de fonctionnements (xi , ui ), i = 1, ..., h judicieusement choisis. Pour
chaque point de fonctionnement, le modle local est dni par le premier terme du dveloppement en srie de

Taylor [Rodr 05'] du systme (2.7).

La linarisation du systme singulier (2.7) autour de point de fonctionnement (xi , ui ) est


donne par :
{

E x(t) = Ai (x(t) xi (t)) + Bi (u(t) ui (t)) + f (xi (t), ui (t))

y(t) = Ci (x(t) xi (t)) + g (xi (t), ui (t))

(2.8)

Ce modle local peut s'crire sous une forme plus simplie qui peut tre exprime comme

tel-00757821, version 1 - 27 Nov 2012

suit :

avec

E x(t) = Ai x(t) + Bi u(t) + xi

y(t) = Ci x(t) + Di u(t) + yi

Ai =

f (x,u)
x

x=xi
u=ui

, Bi =

f (x,u)
u

x=xi
u=ui

Ci =

g(x,u)
x

x=xi
u=ui

, Di =

g(x,u)
u

x=xi
u=ui

(2.9)

, xi = f (xi , ui ) Ai xi Bi ui
, yi = g(xi , ui ) Ci xi Di ui

La formulation multi-modle est obtenu par interpolation des modles locaux pondrs
par des fonctions d'activation hi ((t)) de la faon suivante :

E x(t) =
hi ((t))(Ai x(t) + Bi u(t) + xi )

i=1

y(t) = hi ((t))(Ci x(t) + Di u(t) + yi )

(2.10)

i=1

Le nombre de modles locaux dpend de la prcision de la modlisation souhaite, de la


complexit du systme non linaire et du choix de la structure des fonctions de pondration. Un choix adquat du nombre des points de fonctionnements parat alors ncessaire
pour raliser un compromis entre la reprsentation multi-modle d'un systme non linaire
et la charge de calcul.
2.4.2

Obtention des multi-modles par la mthode de transformation des non linarits

Cette approche consiste reprsenter le systme non linaire de faon exacte dans un
espace compact des variables d'tat. Considrons le processus singulier non linaire de la
forme :

E(x(t))x(t) = f (x(t)) + B(x(t))u(t),

y(t)
= g(x(t)) + D(x(t))u(t),

t0

(2.11)

52

Chapitre 2. Modlisation et observation d'tat multi-modles des systmes singuliers

Pour E(x(t)) une matrice singulire non constante, le processus singulier non linaire peut
tre reprsent sous forme de modles locaux singuliers obtenus aprs une transformation
polytopique base sur la bornitude des termes non linaires. Dans la suite, on va tendre
le rsultat du lemme suivant [Chad 02] pour le cas des systmes singuliers.

Lemme 2 [Chad 02]

Soit F (x(t)) une fonction borne de [a, b] R pour tout x [a, b], (a, b) R+ R+ .
Alors il existe deux fonctions :
hi (.) : [a, b] [0, 1], i = 1, 2
x(t) hi (x(t))

avec h1 (x(t)) + h2 (x(t)) = 1 et deux scalaires et tels que :


tel-00757821, version 1 - 27 Nov 2012

F (x(t)) = h1 (x(t)) + h2 (x(t))

La fonction F (x(t)) peut tre dcompose sur [a, b] ;


F (x(t))

avec
= min (F (x(t))),
x[a, b]

h1 (x(t)) =

= max (F (x(t)))
x[a, b]

F (x(t))
F (x(t))
, h2 (x(t)) =

(2.12)
(2.13)

Soit f (x(t)) et g(x(t)) deux fonctions continues et bornes sur un intervalle I Rp avec

f (0) = 0 et g(0) = 0, ces fonctions peuvent tre rcrites sous la forme suivante :
f (x(t)) = A(x(t))x(t) et g(x(t)) = C(x(t))x(t)
La forme du systme singulier non linaire (2.11) devient alors :
(
) (
)(
)
E(x(t))x(t)

A(x(t)) B(x(t))
x(t)
=
y(t)
C(x(t)) D(x(t))
u(t)

(2.14)

(2.15)

Si E(x(t)) est une fonction matricielle continue et borne, le Lemme 2 ci-dessus permet
(
)
A(x(t)) B(x(t))
de borner chaque terme non constant de E(x(t)) et de
.
C(x(t)) D(x(t))
Le systme tudi prend la forme suivante :
e
h
[
]

vk ((t))Ek x(t) =

hi ((t)) Ai x(t) + Bi u(t)

i=1
k=1
(2.16)
h

y(t) =
hi ((t))Ci x(t)
i=1

2.4. Mthodes d'obtention des multi-modles pour les systmes singuliers

53

Les lments e et h sont respectivement le nombre des rgles associes au terme de gauche
et de droite du multi-modle (2.16). vk ((t)) et hi ((t)) sont les fonctions de pondration
qui vrient les proprits de la somme convexe.

h

hi ((t)) = 1
i=1

0 hi ((t)) 1

vk ((t)) = 1

k=1

0 vk ((t)) 1

Le multi-modle (2.16) reprsentent une forme gnralise qui peut tre transforme en
une forme d'un systme singulier.
La reformulation du systme (2.16) permet d'aboutir :

h
e
[
]

0 =
hi ((t))vk ((t)) Ai x(t) Ek x(t) + Bi u(t)

i=1 k=1

tel-00757821, version 1 - 27 Nov 2012

y(t) = hi ((t))Ci x(t)

(2.17)

i=1

En posant

x (t) =

x(t)
x(t)

, x (t) =

x(t)

x(t)

Le modle d'tat (2.17) devient alors,


[
[
]
[
]
]
e
h

0
In
0
In 0

hi ((t))vk ((t))
x (t) +
u(t)
x (t) =

Ai Ek
Bi
0 0
i=1 k=1
h
[
]

hi ((t)) Ci 0 x (t)
y(t) =

(2.18)

i=1

avec

h
e

hi ((t))vk ((t)) = 1

i=1 k=1

Cette structure multi-modle est lie aux nombres des termes non linaires dans le systme
originel. L'inconvenient de cette mthode reste dans le nombre des modles locaux ainsi
que l'accessibilit des variables de dcision des fonctions de pondration.
Toutefois d'un point de vue structurel, tous les sous-modles constituant ce multi-modle
ont la mme dimension ; un vecteur d'tat unique tant employ. La complexit des sousmodles est par consquent constante quelle que soit la complexit du systme dans les
direntes zones de fonctionnement. Le multi-modle ainsi obtenu risque alors d'tre surparamtr et sa complexit inutilement augmente.
2.4.3

Exemple illustratif : Disque roulant

La gure ci-dessous 2.5, reprsente un disque roulant sur une surface sans glissement
[Sjb 06]. Ce disque est connect un mur par un ressort non linaire de raideur K et un

Chapitre 2. Modlisation et observation d'tat multi-modles des systmes singuliers

54

amortisseur de coecient d'amortissement b. Le disque est de rayon r, de masse m et de


moment d'inertie J .
u(t)
x3(t)

x4(t)
x1(t), x2(t)

gure 2.5  Disque roulant

tel-00757821, version 1 - 27 Nov 2012

On dsigne par :

x1 (t) la position du centre du disque ;


x2 (t) la vitesse de translation du disque ;
x3 (t) la vitesse angulaire du disque ;
x4 (t) la force de frottement entre le disque et le sol et u(t) dsigne l'entre de commande
qui est un moment de rotation appliqu au centre du disque.
Les quations algbro-direntielles qui rgissent ce systme sont :

x1 (t) = x2 (t)

x2 (t) = (K/m(1 + x2 ))x1 (t) (b/m)x2 (t) + (1/m)x4 (t) + (r/J)u(t)



1

= x2 (t) rx3 (t)

= (b/m)x2 (t) (K/m(1 + x2 ))x3 (t) (r2 /J + 1/m)x4 (t) (r/J)u(t)


3

Si on associe un vecteur de distribution ces quations algbro-direntielles, ce systme


peut tre dcrit par une reprsentation d'tat de la forme suivante :

1
0

0
0

0
1
0
0

0
0
0
0

0
x(t) =

K
m(1+x2 )
1

b
m

0
0

b
m

0
0
r

K
m(1+x2 )
3

0
1
m
r 2
J

0
+

1
m

x(t) +
0


0
0

1
0
u(t) + d(t)
0
0
r
0
J

y(t) = Cx(t)
(2.19)

Pour ne pas alourdir la charge de calcul tout en garantissant une bonne approximation,
ce modle non linaire peut tre approxim par un multi-modle coupl compos de trois

2.4. Mthodes d'obtention des multi-modles pour les systmes singuliers

55

modles locaux dnis autour de 3 points de fonctionnement. Le multi-modle du systme


propos est alors donn par la reprsentation d'tat suivante :

E x(t) =

hi (x3 (t))(Ai x(t) + Bi u(t) + Ri d(t) + xi )


i=1

y(t) = Cx(t)

(2.20)

Les valeurs numriques des matrices de ce multi-modle sont donnes par :

0
1
0
0
0
1
0
0
3.2532 0.75
2.508 0.75
0
0.025
0
0.025
, A2 =
A1 =

0
1
0.4
0
0
1
0.4
0
0
0.75 2.8267 0.075
0
0.75 4.1329 0.075

tel-00757821, version 1 - 27 Nov 2012

0
1
0
0
0
0
2.7147 0.75
0
0.025
, x1 = 0.0002 , x2 = 0.1591
A3 =
0

0
0
1
0.4
0
0.7578
0.6579
0
0.75 3.6904 0.075

0
0
0
0.0242
1
0
, Bi = B =
x3 =

0
0
0
0.3163
0 0.125

0
1

1
0
, Ri = R = , E =

0
0
0
0

0
1
0
0

0
0
0
0

0
0

0
0

1 0 0 0
C = 0 0 1 0
0 0 0 1
Les fonctions d'activation sont choisies variables de dcision qui dpendent de l'tat
mesurable x3 (t). Elles sont alors dnies comme suit :

hi (x3 (t)) =

i (x3 (t))
3

i (x3 (t))
i=1

o les poids de pondration i (x3 (t)) sont eux-mmes dnis par :

x3 + 5 2
))
2
x3
2 (x3 (t)) = exp(1/2( )2 )
2
x3 5 2
3 (x3 (t)) = exp(1/2(
))
2

1 (x3 (t)) = exp(1/2(

Soit

u(t) = 2 pour 0 t 2
u(t) = 0 pour t > 2

56

Chapitre 2. Modlisation et observation d'tat multi-modles des systmes singuliers

l'entre de commande et d(t) une entre inconnue applique sur l'intervalle temporel

5 t 10. An de montrer l'ecacit du multi-modle propos, nous prsentons les


rsultats de simulation sur les gures 2.6 - 2.8 qui visualisent la dynamique des sorties du

tel-00757821, version 1 - 27 Nov 2012

systme singulier non linaires et son approximation multi-modle.

gure 2.6  y1 (t) du modle non linaire et y1 (t) du multi-modle

gure 2.7  y2 (t) du modle non linaire et y2 (t) du multi-modle

2.5. Reprsentation polytopique des systmes singuliers linaires paramtres variants

57

tel-00757821, version 1 - 27 Nov 2012

gure 2.8  y3 (t) du modle non linaire et y3 (t) du multi-modle


Cet exemple montre l'aptitude des multi-modles approximer le comportement non
linaire du systme singulier. En fait, les simulations sont raliss pour comparer les
sorties du systme non linaire et leurs approximations par l'approche multi-modle. Il
apparat alors que les sorties du multi-modle singulier suivent convenablement celles du
modle non linaires.
Cette section a prsent donc les principales techniques d'obtention d'une reprsentation
multi-modle. L'adoption d'une dmarche similaire celle expose au cours de l'exemple
prcdent, conduit une reprsentation multi-modle d'un systme singulier non linaire.
Cette dmarche se heurte un certain nombre de dicults, telle que le choix du nombre
et de la position des dirents points de fonctionnements qui reste assez dlicat raliser.
La reprsentation mathmatique des multi-modles s'apparente aussi des formes de
modlisation de systmes de type LPV dont les paramtres varient dans le temps.

2.5 Reprsentation polytopique des systmes singuliers


linaires paramtres variants
Comme nous l'avons vu prcdemment, la reprsentation mathmatique des multimodles est galement relie aux formes de modlisation des systmes linaires paramtres variants (LPV), dont les paramtres changent en fonction du temps [Bria 08],
[Bruz 04]. Certains systmes LPV sont intressants tudier en particulier la classe des
modles dont les paramtres varient dans un domaine polytopique. Plusieurs travaux de
recherche ont mis l'accent sur l'analyse et la synthse de diverses formes de modles qui
peuvent tre crits sous une forme polytopique ordinaire [Rodr 05], [Gern 06'] ou singu-

58

Chapitre 2. Modlisation et observation d'tat multi-modles des systmes singuliers

lire [Hamd 09], [Hamd 12']. Considrons la reprsentation d'tat d'un systme singulier
LPV sous la forme suivante [Hamd 09] :
{
E x(t) = A((t))x(t) + B((t))u(t) + R((t))d(t)

y(t) = Cx(t)

(2.21)

o x(t) Rn reprsente le vecteur d'tat, u(t) Rp le vecteur des entres de commande, d(t) Rq le vecteur des entres inconnues et y(t) Rm la sortie du systme.

A(), B(), R() sont des fonctions continues qui dependent du vecteur paramtres variants dans le temps (t) Rl . Dans le cas d'une dpendance ane, le vecteur (t) est
suppos born et varie dans un hypercube tel que [Wu 95] :

(t) = { | i (t) i },

t 0

(2.22)

tel-00757821, version 1 - 27 Nov 2012

Dans le cas de la dpendance ane par rapport aux paramtres i (t) (2.22), les lments
de la reprsentation du systme singulier LPV (2.21) doivent vrier :

((t)) = 0 +

(2.23)

i (t)i .

i=1

avec

(
((t)) =

A() B() R()


C
0
0

)
, (t)

(2.24)

Dans cette reprsentation, on suppose que les composantes du vecteur des paramtres

(t) voluent indpendamment et que chacun d'eux est born. Autrement dit, le domaine
est un hypercube de dimension l, dont les sommets correspondent aux valeurs extrmes
de . L'hypercube peut tre remplac par un polytope convexe de sommets
[
]
Si = E, Ai , Bi , C, Ri , i [1, ..., h] avec h = 2l . Le systme (2.21) peut alors
s'crire sous la forme polytopique suivante :

E x(t) =

i ((t))(Ai x(t) + Bi u(t) + Ri d(t))


i=1

y(t) = Cx(t)

(2.25)

o i ((t)) = (i , i , i (t)), (i et i ) reprsentent respectivement les valeurs maximales


et minimales de i (t). Ai Rnn , Bi Rnp , Ri Rnq et C Rmn sont des matrices
e
temps invariant dnies pour le ii`me modle. Pour caractriser le comportement global

du systme singulier LPV, l'ensemble des sous-modles polytopiques sont agrgs par des
fonctions de pondration i ((t)), i [1, ..., h]. Ces fonctions sont choisies en gnral
de faon vrier la proprit de la somme convexe.
{

i ((t)) Rh , i ((t)) = [1 ((t)), ..., h ((t))] , i ((t)) 0, i,


T

i=1

}
i ((t)) = 1

2.6. Stabilit des systmes multi-modles

59

Dans cette partie, nous avons prsent une mthodologie de modlisation des systmes
singuliers sous forme LPV polytopique. Cette reprsentation s'avre ecace pour dcrire
le comportement dynamique de nombreux systmes avec un nombre limit de paramtres.
Elle permet de prendre en compte toutes les variations paramtriques d'un systme singulier.

2.6 Stabilit des systmes multi-modles


La stabilit des multi-modles a t traite dans plusieurs travaux de recherches
[Kard 04], [Chad 02]. Elle dpend de l'existence d'une matrice commune, symtrique et
dnie positive, qui garantit la stabilit de tous les modles locaux. Ces conditions de

tel-00757821, version 1 - 27 Nov 2012

stabilit peuvent tre exprimes en utilisant des Ingalits Linaires Matricielles (LMI).
La stabilit d'un multi-modle est assure si les conditions exprimes sous la forme d'un
ensemble d'ingalits linaires matricielles des thormes suivants sont satisfaites. Ils dcrivent les conditions susantes de stabilit des multi-modles de la forme suivante :

E x(t) =
hi ((t))Ai x(t)

i=1
(2.26)
h

y(t) = hi ((t))Ci x(t)

i=1

2.6.1

Stabilit quadratique

Thorme 2.1 [Mor 01] Le modle (2.26) est globalement asymptotiquement stable s'il
existe une matrice P symtrique et dnie positive telle que les LMIs suivantes sont ralisables.
ET P = P T E > 0

(2.27)

AT P + P Ai < 0, i {1, ..., h}


i

(2.28)

Ce thorme ore une condition susante pour assurer la stabilit asymptotique du multimodle (2.3). L'ingalit matricielle (2.28) peut tre rsolue en utilisant des outils numriques LMI. L'existence de la matrice P dpend de deux conditions :

La premire est lie la stabilit de tous les modles locaux (chaque matrice Ai doit
tre de Hurwitz).

La deuxime condition est relative l'existence d'une fonction de Lyapunov commune


aux h modles.

Chapitre 2. Modlisation et observation d'tat multi-modles des systmes singuliers

60
2.6.2

Stabilit relaxe

Le thorme 2.1 est utilis pour tudier la stabilit du multi-modle (2.3). Il permet
d'laborer des conditions susantes mais pas ncessaires. Dans certains cas, ce rsultat
se montre trs conservatif. En eet, le dfaut majeur rside dans l'obligation de satisfaire

h ingalits linaires matricielles vis--vis de la mme matrice P . C'est la raison pour


laquelle certains systmes sont stables alors qu'il n'existe pas de matrices symtrique
dnie positive commune. Pour remdier ces inconvnients et d'autres surtout si le
nombre de modles locaux est grand, plusieurs travaux ont t mens [Mor 01], [Chad 02].
Les principales ides qui y sont prsentes bases sur la relaxation des conditions de
stabilit. Dans ce cadre, Chadli et al [Chad 08] ont prsent d'autres conditions de stabilit

tel-00757821, version 1 - 27 Nov 2012

en utilisant des fonctions de Lyapunov non quadratiques de la forme :

Vi (x(t)) = x(t)T PiT Ex(t)

i = 1, ..., h

V (x(t)) = max(V1 (x(t), V2 (x(t), ..., Vh (x(t))


o Pi sont des matrices symtriques et dnies positives.
Le thorme 2.2 suivant est un des principaux rsultats obtenus dans ce sens.

Thorme 2.2 [Chad 08] Supposons qu'il existe des matrices symtriques et dnies positives Pi pour i = 1, ..., h et des scalaires positifs ijk vriant les ingalits suivantes :
AT Pj + Pj Ai +
i

ijk (Pj Pk ) < 0

i, j = 1, ..., h

(2.29)

k=1

alors le multi-modle (2.3) est globalement asymptotiquement stable.

2.7 Estimation d'tat des multi-modles singuliers


Le problme de synthse d'observateur pour les systmes singuliers linaires a fait l'objet de nombreux travaux de recherche [Daro 91], [Daro 95], [Gao 06]. Des approches bases
notamment sur la construction d'observateur d'ordre plein ou d'ordre rduit [Daro 96] ont
t proposes. D'autres approches dveloppent le concept de la dcomposition en valeurs
singulires et de la matrice inverse gnralise [Mull 99] an de reconstruire le vecteur
d'tat pour cette classe de systmes.
Toutefois, peu de travaux ont t eectus pour la synthse d'observateurs pour les systmes singuliers non linaires. Dans le papier de [Kapr 92], les auteurs ont notamment
suggr et tendu une technique de linarisation an de rsoudre le problme d'estimation

2.7. Estimation d'tat des multi-modles singuliers

61

du vecteur d'tat des systmes non linaires singuliers avec une application sur un processus physique (un convertisseur AC-DC). Cependant, la synthse d'observateurs pour
cette classe de systmes en prsence d'entres inconnues, peut s'avrer trs dlicate voire
impossible vu la complexit du modle employ, d'o l'importance d'une modlisation
multi-modle du processus qui permet de simplier notablement la synthse d'observateurs [Rodr 08]. L'estimation d'tat du systme multi-modle s'eectue en gnral en utilisant un multi-observateur. Peu de travaux ont port sur l'estimation d'tat des systmes
singuliers multi-modles [Marx 07], [Hamd 10], [Hamd 11'], c'est pourquoi nous nous intressons dans cette section au sujet de l'observation d'tat et des entres inconnues des
processus multi-modles aects par des perturbations. Deux types d'observateurs pour
les multi-modles singuliers aects par des perturbations sont proposs. Le premier, est

tel-00757821, version 1 - 27 Nov 2012

un multi-observateur proportionnel bas sur le dcouplage des entres inconnues pour


une unique matrice de distribution (Ri = R). Le deuxime multi-observateur est de type
proportionnel intgral. Leur synthse repose sur la rsolution d'ingalits LMIs. Pour ces
deux cas, les multi-observateurs sont synthtiss sous une forme non singulire an de
faciliter leur mise en uvre.
2.7.1

Observateur multi-modle Proportionnel entres inconnues

Considrons un systme singulier non linaire approxim par un multi-modle compos


de h modles locaux avec une matrice de distribution commune R = Ri . Ce multi-modle
se prsente sous la forme suivante :

E x(t) =

hi ((t))(Ai x(t) + Bi u(t) + Rd(t) + xi )

i=1

(2.30)

y(t) = Cx(t)

o x(t) Rn le vecteur d'tat, u(t) Rp reprsente le vecteur des entres de commande,

d(t) Rq le vecteur des entres inconnues et y(t) Rm la sortie du multi-modle. Les


matrices Ai , Bi , R, C et xi sont de dimensions appropries. hi ((t)) sont les fonctions de
pondration qui assurent la transition entre les sous-modles et (t) reprsente le vecteur
des variables de dcision. La variable de dcision (t) est suppose accessible en temps
rel, et dpendante des entres u(t) ou des sorties y(t).
Les matrices E et C sont supposes uniques. Cette hypothse n'est pas fondamentalement restrictive. En eet les direntes matrices Ai prennent en compte les variations des
paramtres ou les changements des points de fonctionnement. La matrice E traduisant la
structure du systme ; il n'est pas abusif de la considrer constante. De mme la matrice

62

Chapitre 2. Modlisation et observation d'tat multi-modles des systmes singuliers

C dpend de la nature et de la localisation des capteurs, lesquelles ne dpendent gnralement pas du point de fonctionnement du systme.
Tout d'abord, et avant d'expliciter les principaux rsultats, les hypothses suivantes sur
le systme (2.30) sont supposes vries :

Hypothse H1 : Le triplet (E, Ai , C) est R-observable, i = 1, ..., h, i.e.,


[

rang

sE Ai
C

= n, s C.

(2.31)

La R-observabilit caractrise la capacit de reconstruire l'tat de la partie dynamique.

Hypothse H2 : Les termes impulsifs du systme (2.30) sont observables (le triplet (E, Ai , C)

tel-00757821, version 1 - 27 Nov 2012

est Impo-Observable), i = 1, ..., h, i.e.,

E Ai
rang 0 E = n + rank(E)
0 C
ou de manire quivalente

[
rang

E
C

(2.32)

]
=n

(2.33)

L'observabilit impulsive garantit la capacit d'estimer l'tat de la partie statique.

2.7.1.1 Structure du multi-observateur


La synthse du multi-observateur est base sur le concept du dcouplage des entres
inconnues. L'estimation globale des tats est une combinaison non linaire des direntes
sorties des observateurs locaux. L'observateur global sera alors une somme pondre des
dirents observateurs linaires. La structure du multi-observateur propos est dcrit par :

hi ((t))(Ni z(t) + Gi u(t) + Li y(t) + zi )


z(t) =

(2.34)
i=1

x(t) = z(t) + T2 y(t))

o x(t) Rn et z(t) Rn sont respectivement le vecteur d'tat estim et le vecteur d'tat

du multi-observateur. La fonction de pondration hi ((t)) est la mme que celle utilise


dans le modle global (2.30). L'objectif de la synthse est de dterminer les matrices

Ni , Gi , zi , Li et T2 an que l'estimation de l'tat x(t) converge vers l'tat rel du systme.

