Académique Documents
Professionnel Documents
Culture Documents
C OMMANDE ROBUSTE
P IERRE A PKARIAN
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
7
7
9
9
13
15
16
17
18
20
22
23
23
26
29
30
31
35
36
37
39
45
47
La synthse H
49
2.1 Mthodes H pour la Synthse dAsservissements . . . . . . . . . . 50
2.1.1 Le problme H standard . . . . . . . . . . . . . . . . . . . 50
2.1.2 Formulation H du loop shaping . . . . . . . . . . . . . . . 51
2.2
Rsolution du Problme H . . . . . . . . . . . . . . .
2.2.1 Rsolution du problme normalis . . . . . . .
2.2.2 Solution gnrale des problmes H rguliers .
2.3 Loop Shaping par les Mthodes H . . . . . . . . . .
2.3.1 Solution H du problme de loop shaping . . .
2.3.2 Choix des fonctions de pondration . . . . . .
2.3.3 Exemple de mise en uvre . . . . . . . . . . .
2.3.4 Faiblesses du compensateur central . . . . . .
2.3.5 Comment prvenir les simplifications exactes?
2.4 Techniques LMI pour la synthse H . . . . . . . . . .
Rfrences . . . . . . . . . . . . . . . . . . . . . . . . . .
3
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
53
53
58
60
60
62
64
69
72
75
78
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
83
84
84
86
88
89
89
90
92
93
93
93
95
97
97
99
100
101
104
105
107
109
109
111
112
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
119
119
121
123
125
125
126
126
127
129
Chapitre 1
Elements introductifs la commande
robuste
1.1
Introduction
1.2
Rappels dAutomatique
1.2.1
Systmes linaires
La transforme de Laplace dun signal temporel x(t) sur (0, + ) est la fonction X = L [x] de la variable complexe s dfinie par:
X(s) =
Z +
x(t)est dt.
(1.1)
t0
t+
s0
10
Y (s) = G(s)U(s)
U(s)
G(s)
= A x(t) + B u(t)
(1.2)
y(t) = C x(t) + D u(t)
o
x(t) est le vecteur dtat
(variables internes)
u(t) est le vecteur des entres (ou de commande)
y(t) est le vecteur des sorties (ou dobservation)
En prenant la transforme de Laplace de (1.2), on vrifie aisment que la
fonction de transfert de U(s) Y (s) est alors donne par
G(s) = D +C(sI A)1 B
(1.3)
11
G(s) est une matrice carre: les ples de G sont les ples de la fraction rationnelle det(G(s)). Lextension au cas rectangulaire est plus dlicate et il
est prfrable de lnoncer en terme de la reprsentation dtat associe. En
effet, pour un systme de reprsentation (1.2), les notions de ple et de zro
ont les dfinitions simples suivantes:
les ples sont les valeurs propres de A,
sI A B
les zros sont les valeurs complexes s pour lesquelles le rang de
C
D
chute.
Cette dernire dfinition englobe les modes non observables ou non commandables en plus des zros de blocage proprement dits (valeurs de s pour
lesquelles G(s) perd du rang).
Commandabilit, Observabilit.
Ces notions sont lies la reprsentation interne (1.2). Si A Rnn , lespace
commandable par la paire (A,B) est
C = Im (B,AB, . . . ,An1 B) Rn
Il reprsente lensemble des tats initiaux x0 qui peuvent tre amens zro
en un temps fini par une commande u approprie.
La paire (A,B) est dite commandable si et seulement si C = Rn . On montre
alors que les modes (valeurs propres) de A peuvent tre assigns arbitrairement par retour dtat u = Fx. Autrement dit, les modes de A + BF peuvent
tre placs arbitrairement par choix de F.
Plus gnralement, toute paire (A,B) peut se dcomposer (par transformation
orthogonale) comme suit:
A11 A12
B1
T
T
U AU =
;
U B=
(1.4)
0 A22
0
avec (A11 ,B1 ) commandable. Les modes de A22 sont les modes non commandables, cest--dire invariants par retour dtat: ils restent prsents dans le
spectre de A + BF pour tout F.
Lobservabilit est une notion duale. Les tats non observables du systme
sont ceux qui naffectent pas la sortie ni directement, ni par lintermdiaire
dautres tats. Lespace non observable est:
C
CA
O = Ker
... .
CAn1
La paire (C,A) est observable si et seulement si O = {~0} ou, de faon quivalente, si (AT ,CT ) est commandable. La contrepartie de la dcomposition (1.4)
est:
T
U AU =
A11
A21
0
;
A22
CU = (C1 , 0)
12
(1.5)
= A x(t) + B u(t)
y(t) = C x(t) + D u(t)
et la fonction de transfert entre/sortie associe G(s) = D +C(sI A)1 B. On
distingue deux notions de stabilit:
stabilit BIBO (bounded input/bounded output): le systme est dit BIBOstable si la sortie reste dnergie finie tant que lentre est dnergie finie.
Une condition ncessaire et suffisante est que tous les ples de la forme
irrductible de G(s) soient dans le demi-plan Re(s) < 0.
stabilit interne: le systme est stable de faon interne si A est stable, i.e., si
toutes ses valeurs propres sont partie relle ngative. Ceci assure que
pour u 0, ltat x(t) dcroit vers 0 indpendemment de la condition
initiale.
La stabilit interne garantit la stabilit BIBO, mais la rciproque est fausse.
Par exemple, le systme dquations dtat
1 1
1
x =
x+
u
0 1
0
y = (1 , 1) x
nest pas stable de faon interne cause du mode +1 de A. Pourtant, la fonc1
tion de transfert associe est G(s) = s+1
qui est BIBO-stable.