Dnition 2.1 Les quations (2.34) dnissent un multi-observateur proportionnel en-

tres inconnues pour le systme (2.30) si pour des conditions initiales arbitraires Ex(0),
z(0) et une entre arbitraire u(t), on a :
lim (x(t) x(t)) = 0

(2.35)

2.7. Estimation d'tat des multi-modles singuliers

63

Soit l'erreur d'estimation e(t) = x(t) x(t), en utilisant (2.34) et l'galit y(t) = Cx(t)

on obtient :

e(t) = (In T2 C)x(t) z(t)

(2.36)

D'aprs le critre d'impo-observabilit (2.33), il existe une matrice relle T1 Rnn telle
que :

T1 E = In T2 C

(2.37)

L'erreur d'estimation (2.36) s'crit alors sous la forme suivante :

e(t) = T1 Ex(t) z(t)

(2.38)

tel-00757821, version 1 - 27 Nov 2012

La dynamique de cette erreur d'estimation d'tat devient alors :

e(t) = T1 E x(t) z(t)

e(t) =

hi ((t))(T1 Ai x(t) + T1 Bi u(t) + T1 xi + T1 Rd(t) Ni z(t)

(2.39)

i=1

Gi u(t) zi Li y(t))
h

e(t) =

hi ((t))((T1 Ai Li C Ni T1 E)x(t) + (T1 Bi Gi )u(t)


i=1

+T1 xi zi + T1 Rd(t) + Ni e(t))

(2.40)

Lorsque les conditions suivantes sont vries :

T1 Ai = Ni T1 E + Li C

(2.41)

Gi = T1 Bi

(2.42)

zi = T1 xi

(2.43)

0 = T1 R

(2.44)

In = T1 E + T2 C

(2.45)

l'quation dynamique de l'erreur d'estimation devient alors :

e(t) =

hi ((t))Ni e(t)

(2.46)

i=1

Si l'quation dynamique de l'erreur d'estimation ci-dessus est asymptotiquement stable,


l'tat estim tend asymptotiquement vers l'tat rel c'est dire x(t) x(t). Cela signie

que le multi-observateur (2.34) est un multi-observateur proportionnel entres inconnues


stable pour le systme singulier (2.30). La synthse d'un tel multi-observateur revient
rsoudre les quations (2.41)-(2.45) tout en garantissant la stabilit de toutes les matrices

Ni (Ni des matrices de Hurwitz). Avant d'entamer la procdure de rsolution, on donne


les conditions susantes d'existences de l'observateur envisag.

Chapitre 2. Modlisation et observation d'tat multi-modles des systmes singuliers

64

2.7.1.2 Conditions d'existence du multi-observateur


Le multi-observateur proportionnel entres inconnues(2.34) existe si les paires (T1 Ai , C)
sont dtectables i = 1, ..., h. Les paires (T1 Ai , C) sont dtectables lorsque tous les modes
non observables de ces paires sont stables. Le thorme suivant rsume ces conditions.

Thorme 2.3 Sous les hypothses H1 et H2, un multi-observateur proportionnel en-

tres inconnues du type (2.34) pour le systme singulier multi-modle (2.30) existe si la
condition suivante est vrie i = 1, ..., h

sE Ai R
0
sIq = n + q, s C et Re(s) 0
rang
C
0

tel-00757821, version 1 - 27 Nov 2012

Preuve 2.1 tant donn que rang

T1 T2

= n,

alors quelque soit s complexe, on a

0 T2
0
sE Ai R
sE Ai R
I 0
0
0
sIq

= rang
0
sIq

0 I sI
sC
0
C
0
0 0
I
C
0

sIn T1 Ai T1 R
sE Ai R
0
sIq
0
sIq = rang
rang
C
0
C
0

T1
0
rang
0
0

Ce qui est quivalent la proprit de dtectabilit des paires (T1 Ai , C). La dernire galit
est obtenue en considrant sparment les cas o s = 0 et s = 0.
Une fois que la condition d'existence du multi-observateur est vrie, il reste dterminer
les paramtres de celui-ci. Ces paramtres sont dnis par rapport aux matrices T1 et Ki
pour tout i = 1, ..., h.

2.7.1.3 Procdure de synthse du multi-observateur


La mthode de synthse du multi-observateur utilise une technique introduite dans le
cadre de synthse d'observateur de type Luenberger pour les systmes singuliers linaires
[Daro 95]. De ce fait et partir des quations (2.44) et (2.45), on crit :

T1 T2

E R
C 0

]
=

In 0

(2.47)

2.7. Estimation d'tat des multi-modles singuliers

65

[
Sous l'hypothse que les triplets (E, Ai , C) soient impo-observables et que

E R
C 0

]
soit

de plein rang colonne, on a :

T1 T2

In 0

E R
C 0

]+
(2.48)

le superscript (+ ) reprsente la matrice pseudo-inverse [Yana 11].


Cependant, et cet instant de la synthse, nous pouvons obtenir les matrices T1 et T2 . Les
matrices Gi et zi sont donnes respectivement par les quations (2.42) et (2.43). Pour
rsoudre l'quation de Sylvester (2.41), et en substituant (2.45) dans l'quation (2.41), il
vient :

tel-00757821, version 1 - 27 Nov 2012

T1 Ai = Ni (In T2 C) + Li C

(2.49)

Ni = T1 Ai (Li Ni T2 )C

(2.50)

Soit :

Ki = Li Ni T2

(2.51)

Ni = T1 Ai Ki C

(2.52)

D'o

En utilisant l'expression du gain Ki , il vient :

Li = Ki + Ni T2

(2.53)

Par la suite, il reste dterminer les gains Ki telle que l'erreur d'estimation (2.46) converge
asymptotiquement vers zro. Aussi, an de dterminer ces gains, il faut s'assurer de la
dtectabilit des paires (T1 Ai , C) , i = 1, . . . , h.
La stabilit de l'erreur d'estimation (2.46) et la dtermination des gains Ki reviennent
rsoudre les LMIs du thorme suivant.

Thorme 2.4 Le multi-observateur entres inconnues (2.34) est asymptotiquement


stable s'il existe une matrice symtrique et dnie positive Q et des matrices Wi = QKi
remplissant les conditions LMIs suivantes i = 1, ..., h :
(T1 Ai )T Q + QT1 Ai (Wi C)T (Wi C) < 0

(2.54)

Chapitre 2. Modlisation et observation d'tat multi-modles des systmes singuliers

66

Preuve 2.2 Considrons la fonction de Lyapunov de la forme quadratique suivante :


V (e(t)) = eT (t)Qe(t)

An de garantir la stabilit de l'erreur d'estimation (2.46), il faut que la drive temporelle

de la fonction de Lyapunov soit ngative. En utilisant l'quation (2.46), la fonction V (e(t))


s'crit comme suit :

V (e(t)) = eT (t)Qe(t) + eT (t)Qe(t)

V (e(t)) =
hi ((t)) eT (t)((T1 Ai Ki C)T Q +Q(T1 Ai Ki C))e(t)} (2.55)
i=1

La drive de la fonction de Lyapunov est ngative si l'ingalit suivante est vraie


h

hi ((t)), avec
hi ((t)) = 1, hi ((t)) 0 et e(t) = 0 :
tel-00757821, version 1 - 27 Nov 2012

i=1

hi ((t))(eT (t)((T1 Ai Ki C)T Q + Q(T1 Ai Ki C))e(t)) < 0

(2.56)

i=1

L'ingalit (2.56) est alors vrie si


(T1 Ai Ki C)T Q + Q(T1 Ai Ki C) < 0, i = 1, ..., h

En posant Wi = QKi , les ingalits ci-dessus deviennent :


(T1 Ai )T Q + QT1 Ai C T WiT Wi C < 0, i = 1, ..., h.

Ces ingalits peuvent tre rsolues l'aide de la boite LMI Toolbox an d'obtenir les
matrices Wi et Q adquates. Les gains du multi-observateur peuvent tre calculs de la
faon suivante : Ki = Q1 Wi . Ainsi, la procdure de synthse du multi-observateur est
termine et les matrices Gi , zi , T1 , T2 , Ni et Li sont donns respectivement par (2.42),
(2.43), (2.48), (2.52) et (2.53).
An d'augmenter la qualit de l'estimation, on dnit une surface S gauche du plan
complexe dlimite par une droite d'abscisse () o R+ . Cette surface assure une
certaine bornitude de la partie imaginaire des valeurs propres des matrices du systme
gnrant l'erreur d'estimation d'tat (2.46) de faon viter les comportements oscillatoires et assurer un bon amortissement de cette erreur d'estimation. Les LMIs (2.54) sont
alors remplaces par les LMIs suivantes :

(T1 Ai )T Q + QT1 Ai C T WiT Wi C + 2Q < 0, i {1, ..., h}

(2.57)

Le multi-observateur peut tre galement utilis pour l'estimation des entres inconnues
lorsque seulement les perturbations sont considres dans le systme originel.

2.7. Estimation d'tat des multi-modles singuliers


2.7.2

67

Estimation des entres inconnues

L'estimation d'tat fait appel des mesures extraites du systme destines prendre en
compte l'volution courante du systme et ce, an de parvenir estimer l'volution de ses
variables internes. De ce fait, et lorsqu'il n'y a pas de dfaut sur le systme, l'tat estim
tend vers l'tat rel et pour estimer les entres inconnues, on remplace x(t) par son estim

x(t) dans le modle (2.30). On obtient alors :

h
(
)

hi ((t)) Ai x(t) + Bi u(t) + Rd(t) + xi

E x(t) =

i=1

y (t) = C x(t)

(2.58)

L'existence de d(t) un instant t est assure sous rserve que les entres inconnues sont
linairement indpendantes, c'est dire :

tel-00757821, version 1 - 27 Nov 2012

rangR = q
Si la condition ci-dessus est vrie, alors les entres inconnues peuvent tre estimes de
la manire suivante :

d(t) = R

{
+

E x(t)

}
hi ((t))(Ai x(t) + Bi u(t) + xi )

(2.59)

i=1

La construction des entres inconnues par un multi-observateur proportionnel entres


inconnues ncessite une procdure complmentaire, qui repose sur la fonction de drivation du signal x(t). La drivation d'un signal n'est pas une opration triviale du point de

vue numrique, car elle est trs sensible aux hautes frquences.
cette tape, un multi-observateur proportionnel entres inconnues permet de reconstruire l'tat et les entres inconnues d'un systme singulier multi-modle. L'estimation
des tats est base sur la mthode de dcouplage des entres inconnues l'gard de
l'erreur d'estimation. Toutefois, le problme le plus critiquable dans la conception du
multi-observateur entres inconnues, est de rsoudre l'quation (2.44). Ce problme
de dcouplage est restrictif lorsque les matrices de distribution Ri sont direntes pour
tous les points de fonctionnement. Cependant, ce problme ne se pose pas pour le cas de
conception du multi-observateur proportionnel intgral entres inconnues que nous nous
proposons de le prsenter.
2.7.3

Multi-Observateur Proportionnel Intgral entres inconnues

An d'amliorer la synthse de l'observateur en regard des perturbations sur le systme,


un observateur avec un gain proportionnel intgral peut alors tre utilis. En eet, cet ob-

68

Chapitre 2. Modlisation et observation d'tat multi-modles des systmes singuliers

servateur permet d'intgrer un certain degr de robustesse de l'tat estim grce l'action
intgrale [Mora 02]. Plusieurs chercheurs ont introduit le terme intgral dans la synthse
des observateurs pour les systmes singuliers linaires [Kim 01], [Wu 06], [Koen 04]. En
eet, en [Wu 06], une approche paramtrique de synthse des observateurs proportionnels intgrals ddis aux systmes linaires singuliers temps continu a t propose. En
[Koen 04], les auteurs ont dvelopp des techniques utilisant des observateurs Proportionnels Intgrals (PI) de type Luenberger d'ordre plein et d'ordre rduit avec des entres
inconnues. Ces mthodes de synthse ont t tendues ensuite des classes particulires
de systmes singuliers non linaires tels que les systmes Lipschitziens [Koen 06]. Cependant, il n'y a pas de dmarche gnrale pour la conception des observateurs PI pour les
systmes singuliers non linaires. Ansi nous avons envisag de traiter la synthse d'un

tel-00757821, version 1 - 27 Nov 2012

observateur PI pour cette classe de systmes (les systmes singuliers non linaires). Dans
ce sens nous proposons d'appliquer l'approche multi-modle pour la caractrisation de
multi-observateurs proportionnel intgral (MOPI) entres inconnues.
Un observateur MOPI est rgi par un systme d'quations de la forme suivante :

z(t) =
hi ((t))(Ni z(t) + Gi u(t) + zi + Li y(t) + Hi d(t))

i=1
x(t) = z(t) + T2 y(t)

(2.60)

h


d(t) = hi ((t))i (y(t) y (t))

i=1

avec x(t) Rn , z(t) Rn et d(t) Rq sont respectivement le vecteur d'tat es


tim, le vecteur d'tat du multi-observateur et le vecteur des entres inconnues estimes.

Ni , Gi , zi , Li , Hi , i et T2 sont les matrices du MOPI qui doivent tre synthtises.

2.7.3.1 Synthse du multi-observateur PI


Les quations (2.60) dnissent un multi-observateur proportionnel intgral entres inconnues pour le systme (2.30), si pour des conditions initiales arbitraires Ex(0), z(0) et
une entre arbitraires u(t), on a :

lim (x(t) x(t)) = 0

(2.61)

lim (d(t) d(t)) = 0, d(0)

(2.62)

t
t

Soit e(t) = x(t) x(t) l'erreur d'estimation. En utilisant (2.60), (2.30) et l'galit (2.37)

il vient :

e(t) = T1 Ex(t) z(t)

(2.63)

2.7. Estimation d'tat des multi-modles singuliers

69

La dynamique de cette erreur s'crit :

e(t) = T1 E x(t) z(t)

e(t) =

hi ((t))(T1 Ai x(t) + T1 Bi u(t) + T1 Ri d(t) + T1 xi

(2.64)

i=1

Ni z(t) Gi u(t) zi Li y(t) Hi d(t))


h

e(t) =

hi ((t))((T1 Ai Li C Ni T1 E)x(t) + (T1 Bi Gi )u(t)


i=1

+T1 xi zi + (T1 Ri Hi )d(t) + Hi (t) + Ni e(t))

(2.65)

tel-00757821, version 1 - 27 Nov 2012

D'autre part, les entres inconnues gurant dans d(t) sont supposes bornes et variation

lente i.e. d(t) 0 [Koen 02]. Ainsi, en posant (t) = d(t) d(t), il vient :

(t) = d(t)

(2.66)

Lorsque les conditions (2.41), (2.42), (2.43) et (2.45) sont vries et

Hi = T1 Ri

(2.67)

les quations dynamiques de l'erreur d'estimation d'tat et des entres inconnues deviennent :

e(t) =

hi ((t))(Ni e(t) + Hi (t))

(2.68)

i=1

(t) =

(t) =

i=1
h

hi ((t))(i C(x(t) x(t)))

(2.69)

hi ((t))(i C)e(t)

(2.70)

i=1

ce qui peut se mettre sous la forme matricielle suivante :


][
]
]
[
[
h
e(t)

e(t)
Ni
Hi
=
hi ((t))

i C 0
(t)
(t)

(2.71)

i=1

Dnissons le vecteur augment de l'erreur dynamique d'estimation comme suit :


]
[
e(t)

(2.72)
ea (t) =

(t)
L'quation augmente de l'erreur dynamique d'estimation s'crit alors :
]
[
h

Ni
Hi
ea (t)
ea (t) =

hi ((t))
i C 0
i=1

(2.73)

70

Chapitre 2. Modlisation et observation d'tat multi-modles des systmes singuliers

Comme la relation (2.73) est un systme autonome multi-modle, les critres de stabilit
des multi-modles variables de dcision mesurables tudis pour le cas de l'observateur
proportionnel entres inconnues peuvent tre appliqus.
Il est important de rappeler que le multi-observateur (2.60) existe si les paires (T1 Ai , C)
sont dtectables. La condition de dtectabilit est donne par : :

sE T1 Ai T1 Ri
0
sIq = n + q, s C +
rank
C
0
i = 1, . . . , h

(2.74)

La condition d'existence du multi-observateur PI peut tre interprte comme la R-

tel-00757821, version 1 - 27 Nov 2012

dtectabilit [Koen 02] de l'tat du systme augment par les entres inconnues.

2.7.3.2 Dtermination du multi-observateur PI


Sous l'hypothse que le triplet (E, Ai , C) est impo-observable, et partir de (2.45), on
a:

T1 T2

E
C

]
= In

Une solution pour les matrice T1 et T2 est donne par la pseudo inverse :
]+
[
[
]
E
T1 T2 =
C

(2.75)

(2.76)

Aprs obtention de T1 et T2 , les matrices Gi et zi sont donnes respectivement par


les mmes relations (2.42) et (2.43). Les matrices Hi sont dtermines par (2.67). Pour
calculer les gains Ki et i , en utilisant (2.51) et (2.52), crivons l'quation dynamique de
l'erreur d'estimation (2.73) sous la forme suivante :

ea (t) =

(
)


hi ((t)) Ai Ki C ea (t)

(2.77)

i=1

avec [
]
[
]
]
[
[
]
e(t)
Ki
T1 Ai Hi

, C = C 0 , ea (t) =
et Hi = T1 Ri .
, Ki =
Ai =
i
(t)
0
0

Par la suite, la dtermination des gains Ki revient garantir la stabilit du systme rgi
par l'quation augmente de l'erreur dynamique d'estimation (2.77).
En se basant sur le thorme (2.4), les conditions de stabilit sont exprimes en termes
d'ingalits linaires matricielles (LMI) de la forme suivante :

AT Q + QAi C T WiT Wi C + 2Q < 0, i {1, ..., h}


i

(2.78)

2.7. Estimation d'tat des multi-modles singuliers

71

avec R+ un rel utilis pour le placement des poles du multi-observateur.


Le MOPI prsent conduit alors une estimation asymptotique conjointe des tats et des
entres inconnues pour direntes matrices de distribution Ri . L'appellation observateur
proportionnel-intgral sous laquelle apparat cet observateur tire son origine de la nature
de la correction apporte par les gains Ki et i . En eet, le gain Ki assure une correction
proportionnelle l'erreur d'estimation de sortie. Quant au gain i , il assure une correction
dans la boucle intgrale. Une telle action intgrale permet d'estimer l'entre inconnue
condition que cette dernire soit constante au cours du temps ou dynamique trs lente

i.e. d(t) 0.

tel-00757821, version 1 - 27 Nov 2012

2.7.4

Exemple illustratif : Estimation des tats du disque roulant

Pour comparer l'ecacit des deux multi-observateurs prsents ci-dessus, on considre


la reprsentation multi-modle du systme disque roulant de l'exemple prcdent.

2.7.4.1 Dtermination des paramtres du multi-observateur Proportionnel


entres inconnues
Le multi-observateur entres inconnues (2.34) est synthtis aprs la vrication des
conditions d'existence donnes par le thorme (2.3) et la rsolution des ingalits linaires
matricielles (2.57). Les matrices caractrisant l'observateur sont alors donnes par :

4.851 0.527 1.957


0
18.279 43.165 0.001
0.527 0.091

10.088 145.318 0.019


0.263
0
Q=103
, K =
1.957 0.263
1.916
0 1 32.102 34.654 0.0002
0
0
0
0.937
0.002
0.003 4.5

12.963 23.798 0.001


11.311 17.780 0.001
42.523 112.139 0.019
52.985 102.215 0.019

K2 =
10.076 7.312 0.0002 , K3 = 3.233 1.182 0.0002
0.002
0.003 4.5
0.002
0.003 4.5

Les autres matrices sont calcules a partir des relations (2.42), (2.43), (2.52), (2.53) et
(2.48).

2.7.4.2 Dtermination des paramtres du multi-observateur PI


Le multi-observateur proportionnel intgral est de la forme (2.60). La rsolution des ingalits matricielles linaires (2.78) conduisent :

Chapitre 2. Modlisation et observation d'tat multi-modles des systmes singuliers

72

tel-00757821, version 1 - 27 Nov 2012

2.882 0.173 0.961 0.173


0.047
0.173 0.497
0.086
0.464 0.006

3
1.441 0.086 0.024
Q=10 0.961 0.086

0.173
0.464 0.086 0.497
0.006
0.047 0.006 0.024 0.006
0.002

0.028 0.038 0.0003


0.028 0.038 0.0003
0.456 0.651 0.008
0.457 0.649 0.008
, K =103
K1 =103
0.013 0.022
0.013 0.023
0.0001 2
0.0001
0.456 0.650
0.012
0.456 0.648
0.012

0.028 0.039 0.0003


0.447 0.659 0.008

K3 =103
0.012 0.022
0.0001
0.447 0.659
0.012
[
]
[
]
1 =103 1.588 2.261 0.034 , 2 =103 1.592 2.256 0.034
[
]
3 =103 1.557 2.292 0.034

o Ki sont les gains proportionnel et i sont les gains des actions integrales. Les autres
paramtres sont donns par (2.42), (2.43), (2.52), (2.53) et (2.76).

2.7.4.3 Comparison des performances des deux multi-observateurs


Pour valuer les performances des deux multi-observateurs dans l'estimation des tats et
des entres inconnues, nous avons procd la simulation des deux observateurs pour des
entres de commande identiques et pour les mmes conditions initiales.
0.8

2
x1(t) NL
x1(t) OMP

e1(t) OMPI

0.6

e1(t) OMP

x1(t) OMPI

1.5

0.4

0.2
1
0
0.5

0.2

0.4
0
0.6

0.5

0.8
0

10
t(s)

15

10
t(s)

 x1 (t) et ses estims x1 (t) par gure 2.10  Erreurs d'estimation e1 (t)

par les deux multi-observateurs


les deux multi-observateurs

gure 2.9

15

2.7. Estimation d'tat des multi-modles singuliers

73

20

40

10

30

20

e2(t) OMPI
e2(t) OMP

10

10

x2(t) NL
x2(t) OMPI
x2(t) OMP

20

10

30

40

20
0

10

15

10

15

t(s)

t(s)

gure 2.11  x2 (t) et ses estims x2 (t) par gure 2.12  Erreurs d'estimation e2 (t)

par les deux multi-observateurs


les deux multi-observateurs
0.4

4
x (t) NL
3

x (t) OMP

0.2

tel-00757821, version 1 - 27 Nov 2012

x3(t) OMPI

0
0.2

e3(t) OMPI

0.4

e (t) OMP
3

1
0.6
0.8

1
1
1.2

1.4
0

10

15

10

15

t(s)

t(s)

gure 2.13  x3 (t) et ses estims x3 (t) par gure 2.14

 Erreurs d'estimation e3 (t)


par les deux multi-observateurs

les deux multi-observateurs

20

60

e (t) OMPI
4

e4(t) OMP

40
10
20
0

0
20

10
x4(t) NL

40

x4(t) OMP
60

20

x4(t) OMPI

80
30
100
120

40
0

10

15

gure 2.15  x4 (t) et ses estims x4 (t) par gure 2.16

les deux multi-observateurs

10
t(s)

t(s)

 Erreurs d'estimation e4 (t)


par les deux multi-observateurs

15

74

Chapitre 2. Modlisation et observation d'tat multi-modles des systmes singuliers

Les rsultats de simulation sont prsents sur les gures 2.9 - 2.16. Il y apparat que
les deux multi-observateurs simuls parviennent la reconstruction des tats du systme
considr, avec des performances plus apprciables au niveau du multi-observateur PI
(notamment au niveau de la vitesse de convergence vers les tats rels)

2.7.4.4 Estimation des entres inconnues


Par ailleurs le multi-observateur PI fournit en parallle l'observation des tats, une
estimation de l'entre inconnue d(t), sans qu'il ne soit ncessaire de procder la drivation
des variables d'tat observes telle que c'est fait pour la reconstruction de telles entres
avec un multi-observateur proportionnel. Sur la gure 2.17 l'entre inconnue d(t) simule

tel-00757821, version 1 - 27 Nov 2012

5
d(t)
d(t) OMPI
d(t) OMP

4
3
2
1
0
1
2
3
4

10

15

t(s)

gure 2.17  L'entre inconnue d(t) et son estim d(t) par les deux multi-observateurs

est trace avec son estimation conduite par un multi-observateur PI et celle fournie par un
multi-observateur proportionnel. Il se voit clairement que le multi-observateur PI permet
une meilleure reconstruction de l'entre d(t) simule.

2.8 Conclusion
Dans ce chapitre, l'approximation des systmes singuliers non linaires par une reprsentation multi-modle a t considre. Les mthodes de modlisation multi-modles
utilises telles que l'approche oue de type

Takagi-Sugeno (T-S) et les approches poly-

2.8. Conclusion

75

topiques, ncessitent la prsence d'un modle explicite sur lequel s'eectuent les linarisations ou les transformations polytopiques convexes. Une attention particulire a t
porte au multi-modle coupl appel aussi multi-modle de

Takagi-Sugeno qui est le

plus utilis. Le multi-modle coupl possde une structure approprie la modlisation


des systmes complexes de nature non linaire. Il est bas sur la dcomposition du systme
non linaire en un ensemble de modles linaires. Chaque modle est dni dans une zone
de fonctionnement. Le processus global est obtenu suivant une stratgie de fusion, dans
la quelle, le modle global s'crit en fusionnant les modles simples pondrs chacun par
son ccient de pertinence. Cette reprsentation a permis de contourner les problmes
d'analyse et de synthse pour les systmes singuliers non linaires est en particulier la
synthse d'observateurs.

tel-00757821, version 1 - 27 Nov 2012

Nous avons ainsi trait dans ce chapitre la synthse de multi-observateurs temps continu
pour les systmes non linaires parfaitement reprsents par des multi-modles. Deux
types de multi-observateurs des systmes singuliers entres inconnues ont t dvelopps : un multi-observateur proportionnel et un multi-observateur proportionnel integral.
Les conditions d'existence de ces deux multi-observateurs ont t tablies. Elles sont exprimes en termes d'ingalits matricielles linaires LMIs.
Une tude comparative au niveau de la conception et des performances des deux estimateurs d'tat et des entres inconnues a t propose. En eet il a t montr travers l'tude de l'observation multi-modle du systme du disque roulant que le multiobservateur amlior avec une action intgrale parvient une estimation performante des
tats du systme et du signal d'entre inconnue aectant le systme tudi.

tel-00757821, version 1 - 27 Nov 2012

Chapitre 3
Approche multi-modle pour le

tel-00757821, version 1 - 27 Nov 2012

diagnostic des systmes singuliers

Sommaire

3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
3.2 Terminologies et critres de performance relatifs un systme de diagnostic . . . . . . . . . . . . . . . . . . . . . . . . . . 80
3.2.1
3.2.2

Les terminologies de diagnostic . . . . . . . . . . . . . . . . . .