On notera que le mode +1 est non commandable, donc invisible dans la relation entre/sortie. Physiquement, cela signifie quune entre borne donnera
bien une sortie borne, mais que la dynamique interne tendra diverger pour
la plupart des conditions initiales (ce qui peut avoir des consquences trs
dplorables lintrieur du systme!).
Enfin, les deux notions concident ds que la ralisation (A,B,C) de G(s) est
minimale, et diffrent seulement lorsque cette ralisation comporte des modes
non minimaux et instables (comme +1 dans lexemple ci-dessus).
13
1.2.2
Interconnections de systmes
(1.7)
(C1 C2 )
(1.6)
D1 + D2
B1C2 A1
A2
B2
B1 D2
G .G = 0
.
=
1
(C1
D1C2 )
( D1C2 C1 )
D1 D2
D1 D2
(1.8)
A B
est inversible si et seulement
C D
si D est inversible. Alors une ralisation minimale de G1 (s) est:
A BD1C BD1
1
G =
.
(1.9)
D1C
D1
A B
Drivation: si G =
, une ralisation minimale de sG(s) est
C D
A
B
A
AB
sG =
=
.
CA CB + sD
C CB + sD
(1.10)
14
P(s)
u
K(s)
B1 B2
(1.11)
(1.12)
A + B2 (I DK D22 )1 DK C2
B2 (I DK D22 )1CK
1
BK (I D22 DK ) C2
AK + BK (I D22 DK )1 D22CK
B1 + B2 (I DK D22 )1 DK D21
BBF =
;
BK (I D22 DK )1 D21
CBF =
(1.13)
15
1.2.3
x1
.
Vecteurs: la norme euclidienne de x = .. Rn est
xn
Matrices: on utilisera le plus souvent la norme induite par la norme euclidienne, dfinie par
kAuk
kAk2 = sup
u6=0 kuk
On montre que kAk2 = max (A) = max (AAT )1/2 (plus grande valeur singulire) do le nom de norme de la valeur singulire. A noter que, pour A
inversible,
kA1 k2 = 1/min (A)
et que
kAuk
= inf {kXk2 : A + X singulire}.
u6=0 kuk
Une autre norme importante est la norme de Frobenius:
q
kAkF = Trace (AT A)
min (A) = inf
kx(t)k dt
1/2
La transforme de Fourier envoie `2 sur lespace H2 des fonctions X(s) analytiques dans Re(s) 0 et de carr sommable. Par lidentit de Parseval, on
a
Z +
1/2
1
2
kxk2 =
kX( j)k d
.
2
Pour les signaux admettant une transforme de Laplace X(s) analytique dans
Re(s) 0, on considrera aussi la norme:
kXk = sup kX(s)k = sup kX( j)k.
Re(s)0
16
kG(s)k2 =
Tr(G ( j)G( j))d
2
kY (s)k2
=
sup
U(s)H kU(s)k
Interprtation: cest lnergie en sortie du systme lorquon injecte un Dirac
en entre (cas SISO), o plus gnralement un bruit blanc vrifiant U( j)U ( j) =
I (densit spectrale uniforme). La norme kG(s)k2 est finie si et seulement si
G(s) est strictement propre.
Norme H :
kG(s)k = sup max (G( j))
kY (s)k2
.
U(s)H2 kU(s)k2
sup
1.2.4
T tAT
B e
1
C Ce B dt =
2
T
tA
Soit
Q :=
Z +
Z +
G ( j)G( j)d.
(1.14)
(1.15)
(1.16)
17
(1.17)
ce qui fournit un algorithme simple pour valuer cette norme. A noter que lon a
aussi
kGk22 = Tr(CPCT )
(1.18)
o P est la solution de
AP + PAT + BBT = 0.
(1.19)
(1.20)
0 AT
CT 0
DT I
0 BT
na pas de valeur propre sur laxe imaginaire.
De plus, si j est une valeur propre de H() pour > max (D), alors
max (G( j)) = , i.e., le gain est obtenu la frquence .
La matrice H est dune structureparticulire dite Hamiltonienne.
Lorsque D = 0,
1
T
A
BB
elle scrit simplement H() =
.
1
T
C C AT
Cette caractrisation suggre un simple algorithme de dichotomie pour calculer kGk . On part dun encadrement grossier [min ,max ] de cette norme et on
lamliore itrativement de la faon suivante:
on calcule le spectre de H() pour = 12 (min + max ),
sil ny a pas de valeur propre sur laxe imaginaire, est trop grand et lon
obtient comme nouvel encadrement [min ,];
sinon, est trop petit et on obtient le nouvel encadrement [,max ].
1.3
Cette section contient quelques notions de base sur les asservissements (feedback loops). Une discussion plus prcise de leurs proprits et des principes fondamentaux rgissant leur conception fera lobject des deux sections suivantes.
18
1.3.1
19
U = P0
V = f (U)
vhicule
V0
U =e
20
V
vhicule
1.3.2
21
u
K
wo
r=0
wo
e
G
+
K
22
u
K
(a) compensation en retour
(b) pr-compensation
K1
K2
y
G
1.3.3
23
suivantes:
Y = GK(I + GK)1 (R N) + (I + GK)1Wo + G(I + KG)1 Wi
1
Wi
(1.21)
(1.22)
(1.23)
1.4
1.4.1
24
incapacit rguler ou poursuivre; au pire la gnration de signaux de grande nergie qui vont endommager ou dtruire le systme.
Il convient de distinguer la stabilit BIBO (bounded input/bounded output) de
la stabilit interne. La premire notion sintresse seulement au comportement externe du systme asservi et exige que lnergie des signaux en sortie (y) soit borne
ds que lnergie fournie en entre (r) est borne. La stabilit interne va plus loin
et exige que tous les signaux circulant dans la boucle soient dnergie finie. Cette
seconde notion est donc plus restrictive et plus importante en pratique puisque les
composants lintrieur de la boucle sont galement sensibles aux nergies infinies.
En terme des fonctions de transfert caractristiques, la stabilit BIBO correspond la stabilit de T = GK(I + GK)1 , cest--dire au fait que T (s) a tous ses
ples dans le demi-plan ouvert gauche (s) < 0. A noter que les ples de T (s) sont
les racines de lquation
det(I + G(s)K(s)) = 0.
(1.24)
Par contre, la stabilit interne requiert la stabilit des quatre fonctions de transfert
S, T , KS et G(I + KG)1 .
Pour caractriser la stabilit interne, il est plus commode de travailler sur les
reprsentations dtat de G et K. Considrons en effet la boucle standard de la Figure
1.5 et introduisons les ralisations minimales suivantes de G(s) et K(s):
G(s) = DG +CG (sI AG )1 BG ;
(1.25)
Soient xG et xK les vecteurs dtat associs ces ralisations. Les fonctions de transfert mentionnes ci-dessus peuvent scrire en terme de LFT comme suit:
I G
1
(I + GK)
= F (
,K)
(1.26)
I G
0 G
1
GK(I + GK)
= F (
,K)
(1.27)
I G
0
I
1
K(I + GK)
= F (
,K)
(1.28)
I G
G G
1
G(I + KG)
= F (
,K).
(1.29)
G G
Une ralisation du premier argument de ces LFTs est facilement dduite de celle de
G(s). Par exemple,
I G
I DG
CG
=
+
(sI AG )1 (0, BG ).
I G
I DG
CG
En utilisant les formules donnant la ralisation dune LFT en fonction des ralisations des arguments (voir 2.2), il est facile de montrer que la stabilit (au sens des
25
1
Y (s)
= T (s) =
R(s)
1 + (s + 1)2
qui est stable puisque ses ples sont 1 i. Cette boucle est donc BIBO stable. Par
contre, elle nest pas stable de faon interne. En effet,
G(s)
s+1
=
1 + G(s)K(s) s(1 + (s + 1)2 )
qui est visiblement instable cause du ple s = 0. On constate quil y a eu simplification de ce ple de G par un zro de K:
G(s)K(s) =
1
s
1
=
.
s(s + 1) s + 1 (s + 1)2
1.4.2
26
Performances
Z T
r2 (t)dt =
.
|1 + GK( j)|
On voit que cette erreur sera dautant plus petite que le gain de boucle la frquence
(|GK( j)|) est lev. Augmenter le gain de boucle confre en outre certaines
proprits intressantes lasservissement. Il faut cependant se mfier du mirage
des grands gains: ils sont rarement utilisables en pratique cause des saturations et
surtout pour des questions de robustesse (voir section 1.5.
r(t)
e(t)
y(t)
g(.)
k(.)
(1.32)
27
Leffet principal des grands gains est de forcer la sortie y se comporter comme la
fonction k1 (r). En effet, si lon a
k(e)k kek avec 1,
(1.33)
krk
.
1
(1.34)
krk
.
1
(1.35)
Il est clair que si le gain de boucle est lev ( 1), lerreur sera petite daprs
(1.34) et lon aura r k(y) daprs (1.35), cest--dire
y k1 (r).
(1.36)
r
1+k
r
r2
k
+
)
r.
(1.38)
1 + k (1 + k)2
1+k
Les comportements boucle ouverte (1.37) et boucle ferme (1.38) sont compars
sur le graphe de la Figure 1.11 pour k = 100. Le gain en linarit est vident.
y k(
e
g(.)
B.O
28
3
3
B.F.
0
r
29
Dans le cas linaire, les performances peuvent sanalyser partir des fonctions
de transfert caractristiques de la boucle. Considrons nouveau la boucle standard
de la Figure 1.5. Dans le domaine frquentiel, le transfert entre la consigne R(s) et
la sortie Y (s) est donn par la fonction de sensibilit complmentaire
T = GK(I + GK)1 .
(1.39)
(1.40)
En effet, on a alors
max (I T ( j)) = max (I + GK( j))1 =
1
min (I + GK( j))
1
1.
min (GK( j))
1.4.3
Bande passante
La bande passante dune fonction de transfert scalaire G(s) est lensemble des
frquences pour lesquelles
|G( j)| > 1.
La (ou les) frquence de coupure c est caractrise par:
|G( jc )| = 1.
Pour un asservissement, la bande passante est lie la rponse en boucle ouverte G(s)K(s). Dans le cas SISO, elle correspond aux frquences pour lesquelles le
gain |G( j)K( j)| est plus grand que 1. Dans le cas MIMO, elle dpend de quelle
pair entre/sortie est considre. Sil sagit de la bande passante minimale, elle
est caractrise par
min (G( j)K( j)) > 1.
La bande passante dtermine quel registre de signaux lasservissement est capable de suivre ou de contrer. Plus elle est tendue, plus lasservissement est capable
de ragir des variations rapides (excitations haute frquence). Autrement dit, la
bande passante mesure la zone de fonctionnement de lasservissement.
1.4.4
30
Rponse temporelle
0 si t < 0
,
1 si t 0
les crneaux.
r
t
(a): impulsion
t
(b): chelon
r
1
t
T
(c): crneau
1 1 es 2
1
1
R(s) = 1;
R(s) =
=
.
(1.41)
sT
s 1e
s 1 + es T2
Le comportement transitoire est souvent analys sur la rponse un chelon
(step response). On sintresse aux caractristiques suivantes (voir Figure 1.13):
1
R(s) = ;
s
31
valeur finale;
temps de rponse (settling time): le temps ncessaire pour se stabiliser dans
une bande 5% autour de la valeur finale;
dpassement maximal (maximum overshoot): plus grand dpassement de la
rponse au dessus de la valeur finale.