Critres de performance d'un systme de diagnostic . . . . . . .

80
81

3.3.1

Systme multi-modle singulier avec dfauts . . . . . . . . . . .


3.3.1.1 Systme multi-modle singulier avec dfauts actionneurs
3.3.1.2 Systme multi-modle singulier avec dfauts capteurs
3.3.1.3 Systme multi-modle singulier avec dfauts systme .
Localisation des dfauts . . . . . . . . . . . . . . . . . . . . . .
3.3.2.1 Localisation des dfauts actionneurs . . . . . . . . . .
3.3.2.2 Localisation des dfauts capteurs . . . . . . . . . . . .

82
82
83
83
84
85
86

Gnration de rsidus par optimisation multi-objectifs . . . . .


3.4.1.1 Synthse du gnrateur de rsidus . . . . . . . . . . .
3.4.1.2 Formulation des ingalits matricielles linaires . . . .
Gnration de rsidus base de multi-observateurs . . . . . . .
3.4.2.1 Conditions de convergence . . . . . . . . . . . . . . .
3.4.2.2 Synthse du gnrateur de rsidus . . . . . . . . . . .
3.4.2.3 Analyse de la stabilit . . . . . . . . . . . . . . . . . .
Application : Dtection et isolation des dfauts d'un robot manipulateur trois bras . . . . . . . . . . . . . . . . . . . . . . .
3.4.3.1 Modle du robot dans un systme de coordonnes cartsiennes . . . . . . . . . . . . . . . . . . . . . . . . .
3.4.3.2 Reprsentation multi-modle . . . . . . . . . . . . . .

87
87
91
92
93
94
95

3.3 Principe du diagnostic base de modles . . . . . . . . . . . . 81

3.3.2

3.4 Dtection et localisation des dfauts des systmes singuliers


multi-modles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
3.4.1

3.4.2

3.4.3

77

100
100
102

Chapitre 3. Approche multi-modle pour le diagnostic des systmes singuliers

78

3.4.3.3
3.4.3.4

Estimation des tats en prsence des dfauts . . . . . 105


Gnration des rsidus par banc de multi-observateurs 108

3.5 Mthodes d'estimation de dfauts . . . . . . . . . . . . . . . . 109


3.5.1
3.5.2
3.5.3

Estimation des dfauts par un multi-observateur tendu . . . .


Estimation des dfauts par un multi-observateur entres inconnues . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Application : Estimation des dfauts du robot manipulateur . .

110
112
113

3.6 Dtection et estimation des dfauts des systmes singuliers


LPV . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
3.6.1

tel-00757821, version 1 - 27 Nov 2012

3.6.2

3.6.3

3.6.4

Structure polytopique des systmes singuliers paramtres variants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114


Structure polytopique de l'observateur proportionnel intgral . 115
3.6.2.1 Synthse de l'OPIEI . . . . . . . . . . . . . . . . . . . 116
3.6.2.2 Convergence exponentielle de l'observateur proportionnel intgral polytopique . . . . . . . . . . . . . . . . . 117
Dtection et isolation des dfauts pour les systmes singuliers LPV120
3.6.3.1 Gnration de rsidus par l'OPIEI polytopique . . . . 120
3.6.3.2 Localisation des dfauts actionneurs . . . . . . . . . . 122
Exemple illustratif . . . . . . . . . . . . . . . . . . . . . . . . . 123
3.6.4.1 Synthse de l'OPIEI polytopique . . . . . . . . . . . . 124
3.6.4.2 Simulation . . . . . . . . . . . . . . . . . . . . . . . . 125
3.6.4.3 Diagnostic des dfauts par l'OPIEI polytopique . . . . 126

3.7 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129

3.1. Introduction

79

tel-00757821, version 1 - 27 Nov 2012

Le terme "diagnostic" a t directement associ la mdecine en tant que son champ


d'objet des manires d'identication de la maladie en se basant sur les symptmes. Le
terme est driv du mot Grec : diagnsis, qui signie l'identication, tandis que les
diagnostikos reprsente la capacit de reconnatre . Durant les dernires dcennies, le
dveloppement technique a caus, d'une part, une croissance de la complexit des moyens
techniques, et d'autre part, une croissance de la responsabilit des tches qui sont eectues
avec l'utilisation de ces moyens. De nos jours, nous sommes tmoins de l'tablissement et
du dveloppement d'un domaine de nouvelles techniques de diagnostic qui surgit comme
objet vital des utilisateurs dans le domaine des sciences de l'ingnieur. Le but de ce nouveau domaine est de dterminer l'tat du processus et de ses actionneurs/capteurs un
instant donn avec l'utilisation des mthodes et des moyens objectifs. [Korb 04]

3.1 Introduction
L'intrt port la dtection et l'isolation de dfauts (FDI) pour les systmes non
linaires s'est dvelopp considrablement ces dernires annes. En eet la conception
d'un systme FDI est une tape importante vers l'obtention de systmes de commande
insensibles aux dfaillances.
Dans ce chapitre, nous proposons des mthodes de diagnostic base de modles visant
la dtection, l'isolation et l'estimation des dfauts aectant les systmes singuliers non
linaires dcrits par des multi-modles ou modles singuliers LPV.
Ansi, trois mthodologies de dtection, d'isolation et d'estimation des dfauts sont proposes. La premire repose sur la gnration de rsidus base d'observateur proportionnel
entres inconnues. Cet observateur est ddi aux systmes singuliers multi-modles aects
par des entres inconnues ou perturbations. Il est bas sur la minimisation de l'inuence
des entres inconnues et la maximisation de l'inuence des dfauts sur l'erreur d'estimation ; d'o une optimisation multi-objectifs. La deuxime mthodologie consiste en une
approche de dtection et d'estimation des dfauts des systmes singuliers multi-modles
variables de dcision mesurables ou non mesurables. Ces rsultats sont dvelopps d'abord
dans le cas des systmes multi-modles standards, et tendus ensuite au cas des systmes
multi-modles singuliers. La troisime mthode propose est base sur l'utilisation de
l'observateur proportionnel intgral polytopique pour la dtection et l'estimation des dfauts des systmes singuliers LPV. Cet observateur permet d'estimer conjointement les
grandeurs d'tats et les dfauts.

Chapitre 3. Approche multi-modle pour le diagnostic des systmes singuliers

80

3.2 Terminologies et critres de performance relatifs


un systme de diagnostic
Nous nous proposons dans cette section de rappeler quelques dnitions et terminologies
relatives au diagnostic et prsenter les critres de performances d'un systme de diagnostic.
3.2.1

Les terminologies de diagnostic

Dans plusieurs travaux, la terminologie dans le domaine du diagnostic de dfaut n'est


pas cohrente. Il est dicile de comprendre les objectifs des contributions spciques et de
comparer les direntes approches. Pour rsoudre ce problme, le comit technique IFAC
(International Federation of Automatic Control) SAFEPROCESS (Symposium Fault De-

tel-00757821, version 1 - 27 Nov 2012

tection, Supervision and Safety for Technical Processes) a lanc une initiative [Chen 93]
visant dnir une terminologie commune [Icha 09], [Marz 09].

Dfaut

: cart non acceptable d'au moins une caractristique d'un systme par rapport

sa valeur normales.

Dfaillance

: Interruption permanente de la capacit d'un systme assurer une fonction

requise dans des conditions oprationnelles spcies.

Panne

: tat d'un systme incapable d'assurer le service spci la suite d'une d-

faillance.

Symptme

: vnement ou ensemble de donnes au travers duquel le systme de dtec-

tion identie le passage du procd dans un fonctionnement anormal.

Diagnostic

: Le diagnostic est l'identication de la cause probable de la (ou des) d-

faillance(s) l'aide d'un raisonnement logique fond sur un ensemble d'informations


provenant d'une inspection, d'un contrle ou d'un test. Il suit la dtection de dfauts
et inclut la localisation et l'identication.

La dtection du dfaut

: C'est une fonction qui consiste dterminer l'apparition et

l'instant d'occurrence d'un dfaut. cette fonction peut tre obtenue en utilisant le
signal du rsidu gnr en comparant le comportement du modle du systme celui
du systme rel.

La localisation du dfaut

: Aprs la dtection d'un dfaut dans un systme, il est

important de pouvoir situer le composant aect. cette tape s'appelle localisation de


dfauts (en anglais, isolation). Elle est base sur la gnration de rsidus de manire
ce qu'un ensemble de ces rsidus soit sensible a certains dfauts et insensible aux
autres dfauts.

3.3. Principe du diagnostic base de modles

L'identication ou estimation du dfaut

81
: L'identication (ou estimation) de d-

fauts vise caractriser leurs amplitudes et leurs volutions temporelles. La connaissance de l'amplitude de la dfaillance permet de concevoir un systme tolrant aux
dfauts ou auto adaptatif.
3.2.2

Critres de performance d'un systme de diagnostic

D'une manire gnrale, nous pouvons regrouper les dirents critres de performance
d'un systme de diagnostic [Ripo 99] de la manire suivante :

La dtectabilit

: est l'aptitude du systme de diagnostic pouvoir dtecter la prsence

d'une dfaillance sur le procd. Elle est fortement lie la notion d'indicateurs de

tel-00757821, version 1 - 27 Nov 2012

dfauts (rsidus). Le gnrateur de rsidu doit, d'une certaine manire, tre sensible
la dfaillance que l'on souhaite dtecter.

L'isolabilit

: est la capacit du systme de diagnostic remonter directement l'ori-

gine du dfaut. La proprit d'isolabilit est lie la structure des rsidus et la


procdure de dtection elle-mme.

La sensibilit

: caractrise l'aptitude du systme dtecter des dfauts d'une certaine

amplitude. Elle dpend non seulement de la structure des rsidus mais aussi du
rapport de l'amplitude du bruit de mesure avec celle du dfaut.

La robustesse

: dtermine la capacit du systme dtecter des dfauts indpendam-

ment des erreurs de modlisation (sensibilit du rsidu aux dfauts et insensibilit


vis--vis des perturbations). Gnralement, la robustesse est dnie par rapport
toutes les entres inconnues.

3.3 Principe du diagnostic base de modles


La mthode du modle est l'une des approches les plus adoptes pour le diagnostic des
dfauts des systmes dynamiques. Plusieurs travaux ont trait cette approche de plusieurs
points de vue et pour direntes classes de systmes [Chen 99], [Hamm 99], [Rodr 05'].
Toutefois , peu de travaux ont considr le diagnostic des systmes singuliers par la mthode du modle. En eet les rsultats existant ne dpassent le cas linaires [Marx 03']
ou des classes bien particulires de systmes non linaires [Vemu 01], [Maqu 93].
Notre contribution au niveau de ce sujet consiste proposer une approche de diagnostic
des systmes singuliers multi-modles qui peuvent modliser un large ensemble de processus physiques non linaires. L'approche de diagnostic que nous dveloppons dans ce

Chapitre 3. Approche multi-modle pour le diagnostic des systmes singuliers

82

chapitre tend le principe de diagnostic base de modle aux systmes singuliers multimodles.
3.3.1

Systme multi-modle singulier avec dfauts

La premire tape de la mthode de diagnostic base de modle consiste construire


un modle mathmatique du systme surveiller. Dans le cas, une reprsentation multimodle est utilise pour approcher le comportement du systme singulier non linaire. La
gure 3.1 prsente les dirents types de dfauts qui peuvent apparatre sur les systmes
multi-modles considrs.
Dfauts systme

tel-00757821, version 1 - 27 Nov 2012

modle 1

h1
+

modle 2

Entres u(t)

Dfauts capteurs

Dfauts actionneurs

capteurs

h2

actionneurs

sorties y(t)

+
modle h

hh

gure 3.1  Multi-modle en boucle ouverte avec dfauts

3.3.1.1 Systme multi-modle singulier avec dfauts actionneurs


Les dfauts actionneurs agissent au niveau de la partie oprative et dtruisent le signal
d'entre du systme. Une partie du systme devient incontrlable et de nouveaux actionneurs doivent tre utiliss. Cela peut causer une perte totale ou partielle de l'actionneur.
Le systme singulier multi-modle peut tre dcrit par la reprsentation d'tat suivante :

E x(t) =

hi ((t))(Ai x(t) + Bi u(t) + Ri d(t) + Fi fa (t) + xi )


(3.1)
i=1

y(t) = Cx(t)
o x(t) Rn le vecteur d'tat, u(t) Rp reprsente le vecteur des entres, d(t) Rq le
vecteur des entres inconnues, fa (t) Rp le vecteur des dfauts actionneurs et y(t) Rm
reprsente le vecteur de sortie. Les matrices E , Ai , Bi , Fi , Ri , C et xi sont de dimensions
appropries. hi ((t)) sont les fonctions d'activations des modles locaux et (t) reprsente
le vecteur des variables de dcision.

3.3. Principe du diagnostic base de modles

83

3.3.1.2 Systme multi-modle singulier avec dfauts capteurs


les dfauts capteurs caractrisent une mauvaise image de la grandeur physique mesurer.
Un dfaut capteur peut aussi tre partiel ou total. Un capteur totalement dfectueux
donne une information qui ne correspond pas du tout la vraie valeur de la variable
mesurer. Un dfaut capteur partiel produit un signal avec plus ou moins d'adquation
avec la vraie valeur de la variable mesurer. Ceci peut se traduire par une mesure biaise
provoquant un oset au signal de sortie. Mathmatiquement, le dfaut capteur [Chen 99]
peut tre modlis par :

y(t) = Cx(t) + fc (t)

(3.2)

tel-00757821, version 1 - 27 Nov 2012

avec fc (t) Rm le vecteur des dfauts capteur. Par un choix correct du vecteur fc (t),
nous pouvons alors dcrire toutes les situations des dfauts capteurs.

3.3.1.3 Systme multi-modle singulier avec dfauts systme


Les dfauts systmes sont des dfauts qui apparaissent dans les composants du systme
lui mme, c'est dire les dfauts qui ne peuvent pas tre classis ni parmi les dfauts
capteurs, ni parmi les dfauts actionneurs. Ils reprsentent des changements dans les
paramtres du systme, ce qui induit un changement du comportement dynamique de ce
dernier. La reprsentation dynamique du systme avec ce type de dfaut peut alors tre
dcrite par :

E x(t) =

hi ((t))[(Ai + Ai )x(t) + Bi u(t) + Ri d(t) + xi ]

i=1

(3.3)

y(t) = Cx(t)

Le dfaut systme Ai appel aussi dfaut composant reprsente un changement dans


le systme qui rend les relations dynamiques et statiques non admissibles. Ces types de
dfauts sont aussi dsigns dans la littrature par les termes de dfauts non paramtriques
(pour les dfauts additifs) et de dfauts paramtriques (pour les dfauts multiplicatifs)
[Iser 05]. Les dfauts additifs inuencent la moyenne du signal de sortie du systme, alors
que les dfauts multiplicatifs induisent des changements des valeurs des paramtres du
systme. Dans la suite, nous allons dcrire les concepts fondamentaux de la dtection et
la localisation des dfauts en utilisant des gnrateurs de rsidus base d'observateurs
entres inconnues.

Chapitre 3. Approche multi-modle pour le diagnostic des systmes singuliers

84
3.3.2

Localisation des dfauts

Lorsqu'un dfaut est dtect, une procdure de localisation est utilise pour dterminer
l'origine de celui-ci. A la dirence de la dtection o un seul rsidu est la limite ncessaire, la procdure de la localisation ncessite un ensemble de rsidus. Pour pouvoir
localiser ecacement le ou les dfauts, on dispose d'un banc de Multi-Observateurs
Entres Inconnues (MOEI) plutt qu'un seul [Chen 99]. L'ensemble des p MOEI est soumis au vecteur d'entres u(t) et au vecteur de sorties y(t). Chaque MOEI du banc de
multi-observateurs est synthtis an d'tre sensible un sous-ensemble de dfauts fj (t)
et insensible aux autres. En eet, l'tape d'isolation doit permettre, partir des rsidus
dtects non nuls statistiquement, de localiser les dfauts, c'est--dire de dterminer le ou
les lments dfaillants. La signature d'un dfaut reprsente l'eet de celui-ci sur un ou

tel-00757821, version 1 - 27 Nov 2012

plusieurs rsidus. Si l'on dispose de la signature de chacun des dfauts dtecter, il est
possible de remonter des eets (rsidus non nuls) aux causes (les lments dfaillants).
L'laboration de rsidus structurs facilite cette tape. La tche d'isolation peut tre alors,
accomplie selon deux architectures :
Une architecture en bancs de multi-observateurs gnraliss GOS (Generalized Observer Scheme) [Chen 99]. Dans ce genre de structure, il s'agit de synthtiser un
certain nombre de multi-observateurs o chacun d'entre eux est insensible un seul
dfaut. Si un dfaut apparat alors, toutes les estimations d'tats seront errones
sauf celles issues du multi-observateur insensible ce seul dfaut. La structure GOS
dnit une matrice unitaire avec des termes diagonaux nuls conduisant l'isolation
d'un unique dfaut. Cette architecture ore plus de degrs de libert pour la conception du multi-observateur et permet d'augmenter la robustesse.
Une architecture en bancs de multi-observateurs ddis DOS (Dedicated Observer Scheme) [Alco 96]. Dans ce type de structure, il est question de construire autant de multi-observateurs que de dfauts dtecter, chacun d'entre eux gnre
un rsidu insensible tous les dfauts sauf un. La structure DOS dnit une matrice d'incidence quivalente une matrice d'identit permettant l'isolation de multiples dfauts simultans, chaque observateur tant insensible (p 1) dfauts. Ansi
le multi-observateur recevant une mesure dfaillante fournit une mauvaise estimation des variables estimes, tandis que les estimations des autres multi-observateurs
convergent vers les sorties correspondantes sauf sur la sortie errone. Cette architecture reste valable mme dans le cas de plusieurs dfauts simultans. Mais, si cette

3.3. Principe du diagnostic base de modles

85

structure donne parfois des bons rsultats, sa conception reste trs restreinte car
elle ne permet pas de s'aranchir des entres inconnues et des bruits.

3.3.2.1 Localisation des dfauts actionneurs


Les dfauts actionneurs sont modliss par un terme additif sur les composantes de la
matrice de commande. Deux congurations sont envisages :

Dfauts uniques : Dans ce cas, le banc de multi-observateurs peut tre construit


suivant l'architecture GOS (Generalized Observer Scheme) prsente sur la gure
3.2. Chaque rsidu issu d'un multi-observateur est insensible un dfaut actionneur
particulier et sensible tous les autres. Il est donc possible de dtecter et localiser

tel-00757821, version 1 - 27 Nov 2012

les dfauts actionneurs lorsque ceux-ci interviennent sparment.


y(t)

u(t)
actionneurs

capteurs

multi-modles

u2 (t)
u p (t)

r1(t)

MOEI

MOEI

u1 (t)
rp(t)
up-1 (t)

gure 3.2  Localisation des dfauts actionneurs par la structure GOS

Dfauts multiples : le banc de multi-observateurs pourra tre construit suivant


l'architecture DOS (Dedicated Observer Scheme) prsente sur la gure 3.3. Chaque
rsidu issu d'un multi-observateur est sensible un seul dfaut actionneur ce qui
permet de dtecter et localiser les dfauts mme quand ceux-ci surviennent simultanment.
y(t)

u(t)
actionneurs

u 1 (t)

capteurs

multi-modles

r1(t)

MOEI

MOEI

rp(t)
up (t)

gure 3.3  Localisation des dfauts actionneurs par la structure DOS

86

Chapitre 3. Approche multi-modle pour le diagnostic des systmes singuliers

3.3.2.2 Localisation des dfauts capteurs


Les dfauts capteurs sont modliss par des termes additifs sur les composantes de la
matrice de sortie. Deux hypothses sont encore envisageables pour la construction d'un
banc de multi-observateurs suivant que les hypothses de dfauts uniques ou dfauts
multiples soient retenues.

Dfaut unique : dans ce cas, le banc de multi-observateurs peut tre construit se-

lon l'architecture GOS. Chaque rsidu est insensible un dfaut capteur particulier
et sensible tous les autres. Il est donc possible de dtecter et d'isoler les dfauts
capteurs lorsque ceux-ci interviennent sparment.

Dfauts multiples :

le banc de multi-observateurs peut tre construit selon le

tel-00757821, version 1 - 27 Nov 2012

schma DOS. Dans cette architecture, chaque rsidu est sensible un seul dfaut
capteur ce qui permet de dtecter et d'isoler les dfauts capteurs mme lorsqu'ils
surviennent de faon simultane.

3.4 Dtection et localisation des dfauts des systmes


singuliers multi-modles
Le diagnostic base de modle est une approche qui a fait l'objet de nombreux travaux pour les systmes ordinaires [Guo 09], [Min 06], [Henr 05] et les systmes singuliers,
[Gao 06], [Kim 01]. Cette approche est base sur le modle analytique de bon fonctionnement du systme. Elle consiste eectuer une estimation d'tat partir de la connaissance
des entres et des sorties du systme et utiliser l'erreur d'estimation de la sortie comme
rsidu. En fonctionnement normal, ce rsidu doit tre sensiblement nul et s'carter signicativement de zro lors de l'occurrence d'un dfaut sur le systme. Lorsqu'un dfaut est
dtect, une procdure de localisation est utilise pour dterminer l'origine de celui-ci. Au
contraire de la dtection o un seul rsidu est la limite ncessaire, la procdure de localisation ncessite un ensemble (un vecteur) de rsidus. Pour pouvoir isoler ecacement le ou
les dfauts, le vecteur de rsidus est engendr par un banc d'observateurs. Ces mthodes
ont tout d'abord t dveloppes pour des modles linaires. Ensuite, elles ont t tendues
au cas des systmes non linaires. Cependant, et dans ce cas, la conception des observateurs est beaucoup plus dlicate. Les travaux dvelopps sont concentrs sur la conception
de mthodes fondes sur des transformations non linaires, base sur l'algbre de Lie, permettant de mettre le systme sous une forme canonique quasi-linaire [Kren 85] et des
mthodes bases sur la linarisation du modle autour d'un point d'quilibre [Bout 95].

3.4. Dtection et localisation des dfauts des systmes singuliers multi-modles

87

D'autres travaux ont t concentrs sur des classes particulires de systmes non linaires
tels que les systmes bilinaires, polynmiaux, Lipschitziens [Koen 06] et les systmes
LPV [Hamd 12']. Dans cette section, on s'interesse la dtection et la localisation des
dfauts des multi-modles singuliers. Deux mthodes de diagnostic bases de modles
sont tudies. La premire approche est base sur le formalisme H qui consiste reformuler le problme de la minimisation du transfert des perturbations et la maximisation
du transfert des dfauts vers les rsidus sous la forme d'un problme de minimisation
uniquement. Ce formalisme est appliqu pour la cas des multi-modles variable de dcision mesurable. La deuxime mthode repose sur l'utilisation du multi-observateur
entres inconnues pour la dtection des dfauts des multi-modles variables de dcision

tel-00757821, version 1 - 27 Nov 2012

mesurable et non mesurable.


3.4.1

Gnration de rsidus par optimisation multi-objectifs

La tche principale de la dtection de dfaut est de produire un rsidu robuste aux perturbations an d'viter les fausses alarmes. Pour dtecter un dfaut particulier, le rsidu
doit tre sensible ce dfaut. La conception d'un gnrateur de rsidu qui tient compte
des eets des perturbations et des dfauts, amne un compromis entre la sensibilit aux
dfauts et la robustesse aux entres inconnues. La synthse de ce gnrateur de rsidu
peut tre alors considre comme un problme

d'optimisation multi-objectifs, savoir la

maximisation des eets des dfauts et la minimisation des eets des perturbations. Le
problme d'optimisation multi-objectifs a t tudi dans [Chen 99] pour le diagnostic
des systmes dynamiques ordinaires, dans [Zhan 08] pour la dtection des dfauts pour
les systmes ordinaires temps discret et alors [Marx 03] pour le diagnostic des systmes
singuliers linaires.
Dans cette partie, le rsidu est gnr par un multi-observateur entres inconnues.
Le problme d'optimisation multi-objectifs va tre rsolu par la mthode des ingalits linaires matricielles. En eet, tous les objectifs sont formuls sous un ensemble de
contraintes LMIs.

3.4.1.1 Synthse du gnrateur de rsidus


Considrons la reprsentation multi-modle suivante d'un systme singulier non linaire
[Hamd 10] en prsence d'entres inconnues et de dfauts actionneurs et capteurs.