Ces grandeurs refltent la qualit du transitoire. On recherche minimiser le temps
de monte et de rponse (rapidit) tout en maintenant un faible dpassement.
y(t)
max. overshoot
1.05
1
0.95
0.90
rise time
settling time
1.4.5
32
Laxe des est en chelle logarithmique base 10. Une dcade correspond une
unit de cette chelle.
Exemple 1.4.3 Le diagramme de Bode de la fonction de transfert
G(s) =
(s + 1)(s + 3)
(s + 2)(s + 4)(s + 6)
(1.42)
Log Magnitude
10
10
10
10
10
10
10
Frequency (radians/sec)
Phase (degrees)
50
50
100 1
10
10
10
10
Frequency (radians/sec)
33
est trac en Figure 1.15. La plus grande valeur singulire max (G( j)) comporte
une rsonnance alors que la plus petite nen a pas.
10
10
10
10
10
10
10
10
10
10
frequences rad/s
10
10
Diagramme de Nyquist
Le diagramme de Nyquist reprsente la fonction G( j) dans le plan complexe. A chaque frquence on associe le point de coordonnes (G( j)) et
Im (G( j)). Le contour de Nyquist est la courbe forme par ces points. Il est orient
dans le sens des croissants de +.
Exemple 1.4.5 Le contour de Nyquist de la fonction de transfert dfinie en (1.42)
est reprsent en Figure 1.16.
Le trac de Nyquist joue un rle important dans lanalyse de la stabilit en
boucle ferme dun asservissement. Il sagit ici de la stabilit BIBO puiquon sintresse la stabilit de la fonction de transfert
S(s) =
1
= I T (s).
1 + G(s)K(s)
34
0.08
0.06
0.04
Imag Axis
0.02
0.02
0.04
0.06
0.08
0
0.02
0.04
0.06
Real Axis
0.08
0.1
0.12
0.4
Imag Axis
0.2
0.2
0.4
0.6
0.8
1
0.9
0.8
0.7
0.6
0.5
0.4
Real Axis
0.3
0.2
0.1
Diagramme de Black
Dernier diagramme souvent utilis en Automatique: le lieu de Black (ou diagramme de Nichols). Ici la phase Arg(G( j)) est porte en abscisses (en degrs) et
35
le gain |G( j)| est port en ordonnes (en dB). La courbe des points G( j) ainsi
obtenue reprsente la rponse frquentielle. Le diagramme de Black sutilise pour
dterminer le gain et la phase du transfert consigne/sortie
T (s) =
G(s)K(s)
1 + G(s)K(s)
0.25 db
0.5 db
20
1 db
1 db
3 db
10
3 db
6 db
6 db
10
12 db
20
20 db
30
40
270
180
OpenLoop Phase (deg)
90
40 db
0
1.5
1.5.1
36
Robustesse lincertitude
37
leur peut fluctuer et nest souvent connue quapproximativement. Pour des raisons
pratiques, on distinguera:
lincertitude non structure ou incertitude dynamique qui rassemble les
dynamiques ngliges dans le modle. On ne dispose en gnral que dune
borne suprieure sur lamplitude de ces dynamiques. On doit donc assumer et
se prmunir contre le pire des cas dans la limite de cette borne.
Lincertitude paramtrique ou structure qui est lie aux variations ou erreurs destimation sur certains paramtres physiques du systme, ou des
incertitudes de nature dynamique, mais entrant dans la boucle en diffrents
points. Lincertitude paramtrique intervient principalement lorsque le modle est obtenu partir des quations de la physique. La manire dont les
paramtres influent sur le comportement du systme dtermine la structure de lincertitude. Diffrents outils pour apprhender ce type dincertitudes
seront dvelopps au chapitre 3.
1.5.2
Lincertitude dynamique (non structure) peut englober des phnomnes physiquement trs divers (linaires ou non-linaires, stationnaires ou temps-variants,
frottements, hystrsis, etc.) Les techniques tudies dans ces notes sont particulirement pertinentes lorsquon ne dispose daucune information spcifique sinon une
estimation de lamplitude maximale de lincertitude dynamique, En dautres termes,
lorsque lincertitude est raisonnablement modlise par une boule dans lespace des
oprateurs borns de `2 dans `2 .
Un tel modle est bien sr trs grossier et tend inclure des configurations
dpourvues de sens physique. Si le systme rel ne comporte pas de nonlinarits importantes, il est souvent prfrable de se restreindre un modle purement
linaire stationnaire de lincertitude dynamique. On peut alors pondrer le degr
dincertitude en fonction de la frquence et traduire le fait que le systme est mieux
connu en basse quen haute frquence. Lincertitude est alors reprsente comme un
systme LTI perturbateur G(s) qui sajoute au modle nominal G(s) du systme
rel:
(1.43)
Grel (s) = G(s) + G(s).
Ce systme doit tre BIBO-stable (born de `2 dans `2 ), et on dispose en gnral dune estimation de lamplitude maximale de G( j) dans chaque bande de
frquence. Typiquement, cette amplitude est faible aux basses frquences et crot
rapidement dans les hautes frquences o les dynamiques ngliges deviennent prpondrantes. Ce profil est illustr en Figure 1.19. Il dfinit une famille de systmes
dont lenveloppe sur le diagramme de Nyquist est reprsente en Figure 1.20 (cas
SISO). Le rayon du disque dincertitude la frquence est |G( j)|.
38
|G( j)|
Im (G( j))
= +
=0
(G( j))
39
(1.44)
(1.45)
pour certains gabarits Wl (s) et Wr (s). Ces gabarits, aussi appels matrices
de pondration, permettent dincorporer linformation sur la dpendence frquentielle et directionnelle de lamplitude maximale de (s) (voir valeurs
singulires).
incertitude multiplicative lentre: le systme rel est de la forme:
Grel (s) = G(s) (I + (s))
(1.46)
(1.47)
1.5.3
Stabilit robuste
La stabilit en boucle ferme est sensible aux erreurs de modlisation du systme (G(s)) et aux drives de la commande (K(s)). Assurer la stabilit du modle nominal boucl nest donc pas suffisant. Il faut galement garantir la stabilit
de tous les systmes atteignables par les perturbations G et K admissibles, parmi
lesquels se trouve le systme rel lui-mme. La stabilit est dite robuste lorsque
cette garantie supplmentaire est fournie.
40
+
L
(1.48)
41
(1.49)
avec 0 1.
v
+
P
(.)
42
On a alors (I + .P( j))u = 0 et la matrice I + .P( j) est singulire. Par consquent, la boucle ferme nest pas stable puisque:
kSk = k(I + (s)P(s)))1 k = +.
Ce rsultat sapplique directement au problme de stabilit robuste de la boucle
de suivi de la Figure 1.5. Prenons le cas dune incertitude additive sur le modle
G(s) (voir (1.43)) et supposons que cette incertitude est borne en fonction de la
frquence par:
max (( j)) wa ()
( R).
(1.50)
Un profil typique de la fonction majorante wa () est reprsent en Figure 1.19.
Supposons de plus que le systme nominal est stable en boucle ferme, i.e., que
S(s) = (I + GK(s))1 est stable et quil ny a pas de simplification instable. Pour
appliquer le Thorme 1.5.2, il suffit de rcrire la boucle ferme de la Figure 1.23
sous la forme de la Figure 1.22. Le bilan des signaux est
q = u
u = Ky;
y = q + Gu;
soit aprs limination de y:
u = (I + KG)1 K q;
q = u.
Ces quations correspondent la boucle de la Figure 1.22 avec P(s) = (I +KG(s))1 K(s) =
K(s)(I + GK(s))1 . Pour appliquer le thorme, on doit enfin normaliser (s) en
remplaant P et par wa P et /wa (qui devient alors arbitraire dans la boule
kXk < 1). On peut prsent conclure que la stabilit en boucle ferme sera prserve pour toute erreur additive de modlisation (s) stable et vrifiant (1.50) si
et seulement si
kwa K(I + GK)1 k < 1.
(1.51)
q
y
K
G
u
43
G+
k( j)k wa ()
G(I + )
k( j)k wmi ()
(I + )G
k( j)k wmo ()
K +
k( j)k wk ()
Pour conclure, on notera que dans le cas SISO, la norme infinie de la fonction
de sensibilit S(s) est lie aux notions classiques de marge de gain et de marge de
phase. Ces notions sont habituellement dfinies sur le diagramme de Nyquist et indiquent lloignement du trac de G( j)K( j) par rapport au point critique (1,0).
Rappelons quil y a perte de stabilit lorsque ce trac traverse le point critique. La
marge de gain est:
marge de gain = 20 log10 |G( j p )K( j p )|
(1.52)
44
(1.53)
de Nyquist au point critique. Il sagit donc dune mesure plus fiable du degre de
stabilit. Ces diffrentes notions sont illustres sur la Figure 1.24.
Im (G( j)K( j))
marge de gain
(1,0)
(G( j)K( j))
kSk1
marge de
phase
G( j)K( j)
45
1.5.4
Passivit
T > 0,
yT (t)u(t) dt 0,
(1.54)
(1.55)
A noter que dans le cas SISO, la condition (ii) scrit aussi Re(G(s)) 0. Autrement
dit, le diagramme de Nyquist de G(s) doit tre entirement contenu dans le demiplan droit.
Lintrt de la passivit dcoule du rsultat suivant sur le rebouclage des systmes passifs.
Thorme 1.5.4 Considrons le systme boucl de la Figure 1.25.
Si G(s) est un systme linaire stable passif, alors la boucle ferme est stable
pour tout oprateur passif de `2 , cest--dire pour tout oprateur (.) satisfaisant:
T > 0,
Z T
0
zT (t) (z(t)) dt 0.
46
(.)
47
Bibliographie
[1] Boyd, S., and Q. Yang. Structured and Simultaneous Lyapunov Functions for
System Stability Problems Int. Journal of Control, 49 (1989), pp. 2215-2240.
[2] J. Doyle. Analysis of feedback systems with structured uncertainties. IEE
Proceedings, Part D, 129(6):242250, 1982.
[3] J. C. Doyle, B. A. Francis, and A. R. Tannenbaum, Feedback Control Theory,
Macmillan Publishing Co, New York, 1992.
[4] J. S. Freudenberg and D. P. Looze. Frequency Domain Properties of Scalar
and Multivariable Feedback Systems. Berlin: Springer-Verlag.
[5] I. Horowitz Synthesis of Feedback Systems. New York: Academic Press.
[6] M. G. Safonov and J. C. Doyle Minimizing Conservativness of Robustness
Singular Values S. G. Tzafestas ed., Multivariable Control, pp. 197207, 1984.
[7] G. Zames and B. A. Francis Feedback, Minimax Sensitivity, and Optimal
Robustness IEEE Transactions on Automatic Control, AC-26, pp. 301-320
[8] Zames, G., On the Input-Output Stability of Time-Varying Nonlinear Feedback Systems, Part I and II, IEEE Trans. Aut. Contr., AC-11 (1966), pp. 228238 and 465-476.