E x(t) =

hi ((t))(Ai x(t) + Bi u(t) + Ri d(t) + Fi f (t) + xi )


i=1

y(t) = Cx(t) + Hf (t)

(3.4)

Chapitre 3. Approche multi-modle pour le diagnostic des systmes singuliers

88

avec f (t) le vecteur des dfauts et Fi et H les matrices de distribution des dfauts.
Dans la suite, et pour concevoir un gnrateur de rsidus pour le systme multi-modle
singulier (3.4), les hypothses suivantes sont supposes vries :

Hypothse H1 : Les vecteurs lignes des matrices C et E constituent une base de l'espace
vectoriel de dimension n :

[
rang

Hypothse H2 :

E
C

]
=n

(3.5)

Chaque modle local de la description multi-modle (3.4) doit tre

observable i {1, ..., h}.

[
rang

sE Ai
C

]
= n, s C.

(3.6)

tel-00757821, version 1 - 27 Nov 2012

La synthse du gnrateur de rsidus tudi dans ce paragraphe est base sur les multiobservateurs entres inconnues. Son modle global est dni de la faon suivante :

z(t) = hi ((t))(Ni z(t) + Gi u(t) + Li y(t) + zi )


i=1
(3.7)
x(t) = z(t) + T2 y(t)

r(t) = M (y(t) y (t))

avec z(t) Rn le vecteur d'tat du multi-observateur et r(t) Rnf le vecteur des rsidus.
Les matrices Ni , Gi , zi , Li , T2 et M sont des matrices inconnues de dimensions appropries. L'objectif est de trouver les gains du gnrateur de rsidus an de maximiser le
transfert des dfauts par rapport l'erreur d'estimation qui est dnie par :

e(t) = x(t) z(t) T2 y(t)


e(t) = (In T2 C)x(t) z(t) T2 Hf (t)
En vertu de l'hypothse

(3.8)

H1, soit T1 Rnn une matrice non singulire tel que :


T1 E + T2 C = In

(3.9)

Pour analyser la dynamique de l'erreur d'estimation, on suppose que les dfauts sont
volution lente ou constants, i.e f(t) 0. En utilisant (3.4) et (3.7), la dynamique de
l'erreur d'estimation devient alors :

e(t) = T1 E x(t) z(t)

e(t) =

hi ((t)) [Ni e(t) + (T1 Ai Ni T1 E Li C)x(t) + (T1 Bi Gi )u(t)


i=1

+T1 Ri d(t) + (T1 Fi Li H)f (t) + T1 xi zi ]

(3.10)

3.4. Dtection et localisation des dfauts des systmes singuliers multi-modles

89

De plus, l'quation du rsidu peut tre exprime sous la forme suivante :

r(t) = M [y(t) y (t)]

r(t) =
hi ((t))M [Cx(t) + Hf (t) C x(t)]

(3.11)

i=1

En utilisant l'quation de l'erreur d'estimation et le multi-modle (3.4), le rsidu (3.11)


peut s'crire comme suit :

r(t) =

hi ((t)) [M Ce(t) +M Hf (t)]

(3.12)

i=1

Par suite, si les matrices Ni , Gi , zi , Li et T2 sont choisies de telle sorte que les conditions

tel-00757821, version 1 - 27 Nov 2012

suivantes sont satisfaites :

T1 Ai Ni T1 E Li C = 0

(3.13)

T1 Bi Gi = 0

(3.14)

T1 xi zi = 0

(3.15)

les quations de l'erreur dynamique d'estimation (3.10) et du rsidu (3.12) deviennent


alors :

e(t) =

r(t) =

i=1
h

hi ((t)) [Ni e(t) + T1 Ri d(t) +(T1 Fi Li H)f (t)]

(3.16)

hi ((t)) [M Ce(t) +M Hf (t)]

(3.17)

i=1

An de poursuivre cette analyse, la substitution de l'galit (3.9) dans (3.13) donne :

Ni = T1 Ai + (Ni T2 Li )C

(3.18)

Ni = T1 Ai + Ki C

(3.19)

avec

Ki = Ni T2 Li

(3.20)

En utilisant alors, l'expression du paramtre Ni donne par (3.19), les quations (3.16) et
(3.17) peuvent se mettre sous les formes suivantes :

e(t) =

hi ((t)) [(T1 Ai + Ki C)e(t) + T1 Ri d(t)

i=1

+(T1 (Fi Ai T2 H) Ki (CT2 H H))f (t)]


r(t) =

i=1

hi ((t))([M Ce(t) +M Hf (t)])

(3.21)

(3.22)

Chapitre 3. Approche multi-modle pour le diagnostic des systmes singuliers

90

Par consquent, le systme d'quations (3.21)-(3.22) peut tre rcrit sous la forme compacte suivante :

r(t) =

hi ((t))[Gi d(t) + Gi f (t)]


rd
rf

(3.23)

i=1

Gi
rd
eme
`

la i

est la i

eme
`

matrice de transfert des perturbations d(t) vers le rsidu r(t) et Gi est


rf

matrice de transfert de f (t) vers r(t). Pour i = 1, ..., h, ces matrices sont dnies

par :

Gi
rf
Gi
rd

)
(T1 Ai + Ki C)| i
=
MC
| MH
(
)
(T1 Ai + Ki C)| T1 Ri
=
MC | 0

(3.24)
(3.25)

avec i = T1 (Fi Ai T2 H) Ki (CT2 H H).

tel-00757821, version 1 - 27 Nov 2012

La sparation entre les eets des dfauts et des perturbations qui aectent le rsidu est
dicile. Pour rduire le taux de fausses alarmes, l'eet des dfauts sur le rsidu doit tre
maximis alors que l'eet des perturbations doit tre minimis. Pour viter ce conit, l'eet
du dfaut f (t) sur le rsidu r(t) peut tre exprim comme un problme de minimisation.
i
En eet, par l'introduction d'un paramtre de pondration Wf et un signal de rsidu ctif

r(t) [Gren 08], le problme se ramne la minimisation de l'eet du dfaut sur le signal

du rsidu :

r(t) =

i
hi ((t))(r(t) Wf f (t))

(3.26)

i=1

i
Wf

est une matrice de pondration qui permet de prendre en compte la connaissance

de la distribution des dfauts. La dtection et la localisation des dfauts dpendent de la


i
structure slectionne de Wf [Stou 00]. En eet, l'isolation des dfauts est obtenue lorsque
i
la matrice Wf est choisie en forme diagonale et la dtection des dfauts est considre
i
quand Wf R1nf .

Le problme de la dtection et la localisation des dfauts peut tre formul sous la forme
d'un problme d'optimisation multi-objectifs [Liu 08] qui consiste dterminer les matrices Ki et M qui minimisent af +(1a)d avec a [0 1] sous les contraintes suivantes :
i
G i Wf
rf

Gi
rd

< f

< d

Le systme (3.21) est stable

(3.27)
(3.28)
(3.29)

Notons que, la condition (3.27) reprsente une mesure de la capacit de localisation des
dfauts, alors que la condition (3.28) reprsente le dcouplage robuste des perturbations
sur le rsidu.

3.4. Dtection et localisation des dfauts des systmes singuliers multi-modles

91

3.4.1.2 Formulation des ingalits matricielles linaires


Dans ce paragraphe, l'ide principale est d'exprimer les contraintes (3.27), (3.28) et (3.29)
i
sous la forme d'un problme d'optimisation sous contraintes LMIs o Wf est un paramtre

de pondration dynamique dni par :

(
i
Wf

Aif | Bif
Cif | Dif

)
(3.30)

i
o Wf , est l'ensemble des matrices de transfert stables [Jaim 08] tel que :
i
Wf

tel-00757821, version 1 - 27 Nov 2012

i
o Wf
i
Wf
Gi
rf

i
= inf (Wf (jw)) 1

(3.31)

wR

dnit le minimum des valeurs singulires non nulles de la matrice de transfert

et reprsente la valeur singulire minimale. Alors, pour i = 1, ..., h l'expression de


i
Wf peut s'crire sous la forme :

Gi
rf

(T1 Ai + Ki C) 0

0
Aif
i
Wf =

MC
Cif

i
Bif

(3.32)

M H Dif

Le problme de synthse du gnrateur de rsidus (3.7) peut tre rsolu par le thorme
suivant.

Thorme 3.1 [Icha 09] Pour un rel positif

et Wfi une matrice de


transfert, le gnrateur de rsidu (3.7) du systme singulier (3.4) existe, s'il existe deux
matrices Q1 et Q2 symtriques dnies positives, des gains Ki et M et deux rels positifs
f et d solution du problme d'optimisation suivant :
min

M, Ki , Q1 , Q2 ,f , d

sous les contraintes :

a [0 1]

[af + (1 a)d ]

i
0
i
(M C)T
T
T

0
+
T Aif Q2 T Q2 Aif Q2 Bif Cif < 0
2
T

Bif Q2
f I
Di
i

MC
Cif
Di
I

(3.33)

i
Q1 T1 Ri (M C)
(T1 Ri )T Q1 2 I
<0
0
d
MC
0
I

(3.34)
(3.35)

Chapitre 3. Approche multi-modle pour le diagnostic des systmes singuliers

92

avec
i = (T1 Ai )T Q1 + Q1 (T1 Ai ) + i C + (i C)T

(3.36)

i = (Q1 T1 (Fi Ai T2 H) i (CT2 H H))

(3.37)

Di = M H Dif

(3.38)

i = Q1 Ki

(3.39)

Pour la conception d'un gnrateur de rsidus robuste qui permet de dtecter et de localiser les dfauts pour les systmes singuliers multi-modles, un problme d'optimisation multi-objectifs a t formul. Tous les objectifs sont donns sous un ensemble de
contraintes base d'ingalits linaires matricielles. L'intrt du formalisme H est d'ap-

tel-00757821, version 1 - 27 Nov 2012

porter une solution standard un certain nombre de problmes lis au diagnostic des
multi-modles singuliers tels que la gnration robuste de rsidus.
3.4.2

Gnration de rsidus base de multi-observateurs

Dans ce paragraphe, le multi-observateur entres inconnues dvelopp dans le deuxime


chapitre est exploit pour construire des bancs de multi-observateurs an de gnrer des
rsidus structurs permettant la dtection et la localisation des dfauts. Deux cas sont
tudis, le premier cas concerne les multi-modles variables de dcision mesurables et
le second porte sur les multi-modles variables de dcision non mesurables. La synthse
de ce multi-observateur est base sur le dcouplage de l'eet des entres inconnues.
Considrons le multi-modle singulier soumis des perturbations d(t) et sujet du dfaut

f (t) qui est donn par :

E x(t) =

hi ((t))(Ai x(t) + Bi u(t) + Ri d(t) + Fi f (t) + xi )


i=1

y(t) = Cx(t) + Hd(t)

(3.40)

avec d(t) Rq le vecteur de distribution et f (t) Rp le vecteur de dfauts. Ri , H et Fi


sont respectivement la matrice de distribution des perturbations sur l'quation d'tat, la
matrice de distribution des perturbations sur la sortie et la matrice de distribution des
dfauts. Dans la suite de l'tude, nous considrons qu'en plus les hypothses

H3 et H4 suivantes [ vries.
sont ]
Ri
=qm
Hypothse H3 :
rang
H
les hypothses

Hypothse H4 :

rang

E 0
C H

=n+q

H1 et H2,

3.4. Dtection et localisation des dfauts des systmes singuliers multi-modles

93

Pour produire un rsidu robuste (dans le sens de dcouplage de perturbation), un multiobservateur entres inconnues est utilis. La structure d'un tel multi-observateur est
dcrite par :

z(t) = hi ((t))(Ni z(t) + Gi u(t) + Li y(t) + zi )


(3.41)

i=1

x(t) = z(t) + T2 y(t)


r(t) = M1 z(t) + M2 y(t)


avec r(t) le vecteur de rsidu, z(t) Rn le vecteur d'tat du multi-observateur et

x(t) Rn le vecteur d'tat estim. Les matrices Ni , Gi , zi , Li , M1 , M2 et T2 sont

inconnues et de dimensions appropries.

3.4.2.1 Conditions de convergence


tel-00757821, version 1 - 27 Nov 2012

Pour analyser la convergence du multi-observateur (3.41), on dnit l'quation de l'erreur


d'estimation d'tat par :

e(t) = x(t) x(t)

En utilisant la forme du multi-observateur (3.41), on obtient alors :

e(t) = z(t) (In T2 C)x(t) + T2 Hd(t)

(3.42)

La dynamique de l'erreur d'estimation est alors rgie par l'quation suivante :

e(t) = z(t) T1 E x(t) + T2 H d(t)

soit :

e(t) =

(3.43)

[
hi ((t)) Ni z(t) + Gi u(t) + Li y(t) + zi T1 Ai x(t)

i=1

T1 Bi u(t) T1 Ri d(t) T1 Fi f (t) T1 xi

(3.44)

avec T1 une matrice qui vrie l'quation (3.9).


Aprs dveloppement, l'quation (3.44) devient :

[
hi ((t)) Ni e(t) + (Ni T1 E + Li C T1 Ai )x(t) + (Gi T1 Bi )u(t)
i=1
]

+(Li H Ni T2 H T1 Ri )d(t) T1 Fi f (t) + T2 H d(t) + zi T1 xi

e(t) =

(3.45)

D'autre part, en utilisant l'expression gnrale du vecteur de rsidu r(t) dni par (3.41),
et d'aprs l'quation de l'erreur d'estimation (3.42), il vient :

r(t) = M1 e(t) + (M1 T1 E + M2 C)x(t) + (M2 M1 T2 )Hd(t)

(3.46)

94

Chapitre 3. Approche multi-modle pour le diagnostic des systmes singuliers

Lorsque les matrices Ni , Gi , zi , Li , M1 , M2 et T2 vrient les relations suivantes :

Ni T1 E + Li C T1 Ai = 0

(3.47)

M1 T1 E + M2 C = 0

(3.48)

M2 H = 0

(3.49)

Gi T1 Bi = 0

(3.50)

Li H Ni T2 H T1 Ri = 0

(3.51)

T2 H = 0

(3.52)

zi T1 xi = 0

(3.53)

tel-00757821, version 1 - 27 Nov 2012

L'quation (3.45) et la relation (3.46) se rduisent :

e(t) =

hi ((t))[Ni e(t) T1 Fi f (t)]

(3.54)

i=1

(3.55)

r(t) = M1 e(t)

3.4.2.2 Synthse du gnrateur de rsidus


La conception de ce gnrateur de rsidus (3.41), ncessite la dtermination des matrices

Ni , Li , Gi , zi , M1 , M2 , T1 et T2 en tenant compte des contraintes (3.47) - (3.53).


Pour dterminer les matrices T1 et T2 , on considre alors la relation (3.9) qui peut tre
rcrite en considrant la contrainte (3.52) sous la forme suivante :
[
]
[
] E 0
[
]
T1 T2
= In 0
(3.56)
C H
[
]
[
]
E 0
est de plein rang
Une solution T1 T2 existe si et seulement si la matrice
C H
colonne [Daro 96]. Ensuite, la solution de l'expression (3.56) est donne par la technique
de la matrice pseudo inverse de telle sorte que :

T1 T2

In 0

E 0
C H

]+
(3.57)

Aprs, et pour tablir les matrices M1 et M2 , les relations (3.48) et (3.49) peuvent se
mettre sous la forme :

M1 M2

T1 E 0
C H

]
=0

Cette galit est quivalente :


[
]T
[
]T
T1 E 0
M1 M2
=0
C H

(3.58)

(3.59)

3.4. Dtection et localisation des dfauts des systmes singuliers multi-modles


D'o, l'quation (3.59) admet une solution
c'est dire :

M1 M2

]T

M1 M2
[

Ker

]T

95

[
dans le noyau de

T1 E 0
C H

T1 E 0
C H

]T

]T
(3.60)

Une solution peut donc tre choisie comme suit :


[
]T
[
]T
T1 E 0
M1 M2
= ker
C H

(3.61)

Le problme de synthse du gnrateur de rsidu se rduit donc la garantie de la stabilit


de l'quation dynamique de l'erreur d'estimation (3.54) pour trouver les matrices de gains

Ki de telle sorte que les matrices Ni soient de Hurwitz pour tout i = 1, ..., h.

tel-00757821, version 1 - 27 Nov 2012

3.4.2.3 Analyse de la stabilit


Dans cette partie, la stabilit du gnrateur de rsidu est tudie dans deux cas. Le premier
cas, lorsque la variable de dcision de la fonction d'activation du multi-modle singulier

la variable d'tat mesurable, et le deuxime cas, lorsque cette variable dpend


de l'tat non mesurable.

dpend de

Cas A : Variable de dcision mesurable :

La variable de dcision est mesurable lorsqu'elle dpend des entres ou des sorties du
systme. Considrons alors l'quation dynamique de l'erreur suivante :

e(t) =

hi ((t))[Ni e(t) T1 Fi f (t)]

(3.62)

i=1

La substitution de (3.19) permet d'obtenir la forme quivalente suivante :

e(t) =

hi ((t))[(T1 Ai + Ki C)e(t) T1 Fi f (t)]

(3.63)

i=1

Le thorme suivant [Hamd 12] donne des conditions susantes pour lesquelles la stabilit
de l'erreur e(t) (3.63).

Thorme 3.2 L'erreur e(t) rgie par l'quation dynamique (3.63) est globalement stable,

si le dfaut f (t) satisfait f (t) , > 0 et s'il existe deux rels et , et une matrice
commune dnie positive Q et des matrices Wi = QKi telles que, i = 1, ..., h :
[

(T1 Ai )T Q + Q(T1 Ai ) + In + C T WiT + Wi C Q(T1 Fi )


1
(T1 Fi )T Q
Ik

<0

(3.64)

Chapitre 3. Approche multi-modle pour le diagnostic des systmes singuliers

96

sous les contraintes :


Wi H + QT1 Ri = 0,

i = 1, ..., h

(3.65)

Preuve 3.1 Considrons la fonction de Lyapunov de la forme quadratique suivante :


(3.66)

V (e(t)) = eT (t)Qe(t) > 0

La condition de stabilit de l'erreur dynamique d'estimation est que la drive par rapport
au temps de la fonction de Lyapunov soit dnie ngative.

En utilisant la relation (3.63), la fonction V (e(t)) est donne par :


tel-00757821, version 1 - 27 Nov 2012

h
{ T
}

V (e(t)) = hi ((t)) e (t)[N T Q + QN i ]e(t)2eT (t)Q(T 1 Fi )f (t)


i
i=1

Si f (t) , alors
h
{ T
}

hi ((t)) e (t)[N T Q + QN i ]e(t)2 eT (t)Q(T 1 Fi )


V (e(t))
i
i=1

Pour > 0, la drive de V (e(t)) devient :


h
{ T
}

V (e(t)) <
hi ((t)) e (t)[N T Q + QN i ]e(t)+2 eT (t)Q(T 1 Fi )
i
i=1

Pour tout scalaires positif, l'ingalit suivante est vrie :


2 eT (t)Q(T 1 Fi ) 1 2 eT (t)Q(T 1 Fi )

D'o :
h
{ T

V (e(t)) < hi ((t)) e (t)[N T Q + QN i ]e(t)+1 2 eT (t)Q(T 1 Fi )


i

i=1

Si l'on considre = 1 2 alors :


h
{ T
}

V (e(t)) < hi ((t)) e (t)[N T Q + QN i ]e(t)+eT (t)Q(T 1 Fi )(T 1 Fi )T Qe(t) +


i
i=1

h
{ T
}

V (e(t)) < hi ((t)) e (t)[N T Q + QN i +Q(T 1 Fi )(T 1 Fi )T Q]e(t) +


i

(3.67)

i=1

Pour tout hi ((t)),


est satisfaite si :

i=1

hi ((t)) = 1, hi ((t)) 0

et pour tout e(t) = 0, l'ingalit (3.67)

NiT Q + QNi + Q(T1 Fi )(T1 Fi )T Q + In < 0, i = 1, ..., h

3.4. Dtection et localisation des dfauts des systmes singuliers multi-modles

97

En remplaant Ni par l'expression (3.19), et pour Wi = QKi , la dernire ingalit peut


tre crite i = 1, ..., h sous la forme :
(T1 Ai )T Q + Q(T1 Ai ) + In + (Wi C)T + Wi C + Q(T1 Fi )(T1 Fi )T Q < 0

(3.68)

En utilisant le complment de Schur [Ghao 94], la dernire ingalit devient, i = 1, ..., h :


[

(T1 Ai )T Q + Q(T1 Ai ) + In + C T WiT + Wi C Q(T1 Fi )


1
(T1 Fi )T Q
Ik

<0

(3.69)

Les gains matriciels Ki obtenus doivent satisfaire les contraintes (3.51) i = 1, ..., h. La
relation (3.51) peut s'crire alors sous la forme :
(Ni T2 Li )H + T1 Ri = 0

(3.70)

En utilisant l'galit (3.20), l'quation (3.70) peut se mettre sous la forme suivante :
tel-00757821, version 1 - 27 Nov 2012

Ki H + T1 Ri = 0

(3.71)

Pour Ki = Q1 Wi i = 1, ..., h, l'quation (3.71) devient :


Wi H + QT1 Ri = 0

(3.72)

D'o les gains Ki sont obtenus en rsolvant les LMIs (3.69) sous les contraintes (3.72).
Par consquent, le thorme (3.2) implique que l'erreur e(t) est stable malgr la prsence
des dfauts qui agissent comme entres additives.

Cas B : Variable de dcision non mesurable :

La variable de dcision est non mesurable lorsqu'elle dpend des variables d'tat non
mesurables du systme. Dans ce cas, et par analogie avec les systmes ordinaires [Icha 09]
le multi-modle singulier (3.40) peut se mettre sous la forme suivante :

E x(t) =

hi ((t))(Ai x(t) + Bi u(t) + Ri d(t) + Fi f (t) + xi + w(t))


x
i=1

y(t) = Cx(t) + Hd(t)


avec :
h

w(t) =
(hi (x(t)) hi ((t)))(Ai x(t) + Bi u(t) + Ri d(t) + Fi f (t) + xi )
x

(3.73)

(3.74)

i=1

La dynamique de l'erreur d'estimation devient alors :

e(t) =

hi ((t))(Ni e(t) T1 Fi f (t) T1 w(t))


x

(3.75)

i=1

o w(t) agit comme une entre de perturbation sur la dynamique de l'erreur d'estimation.
Dans ce cas, les conditions de stabilit de l'erreur dynamique d'estimation (3.75) sont
donnes dans le thorme suivant [Hamd 12].

Chapitre 3. Approche multi-modle pour le diagnostic des systmes singuliers

98

Thorme 3.3 L'erreur rgie par l'quation dynamique (3.75) est globalement stable si

le terme w(t) et le dfaut f (t) satisfont respectivement :


||w(t)||2 ||e(t)||2 et f (t) et si les conditions (3.47) (3.53)sont vries et
s'il existe une matrice commune dnie positive Q et des matrices Wi = QKi telles que,
i = 1, ..., h :

i
Q(T1 Fi ) QT1
1
(T1 Fi )T Q Ik
0 <0
T
T1 Q
0
In

(3.76)

Wi H + QT1 Ri = 0, i = 1, ..., h

(3.77)

sous les contraintes :


avec
tel-00757821, version 1 - 27 Nov 2012

i = (T1 Ai )T Q + Q(T1 Ai ) + In + (Wi C)T + (Wi C) + In

et = 2

Preuve 3.2 Pour trouver les conditions de convergence, une fonction quadratique de Lya-

punov est choisie sous la forme suivante : V (e(t)) = eT (t)Qe(t), qui en la drivant conduit
:
h
{ T

V(e(t))
hi ((t)) e (t)[NT Q + QNi ]e(t)+eT (t)Q(T1 Fi )(T1 Fi )T Qe(t)
i
i=1
}
+eT (t)QT1 w(t) wT (t)TT Qe(t)
1

(3.78)

Dans l'ordre d'attnuer l'eet de w(t) par rapport l'erreur d'estimation d'tat on utilise
l'approche du gain L2 [Ghao 94]. Cette mthode consiste crire la dynamique de l'erreur
d'estimation d'tat sous la forme d'un systme perturb o la perturbation w(t) est borne.
Les paramtres du gnrateur de rsidu sont alors dtermins de manire assurer la
stabilit du systme gnrant l'erreur d'estimation d'tat, tout en assurant une attnuation
L2 du transfert de l'inuence de w(t) par rapport l'erreur d'estimation.
D'o pour ||w(t)||2 ||e(t)||2 , l'erreur d'estimation d'tat est stable et la norme L2 de
w(t) par rapport l'erreur d'estimation e(t) est borne par si :

V (e(t)) 2 wT (t)w(t) + eT (t)e(t) < 0

La substitution de l'expression de V (e(t)) dans l'ingalit (3.78), donne :


{
hi ((t)) eT (t)[NiT Q + QNi ]e(t) + eT (t)Q(T1 Fi )(T1 Fi )T Qe(t) +
i=1
}
T
eT (t)QT1 w(t) wT (t)T1 Qe(t) 2 wT (t)w(t) + eT (t)e(t) < 0
h

(3.79)

3.4. Dtection et localisation des dfauts des systmes singuliers multi-modles

99

Pour tout hi ((t)), hi ((t)) = 1, hi ((t)) 0 et pour tout e(t) = 0, l'ingalit (3.79)
i=1
peut tre exprime sous la forme suivante i = 1, ..., h :
[

e (t) w (t)

NiT Q + QNi + In + Q(T1 Fi )(T1 Fi )T Q + In QT1


T
T1 Q
2 In

][

e(t)
w(t)

<0
(3.80)

alors, V (e(t)) < 0 si, i = 1, ..., h :


[

NiT Q + QNi + In + Q(T1 Fi )(T1 Fi )T Q + In QT1


T
2 In
T1 Q

]
<0

(3.81)

Pour obtenir une contrainte LMI quivalente, on pose le changement de variables :


Wi = QKi et en utilisant le complement de Schur, l'ingalit (3.81) devient :
tel-00757821, version 1 - 27 Nov 2012

i
Q(T1 Fi ) QT1
1
(T1 Fi )T Q Ik
0 <0
T
T1 Q
0
In

(3.82)

avec i = (T1 Ai )T Q + Q(T1 Ai ) + In + (Wi C)T + (Wi C) + In et = 2 .