49
Chapitre 2
La synthse H
Dans ce chapitre, nous examinons la technique de synthse H . Cette technique prsente des similarits fortes avec la mthode LQG, mais elle sen diffrencie pour diffrentes raisons que nous mettons en vidence. Ce chapitre dcrit galement diffrentes structures typiques de synthse trs utilises en pratique telles
que la structure de sensibilit mixte et sa version duale. Ces structures permettent
de prendre en compte les diffrentes spcifications et les conflicts qui apparaissent
dans de nombreux problmes pratiques. On porte aussi une attention particulire
sur le problme du loop shaping et le choix des fonctions de pondration. Ces fonctions jouent un rle trs important dans les applications car elles dterminent la
bande passante du systme command mais aussi sa robustesse et ses proprits en
termes de rejection de bruits. On dcrit egalement les principaux algorithmes pour
la construction des solutions du problme H . On examine plus particulirement
lalgorithme DGKF qui est actuellement lalgorithme le plus fiable et le plus rapide pour rsoudre les problmes H . Enfin, on discute brivement lutilisation des
techniques LMI dans le cadre de la synthse H .
2. LA SYNTHSE H
2.1
50
2.1.1
Le problme H standard
z
-
P(s)
-
K(s)
(2.1)
(2.2)
kzk2
est dans le pire des cas:
kwk2
kzk2
= kF (P,K)k ,
w6=0 kwk2
sup
(2.3)
51
2.1.2
max (T ( j)) `T ()
(2.4)
kw3 T k < 1.
(2.5)
Les fonctions w1 et w3 sont appeles fonctions de pondration (weighting functions). Les indices 1 et 3 sont utiliss par convention en lien avec la Figure 2.2.
Dans le cas MIMO, w1 et w3 peuvent tre des matrices de faon privilgier certaines directions et donc modeler plus prcisment les valeurs singulires de S et
T.
Dterminer directement un compensateur K(s) qui assure (2.5) est un problme ouvert. Cependant, on peut substituer (2.5) une condition proche qui conduit
un problme H sous-optimal. En effet, (2.5) est implique par
w1 S
(2.6)
w3 T
< 1
et lon a
w1 S
2 max(kw1 Sk ,kw3 T k ).
max(kw1 Sk ,kw3 T k )
w3 T
2. LA SYNTHSE H
52
Pour obtenir les profils dsirs pour max (S( j)) et max (T ( j)), il est donc raisonnable de chercher raliser (2.6) en rsolvant:
Problme de Sensibilit Mixte: trouver un compensateur
K(s) qui
w1 S
assure la stabilit interne de la boucle et satisfasse
w3 T
< 1.
En pratique, le problme de sensibilit mixte est souvent insuffisant pour traiter toutes les spcifications du loop shaping. En particulier, on a vu en 5.3 et 5.4
que les considrations de stabilit et performances robustes peuvent introduire des
contraintes sur dautres fonctions de transfert comme KS et aussi , G et KG
o
= (I + KG)1 .
Pour les prendre en compte, on doit sintresser la gnralisation suivante.
Problme de Sensibilit Mixte Gnralis: trouver un compensateur
K(s) qui assure la stabilit interne de la boucle et satisfasse:
w
S
w
1
4
w2 KS
< 1
w5 G
< 1.
et
(2.7)
w3 T
w6 KG
Pour conclure cette section, notons que les problmes introduits ci-dessus sont
des cas particuliers du problme H sous-optimal. En effet, les critres utiliss sont
du type
kF (P,K)k < 1
o P(s) est construit partir de G et des matrices de pondration wi comme suit:
w1 w1 G
w1 S
0
w2
F (P,K) = w2 KS P =
(2.8)
0
w3 G
w3 T
I
G
w4
w4
w4
w5 G w5 G
vF (P,K) = w5 G P =
(2.9)
0
w6
w6 KG
G
G
Le terme systme augment est utilis pour P(s). La construction
du
problme
w1 S
Z1
w1 S
Z(s) = Z2 = w2 KS W (s).
Z3
w3 T
53
S.w
-
w1
- z1
w2
- z2
w3
- z3
KS.w
T.w
+
6 e
2.2
Rsolution du Problme H
Cette section prsente les techniques de rsolution par variable dtat des problmes H sous-optimaux et optimaux. Lapproche variable dtat (state-space)
date de 1989 [2] et est aujourdhui la plus riche et la mieux adapte au calcul
numrique. Elle marque un pas dcisif vers une synthse systmatique des asservissements robustes.
2.2.1
B1 B2
(2.10)
Cette ralisation est associe la description interne suivante (x tant le vecteur
dtat):
x = Ax + B1 w + B2 u
.
(2.11)
z = C1 x + D11 w + D12 u
y = C2 x + D21 w + D22 u
z
.
.....
....
2. LA SYNTHSE H
54
On supposera que
D12 R p1 m2 ;
D21 R p2 m1
jI A B1
C2
D21
= n + p2
pour tout R. Autrement dit, P12 (s) et P21 (s) nont pas de zro sur laxe
imaginaire.
Ces deux dernires hypothses sont appeles hypothses de rgularit. Dans un
premier temps, nous ferons en plus les hypothses simplificatrices suivantes dites
de normalisation:
(A4) normalisation: DT12 (D12 ,C1 ) = (I,0) et D21 (DT21 ,BT1 ) = (I,0).
(A5) D22 = 0 et D11 = 0.
On peut toujours satisfaire (A4)-(A5) par des changements de variables appropris.
On a la caractrisation suivante des valeurs sous-optimales de kF (P,K)k pour
le problme normalis [2].
Thorme 2.2.1 Sous les hypothses (A1)-(A5) ci-dessus, il existe un compensateur K(s) qui stabilise le systme de manire interne et assure kF (P,K)k < si et
seulement si:
(i) les quations de Riccati
AT X + XA + X(2 B1 BT1 B2 BT2 )X +C1T C1 = 0;
T
AY +YA
+Y (2C1T C1 C2T C2 )Y
+ B1 BT1
=0
(2.12)
(2.13)
55
Y 0;
(XY ) < 2 .
(2.14)
Pour la rsolution des quations de Riccati (2.12)-(2.13), on se rfrera lappendice. Lexistence de solutions stabilisantes traduit la contrainte kF (P,K)k <
alors que les conditions de positivit (2.14) assurent la stabilit interne. On rappelle
que si
K(s) = DK +CK (sI AK )1 BK
est une ralisation (minimale) du compensateur, la matrice dtat du systme boucl
est (voir 2.2)
A + B2 DK C2 B2CK
ABF =
(2.15)
BK C2
AK
et la stabilit interne est quivalente la stabilit de ABF au sens des matrices.
Le Thorme 2.2.1 suggre un algorithme de dichotomie pour calculer le gain
H -optimal opt . Cet algorithme est connu sous le nom de -itration. On initialise
le processus de dichotomie avec un intervalle [min ,max ] contenant opt et chaque
itration, on limine une moiti de cet intervalle en testant les conditions (i)-(ii) au
point mdian
1
= (min + max ).
2
Si elles sont satisfaites, on a > opt et on rejette la moiti droite de lintervalle. Sinon, on limine la moiti gauche. Ce schma itratif sarrte lorsque la longueur de
lintervalle tombe en-dessous de la prcision dsire pour opt . A chaque itration,
tester la valeur exige deffectuer les oprations suivantes:
Etape 1: calculer le spectre des matrices Hamiltoniennes
A
2 B1 BT1 B2 BT2
AT
2C1T C1 C2T C2
H =
; J =
C1T C1
AT
B1 BT1
A
(2.16)
associes aux quations de Riccati (2.12)-(2.13). Si ces spectres contiennent
des valeurs propres imaginaires pures, conclure que < opt et passer litration suivante.
PX
PY
Etape 2: calculer les sous-espaces invariants stables
et
de
QX
QY
H et J , respectivement. On notera quils sont toujours de dimension n ce
stade. Si PX ou PY est singulire, conclure que < opt et passer litration
suivante. Sinon, calculer les solutions stabilisantes des quations de Riccati
comme:
X = QX PX1 ;
Y = QY PY1 .
Etape 3: tester (ii) pour conclure sur la position de par rapport opt .
2. LA SYNTHSE H
56
Signalons que, dans la majeure partie des cas, loptimum est caractris par lgalit
(XY ) = 2opt .
En plus dune caractrisation du gain H -optimal, lapproche variable dtat
fournit galement des formules explicites pour une solution particulire du problme sous-optimal de paramtre .
Thorme 2.2.2 Supposons (A1)-(A5) et soit > opt . Alors le compensateur
Kc (s) = Cc (sI Ac )1 Bc
avec
Ac = A + (2 B1 BT1 B2 BT2 )X (I 2Y X )1YC2T C2 ;
Bc = (I 2Y X )1YC2T ;
Cc = BT2 X
(2.17)
0
1
s1
0
1
1
3
s2 1
57
soit
s+1
.
s2 + 21.7s + 67.29
La norme de F (G,Kc ) est 1.698 qui est bien infrieure 1.7. Enfin les ples du
systme boucl sont 1, 1, 1.41, 18.29 ce qui confirme la stabilit interne.
Lorsquon approche de opt , le compensateur central volue comme suit:
Kc (s) = 31.05
= 1.65
Kc (s) =
= 1.61
Kc (s) =
= 1.60949
Kc (s) =
s+1
0.015 s2 + 0.66 s + 2.14
s+1
2 104 s2 + 0.62 s + 2.12
s+1
5 106 s2 + 0.62 s + 2.12
Pour conclure cette section, notons que lorsque +, le compensateur central tend vers le compensateur de paramtres:
Ac = A B2 BT2 X YC2T C2 ;
Bc = YC2T ;
Cc = BT2 X
(2.18)
(2.19)
(2.20)
(2.22)
2. LA SYNTHSE H
58
Pour cette raison le compensateur (2.18) est aussi appel compensateur H2 -optimal.
Contrairement au problme H , le compensateur optimal est ici unique. Enfin, rappelons quune forme quivalente de (2.18) est
u(t) = BT2 X x(t)
(2.23)
o x(t)
est lestime de Kalman de ltat x(t) construite en fonction de lobservation
y(t) selon
= Ax(t)
x(t)
+ B2 u(t) +YC2T [y(t) C2 x(t)]
;
x(0)
= 0.
(2.24)
2.2.2
J =
AT
0
T
B1 B1 A
C1T
C2T
B1 DT11 B1 DT21
+
1
D11 BT1 C1
D21 BT1 C2
.(2.26)
59
Thorme 2.2.4 Sous les hypothses (A1)-(A3) et avec D22 = 0, il existe un compensateur stabilisant de faon interne et tel que kF (G,K)k < si et seulement
si:
+
(i) > d := max max (I D12 D+
12 )D11 , max D11 (I D21 D21 ) .
(ii) Les quations de Riccati associes aux Hamiltoniens H et J ont des solutions
stabilisantes X = Ric(H ) et Y = Ric(J ).
(iii) Ces solutions vrifient de plus:
X 0;
(XY ) < 2 .
Y 0;
Pour > opt , lanalogue du compensateur central Kc pour le problme normalis est construit comme suit:
1) calculer une matrice Dc telle que
max (D11 + D12 Dc D21 ) < .
Si
D12 = (U1 ,U2 )
12
0
W ;
(2.27)
V1T
V2T
(2.28)
o
n
o
1 T T
= U1T D11 I +V2 2d I V2T DT11U2U2T D11V2
V2 D11U2U2T D11 V1
et d est dfini en (i) du Thorme 2.2.4.