Comme il a t dmontr dans la preuve du thorme (3.2), les gains matriciels obtenus
doivent satisfaire les contraintes (3.51) ou leur quivalent (3.72). Les ingalits linaires
en Q et Wi (3.82) peuvent donc tre rsolues par l'outil numrique LMIs toolbox.
L'utilisation de l'approche du gain L2 et de la thorie de Lyapunov permettent alors
l'obtention de conditions de stabilit du systme gnrant l'erreur d'estimation d'tat
tout en assurant le transfert le plus faible possible des perturbations qui sont dues la
dicult de mesurer les variables de dcision par rapport l'erreur d'estimation. Les
conditions trouves sont exprimes sous forme LMI.

100
3.4.3

Chapitre 3. Approche multi-modle pour le diagnostic des systmes singuliers


Application : Dtection et isolation des dfauts d'un robot
manipulateur trois bras

L'illustration de l'approche de synthse du multi-observateur propose, porte sur l'estimation des tats en prsence des dfauts et la gnration de rsidus pour la dtection
des dfauts actionneurs du systme singulier non linaire "robot manipulateur trois

bras" tudi au premier chapitre.


A
3

l3

tel-00757821, version 1 - 27 Nov 2012

l2

l1
y
1

gure 3.4  Robot manipulateur trois bras

3.4.3.1 Modle du robot dans un systme de coordonnes cartsiennes


On choisit comme coordonnes oprationnelles les coordonnes (x, y) de la position du
bras terminal dans le plan (x, y) et l'angle l'orientation de ce bras avec l'axe x. Ces
quations cinmatiques sont dnies par :

x = lc1 + l2 c12 + l3 c123 , y = ls1 + l2 s12 + l3 s123 et = 1 + 2 + 3


avec

s1 = sin 1 , s12 = sin(1 + 2 ), s123 sin(1 + 2 + 2 ),


c1 = cos(1 ), c12 = cos(1 + 2 ), c123 = cos(1 + 2 + 2 )

3.4. Dtection et localisation des dfauts des systmes singuliers multi-modles

101

Dans un tel systme de coordonnes, les quations du mouvement du robot tudi au


chapitre 1 deviennent :

avec

M () = C (, ) G () + F + u

() = 0

(3.83)

M () = J T ()M ()J 1 (),


G () = J T ()G[
(),
]


C (, ) = J T () C (, ) M ()J 1 ()J()

et u = J T ()u

tel-00757821, version 1 - 27 Nov 2012

J() est la matrice Jacobienne calcule en drivant les trois quations cinmatiques par

rapport . Elle satisfait l'quation = J() et est donne par :

l1 s1 l2 s12 l3 s123 l2 s12 l3 s123 l3 s123


l2 c12 + l3 c123
l3 c123
J() = l1 c1 + l2 c12 + l3 c123
1
1
1
Les angles articulaires 1 , 2 et 3 qui correspondent la position et l'orientation du
bras terminal dans l'espace, sont dtermins en fonction de x, y et par le procd de la
cinmatique inverse ! [Crai 86] du systme.

1 = atan2((k1 yn k2 xn ), (k1 xn k2 yn ))
2 = atan2(sin(2 ), cos(2 ))
3 = 1 2
avec : k1 = l1 + l2 cos(2 ), k2 = l2 , xn = x l3 cos() et yn = y l3 sin() et

y
atan2(y, x) = 2 arctan
2 + y2 + x
x
La fonction atan2(y, x) fournit l'angle entre le vecteur (x, y) et l'axe x [Shuu 09]. Cette
fonction est prdnie dans la plupart des langages de programmation, Matlab y compris.
Par suite, et avec ces coordonnes cartsiennes le modle considr du robot manipulateur
possde des contraintes linaires, ce qui peut s'avrer plus commode au niveau de la
linarisation du modle.
3. En robotique, la cinmatique inverse (souvent abrge IK, de l'anglais Inverse Kinematics) est un
procd par lequel on peut dterminer les positions et rotations d'articulations d'un modle an d'obtenir
une pose. Le terme "cinmatique inverse" renvoie au fait que l'tude cinmatique se fait gnralement
partir des paramtres des articulations, an de dterminer l'volution de la pose.

102

Chapitre 3. Approche multi-modle pour le diagnostic des systmes singuliers

3.4.3.2 Reprsentation multi-modle


On s'intresse maintenant linariser le systme autour d'un ensemble de points de fonctionnement i = 1, ..., h dcrivant le systme dans diverses zones opratoires. Par consquent, le modle linaris de (3.83) peut tre obtenu comme suit :
{
T
Mi = i i + Fi + Si u

Fi = 0
avec

tel-00757821, version 1 - 27 Nov 2012

Mi = M

=i

, i =

=i
=i

()
Fi = =i , Si = J T

= i
= i

= i

, i =

=i
=i

(3.84)

=i

=i

{
et

u = u ui
= i

i est dtermine partir de i par l'inverse cinmatique [Crai 86]. i est un vecteur de
dimension 2. Le premier lment de i est choisi pour tre gal la force de contact dsire
dans la direction de x, le deuxime lment est choisi nul. Aussi, ui est dtermin tel que
(3.84) reste en quilibre.
On dnit le vecteur d'tat (t) comme suit :

T (t) =
avec

x y

T
T T

]T

et =

]T

1 2

]T

Choisissons x, , 1 et 2 comme sorties, le systme (3.84) peut s'crire alors sous la forme
du modle singulier suivant :
{
Ek (t) = Ai (t) + Bi u(t) + Ri d(t) + i

y(t) = C(t) + Hd(t)

0
I3
0
I3 0 0
T
Ek = 0 Mk 0 , Ai = i i Fi , Bi
0 0 0
Fi
0
0

1 0 0 0 0 0 0
0 0 1 0 0 0 0
i = Ai i Bi ui , C =
0 0 0 0 0 0 1
0 0 0 0 0 0 0

(3.85)

0
= Si
0

0
0

0
1

Les matrices de distribution Ri et H sont associes aux entres inconnues (perturbations)

d(t) Rq agissant sur les entres et sorties du systme. On considrera ici que l'on est

3.4. Dtection et localisation des dfauts des systmes singuliers multi-modles

103

en prsence d'incertitudes structures, c'est--dire que les matrices Ri et H sont connues.


Pour m1 = 20Kg , m2 = 10Kg , m3 = 5Kg respectivement les masses des trois bras,

l1 = 2m, l2 = 1, 5m, l3 = 1m les longueurs de ces bras et g = 9, 8m/s le champ du


pesanteur, le choix d'une dcomposition en trois modles linaires dans trois zones de
fonctionnement direntes, parat plus judicieuse pour raliser un compromis entre la
reprsentation de ce systme singulier non linaire et la charge de calcul. Le modle global
est obtenu par interpolation des modles locaux pondrs par deux fonctions d'activations

hi ((t)) et vk ((t)). La forme multi-modle obtenue, s'crit alors, comme suit :


3

tel-00757821, version 1 - 27 Nov 2012

vk ((t))Ek (t) =

hi ((t))(Ai (t)(t) + Bi u(t) + Ri d(t) + i )

(3.86)

k=1

k=1

y(t) = C(t)(t) + Hd(t)

avec :

48.7359 20.2029 20.9177


45.3144 16.6296 17.3475
8.4688 3.3468 , M2 = 20.2029 13.0540 8.0209
M1 = 16.6296
20.9177 8.0209 7.9877
17.3475 3.3468 3.2247

30.2313 17.4260 19.3686


2.6668
M3 = 17.4260 2.9268
19.3686 2.6668 3.2605

A1 =

A2 =

0
0
0
1
0
0
0 0
0
0
0
0
1
0
0 0
00
0
0
0
1
0
0
345.2133 8.4971 0 18.1355 14.4467 2.6746 1 0
42.0321 27.5767 0 2.0633 7.5043 0.5654 0 0
42.0321 26.0496 0 3.5719 4.4687 0.5654 0 1
1
0
0
0
0
0
0 0
0
0
1
0
0
0
0 0
0
0
0
1
0
0
0 0
0
0
0
0
1
0
0 0
0
0
0
0
0
1
0 0
343.4944 1.9110 0 12.2059 12.7951 1.9403 1 0
11.3826 7.5337 0 0.3805 1.5852 0.0955 0 0
11.3826 7.2549 0 0.6584 1.0285 0.0955 0 1
1
0
0
0
0
0
0 0
0
0
1
0
0
0
0 0

Chapitre 3. Approche multi-modle pour le diagnostic des systmes singuliers

104

A3 =

tel-00757821, version 1 - 27 Nov 2012

B1 =

B3 =

0
0
0
1
0
0
0 0
0
0
0
0
1
0
0 0
0
0
0
0
0
1
0 0
366.2301 2.5133
0
14.3655 6.8985
1.7982 1 0
81.9706 49.5188
0
2.8621 9.0001 0.9785 0 0
81.9706 47.1938
0
5.0540 4.4832 0.9785 0 1
1
0
0
0
0
0
0 0
0
0
1.0000
0
0
0
0 0

0
0
0
0
0
0

0
0
0
0
0
0

0
0
0
0
0
0

0.5004 0.4293 0.0710


0.4943 0.4314 0.0629

, B2 =
0.0232 0.6873 0.6641
0.0840 0.7496 0.6655

0.0232 0.6873 0.3359


0.0840 0.7496 0.3345

0
0
0
0
0
0
0
0
0
0
0
0

0
0
0
0
0

0
0
0
0.6
0.5

0
0
0
0.6
0.5

36.957
373.177
0.5301 0.6404 0.1103

, 1 =
77.152 , 2 = 30.728
0.1620 0.8928 0.7308

100.982
27.092
0.1620 0.8928
0.2692

19.333

0
0
0
19
0
0
0
0
0

3 =

0
0.5
0.5
749.027
42.254
280.304
22
0

, R1,2,3 = R =

0
0

0
0

0
0
1 0

0 1
9.0532 21.1739
, H =
0 0
0.1389 25.0322

0.0695 4.0671
0 0

0
0
0
0

vk ((t)) et hi ((t)) sont des fonctions de pondration qui vrient les proprits de la
somme convexe. Elles sont choisies variables de dcision qui dpendent de l'tat mesurable 1 (t). Elles sont alors dnies comme suit :

vk (1 (t)) = hi (1 (t)) =

i (1 (t))
3

i=1

i (1 (t))

3.4. Dtection et localisation des dfauts des systmes singuliers multi-modles

105

o les poids de pondration i (1 (t)) sont eux-mmes dnis par :

1 + 5 2
))
2
1
2 (1 (t)) = exp(1/2( )2 )
2
1 5 2
))
3 (1 (t)) = exp(1/2(
2
1 (1 (t)) = exp(1/2(

Les quations d'tat (3.86) reprsentant un systme gnralis qui peut tre ramen sous

tel-00757821, version 1 - 27 Nov 2012

la forme d'un modle singulier comme suit :

3
[
]

0 =
hi ((t)1 (t)) Ai (t) Ei (t) + Bi u(t) + Rd(t) + i

i=1

y(t) = C(t) + Hd(t)


En posant

(t) =

(t)
(t)

, (t) =

(t)

(t)

(3.87)

Le modle d'tat (3.87) devient alors,


[
]
[
]
[
]
[
]
[
]
3

0
In
0
0
0
In 0

(t) =

hi (1 (t))
(t) +
u(t) +
d(t) +

0 0
Ai Ei [
R
i
i=1
] Bi
[
]
[
] d(t)

y(t) = C 0 (t) + H 0

0
(3.88)
Le vecteur de commande u(t) reprsente les moments de forces appliqus au niveau des
trois articulations. Il est dni par :
{
u1 (t) = u2 (t) = 10 N ewton
u3 (t) = 15 sin(t)
d(t) est un signal alatoire dont la valeur maximale correspond 10% de l'amplitude
maximale de u3 (t).

3.4.3.3 Estimation des tats en prsence des dfauts


On considre que le multi-modle singulier (3.88) est aect par des dfauts actionneurs.
Ce modle est alors de la forme suivante :

[
[
]
[
]
[
]
[
]
[
]
]
3

0
In
0
0
0
0
In 0
(t) +
(t) =

hi (1 (t))

u(t) +
d(t) +
f (t) +

Ai Ei [
R
Fi
i
0 0
i=1
] Bi
[
]
[
] d(t)

y(t) = C 0 (t) + H 0
0
(3.89)

Chapitre 3. Approche multi-modle pour le diagnostic des systmes singuliers

106

Les dfauts actionneurs sont dnis comme suit :

{
f1 (t) =

{
0, 35u1 (t) pour 5 t 10
0, 4u2 (t) pour 15 t 25
f2 (t) =
0 ailleurs
0 ailleurs
{
0, 25u3 (t) pour 30 t 35
et
f3 (t) =
0 ailleurs

Les matrices du multi-observateur (3.41) obtenues aprs vrication des conditions d'existence et la rsolution des LMIs du thorme (3.2) avec = 3 et = 0, 5 sont les suivantes :

tel-00757821, version 1 - 27 Nov 2012

4
Q = 10

1.05
0.0600 0.2299 0.081 0.0078 0.0155 0 0
0.06
0.0237 0.0287 0.0042
0.0034
0.0085
0 0
0.23
0.0287 1.4215
0.0074 0.0111 0.0561 0 0
0.08
0.0042
0.0074
0.0091 0.0002 0.0011 0 0
0.008 0.0034 0.0111 0.0002 0.0009
0.002
0 0
0.0155 0.0085 0.0561 0.0011 0.002
0.0058
0 0
0
0
0
0
0
0
0.17 0
0
0
0
0
0
0
0 0 0.17

0.018
0.138

0.017

0.278
3
K1 = 10
0.696
0.758

0.00001
0.000031

0.018
0.118

0.013

3 0.263
K2 = 10
0.412
0.589

0.00001
0.00003

0.0198
0.0128

0.0064

3 0.1643
K3 = 10
0.7726
0.2042

0.00001
0.00003

0.011
0.00001 0.00003
0.463
0.0001
0.0001

0.073
0.00002 0.00001

0.508
0.0002 0.0005

3.697
0.0007
0.0005

2.848
0.0008 0.0008

0.00002
0.0035
0
0.000015
0
0.0035

0.0107 0.00001 0.00003


0.436 0.00013
0.0001

0.068 0.00002 0.00001

0.484 0.00022 0.0005

3.382
0.0007
0.00053

2.652
0.0008 0.0008

0.00002 0.0035
0
0.00002
0
0.0035

0.0085 0.00001 0.000031


0.223 0.00012
0.00015

0.0383 0.00001 0.000014

0.2841 0.00022 0.00052

1.6587 0.0007
0.00052

1.4094 0.0008 0.00078

0.00002
0.0035
0
0.00002
0
0.0035

3.4. Dtection et localisation des dfauts des systmes singuliers multi-modles


Pour 0 =

0.1 1 10 0.3 1 10 0.15 5

]T

107

, les gures suivantes prsentent l'vo-

lution des tats rels et leurs estims du systme singulier tudi en prsence de dfauts.

0.5

4
x1(t)
x1e(t)

0.4

x2(t)
x2e(t)

0.3
2
0.2
0.1

0.1
1
0.2
2
0.3

tel-00757821, version 1 - 27 Nov 2012

0.4

10

15

20

25
t(s)

30

35

40

45

50

gure 3.5  1 (t) et son estim 1 (t)

10

15

20

25
t(s)

30

35

40

45

50

gure 3.6  2 (t) et son estim 2 (t)

60

0.8
x3(t)
x3e(t)

x4(t)
x4e(t)

0.6
40
0.4
20
0.2

0.2
20
0.4
40
0.6

60

10

15

20

25
t(s)

30

35

40

45

50

gure 3.7  3 (t) et son estim 3 (t)

0.8

10

15

20

25
t(s)

30

35

40

45

50

gure 3.8  4 (t) et son estim 4 (t)

30
x5(t)
x5e(t)

25

x6(t)
x6e(t)

20
2
15
1

10

5
0

5
2
10
3

15

10

15

20

25
t(s)

30

35

40

45

gure 3.9  5 (t) et son estim 5 (t)

50

20

10

15

20

25
t(s)

30

35

40

45

gure 3.10  6 (t) et son estim 6 (t)

50

Chapitre 3. Approche multi-modle pour le diagnostic des systmes singuliers

108
0.25

25
x7(t)
x7e(t)

0.2

x8(t)
x8e(t)

20

0.15

15

0.1

10

0.05

0.05

0.1

10

0.15

15

0.2

10

15

20

25
t(s)

30

35

40

45

gure 3.11  7 (t) et son estim 7 (t)

50

20

10

15

20

25
t(s)

30

35

40

45

50

gure 3.12  8 (t) et son estim 8 (t)

tel-00757821, version 1 - 27 Nov 2012

D'aprs ces simulations, il apparat que le multi-observateur propos conduit une estimation des variables d'tat du robot malgr la prsence d'entres inconnues et de dfauts
aectent le systme.

3.4.3.4 Gnration des rsidus par banc de multi-observateurs


La gnration de rsidus base d'observateurs consiste reconstruire les sorties du systme partir des mesures et des entres du systme, puis comparer les signaux mesurs
et leur estimation. Les rsidus correspondent alors aux dirences r(t) = y(t) y (t).

Dans ce paragraphe, on considre que chaque rsidu est sensible un seul dfaut actionneur et insensible aux autres. Cela revient utiliser une structure de multi-observateurs
ddis (DOS). Dans ce cas, si l'on considre un vecteur de commande unique et trois dfauts actionneurs, le multi-modle singulier (3.89) du robot manipulateur peut se mettre
sous la forme suivante :
]
[
]
[
]
[
][
]
[
3
In
0
0 0
d(t)
In 0 (t) = h (x (t)) 0
(t) +

u(t) +

i 1

0 0
Ai[ Ei ]
B
R Fr
fd (t)

i=1

]
[

0
0
+
fj (t) +
Fj
i [

[
]
[
] d(t)

y(t) = C 0 (t) + H 0
0
(3.90)
e
o F j est le j i`me colonne de la matrice de commande B , F r est une matrice forme par

les colonnes restantes de la matrice B et j [1, . . . , 3]. fj (t) reprsente le dfaut qui va
tre isol et estim et fd (t) est considr comme entre inconnue.
En utilisant le modle ci-dessus (3.90), un banc de trois multi-observateurs de la mme
forme que (3.41) doit tre synthtis an de gnrer le signal rsidu. les rsidus associs

3.5. Mthodes d'estimation de dfauts

109

aux trois dfauts sont reprsents sur les gures 3.13-3.15 suivantes. D'aprs ces rsultats
de simulations, le systme de FDI propos parvient assurer d'une manire able la dtection des dfauts et la localisation des actionneurs dfectueux et ce malgr la prsence
d'entres inconnues aectant le systme.

0.35

0.06
r2(t)
r1(t)

0.3

0.05

0.25
0.04
0.2
0.03
0.15
0.02
0.1
0.01
0.05
0

tel-00757821, version 1 - 27 Nov 2012

0.05

10

15

20

25
t(s)

30

35

40

45

0.01

50

10

15

20

25
t(s)

30

35

40

45

50

gure 3.13  rsidu r1 (t) associ au dfaut gure 3.14  rsidu r2 (t) associ au dfaut
f1 (t)

f2 (t)

8
r3(t)
6

10

15

20

25
t(s)

30

35

40

45

50

gure 3.15  rsidu r3 (t) associ au dfaut f3 (t)


L'analyse de la conguration des rsidus r1 (t), r2 (t), et r3 (t) gnrs par le banc des multiobservateurs et illustrs dans les gures ci-dessus, permet la dtection et la localisation
des dfauts actionneurs. Ces rsidus sont nuls en absence des dfauts.

3.5 Mthodes d'estimation de dfauts


travers les approches de dtection de dfauts, une alarme peut tre gnre en cas
de panne. Cependant, l'amplitude du dfaut ne peut tre fournie par ces mthodes de

110

Chapitre 3. Approche multi-modle pour le diagnostic des systmes singuliers

FDI. Le processus d'estimation des amplitudes des dfauts est appel reconstructeur de
dfauts. Si le dfaut peut tre reconstruit, on peut facilement synthtiser une commande
tolrante aux dfauts. Toutefois, jusqu' prsent peu de rsultats ont t obtenus sur
la reconstruction de dfaut pour les systmes singuliers non linaires. Trs rcemment,
des approches intressantes de reconstruction simultane des tats et des dfauts ont t
proposes en [Gao 07], [Gao 06'] pour les systmes singuliers de Lipschitz. Le travail de
[Gao 06'] centralise l'estimation des dfauts capteurs, tandis que le rsultat de [Gao 07]
concerne l'estimation des dfauts actionneurs seulement. Dans [Hamd 09], une mthode
d'estimation des dfauts actionneurs base d'observateur entres inconnues pour les
systmes singuliers LPV polytopiques a t dveloppe. Dans cette section, deux mthodes
d'estimation de dfauts sont proposes. La premire technique est base sur l'utilisation du

tel-00757821, version 1 - 27 Nov 2012

multi-observateur tendu pour estimer un dfaut temps variant tandis que la deuxime
mthode repose sur l'usage de la drive de l'tat estime pour reconstruire le dfaut.
3.5.1

Estimation des dfauts par un multi-observateur tendu

Pour estimer le dfaut aprs la gnration du signal alarme, on considre le systme


singulier multi-modle avec dfaut f (t) et une perturbation d(t) dni par :

E x(t) =

hi ((t))[Ai x(t) + Bi u(t) + Ri d(t) + Fi fa (t) + xi ] + w(t)


x
i=1

y(t) = Cx(t) + Hd(t)

(3.91)

avec hi ((t)) la fonction de pondration qui dpend de l'tat non mesurable pour tous
x

i = 1, . . . , h. Supposons que fa (t) est drivable susamment de fois que l'ont veut et
posons :
(lj)
j (t) = fa (t)

(3.92)

e
o l est la classe de fa (t) et j = 1, ..., l est la j i`me drive de ce dfaut.

Le systme suivant [Gao 08] est vrie :

(l)

1 (t) = fa (t)


(t) = f (l1) (t) = (t)
a
2
1
.
.
.


l (t) = fa (t) = l1 (t)

(3.93)

Le multi-modle singulier (3.91) et le systme d'quations (3.93) peuvent tre crits sous
la forme augmente suivante :

E x(t) =

hi ((t))(Ai x(t) + Bi u(t) + Ri d(t) + i + w(t))


x
i=1

y(t) = C x(t) + H d(t)

(3.94)

3.5. Mthodes d'estimation de dfauts


avec xT (t) =

111

T
xT (t) 1 (t) ... lT (t)

]T

Rn , n = n + kl

tel-00757821, version 1 - 27 Nov 2012

Ai 0 0 Fi

0 0 0 0

.
. .
.


.
. .
E=
, Ai = . Ik . . . .

. . .

.. . .
. .

. .
Ik 0
.
.
. .
0 Ik
0 0 Ik 0

xi
w(t)
Bi
Ri 0
0
0
0
0 Ik

x
Bi = . , Ri = .
. , i = . , w(t) = .
.
.
.
.
.
.
.
.
.
.
0
0
0 0
0
[
]
d(t)

d(t) =
, H = [H 0...0] and C = [C 0...0]
(l)
fa (t)
E 0
0 Ik
. .
. .
. .
0 0
0 0

..
.

0
0
.
.
.

0
0
.
.
.

Le multi-observateur entres inconnues associ au systme singulier (3.94) est dni


par :

z
z (t) =

hi ((t))(Ni z (t) + Gi u(t) + Li y(t) + i )


x
i=1

x(t) = z (t) + T2 y(t))

(3.95)

o z (t) Rn est le vecteur d'tat du multi-observateur et x(t) Rn le vecteur d'tat

estim du systme singulier. Les matrices Ni , Li , Gi et T2 sont de dimensions appropries.

Les conditions de convergence de l'erreur d'observation peuvent tre tablies par :



T1 Ai = Ni T1 E + Li C

(3.96)


Gi = T1 Bi

(3.97)

z
x
i = T1 i

(3.98)



(Li Ni T2 )H T1 Ri = 0

(3.99)


T2 H = 0

(3.100)


In = T1 E + T2 C

(3.101)

On dnit l'erreur d'estimation par :

e(t) = x(t) x(t)

La dynamique de e(t) est alors dcrite par l'quation suivante :

e(t) =


hi ((t))[Ni e(t) T1 Ri d(t) T2 w(t)]
x

(3.102)

i=1

Le thorme 3.4 suivant donne les conditions de convergence de e(t) i.e. les conditions

pour que le systme (3.95) soit un observateur du systme singulier (3.94).

Chapitre 3. Approche multi-modle pour le diagnostic des systmes singuliers

112

Thorme 3.4 [Hamd 12] Pour d(t) et w(t) bornes, la description multi-modle (3.95)

est un multi-observateur pour le systme singulier (3.94) tel que :

(t)2 d(t)
e

(3.103)

s'il existe une matrice commune symtrique dnie positive Q et des matrices Wi = QKi
tels que, i = 1, ..., h :



i
Q(T1 Ri ) QT1

(T1 Ri )T Q 1 Iq+k
0 <0
1
T Q

T1
0
In

(3.104)



Wi H + QT1 Ri = 0

(3.105)

tel-00757821, version 1 - 27 Nov 2012

sous contraintes :
avec




i = (T1 Ai )T Q + Q(T1 Ai ) + ( 2 )In + (Wi C)T + (Wi C)

et 1 = 1 2

Preuve 3.3 La dmonstration de ce thorme suit la mme dmarche que la preuve (3.2)
du thorme (3.3).

Le dfaut estim fa (t) est un composant du vecteur d'tat augment x(t).

3.5.2

Estimation des dfauts par un multi-observateur entres


inconnues

Considrons le systme singulier multi-modle (3.106) o la matrice de commande est la


mme pour tous les sous modles ; Bi = B

E x(t) =

j
hi ((t))[Ai x(t) + Bu(t) + R0 fd (t) + F0 f (t) + xi ]

i=1

(3.106)

y(t) = Cx(t)

j
e
o est la variable de dcision, R0 est la j i`me colonne de la matrice B et F0 est gale

la matrice B sans la colonne j . L'amplitude du dfaut estim est extraite directement par
e
e
le j i`me multi-observateur entres inconnues qui est conu pour tre insensible au j i`me

dfaut (f (t) = 0).

En rgime permanent, l'erreur d'estimation d'tat tend vers zro, on a alors x(t) x(t).
=

3.5. Mthodes d'estimation de dfauts

113

En remplaant x(t) par x(t) et fd (t) par fd (t) dans le multi-modle (3.106) et en supposant

que l'on a pas d'autres dfauts, il vient :

E x(t) =

hi ((t))[Ai x(t) + Bu(t) + Rj fd (t) + xi ]

(3.107)

i=1

y(t) = C x(t)

o fd (t) reprsente l'estimation du j i`me dfaut actionneur. Sous rserve de l'existence de


j
j
la pseudo-inverse de la matrice R0 , i.e. R0 est de plein rang colonne, on peut exprimer le

vecteur du dfaut estim sous la forme :


[
]
h

fd (t) = (Rj )+ E x(t)

hi ((t))(Ai x(t) + Bu(t) + xi )

(3.108)

i=1

tel-00757821, version 1 - 27 Nov 2012

3.5.3

Application : Estimation des dfauts du robot manipulateur

Reprenons l'exemple du robot manipulateur tudi dans les paragraphes prcdents. Les
dfauts actionneurs peuvent tre estims l'aide du multi-observateur (3.41) et en utilisant
la relation (3.108) ci-dessus. Les dfauts estims sont alors reprsents dans les gures
suivantes 3.16-3.18.
15

15
f1(t)

f2(t)

f1(t) estim

10

f2(t) estim
10

5
5
0
0
5
5
10

10

15

20

10

15

20

25
t(s)

30

35

40

45

50

15

10

15

20

25
t(s)

30

35

40

45

50

gure 3.16  le dfaut f1 (t) et son estim gure 3.17  le dfaut f2 (t) et son estim

f1 (t)

f2 (t)

Chapitre 3. Approche multi-modle pour le diagnostic des systmes singuliers

114

6
f3(t)
f3(t) estim
4

10

15

20

25
t(s)

30

35

40

45

50

gure 3.18  le dfaut f3 (t) et son estim f3 (t)

tel-00757821, version 1 - 27 Nov 2012

Il y apparait alors quel'algorithme de reconstruction des dfauts propos est ecace quant
l'estimation du comportement des dfauts qui peuvent aecter un systme multi-modle
singulier. Un tel algorithme est valable pour une large classe de dfauts tels que les signaux
invariants dans le temps et les signaux variant dans le temps.

3.6 Dtection et estimation des dfauts des systmes


singuliers LPV
La contribution principale de cette section concerne la conception d'un Observateur
Proportionnel-Intgral Entres Inconnues (OPIEI) polytopique pour les systmes singuliers LPV. Dans ce cadre de modlisation, le comportement dynamique du systme singulier LPV est donn sous une forme polytopique, qui permet de dcrire le systme comme
une combinaison convexe de sous-systmes dnis par les sommets d'un polytope convexe.
Ces sous-modles sont ensuite combins par des fonctions de pondration convexe. Nous
envisageons de prsenter une mthode de conception d'un OPIEI polytopique pour les
systmes LPV singuliers soumis des perturbations exognes. L'observateur obtenu est
utilis pour l'estimation des tats et des entres inconnues. Il est galement utilis pour
la dtection et la localisation ainsi que l'estimation des dfauts actionneurs.
3.6.1

Structure polytopique des systmes singuliers paramtres


variants

Considrons le modle d'tat d'un systme singulier LPV de la forme suivante :


{
E x(t) = A((t))x(t) + B((t))u(t) + R((t))d(t)

(3.109)
y(t) = Cx(t)

3.6. Dtection et estimation des dfauts des systmes singuliers LPV

115

o x(t) Rn , u(t) Rp et y(t) Rm . d(t) Rq reprsente le vecteur des entres


inconnues. A(), B(), R() sont des fonctions continues qui dependent du vecteur (t).
Comme il a t dtaill dans le deuxime chapitre, le systme singulier (3.109) peut
s'crire sous la forme polytopique suivante :

E x(t) =

i ((t))(Ai x(t) + Bi u(t) + Ri d(t))

(3.110)

i=1

y(t) = Cx(t)

avec Ai Rnn , Bi Rnp , Ri Rnq et C Rmn sont des matrices temps


e
invariants dnies pour le ii`me modle. E Rnxn est une matrice constante singulire.

i ((t)) sont des fonctions de pondration qui satisfont les proprits de la somme convexe

tel-00757821, version 1 - 27 Nov 2012

dans l'ensemble suivant :

= ((t)) R , ((t)) = [1 ((t)), . . . , h ((t)] , i ((t)) 0,


h

i=1

}
i ((t)) = 1
(3.111)

Dans la suite, on prsente la procdure gnrale de la conception d'observateur polytopique


proportionnel intgral entres inconnues (OPIEI) pour les systmes singuliers LPV. Cet
observateur est construit par l'interpolation d'un ensemble d'OPIEI.

3.6.2

Structure polytopique de l'observateur proportionnel intgral

La structure de l'observateur proportionnel intgral du systme singulier polytopique


(3.110) est dcrite par :


hi ((t))(Ni z(t) + Gi u(t) + zi + Li y(t) + Hi d(t))
z(t) =

i=1
x(t) = z(t) + T2 y(t)

h


d(t) = hi ((t))i (y(t) y (t))

(3.112)

i=1

avec x(t) Rn , z(t) Rn et d(t) Rq sont respectivement le vecteur d'tat es


tim, le vecteur d'tat de l'observateur polytopique et l'estim des entres inconnues.

Ni , Gi , zi , Li , Hi , i et T2 sont les matrices inconnues du l'OPIEI qui doivent tre synthtises de sorte que l'erreur d'observation (2.63) soit stable. Comme nous l'avons expliqu

Chapitre 3. Approche multi-modle pour le diagnostic des systmes singuliers

116

au second chapitre, lorsque les conditions suivantes sont vries i = 1, ..., h :

T1 Ai = Ni T1 E + Li C

(3.113)

Gi

(3.114)

= T1 Bi

(3.115)

zi = T1 xi
= T1 R

(3.116)

Hi = T1 Ri

(3.117)

(3.118)

In = T1 E + T2 C

la dynamique des erreurs d'estimation d'tat et des entres inconnues peut alors tre
dcrite par l'quation d'tat augmente suivante :

tel-00757821, version 1 - 27 Nov 2012

e(t)

(t)

]
=

[
hi ((t))

i=1

Ni
Hi
i C 0

][

e(t)
(t)

]
(3.119)

3.6.2.1 Synthse de l'OPIEI


An de dterminer les matrices de l'OPIEI et d'tudier la stabilit de l'erreur dynamique
]
[
E
=
(3.119), on suppose que les triplets (E, Ai , C) sont impo-observables, et que rang
C
n. De ce fait et partir de (3.118), on a :
]
[
[
] E
T1 T2
= In
(3.120)
C
Une solution de l'quation (3.120) peut tre dtermine par la technique de la pseudo
inverse de la faon suivante :

T1 T2

[
=

E
C

]+
(3.121)

La substitution de l'galit (3.118) dans (3.113), permet d'crire pour i = 1, ..., h :

T1 Ai = Ni (In T2 C) + Li C

(3.122)

Les quations (3.122) peuvent tre mises sous la forme :

Ni = T1 Ai Ki C

(3.123)

Ki = Li Ni T2

(3.124)

avec

3.6. Dtection et estimation des dfauts des systmes singuliers LPV

117

Les matrices Li peuvent tre dduites de l'quation (3.124) pour i = 1, ..., h


(3.125)

Li = Ki + Ni T2

Par suite, l'quation de l'erreur d'estimation (3.119) peut se mettre sous la forme suivante :

e(t)

(t)

]
=

(
)


hi ((t)) Ai Ki C

i=1

e(t)
(t)

]
(3.126)

ou de manire quivalente :

ea (t) =

(
)


hi ((t)) Ai Ki C ea (t)

(3.127)

tel-00757821, version 1 - 27 Nov 2012

i=1

avec [
]
[
]
[
]
[
]

i = T1 Ai Hi , Ki = Ki , C = C 0 , ea (t) = e(t) et Hi = T1 Ri .
A
i
(t)
0
0

videment, la stabilit de (3.127) est assure si et seulement si les paires (Ai , C) sont
dtectables i = 1, ..., h, ce qui revient :

sE T1 Ai T1 Ri
0
sIq = n + q, s C + .
rang
C
0
La contrainte (3.128) gnralise la

(3.128)

R-dtectabilit [Koen 02], [Hamd 12'] des systmes

singuliers polytopiques.

3.6.2.2 Convergence exponentielle de l'observateur proportionnel intgral


polytopique
La convergence exponentielle (-stabilit) de l'observateur se caractrise par une vitesse
de convergence xe (arbitraire) de l'erreur d'estimation, ce qui permet alors de xer les
performances de l'observateur synthtiser. Le thorme suivant fournit des conditions
susantes pour assurer la convergence exponentielle de l'erreur d'estimation (3.127).

Thorme 3.5 [Hamd 12'] Considrons le systme singulier polytopique LPV (3.110) et
l'OPIEI polytopique (3.112), la convergence exponentielle de l'erreur d'estimation (3.127)
est garantie, s'il existe une matrice symtrique et dnie positive Q, des matrices

Wi = QKi et un scalaire positif , pour tout i ((t)) tels que :

AT Q + QAi C T WiT Wi C + 2Q < 0,


i

i = 1, . . . , h

(3.129)

118

Chapitre 3. Approche multi-modle pour le diagnostic des systmes singuliers

Preuve 3.4 La preuve de ce thorme dcoule de l'utilisation de la fonction quadratique


de Lyapunov suivante :

V (t) = eT (t)Qea (t),


a

Q = QT > 0

(3.130)

La convergence exponentielle de l'erreur d'estimation est garantie si :


Q = QT > 0 :

V (t) + 2V (t) < 0

(3.131)

avec est le taux de dcroissance choisi. En eet, une solution de l'quation (3.131) est
donne par :

tel-00757821, version 1 - 27 Nov 2012

V (t) V (0)exp(2t), t 0

(3.132)

Du fait que : min (Q) ea (t) 2 V (t) max (Q) ea (t) 2 , la norme de l'erreur
d'estimation peut tre borne par :

ea (t)

max (Q)
exp(t) ea (0) , t 0
min (Q)

(3.133)

La drive de la fonction de Lyapunov (3.130) par rapport au temps s'crit :

V (t) = eT (t)Qea (t) + eT (t)Qea (t)


a

(3.134)

qui devient en utilisant l'quation (3.127) :

V (t) = ea (t)T {A(t)T Q + QA(t)}ea (t)

(3.135)

En utilisant (3.130) et (3.135), l'ingalit (3.131) devient :


ea (t)T {A(t)T Q + QA(t) + 2Q}ea (t) < 0

(3.136)

qui est une forme quadratique en ea (t). L'ingalit ci-dessus est donc satisfaite lorsque la
condition suivante est vrie :
A(t)T Q + QA(t) + 2Q < 0

(3.137)

La relation (3.137) est une condition susante qui assure la convergence exponentielle
de l'erreur d'estimation ea (t). En considrant que la matrice Q est dnie positive et que
A(t) est une fonction continue pour , et un ensemble compact : il est clair qu'il
existe une matrice symtrique dnie positive Q ce qui implique que la partie gauche de

3.6. Dtection et estimation des dfauts des systmes singuliers LPV

119

la relation (3.137) est uniformment dnie ngative [Wu 95].

(
)


D'o, de l'quation (3.127), en remplaant A(t) par i ((t)) Ai Ki C = i ((t))i .
i=1
i=1
L'ingalit (3.137) devient pour tout i ((t)) :
h

i ((t))T Q
i

+Q

i=1

i ((t))i + 2Q < 0

(3.138)

i=1

En utilisant les proprits de l'ensemble compact , l'ingalit prcdente (3.138) devient :


h

i ((t))T Q
i

i=1

+Q

i ((t))i +

i=1

i ((t))2Q < 0

(3.139)

i=1

tel-00757821, version 1 - 27 Nov 2012

L'ingalit (3.139) est donc vrie si les ingalits suivantes sont satisfaites
i ((t)) :
T Q + Qi + 2Q < 0,
i

i = 1, . . . , h

(3.140)

Ce qui, aprs substitution de i , devient quivalent :


i



AT Q + QAi QKi C (Ki C)T Q + 2Q < 0, i = 1, . . . , h

(3.141)

Il convient de signaler que les ingalits prcdentes (3.141) sont des ingalits bilinaires

par rapport Ki , Q et . Leur rsolution directe par des algorithmes d'optimisation standard est donc dicile. An de rsoudre ce problme, nous utilisons le changement de

variables suivant : Wi = QKi . Ces ingalits peuvent tre rcrites sous la forme suivante :

AT Q + QAi C T WiT Wi C + 2Q < 0, i = 1, . . . , h


i

(3.142)

qui sont linaires par rapport aux matrices Q et Wi . De ce fait, une solution peut tre
obtenue en utilisant des outils LMI classiques et les gains sont alors donns par :

Ki = Q1 Wi , i = 1, . . . , h

La convergence exponentielle de l'erreur d'estimation (3.127), tudie dans le paragraphe


prcdent, permet de garantir une certaine vitesse de dcroissance de la fonction de Lyapunov et de forcer ainsi la vitesse de convergence de l'erreur d'estimation. En eet, la
convergence asymptotique de l'erreur d'estimation est obtenue en considrant un taux de
dcroissance nul ( = 0).

Chapitre 3. Approche multi-modle pour le diagnostic des systmes singuliers

120
3.6.3

Dtection et isolation des dfauts pour les systmes singuliers LPV

Plusieurs mthodologies de diagnostic des systmes LPV ordinaires ont t tudies.

Ab-

dalla et al. [Abda 01] et Henry et al. [Henr 04] ont prsent une approche de dtection
et d'isolation des dfauts pour cette classe de systmes. Cette approche est directement

inspire des mthodes dveloppes pour la commande robuste des systmes LPV. Dans la
prsente tude, l'OPIEI polytopique propos est spciquement conu pour la dtection,
l'isolation et l'estimation des dfauts actionneurs.

3.6.3.1 Gnration de rsidus par l'OPIEI polytopique

tel-00757821, version 1 - 27 Nov 2012

La gnration de rsidus l'aide d'une estimation d'tat consiste reconstruire l'tat


ou plus gnralement la sortie du processus l'aide d'un observateur polytopique et
utiliser l'erreur d'estimation comme rsidu. Cette mthode s'est beaucoup dveloppe car
elle donne lieu la conception de gnrateurs de rsidus exibles. Dans cette partie, l'algorithme de gnration de rsidus obtenu par l'utilisation d'un observateur proportionnel
intgral polytopique, est rendu sensible au vecteur de dfaut actionneur fa Rf et insensible aux perturbations d(t) [Thei 02]. Considrons le systme singulier polytopique
suivant avec une unique matrice de commande Bi , soit Bi = B , une unique matrice de
distribution Ri = R et un dfaut actionneur fa (t) pour tous les modles locaux :

E x(t) =

i ((t))(Ai x(t) + Bu(t) + Rd(t) + F fa (t))

i=1

(3.143)

y(t) = Cx(t)

An de concevoir le gnrateur de rsidus pour le systme singulier (3.143), la forme


gnrale de l'observateur proportionnel intgral polytopique s'crit :

z(t) =
i ((t))(Ni z(t) + Gi u(t) + Li y(t) + H fa (t))

i=1

x(t) = z(t) + T2 y(t)

r(t) = y(t) y (t)

fa (t) =
i ((t))i (y(t) y (t))

(3.144)

i=1

o r(t) est le signal du rsidu gnr par la comparaison des sorties mesures et estimes.
Les direntes matrices du modle (3.144) seront dtermines an d'assurer la convergence
des erreurs d'estimation des tats et des dfauts. En exprimant l'erreur d'estimation d'tat

e(t) = x(t) x(t) entre l'observateur polytopique (3.144) et le systme singulier (3.143),

3.6. Dtection et estimation des dfauts des systmes singuliers LPV

121

on obtient :

[
i ((t)) Ni e(t) + (T1 Ai Ni T1 E Li C)x(t) + (T1 B G)u(t)

i=1

e(t) =

]
+T1 Rd(t) + (T1 F H)fa (t) + Hfa (t)

(3.145)

avec

fa (t) = fa (t) fa (t)

(3.146)

Si les conditions (3.113) (3.116) sont vries, et :

H = T1 F

(3.147)

T1 R = 0

(3.148)

tel-00757821, version 1 - 27 Nov 2012

l'quation de l'erreur d'estimation devient alors :

e(t) =

(3.149)

i ((t))(Ni e(t) + Hfa (t))

i=1

Pour un dfaut fa variation lente, on a :

fa (t) = fa (t)

(3.150)

Soit, en se refrant au modle de l'observateur (3.144) :

fa (t) =

(3.151)

i ((t))i Ce(t)

i=1

Les quations (3.149) et (3.151) peuvent tre combines sous une forme augmente comme
suit :

e(t)

fa (t)

]
=

i=1

[
i ((t))

Ni
H
i C 0

][

e(t)
fa (t)

]
(3.152)

La conception de l'observateur polytopique (3.144) revient alors rsoudre les quations


(3.113) (3.116) sous la contrainte (3.148) dans le but d'assurer la convergence et la
stabilit de l'erreur d'estimation (3.152). D'abord, et partir des contraintes (3.118)
et (3.148) on peut dterminer les matrices T1 et T2 . Les contraintes (3.118) et (3.148)
conduisent la forme augmente suivante :
[
]
[
] E R
[
]
T1 T2
= In 0
C 0
[
]
Une solution T1 T2 existe si : [Koen 05]
[
]
E R
rang
= n + rang(R)
C 0

(3.153)

(3.154)

122

Chapitre 3. Approche multi-modle pour le diagnostic des systmes singuliers

Lorsque cette condition, la solution gnrale de (3.153) est donne par :


[
]
[
] [
] E R +
T1 T2 = In 0
C 0

(3.155)

Les auttres matrices Gi , Ni et Li caractrisant l'observateur proportionnel intgral polytopique (3.144) sont donnes respectivement par (3.114), (3.123) et (3.125).
Le rsidu gnr par cet observateur n'est autre que l'erreur de reconstruction de la sortie.
Il sert fournir un signal signicatif permettant de mettre en vidence l'occurrence des
dfauts. L'observateur utilis, peut fournir aussi une estimation des variables d'tats et
des dfauts appliqus.

3.6.3.2 Localisation des dfauts actionneurs


tel-00757821, version 1 - 27 Nov 2012

La localisation des dfauts consiste distinguer l'occurrence d'un dfaut particulier des
autres dfauts possibles. Si un simple rsidu, sensible touts les dfauts, est susant pour
la dtection, un ensemble de rsidus structurs est ncessaire an d'isoler un ou plusieurs
dfauts. Ainsi les rsidus structurs sont conus pour tre sensibles un certain type de
dfaut et insensibles d'autres. Dans ce paragraphe, l'ide consiste rendre chaque rsidu
sensible un seul dfaut actionneur (rsidu ddi) et insensible aux autres [Rodr 08]. Cela
conduit considrer chaque fois, qu'un seul composant de l'entre de commande u(t) est
dfectueux et les autres sont intgrs dans la matrice des entres inconnues. Pour chaque
dfaut actionneur, le systme singulier polytopique dfectueux est exprim par :

[
]
h
(
[
] d(t)
)

r
E x(t) =

i ((t)) Ai x(t) + Bu(t) + R F


+ F j faj (t)
(3.156)
fad (t)
i=1

y(t) = Cx(t)
e
o F j est la j i`me colonne de la matrice de commande B , F r est une matrice forme

par les colonnes restantes de la matrice B et j [1, . . . , p]. faj (t) reprsente le dfaut
[
]
qui va tre isol et estim et fad (t) est considr comme une entre inconnue. R F r
est la nouvelle matrice de distribution compose par la matrice R et la matrice F r . En
se basant sur le modle de description ci-dessus (3.156), un banc de p observateurs PI
polytopiques doit tre synthtis an de gnrer un rsidu porteur d'information sur un
dfaut spcique. Pour j [1, . . . , p], ce banc d'observateurs est dcrit par :

z (t) =
i ((t))(Nij z(t) + Gj u(t) + Lj y(t) + H faj (t))

i
i

i=1
rj (t) = y(t) y (t)

h


faj (t) = i ((t))j (y(t) y (t))

i
i=1

(3.157)

3.6. Dtection et estimation des dfauts des systmes singuliers LPV

123

Les matrices de tels observateurs (3.157) doivent satisfaire les quations (3.114), (3.123),
[
]
(3.124) et (3.155) o la matrice R est remplace par R F r . Chaque vecteur de rsidu

rj (t) obtenu, est utilis pour isoler un dfaut selon un test statistique [Rodr 05]. Le banc
d'observateurs utilis pour l'isolation ne peut isoler qu'un seul dfaut en mme temps. Ceci
est bas sur le fait que la probabilit pour que deux ou plusieurs dfauts se produisent en
mme temps est trs faible dans la situation relle.
3.6.4

Exemple illustratif

Considrons le systme singulier paramtres variants dcrit par :


{
E x(t) = A((t))x(t) + B((t))u(t) + R((t))d(t)

y(t) = Cx(t)

tel-00757821, version 1 - 27 Nov 2012

avec

1.75 + 2
1
0
0
1 0 0 0

1
1 + 1
0
0
,E = 0 1 0 0
A() =

0 0 0 0
1.8
1
0.75 + 1
0
1
0
0
1 + 2
0 0 0 0

1 + 1
1
0
1 0 1 0
1

0.5 + 2
, R() = 0.6 + 1 et C = 0 1 0 1
B() =
1

0
0
0 0 1 1
2
0
1
Dans cet exemple, la reprsentation polytopique du systme singulier LPV est trait, les
variables i varient en fonction de 1 [0.05, 0.05] et 2 [0.1, 0.1], l = 2. Dans ce
cas, la reprsentation polytopique peut tre crite comme suit :

E x(t) =

i ((t))(Ai x(t) + Bi u(t) + Ri d(t))


i=1

y(t) = Cx(t)
Le systme obtenu volue dans un polytope quatre sommets correspondant aux valeurs
limites des paramtres 1 et 2 . Les matrices dcrivant ce systme sont les suivantes :

1.85
1
0
0
1.65
1
0
0
1 1.05

0
0
0
0
, A2 = 1 1.05

A1 =
1.8
1.8
1 0.8
0
1 0.8
0
1
0
0
1.1
1
0
0
0.9

1.85
1
0
0
1.65
1
0
0
1 0.95
1 0.95
0
0
0
0
, A4 =
A3 =
1.8
1.8
1 0.7
0
1 0.7
0
1
0
0
1.1
1
0
0
0.9

Chapitre 3. Approche multi-modle pour le diagnostic des systmes singuliers

124

0.95 1
0.95 1
1.05
1

1 0.6
1
0.4
, B3 =
B1 =
, B2 =
1
1
1
0
0
0.1 0
0.1 0
0.1

0
0
0.65
0.55

R1 = R2 =
0 , R3 = R4 = 0 et C
1
1

1
1.05 1

0.4
, B4 = 1 0.6
0
0
0
0
0.1 0

1 0 1 0
= 0 1 0 1
0 0 1 1

Les fonctions de pondration i ((t)) sont telles que :

tel-00757821, version 1 - 27 Nov 2012

1 ((t)) =

1 (t) 1 2 (t) 2
(1 (t) + 0.05)(2 (t) + 0.1)
=
0.02
1 1 2 2

2 ((t)) =

(1 (t) + 0.05)(0.1 2 (t))


1 (t) 1 2 2 (t)
=
0.02
1 1 2 2

3 ((t)) =

1 1 (t) 2 (t) 2
(0.05 1 (t))(2 (t) + 0.1)
=
0.02
1 1 2 2

4 ((t)) =

1 1 (t) 2 2 (t)
(0.05 1 (t))(0.1 2 (t))
=
0.02
1 1 2 2

3.6.4.1 Synthse de l'OPIEI polytopique


L'observateur polytopique proportionnel intgral est reprsent par le systme suivant :

z(t) =
i ((t))(Ni z(t) + Gi u(t) + Li y(t) + Hi d(t))

i=1
x(t) = z(t) + M y(t)

(3.158)

4


d(t) = i ((t))i (y(t) y (t))

i=1

La procdure de conception de l'OPIEI polytopique est tablie par :

Etape 1 : En se basant sur les matrices du systme singulier polytopique, les hypothses
H1 et H2 sont satisfaites.
Etape 2 : Les matrices T1 et T2 sont dtermines par (3.121) par la pseudo-inverse.
Etape 3 : En utilisant la contrainte (3.117), les LMIs (3.129) sont rsolues par l'outil
numrique LMI toolbox pour conduire aux gains matriciels suivants :

1.167 2.798 2.208


1.117 2.716 2.105
5.135 5.868 6.978
5.095 5.697 6.760
,K =
K1 =
3.917
5.608 5.170 2 2.715
6.790 5.991
8.414 9.848
0.105
7.618 8.876
0.878

3.6. Dtection et estimation des dfauts des systmes singuliers LPV

125

1.282 2.920 2.319


1.230 2.836
5.582 6.337 7.388
5.533 6.160
,K =
K3 =
4.200
5.308 4.958 4 2.992
6.492
8.875 10.362 0.329
8.068 9.387
[
]
[
1 = 38.200 37.145 31.637 , 2 = 37.011 35.204
[
]
[
3 = 42.286 41.425 35.127 , 4 = 41.001 39.431

2.216
7.170

5.775
0.439
]
29.807
]
33.304

o Ki, i=1,...,4 sont les gains proportionnels et i, i=1,...,4 sont les gains des actions
intgrales.

Etape 4 : Les autres matrices de l'OPIEI polytopique Gi , Ni et Li peuvent tre dter-

tel-00757821, version 1 - 27 Nov 2012

mines respectivement partir de (3.114), (3.123) et (3.124).

3.6.4.2 Simulation
Les signaux d'entres sont choisis constants, u1 (t) = u2 (t) = 2, la distribution d(t) est
un signal rectangulaire appliqu pour 7 t 10. Les valeurs initiales de l'tat x(t) et de
l'entre inconnues d(t) sont choisies nulles. Pour x(0) distinct de x(0) ;

[
]T
x(0) = 0.5 1 0.5 0.5 , l'OPIEI synthtis dans le paragraphe prcdent permet

de reconstituer les tats du systme et les entres inconnues. Les gures 3.19-3.22 montrent
les grandeurs estimes.
2

0.8
original x1
estimated x1

original x2
estimated x2

0.6

1.5
0.4
0.2

0
0.5

0.2
0.4

0
0.6
0.5

10
t(s)

15

gure 3.19  x1 (t) et son estim x1 (t)

20

0.8

10
t(s)

15

gure 3.20  x2 (t) et son estim x2 (t)

20

Chapitre 3. Approche multi-modle pour le diagnostic des systmes singuliers

126
0.5

1
original x3
estimated x3

original x4
estimated x4
0.5

1.5
0
2
2.5

0.5

3
1
3.5
1.5
4
4.5

10
t(s)

15

20

tel-00757821, version 1 - 27 Nov 2012

gure 3.21  x3 (t) et son estim x3 (t)

10
t(s)

15

20

gure 3.22  x4 (t) et son estim x4 (t)

Il est clair que les tats estims convergent rapidement vers les tats rels et reproduisent
qua-si parfaitement leur comportement, et ce malgr l'entre inconnue d(t) qui aecte le
systme et le bruit rajout au niveau des sorties (un bruit blanc de variance 0.01).

1.5
original d(t)
estimated d(t)
1

0.5

0.5

1.5

10

15

20

gure 3.23  l'entre inconnue d(t) et soon estim d(t)

Par ailleurs, l'OPIEI propos pour le systme tudi permet de reconstruire d'une manire
satisfaisante le signal de l'entre inconnue comme le montre la gure 3.23

3.6.4.3 Diagnostic des dfauts par l'OPIEI polytopique


Dans ce paragraphe, on considre un vecteur de commande constant et deux dfauts
actionneurs avec amplitude constante. Considrons le modle (3.156) avec des matrices

3.6. Dtection et estimation des dfauts des systmes singuliers LPV

127

de commande et de distribution uniques :


[
]T
[
]T
1 1 1 0
B() = B =
etR() = R = 0 0.6 0 1
1 0.5 0 0
. An de dtecter et d'isoler les dfauts actionneurs, deux OPIEI polytopiques sont prvus ; un OPIEI pour chaque dfaut actionneur.
Les OPIEI correspondant ces deux dfauts sont caractrises par un systme de la forme
(3.157) polytopique.
Les paramtres des deux OPIEI synthtiss sont :

Pour l'OPIEI associ au dfaut fa1 aectant l'entre u1 :

8.4080 24.5427 34.6983


1.3770 19.4795 26.5497
18.1580

29.4795 37.0497
35.0427 44.1983

, K2 = 9.2480
K1 =

9.3730
17.7830
24.5427 35.1983
18.9795 27.5497
9.4980 18.9795 37.5497
18.5330 24.0427 44.6983

5.9597 18.9927 24.0461


4.6207 17.0069 23.5631
4.0403

28.9927 34.0461
27.5069 33.0631
, K4 = 5.0043

K3 =
4.9153

5.1293
18.4927 24.5461
17.5069 23.5631
4.9153 18.4927 34.0461
5.7543 16.5069 33.5631
[
]
[
]
1 = 6.1165 1.8236 6.1770 , 2 = 0.1893 0.5461 0.7043
[
]
[
]
3 = 1.4298 0.1247 0.4567 , 4 = 0.2174 0.2830 0.9767

tel-00757821, version 1 - 27 Nov 2012

Les autres matrices de l'OPIEI polytopique Gi , Ni et Li peuvent tre dtermines respectivement partir de (3.114), (3.123) et (3.124).

Pour l'OPIEI associ au dfaut fa2 aectant l'entre u2 :

5.7045
1.7695 2.9652
5.6618
1.7056 2.8783
11.8856 11.1484 11.7936
11.0172 10.4399 10.8880

K1 =
6.7284 1.2375 1.8729 , K2 = 6.3361 1.5349 2.2503
8.6938 0.6527
9.4016
8.0191 1.1835
8.7191

5.6632
1.7479 2.9350
5.6025
1.6583 2.8188
11.6580 11.0614 11.5620
10.6798 10.2005 10.4795

K3 =
6.6546 1.2630 1.9623 , K4 = 6.2294 1.6049 2.3922
8.5445 0.7100
9.2383
7.7961 1.3424
8.4372
[
]
[
]
1 = 0.0053 0.0128 0.0084 , 2 = 0.0044 0.0121 0.0094
[
]
[
]
3 = 0.0050 -0.0126 0.0088 , 4 = 0.0040 0.0118 0.0099

Les autres matrices de l'OPIEI polytopique Gi , Ni et Li peuvent tre dtermines respectivement partir de (3.114), (3.123) et (3.124).

Chapitre 3. Approche multi-modle pour le diagnostic des systmes singuliers

128

La performance du systme de diagnostic des dfauts est illustre en considrant le cas


des deux dysfonctionnements suivants :

Un premier dysfonctionnement caus par le dfaut fa1 dni par :


{
0.25u1 (t) pour 10 t 14
fa1 (t) =
0
ailleurs
Un deuxime dysfonctionnement caus par le dfaut fa2 dni par :
{
0.4u2 (t) pour 15 t 19
fa2 (t) =
0
ailleurs
Les rsidus associs ces deux dfauts gnrs par l'observateur polytopique proportionnel
integral sont donns par les gures 3.24 et 3.25.
0.25

0.15

tel-00757821, version 1 - 27 Nov 2012

residual signal r1(t)

residual signal r2(t)

0.1

0.2

0.05

0.15

0.1

0.05

0.05

0.1

0.15

0.05

0.2

10

15

20

25

0.1

10

t(s)

15

20

25

t(s)

gure 3.24  le signal du rsidu r1 (t)

gure 3.25  le signal du rsidu r2 (t)


1

0.6
original f1(t)
estimated f1(t)

original f2(t)
estimated f2(t)

0.8

0.4

0.6
0.2
0.4
0

0.2

0.2

0
0.2

0.4
0.4
0.6

0.8

0.6

10

15

20

25

0.8

t(s)

10

15

20

25

t(s)

gure 3.26  le dfaut actionneur fa1 (t) et gure 3.27  le dfaut actionneur fa2 (t) et

son estim fa1 (t)

son estim fa2 (t)

3.7. Conclusion

129

On peut y voir que les rsidus r1 (t) et r2 (t) restent trs proche de zro e absence de
dfauts. (Les petites uctuations sont dues l'environnement bruit du systme). L'amplitude des rsidus change d'une manire considrable en prsence d'un dfaut actionneur
qui aecte l'actionneur correspondant. Les signaux fournis par le gnrateur de rsidus
permettent l'isolation des dfauts en question.
L'estimation des dfauts tudis fa1 (t) et fa2 (t) est conduite le mme observateur polytopique. Les dfauts estims sont reports sur les gures 3.26 et 3.27. Il apparat une
reproduction performante des signaux fa1 (t) et fa2 (t). Nanmoins on peut remarquer une
lgre dirence de forme qui est due la constante du temps de l'observateur.

tel-00757821, version 1 - 27 Nov 2012

3.7 Conclusion
Dans ce chapitre, le problme de diagnostic des systmes singuliers multi-modles a t
considr. Nous nous sommes bass sur la structure des approches base de modles pour
la conception de gnrateurs de rsidus ainsi que de multi-observateurs proportionnels
action intgrale pour la dtection, l'isolation et l'estimation des dfauts actionneurs. Le
gnrateur de rsidus reprend la technique de banc de multi-observateurs entres inconnues par dcouplage an de gnrer des rsidus structurs dans le but de localiser des
dfauts actionneurs.
L'inconvnient de cette approche rside dans la contrainte de dcouplage des entres inconnues. En eet, lors du dcouplage des entres inconnues, l'eet des dfauts peut tre
limin au niveau des signaux des rsidus. Ce problme a t contourn par la conception
d'un gnrateur de rsidus qui assure un compromis entre la minimisation de l'inuence
des entres inconnues et la maximisation de l'impact des dfauts sur les rsidus.
Par ailleurs, l'estimation des dfauts dans le cas des systmes singuliers multi-modles
variables de dcision non mesurables a t considr par une approche approprie utilisant
un observateur gain proportionnel.
En outre, une mthode d'estimation des tats et des dfauts spcique aux systmes LPV
a t mise au point, moyennant l'utilisation d'un observateur actions proportionnelle et
intgrale.
Les direntes approches proposes dans ce chapitre ont t illustres par dirents
exemples de simulations.

tel-00757821, version 1 - 27 Nov 2012

Conclusion Gnrale et perspectives

Le dveloppement men dans cette thse constitue une contribution relative la modlisation multi-modle, l'estimation d'tat et des entres inconnues et leur application au
diagnostic des systmes singuliers non linaires et paramtres variants. Dans le contexte
de modlisation, des techniques de reprsentation multi-modle ont t choisies pour les

tel-00757821, version 1 - 27 Nov 2012

avantages qu'elles apportent aux niveau de l'analyse de la stabilit, de synthse des observateurs et des gnrateurs de rsidus pour les systmes singuliers non linaires. En eet,
la structure multi-modle a fait l'objet de nombreuses tudes dans le domaine d'identication, de commande ou d'observation pour les systmes reprsentation d'tat standard.
En revanche cette approche constitue un sujet d'tude encore ouvert pour le cas des systmes singuliers ou algbro-direntiels.
L'tude propose ore aussi une mthode de modlisation des systmes singuliers paramtres variants (LPV). Cette approche est base sur une reprsentation polytopique du
systme singulier LPV. La structure polytopique obtenue est adopte pour la reconstruction d'tat, des entres inconnues et des dfauts des systmes algbro-direntiels LPV.
Elle reprsente un point peu voqu dans la littrature. Ce rsultat reprsente l'une des
contributions de notre travail [Hamd 12']. Le choix de la structure multi-modle ainsi que
l'approche polytopique est justi par son aspect us concernant l'obtention des modles
locaux qui permettent d'approximer le comportement des systmes non linaires.
Aprs avoir rappel dans le premier chapitre certaines notions, utiles la comprhension du mmoire, concernant cette classe de systmes, et avoir montr l'intrt particulier
de son tude, nous avons orient nos travaux selon trois grands axes qui portent sur la
modlisation multi-modle, l'estimation des tats et le diagnostic base de modles des
systmes singuliers LPV polytopique et multi-modles.
Dans le contexte de la modlisation, nous avons tendu dans le second chapitre l'approche multi-modle pour le cas des systmes singuliers. Direntes mthodes ont t
dveloppes, ces mthodes sont bases sur des modles mathmatiques provenant d'une
description phnomnologique du systme tudier. Une premire mthode d'obtention
du multi-modle est base sur la technique de linarisation. Cette technique prsente cer131

132

Conclusion Gnrale et perspectives

tains inconvnients tels que la dicult du choix du nombre et de la position des dirents
points de fonctionnement ainsi que la perte d'information qui est due essentiellement au
calcul des drives lors de la linarisation. Une deuxime mthode base sur des modles
de type Takagi-Sugeno est aussi dveloppe. Cette mthode utilise l'approche par secteur
non linaire qui permet d'obtenir une forme multi-modle quivalente au systme non
linaire initial. Les systmes singuliers LPV ont t aussi modliss par l'approche polytopique. Cette mthode est base sur la reprsentation du systme LPV singulier dans un
polytope dont les sommets sont xs par les valeurs limites des paramtres variants.
Le processus de modlisation multi-modle, constitue une tape prliminaire pour aborder
le problme d'estimation des variables d'tat des systmes singuliers non linaires et LPV.
En ce qui concerne l'estimation d'tat, deux types d'observateurs pour les systmes singu-

tel-00757821, version 1 - 27 Nov 2012

liers multi-modles et LPV ont t dvelopps galement dans le deuxime chapitre de ce


mmoire. Le premier observateur multi-modle gain proportionnel est destin pour les
systmes singuliers non linaires reprsent par un multi-modle. Lorsque de tels systmes
sont aects par des entres inconnues, le multi-observateur obtenu, permet de procder
leur estimation. Le deuxime observateur est de type proportionnel intgral. Il est ddi
aux systmes singuliers multi-modles aects par des entres exognes. Cet observateur
permet d'tablir une estimation simultane de l'tat et des entres inconnues du systme
par le biais de son action intgrale.
La phase de diagnostic suit couramment celle de l'estimation d'tat, qui permet de gnrer des symptmes de dfaillance du systme singulier partir d'une comparaison des
signaux extraits du systme et des signaux estims. Les carts entre ces signaux soulignent
la prsence d'un dfaut dans le systme qu'il convient d'isoler et d'estimer.

Par ailleurs, trois mthodologies de dtection, d'isolation et d'estimation des dfauts ont
t proposes dans le troisime chapitre. La premire repose sur la gnration de rsidus
base d'observateur entres inconnues. Cet observateur est ddi aux systmes singuliers
multi-modles aects par des entres inconnues ou par des perturbations. Il assure un
compromis entre la minimisation de l'inuence des entres inconnues et la maximisation
de l'inuence des dfauts sur l'erreur d'estimation. La deuxime mthodologie concerne
la dtection et l'estimation des dfauts des systmes singuliers multi-modles dans le cas
de multi-modles variables de dcision mesurables et non mesurables. La troisime mthode est base sur l'utilisation de l'observateur proportionnel intgral polytopique pour
la dtection et l'estimation des dfauts des systmes singuliers LPV. Cet observateur permet d'estimer conjointement l'tat et le dfaut.

133
Les direntes approches proposes et formules dans cette thse ont t valides et illustres sur dirents exemples de modles de processus singuliers non linaires.
Il est noter que les rsultats proposs dans ce mmoire ouvrent plusieurs perspectives
aussi bien sur le plan mthodologique que sur le plan appliqu. En particulier, il serait
intressant d'une part de considrer le problme de commande tolrante aux dfauts
des systmes singuliers, et d'envisager d'autre part la mise en oeuvre des techniques
dveloppes pour des processus physiques dcrits par des modles algbro-direntiels,

tel-00757821, version 1 - 27 Nov 2012

et c'est dans ce sens que nous envisageons de poursuivre nos travaux.

tel-00757821, version 1 - 27 Nov 2012

Bibliographie

[Abda 01] M. O. Abdalla, E. G. Nobrega and K. M. Grigoriadis, "Fault detection and isolation lter design for linear parameter varying systems", Proceedings

control conference, Arlington, Juine 25-27, pp 3890-3895, 2001.

of the American

tel-00757821, version 1 - 27 Nov 2012

[Akhe 04] A. Akhenak, M. Chadli, D. Maquin and J. Ragot, "State estimation of uncertain multiple model with unknown inputs",43rd

Control, pp 3563-3568, 2004.

IEEE Conference on Decision and

[Akhe 04'] A. Akhenak, "Conception d'observateurs non linaires par approche multimodle : application au diagnostic",Ph.D.

thse, l'Institut National Polytechnique de

Lorraine, 2004.
[Alco 96] G. E. Alcorta and P. M. Frank, "Analysis of a class of dedicated observer
schemes to sensor fault isolation",

UKACC Internationnal Confernce on Control, pp

60-65, 1996.
[Anst 09] F. Anstett, G. Millerioux and G. Bloch, "Polytopic observer design for LPV
systems based on minimal convex polytope nding", Journal

putational Technology, vol 3, no. 1 , pp 23-43, 2009.

of Algorithms and Com-

[Asch 98] U. M. Ascher and L. R. Petzold, "Computer Methods for Ordinary Dierential
Equations and Dierential-Algebraic Equations",

SIAM, Society for Industrial and

Applied Mathematics, University City Science Center, Philadelphia, 1998.

[Bass 93] M. Basseville, I.V. Nikiforov, "Detection of Abrupt Changes : Theory and Application",

Prentice Hall, Inc., 1993.

[Benh 95] N. Benhadj.Braiek and F. Rotella, "State observer design for a class of non
linear systems, systems analysis modelling and simulation",

SIAM 17, pp 265-277,

1995.
[Benh 99] N. Benhadj.Braiek and C. Mechmeche, "Fault detection observer design for a

International Conference on Computation Intelligence


for Modelling, Control and Automation, CIMCA, Vienna, Austria, February 1999.

class of non-linear systems",

135

Bibliographie

136

[Boua 06] F. Bouani, K. Laabidi and M. Ksouri, "Constrained Nonlinear Multi-objective

IMACS Multiconference on Computational Engineering in Systems Applications (CESA), Beijing, China, pp 1558-1565, October 4-6, 2006.
Predictive Control",

[Boul 08] B. Boulkroune, "Estimation de l'tat des systmes non linaires temps discret.
Application une station d'puration",

Ph.D. thse, l'universit de Henri Poincar -

Nancy 1 Dpartement de formation doctorale en automatique UFR STMIA, 2008.


[Bout 95] M. Boutayeb and M. Darouach, "Observers design for non linear descriptor
systems",

Proceedings of the 34th Conference on Decision and Control New Orleans,

pp 2369-2374, LA - December 1995.


[Bria 08] C. Briat, "Robust Control and Observation of LPV Time-delay Systems", Thse

tel-00757821, version 1 - 27 Nov 2012

de Doctorat, Institut National Polytechnique de Grenoble, 2008.

[Bruz 04] F. Bruzelius, "Linear Parameter-Varying Systems an approach to gain scheduling",

PhD Thesis, Department of Signals and Systems, Chalmers University of

Technology, Goteborg, Sweden, 2004.


[Chad 08] M. Chadli, J. Daafouz and M. Darouach, "Stabilisation of Singular LPV Sys-

Proceedings of the 17th World Congress The International Federation of Automatic Control, Seoul, Korea, July 6-11, pp 9999-10002, 2008.
tems",

[Chad 02] M. Chadli, "Stabilit et Commande des Systmes Dcrits par des Multimodles",

Thse de Doctorat, Institut National Polytechnique de Lorraine, 2002.

[Chen 07] W. Chen, "Model based fault diagnosis in complex control systemsrobustes
and adaptive approaches", school of engineering science Simon Frazer university, Burnaby, BC, Canada , 2007.
[Chen 01] Z. Chen and J. Huang, "Robust output regulation of singular nonlinear systems",

Communications in information and systems Press, vol. 1, no. 4, pp. 381-394,

December 2001.
[Chen 99] J. Chen and R. J. Patton, "Robust model-based fault diagnosis for dynamic
Systems",

Kluwer Acadmic Publishers, Boston / Dordrecht / London , 1999.

[Chen 93] J. Chen, R. J. Patton and H. Y. Zhang, "A multi-criteria optimization approach
to the design of robust fault detection algorithm",

Proceedings of the International

Conference on Fault Diagnosis, TOOLDIAG'93, Toulouse, France, 1993.

[Cobb 83] D. Cobb, "Descriptor Variable System and Optimal State Regulation",

Transactions on Automatic control, vol. 28, pp 601-611, 1983.

IEEE

137
[Coro 02] L. A. C. Corona, "Quelques contributions aux observateurs non linaires
horizon glissant",

Thse de Doctorat, Institut national polytechnique de Gronoble,

2002.
[Crai 86] J. J. Craig, "Introduction to robotics : mechanices and control", Addison-Wesley

Publishing Company, Reading, Mass , 1986.

[Dai 89] L. Dai, "Singular Control Systems",

Sciences, Springer, Germany, 1989.

Lecture Notes in Control and Information

[Daro 91] M. Darouach and M. Zasadzinski, "Data reconcil-iation in generalized linear


dynamic systems",

AICHE journal, vol. 37, pp 193-201, 1991.

[Daro 95] M. Darouach and M. Boutayeb, "Design of Observers for Descriptor Systems",

tel-00757821, version 1 - 27 Nov 2012

BEE transactions on automatic control, vOL. 40. nO. 7, July 1995.


[Daro 96] M. Darouach, M. Zasadzinski, and M. Hayar, "Reduced-Order Observer Design for Descriptor Systems with Unknown Inputs",

control, vol. 41. no. 7, july 1996.

IEEE transactions on automatic

[Daro 08] M. Darouach and L. Boutat-Baddas, "Observers for a class of nonlinear singular
systems",

IEEE transactions on automatic control, vol. 53, pp 2627-2633, 2008.

[Fang 93] C. H. Fang and F. R.Chang, "Analysis of Stability Robustness for Generalized
State-Space Systems with Structured Perturbations",

Systems and Control Letters,

vol. 21, No. 2, pp 109-114, 1993.


[File 91] D. Filev, "modelling of complexe systems",

mate Res., vol. 5, pp 281-290, 1991.

International Journal of Approxi-

[Frag 08] D. Fragkoulis "Dtection et localisation des dfauts provenant des actionneurs
et des capteurs : application sur un systme non linaire",

Ph.D. thse, l'Universit

Toulouse III - Paul Sabatier, 2008.


[Gao 08] Z. Gao and S. X. Ding, "Fault Reconstruction for Lipschitz Nonlinear Descriptor
Systems via Linear Matrix Inequality Approach", Circuits Syst Signal Process, vol. 27,
pp 295-308, 2008.
[Gao 07] Z. Gao and S. X. Ding, "Actuator fault robust estimation and fault-tolerant
control for a class of nonlinear descriptor systems",

Automatica, Vol. 43, pp 912-920,

2007.
[Gao 06] Z. Gao and H. Wang, "Descriptor observer approaches for multivariable systems
with measurement noises and application in fault detection and diagnosis",

and Control Letters , vol. 55, pp 304 - 313, 2006.

Systems

Bibliographie

138

[Gao 06'] Z. Gao and D. W. C. Ho, "State/noise estimator for descriptor systems with
application to sensor fault diagnosis",

IEEE Trans. Signal Process, vol. 54, pp 1316-

1326, 2006.
[Gerd 06] M. Gerdin, "Local Identiability and Observability of Nonlinear DierentialAlgebraic Equations", 14th

IFAC Symposium on System Identication, SYSID, 2006.

[Gren 08] S. Grenaille, D. Henry and A. Zolghadri, "A method for designing FDI lters
for LPV polytopic models", Journal of Control Science and Engineering, volume 2008.
[Gern 06'] M. S. Grenaille, "Synthse de ltre de diagnostic pour les systmes modliss sous forme LPV",

thse de l'universit de bordeaux1, cole doctorale des sciences

physiques et de l'ingnieur. 2006.

tel-00757821, version 1 - 27 Nov 2012

[Guan 10] G. R. Duan, "Analys and Design of Descriptor Linear Systems",

Congress Control, Springer New York Dordrecht Heidelberg London, 2010.

Library of

[Ghao 94] S. Boyd, L. El Ghaoui, E. Feron, and V. Balakrishnan, "Linear Matrix Inequalities in System and Control Theory",

SIAM, Society for Industrial and Applied

Mathematics, University City Science Center, Philadelphia, Pennsylvania, 1994.

[Guo 09] J. Guo, X. Huang and Y. Cui, "Design and analysis of robust fault detection
lter using LMI tools",

Computers and Mathematics with Applications, vol.57, pp.

1743-1747, 2009.
[Hair 89] E. Hairer, C. Lubich, and M. Roche, "The Numerical Solution of Dierential
Algebraic Systems by Runge-Kutta Methods", Springer-Verlag, Lecture Notes in Mathematics 1409, 1989.
[Hamd 12]

H. Hamdi,

M. Rodrigues, C. Mechmeche and N. BenHadj Braiek, "Fault

detection and isolation in linear parameter-varying descriptor systems via proportional integral observer",

International Journal of Control, Automation and Systems,

(IJCAS), Volume 10, Number 6, December 2012.


[Hamd 12']

H. Hamdi,

M. Rodrigues, C. Mechmeche, D. Theilliol and N. BenHadj

Braiek, "Fault detection and isolation in linear parameter-varying descriptor systems


via proportional integral observer", International journal of adaptive control and signal

processing, Vol. 26, pp 224-240, 2012.


[Hamd 11']

H. Hamdi, C. Mechmeche, M. Rodrigues and N. BenHadj Braiek, "State and

unknown inputs estimations for Multi-Model Descriptor Systems",

8th International

Multi-Conference on Systems, Signals and Devices, IEEE, March 22-25, 2011.

139

H. Hamdi, M. Rodrigues, C. Mechmeche and N. BenHadj Braiek, "Robust

[Hamd 10]

H Fault Diagnosis for Multi-Model Descriptor Systems : A Multi-Objective Approach", 18th Mediterranean Conference on Control and Automation, Congress Palace
Hotel, Marrakech, Morocco, pp 438-443, June 23-25,2010.
[Hamd 10']

H. Hamdi, M. Rodrigues, C. Mechmeche and N. BenHadj Braiek, "Synthse

d'un observateur proportionnel intgral entres inconnues pour les systmes singuliers reprsents par des multi-modles",

Sixime Confrence Internationale Franco-

phone d'Automatique CIEA 2010, Nancy, France, 2-4 juin 2010.


[Hamd 09]

H. Hamdi,

M. Rodrigues, C. Mechmeche, D. Theilliol and N. BenHadj

Braiek, "State Estimation for Polytopic LPV Descriptor Systems : Application to

7th IFAC Symposium on Fault Detection Supervision and Safety


of Technical Processes, Barcelona, Spain, pp 438-443, 2009.
tel-00757821, version 1 - 27 Nov 2012

Fault Diagnosis", the


[Hamd 08]

H. Hamdi, C. Mechmeche, et N. BenHadj Braiek, "Synthse d'observateurs

ous pour les systmes singuliers non linaires",

La cinquime Confrence Internatio-

nale d'Electrotechnique et d'Automatique, Hammamet, Tunisie, pp 110-115, 02-04 Mai


2008.
[Hamm 99] H. Hammouri, M. Kinnaert, and E. H. El Yaagoubi, "Observer-Based Approach to Fault Detection and Isolation for Nonlinear Systems",

IEEE Transactions

on Automatic Control, vol. 44, no. 10, pp 1879-1884, October 1999.

[Henr 05] D. Henry and A. Zolghadri, "Design of fault diagnosis lters : A multi-objective
approach",

Journal of the Franklin Institute, 342, pp 421-446, 2005.

[Henr 04] D. Henry and A. Zolghadri, "Robust fault diagnosis in uncertain linear parameter varying systems", IEEE international conference on systems, Man and Cybrenetics,
The Hagues, Netherlands, pp 5165-5170, 2004.
[Hill 94] M. Hiller, "What technical developments are on the horizon ?",

ISARC'94,Brighton England, 1994.

In Proc. 11th

[Icha 09] D. Ichalal, B. Marx, J. Ragot and D. Maquin, "Fault diagnosis for Takagi-

the 7th IFAC Symposium on Fault Detection, Supervision


and Safety of Technical Processes, Barcelona, Spain, June 30 - July 3, pp 504-509,

Sugeno nonlinear systems",


2009.

[Iser 06] R. Isermann, "Fault diagnosis Systems An Introduction from Fault Detection to
Fault Tolerance",Springer, 2006.
[Iser 05] R. Isermann, "Model-based fault-detection and diagnosis - status and applications",

Annual Reviews in Control, Vol. 29, pp 71-85, 2005.

Bibliographie

140

[Jaim 08] E. Mazars, I. M. Jaimoukha and Z. Li, "Computation of a reference model for
robust fault detection and isolation residual generation",

and Engineering, 2008.

Journal of Control Science

[Joha 06] S. Johan and G. Torkel, "Computing the Controllability Function for Nonlinear

Proceedings of the 2006 American Control Conference Minneapolis, Minnesota, USA, June 14-16, 2006.
Descriptor systems",

[Joha 98] T.A. Johansen, K .J. Hunt, P.J. Gawthrop and H. Fritz, "O-equilibrium linearisation and design of gain-scheduled control with application to vehicle speed
control",

Control Engineering Practice, 6, pp 167-180, 1998.

[Joha 93] T.A. Johansen and B.A. Foss , "State-space modeling using operating regime

tel-00757821, version 1 - 27 Nov 2012

decomposition and local models",

In : IFAC 12th Tiennal World Congress, Australia,

1993.
[Kapr 92] S. Kaprielian and J. Turi, "An observer for a non linear descriptor system",

CDC Tucson, Arizona, pp 975-976, 1992.


[Kard 04] Z. Kardous, "Sur la Modlisation et la Commande Multimodle des Processus
Complexes et/ou Incertains",

Thse de Doctorat, Ecole Centrale de Lille, Universit

des Sciences Technologiques de Lille, Ecole Nationale d'Ingnieures de Tunis, 2004.


[Kim 01] H. S. Kim, T. K. Yeu and S. Kawaji, "Fault Detection in Linear Descriptor
Systems Via Unknown Input PI Observer",

Transaction on Control, Automation and

Systems Engineering, vol.3, no. 2, pp 77-82, 2001.

[Kren 85] A. Krener et W. Respondek, "Nonlinear observer with linearizable error dynamics",

SIAM Journal on Control and Optimization, tome 23, no 2, pp 197-216,

1985.
[Koen 06] D. Koenig, "an Observer Design for Unknown Input Nonlinear Descriptor Systems via Convex Optimization", IEEE Transactions on Automatic control, vol. 51, no.
6, pp 1047- 1052, June 2006.
[Koen 05] D. Koenig, "Unknown Input Proportional Multiple-Integral Observer Design
for Linear Descriptor Systems : Application to State and Fault Estimation",

Transactions on Automatic control, vol 50, no. 2, pp 212-217, February 2005.

IEEE

[Koen 04] D. Koenig, B. Marx and O. Sename, "Unknown Inputs Proportional Integral
Observers for Descriptor Systems with Multiple Delays and Unknown Inputs",

Pro-

ceeding of the American Control Conference Boston. Massachusetts, June 30. July 2,
2004.

141
[Koen 02] D. Koenig and S. Mammar, "Design of Proportional-Integral Observer for Unknown Input Descriptor Systems",

IEEE transactions on automatic control, vol 47, no.

12, pp 2057-2062, december 2002.


[Korb 04] J. Korbicz, Jan M. Koscielny, Z. Kowalczuk and W. Cholewa, "Fault Diagnosis : Models, Articial Intelligence, Applications",

Springer 1 edition, ISBN-10 :

3540407677, February 12, 2004.


[Kunk 01] P. Kunkel and V. Mehrmann, "Analysis of over and underdetermined nonlinear dierential-algebraic systems with application to nonlinear control problems",

Mathematics of Control, Signals and Systems, vol. 14, no. 3, pp 233-256, 2001.
[Leon 53] W. W. Leontief, "Static and Dynamic Theory, in Studies in the Structure of

tel-00757821, version 1 - 27 Nov 2012

the American Economy",

ed : W. W. Leontief, Oxford University Press, NewYork,

1953.
[Lewi 86] F. L. Lewis, "A Survey of Linear Singular Systems",

Signal Process, vol. 5, no. 1, pp. 3-36, 1986.

Circuits, Systems, and

[Liu 08] N. Liu and K. Zhou, "Optimal Robust Fault Detection for Linear Discrete Time
Systems",

Journal of Control Science and Engineering, 16 pages, 2008.

[Luen 77] D. G. Luenberger, "Dynamic Equations in Descriptor Form",

tions on Automatic control, vol. 22, pp 312-321, 1977.

IEEE Transac-

[Marx 07] B. Marx , D. Koenig and J. Ragot, "Design of observers for Takagi-Sugeno
descriptor systems with unknown inputs and application to fault diagnosis",

Control Theory Appl., vol. 1, No. 5, September 2007.

IET

[Marx 03] B. Marx, "Contribution la Commande et au Diagnostic des Systmes Algbrodirentiels Linaires", thse de l'institut national polytechnique de Grenoble, 2003, Laboratoire d'Automatique de Grenoble dans le cadre de l'cole Doctorale lectronique,
lectrotechnique, Automatique, Tlcommunications et Signal.
[Marx 03'] B. Marx D. Koenig and D. Georges, "Robust Fault Diagnosis for Linear Descriptor Systems using Proportional Integral Observers", Proceedings of

the 42nd IEEE

Conference on Decision and Control, Maui, Hawaii USA, pp 457- 462, December 2003.
[Marz 09] J. Marzat, "Diagnostic des systmes aronautiques et rglage automatique pour

thse de l'Ecole doctorale "Sciences et Technologies de


l'Information, des Tlcommunications et des Systmes", Universit Paris-Sud XI,
la comparaison de mthodes",

Facult des Sciences d'Orsay, 2011, Laboratoire des Signaux et Systmes (L2S).

Bibliographie

142

[Maso 07] P. Mason, M. Sigalotti and J. Daafouz, "On stability analysis of lilnear discretetime switched systems using quadratic Lyapunov Functions", Proceedings of 46th

Conference Decision and Control, New Orleans, LA, pp 5629-5633, 2007.

IEEE

[Masu 04] I. Masubuchi, J. Kato, M. Saeki and A. Ohara, "Gain-Scheduled Controller


Design Based on Descriptor Representation of LPV Systems : Application to Flight
Vehicle Control",

43rd IEEE Conference on Decision and Control, Atlantis, Paradise

Island, Bahamas, December 14-17, pp 815-820, 2004.


[Masu 08] I. Masubuchi and A. Suzuki, "Gain-Scheduled Controller Synthesis Based on
New LMIs for Dissipativity of Descriptor LPV Systems", The International Federation

of Automatic Control, Proceedings of the 17th World Congress, Seoul, Korea, July 6-11,

tel-00757821, version 1 - 27 Nov 2012

pp 9993-9998, 2008.
[Maqu 93] D. Maquin, B. Gaddouna and J. Ragot, "Generation of Parity Equations for
Singular Systems Application to Diagnosis",

Cybernetics, pp 400-405, 1993.

Proc. of the IEEE System, Man and

[Min 06] D. Min and L. Cai, "Design of Fault Diagnosis Observer for HAGC System on
Strip Rolling Mill", Journal

of Iron and steel research, internatonal, Vol. 13, no. 4, pp

27-31, 2006.
[Mora 02] A. Morales, and J. A. Ramirez, "A PI observer for a class of nonlinear oscillators",

Elsevier Science Physics Letters, 297, pp 205-209, 2002.

[Mor 01] Y. Morre, "Mise en oeuvre de lois de commande pour les modles ous de
type Takagi Sugeno",

thse de l'universit de Valenciennes et du Hainaut Cambrsis,

2001.
[Mull 00] P. C. Muller, "Descriptor systems : pros and cons of system modelling by
dierential-algebraic equations",

Mathematics and Computers in Simulation, vol. 53,

pp 273-279, 2000.
[Mull 99] H. Muller, P. C. Muller, "Observer Design for Descriptor Systems", IEEE

sactions on automatic control, vol. 44, no. 1, january 1999.

tran-

[Mull 93] P. C. Muller and M. Hou, "On the observer design for descriptor systems",

IEEE transactions on automatic control, vol. 38, no. 11, pp 1666-1671, 1993.
[Newc 89] R. W. Newcomb and B. Dziurla, "Some Circuits and Systems Applications of
Semistate Theory", Circuits, Systems and Signal Processing, vol. 8, no. 3, pp. 235-260,
1989.

143
[Orju 08] R. Orjuela, B. Marx, J. Ragot and D. Maquin, "State estimation for non-linear
systems using a decoupled multiple model", International

tication and Control, vol. 4, no. 1, pp.59 - 67, 2008.

Journal of Modelling, Iden-

[Orju 08'] R. Orjuela, "Contribution l'estimation d'etat et au diagnostic des systmes


reprsents par des multi-modles",

thse Doctorat, Doctorat de l'Institut National

Polytechnique de Lorraine. 2008.


[Oudg 08] M. Oudghiri, "Commande multi-modles tolrante aux dfauts : Application au
contrle de la dynamique d'un vhicule automobile",

Thse de Doctorat, L'Universit

de Picardie Jules Verne, 2008.


[Reic 91] S. Reich, "On an Existance and Uniqueness Theory for Nonlinear Dierentiel-

tel-00757821, version 1 - 27 Nov 2012

Algebraic Equations",

Circuits, Systems and Signal Processing, vol. 10, no. 3, pp 343-

395, 1991.
[Ripo 99] P. Ripoll "Conception d'un systme de diagnostic ou applique au moteur automobile",

Ph.D. thse, l'universit de Savoie, 1999.

[Rodr 08] M. Rodrigues, M. Adam-Medina, D. Theilliol and D. Sauter, "A Fault Detection
and Isolation Scheme for Industrial Systems based on Multiple Operating Models",

Control Engineering Practice,Vol 16, p 225-239, 2008.


[Rodr 05] M. Rodrigues, D. Theilliol and D. Sauter, "Design of a Robust Polytopic Unknown Input Observer for FDI : Application to Nonlinear Systems described by a

IEEE Conference on Decision and Control and


European Control Conference ECC, Sevilla, Spain, pp 6268-6273, December 2005.
Multi-Models Representation", 44th

[Rodr 05'] M. Rodrigues, "Diagnostic et commande active tolrante aux dfauts appliqus
aux systmes dcrits par des multi-modles linaires",

thse Doctorat, Doctorat de

l'Universit Henri Poincar, Nancy 1. 2005.


[Schr 93] R. D. Schraft and M. C. Wanner, "The aircraft cleaning robot skywash",

dustrial Robot, Vol. 20, pp 21-24, 1993.

In-

[Schr 04] D. V. Schrick, "PI-Observer-based Reconstruction of Eect-variables and


Construction of characteristic Curves",

Proc. 5th Asian Control Conference (ASCC

'04), Melbourne, Australia, July 20-23, pp 936-941, 2004.

[Shuu 09] S. Kajita, H. Hirukawa, K. Harada and K. Yokoi, "Introduction la commande


des robots humanodes De la modlisation la gnration du mouvement" ISBN : 978-

2-287-87715-5 Springer Paris Berlin Heidelberg New York. Publi par Ohmsha, Ltd
3-1 Kanda Nishikicho, Chiyodaku Tokyo, Japon 2005. Ouvrage traduit et adapt du

Bibliographie

144

japonais en 2009 par Sophie Sakka Laboratoire de mcanique des solides SP2 MI,
Tlport 2, BP 30179 Boulevard Marie et Pierre Curie 86962 Chasseneuil Cedex
[Sjb 06] J. Sjberg, "Some Results on Optimal Control for Nonlinear Descriptor Systems", Thse de Doctorat, Department of Electrical Engineering Linkping University,
SE-581 83 Linkping, Sweden Linkping 2006.
[Smit 97] R. M. Smith and T. A. Johansen, "Multiple Model Approaches to Modelling
and Control",

Britsh Library Cataloguing in Publication, Taylor & Francis, 1997.

[Stou 00] J. Stoustrup and H. Niemann, "Application of an H based FDI and control

In 4th IFAC Symposium on Fault Detection, Supervision and Safety for Technical Processes, Budapest, Hungary, 2000.
scheme for the three tank system",

[Taka 85] T. Takagi et M. Sugeno, "Fuzzy identication of systems and its application to

tel-00757821, version 1 - 27 Nov 2012

modelling and control",

IEEE Trans. on Systems Man and cybernetics, vol. 15 no. 1,

pp. 116-132, 1985.


[Tana 04] W. Tana, H. J. Marquez, T. Chenb, J. Liua, "Multi-model analysis and controller design for nonlinear processes",

Computers and Chemical Engineering no. 28, pp

2667-2675, 2004.
[Tanig 00] T. Taniguchi, K. Tanaka, and H. O. Wang, "Fuzzy Descriptor Systems and
Nonlinear Model Following Control",

IEEE Transactions on Fuzzy Systems, vol. 8,

no. 4, August 2000.


[Terr 01] W. J. Terrell, "Local observability of Nonlinear Dierential-Algebraic Equations
(DAEs) From the Linearization Along a Trajectory", IEEE Transactions on Automatic

Control, vol. 46, no. 12, pp 1947-1950, December 2001.

[Terr 98] W. J. Terrell, "A Computational Linearization Principle for observability of


Nonlinear DAE near a Trajectory",

Proceedings of the American Control Conference

Philadelphia, Pennsylvania , pp 2515-2521, June 1998.

[Thei 02] D. Theilliol, H. Noura and J.C. Ponsart, "Fault diagnosis and accommodation
of three-tank system based on analytical redundancy",

ISA Transactions, Vol N 41,

pp 365-382, 2002.
[Vemu 01] A. T. Vemuri, M. M. Polycarpou, and A. R. Ciric, "Fault Diagno-

IEEE Transactions on Systems, man, and


Cybernetics-Part A : Systems and Humans, vol. 31, no. 2, pp 143-151, March 2001.
sis of Dierential-Algebraic Systems",

[Venk 95] V. Venkatasubramanian, H. Schattler, and J. Zaborszky, "Local Bifurcations


and Feasibility Regions in Dierential-Algebraic Systems", IEEE

tomatic Control, vol. AC-40, no. 12, pp 1992-2013, 1995.

Transactions on Au-

145
[Verg 81] G. C. Verghese, B. C. Levy and T. Kailath, "A Generalized State-space for
Singular Systems",

IEEE Transactions on Automatic control, vol. 26, pp 811-831,

1981.
[Wang 06] H. S. Wang, Ch. F. Yung and F. R. Chang, "H Control for Nonlinear Descriptor Systems",

Lecture notes in control and information sciences, Springer-Verlag

London, 2006.
[Wang 04] Y. Wang, Z. Q. Sun and F. Ch. Sun , "Robust Fuzzy Control of a Class of
Nonlinear Descriptor Systems with Time-Varying Delay",

International Journal of

Control, Automation, and Systems, vol. 2, no. 1, pp 76-82, March 2004.

[Wann 86] M. C. Wanner, K. Baumeister, G. W. Kohler, and H. Walze, "Hochexible

tel-00757821, version 1 - 27 Nov 2012

hand-habungssysteme",

Ergebnisse Einer Einsatzfalluntersuchung Robotersysteme,

vol. 2, no. 4, pp 217-224, 1986.


[Wann 90] M. C. Wanner and R. Kong, "Roboter auberhalb der fertigungstechnik, in
industrieroboter : handbuch fur industrie und wissenschaft",

D. Schraft (Eds), Springer, Berlin, 1990.

H.-J. Warnecke and R.

[Wu 08] A. G. Wu and G. R. Duan, "Generalized PI observer design for linear systems",

IMA Journal of Mathematical Control and Information, vol. 25, pp 239-250, 2008.
[Wu 06] A. G. Wu and G. R. Duan, "Design of PI Observers for Continuous-Time Descriptor Linear Systems", IEEE

transactions on systems, man, and cybernetics-part b :

cybernetics, vol. 36, no. 6, december 2006.

[Wu 95] F. Wu, "Control of Parameter Varying Systems",

PhD Thesis, University of

california at berkeley, USA, 1995.


[Wu 94] H. Wu and K. Mizukami, "stability and robust stabilization of nonlinear descrip-

Division of Mathematical and Information Sciences


Faculty of Integrated Arts and Sciences Hiroshima University, Conference on W. and

tor systems with uncertainties",

Control lake Buena Vita, FL - December 1994.


[Xiao 97] L. Xiaoping and S. Celikovsky, "Feedback control of ane nonlinear singular

Department of Automatic Control Northeastern University, Shenyang, 110006, P R China. Int. J. Control, vol. 68, no. 4, pp 753 - 774, 1997.
control systems",

[Yana 11] H. Yanai, K. Takeuchi and Y. Takane, "Projection Matrices, Generalized Inverse Matrices, and Singular Value Decomposition", Springer New York Dordrecht Hei-

delberg London, ISBN 978-1-4419-9886-6 e-ISBN 978-1-4419-9887-3 DOI 10.1007/9781-4419-9887-3, 2011.

Bibliographie

146

[Zasa 90] M. Zasadzinski, "Contribution l'Estimation de l'Etat des Systmes Singuliers.


Application la Validation de Donnes des Systmes Dynamiques Linaires",

thesis, Universit Henri Poincar-Nancy I, France, 1990.

PhD

[Zera 09] M. Zerar, F. Cazaurang and A. Zolghadri, Coupled LPV and Flatness-based
Approach for Space Reentry Vehicles Guidance ",

Control Theory and Applications ,

Vol. 3 no. 8, pp 1081-1092, 2009.


[Zhan 08] P. Zhang and S. X. Ding , "On Fault Detection in Linear Discrete-Time, Periodic, and Sampled-Data Systems",

Journal of Control Science and Engineering, 18

pages 2008.
[Zolg 08] A. Zolghadri, D. Henry and S. Grenaille, "Fault diagnosis for LPV systems",

tel-00757821, version 1 - 27 Nov 2012

16th Mediterranean Conference on Control and Automation, MED'08, Ajaccio, 2008,

Publications personnelles sur les


travaux de cette thse

tel-00757821, version 1 - 27 Nov 2012

Revue internationale avec comit de lecture


1.

H. Hamdi,

M. Rodrigues, C. Mechmeche, D. Theilliol and N. BenHadj Braiek,

"Fault detection and isolation in linear parameter-varying descriptor systems via


proportional integral observer", International

processing, Vol. 26, pp 224-240, 2012.


2.

journal of adaptive control and signal

H. Hamdi, M. Rodrigues, C. Mechmeche and N. BenHadj Braiek, "Fault detection


and isolation in linear parameter-varying descriptor systems via proportional integral observer",

International Journal of Control, Automation and Systems, Volume

10, Number 6, December 2012.


3. C. Mechmeche, H.

Hamdi, M. Rodrigues and N. BenHadj Braiek, "State and Unk-

nown Inputs Estimations for Multi-Models Descriptor Systems",

American Journal

of Computational and Applied Mathematics, (AJCAM) Vol. 3, No. 2, June 2012.

Confrences internationales avec comit de lecture


1. M. Rodrigues,

H. Hamdi,

C. Mechmeche, D. Theilliol and N. BenHadj Braiek,

"Fault Diagnosis Based on Adaptive Polytopic Observer for LPV Descriptor Systems", the

8th IFAC Symposium on Fault Detection Supervision and Safety of Technical Processes, National Autonomous University of Mexico, Mexico City, Mexico,
August 29-31, 2012.
147

Publications personnelles sur les travaux de cette thse

148
2.

H. Hamdi,

C. Mechmeche, M. Rodrigues and N. BenHadj Braiek, "State and

unknown inputs estimations for Multi-Model Descriptor Systems", 8th International

Multi-Conference on Systems, Signals and Devices, IEEE, March 22-25, 2011.


3.

H. Hamdi,

M. Rodrigues, C. Mechmeche and N. BenHadj Braiek, "Robust H

Fault Diagnosis for Multi-Model Descriptor Systems : A Multi-Objective Approach",

18th Mediterranean Conference on Control and Automation, Congress Palace Hotel,


Marrakech, Morocco, pp 438-443, June 23-25,2010.
4.

H. Hamdi, M. Rodrigues, C. Mechmeche and N. BenHadj Braiek, "Synthse d'un


observateur proportionnel intgral entres inconnues pour les systmes singuliers
reprsents par des multi-modles", Sixime Confrence Internationale Francophone

tel-00757821, version 1 - 27 Nov 2012

d'Automatique CIEA 2010, Nancy, France, 2-4 juin 2010.


5.

H. Hamdi,

M. Rodrigues, C. Mechmeche, D. Theilliol and N. BenHadj Braiek,

"State Estimation for Polytopic LPV Descriptor Systems : Application to Fault

the 7th IFAC Symposium on Fault Detection Supervision and Safety of


Technical Processes, Barcelona, Spain, pp 438-443, 2009.
Diagnosis",

6.

H. Hamdi, C. Mechmeche, et N. BenHadj Braiek, "Synthse d'observateurs ous


pour les systmes singuliers non linaires",

La cinquime Confrence Internationale

d'Electrotechnique et d'Automatique, Hammamet, Tunisie, pp 110-115, 02-04 Mai


2008.

Vous aimerez peut-être aussi