2) Calculer les paramtres rduits suivants:
A = A + B2 DcC2 ;
C = C1 + D12 DcC2 ;
B = B1 + B2 Dc D21 ;
D = D11 + D12 Dc D21 .
(2.29)
3) Calculer
h
T
YC2T D+
+
B
+
21
YC1T + B1 D T11 (2 I D 11 D T11 )1 D D+
21
Bc = (I 2Y X )1
o
C1 := C1 D11 D+
21C2 ;
D 11 := D11 (I D+
21 D21 ).
(2.30)
2. LA SYNTHSE H
60
4) Calculer
Cc = D+
12
h
T
D+
12 B2 X + C
+ D (2 I D T11 D 11 )1 B T1 X + D T11C1
i
(2.31)
o
B 1 := B1 B2 D+
12 D11 ;
D 11 := (I D12 D+
12 )D11 .
5) Dterminer Ac en rsolvant
(I 2Y X ) Ac = A +2Y A T X +B2Cc +(I 2Y X )BcC2 +
( Y C ,B + (I Y X )Bc D21 )
1
DT
D
I
1
C + D12Cc
.
1 B T X
(2.32)
2.3
2.3.1
w1 (s) w1 (s)G(s)
0
w2 (s)
P(s) =
0
w3 (s)G(s)
I
G(s)
et introduisons les ralisations minimales:
AG BG
Aw1 Bw1
A
G=
; w1 =
; w2 = w 2
CG DG
Cw1 Dw1
Cw2
Bw2
A
; w3 = w3
Dw2
Cw3
Bw3
.
Dw 3
(2.33)
Ici la difficult principale est dassurer la minimalit de la ralisation obtenue pour
P(s). Ainsi, lapproche directe qui consisterait former la matrice de fractions rationnelles P(s) et en calculer une ralisation nest pas viable en pratique; cause
de lapparition rpte de G(s) notamment, lalgorithme de ralisation a tendance
dupliquer les modes de G et donc fournir une ralisation non minimale.
Pour viter de telles duplications, on peut chercher dcomposer P(s) en un
produit de fonctions de transfert o G,w1 ,w2 ,w3 napparaissent quune seule fois.
61
Par exemple,
w1 w1 G
0
w2
P=
0
w3 G
I
G
I G
0 G
0 G
I 0 I
I
0
0 I 0
0 I
= diag(w1 ,w2 ,w3 ,I)
(2.34)
.
0 0 I
0 G
I 0 I
AG 0 BG
I 0
0 I 0
0 I =
0 0 I .
0 G
CG 0 DG
En utilisant la formule de multiplication des ralisations (voir 2.2), on en dduit
AG 0 BG
CG I DG
CG 0 DG
CG I DG
AG
0
0
0
0
BG
Bw1 CG Aw1 0
0 Bw1 Bw1 DG
0
0 Aw 2 0
0
Bw2
Bw3 CG
0
0 Aw3 0
Bw3 DG
Dw1 CG Cw1 0
0 Dw1 Dw1 DG
0
0 Cw2 0
0
Dw2
Dw3 CG
0
0 Cw3 0
Dw3 DG
CG
0
0
0
I
DG
(2.35)
Cette ralisation est bien minimale. On notera que lordre du systme augment
P(s) est la somme des ordres de G et des diffrentes fonctions de pondration:
ordre(P) = ordre(G) + ordre(w1 ) + ordre(w2 ) + ordre(w3 ).
(2.36)
Sous rserve que les hypothses (A1)-(A3) soient vrifies, on peut directement appliquer lalgorithme de -itration pour dterminer si lattnuation = 1 est
2. LA SYNTHSE H
62
kF (P,K)k =
w2 KS
<1
w3 T
est solvable et les formules du compensateur central fournissent une solution particulire dordre gal lordre du systme augment. La partie synthse du compensateur est donc immdiate et lessentiel du travail consiste choisir les fonctions de
pondration appropries.
Pour conclure, on donne la contrepartie de (2.35) pour le critre
w
4
w5 G
< 1
w6 KG
BG
BG
AG
0
0
0
0
Aw4 0
0
Bw4
Bw4
B C
0
A
0
B
D
B
D
w5
w5 G
w5 G
w5 G
0
0
0 Aw6
0
Bw6
P=
(2.37)
.
0
Cw4 0
0
Dw4
Dw4
0
0
0 Cw6
0
Dw6
CG
0
0
0
DG
DG
2.3.2
Le choix des fonctions de pondration wi est dict par une double proccupation:
produire le profil dsir pour les valeurs singulires des fonctions de transfert
caractristiques (S,KS,T,G ,...),
assurer que le problme H rsultant est rgulier, cest--dire que (A1)-(A3)
sont vrifies.
Dans le cas SISO, les spcifications de profil sont relativement aises traduire en
terme de pondrations. Si la contrainte sur S est du type
max (S( j)) < |`( j)|,
1
. La tche se rduit donc trouver une fraction ra`(s)
tionnelle `(s) dont le profil |`( j)| reflte les contraintes imposes sur max (S( j)).
63
Le cas MIMO est plus complexe cause des aspects directionnels. Les spcifications peuvent en effet diffrer dune pair entre/sortie lautre; par exemple,
on pourra exiger de bonnes performances de suivi de la consigne r1 par la sortie
y1 , et au contraire une rjection de lentre r2 au niveau de y1 . Ce scnario est classique lorsquon cherche dcoupler leffet des commandes sur les sorties. De telles
spcifications introduisent des contraintes directionnelles sur S et T ; une mme
frquence , T ( j) devra se comporter comme I dans la direction r1 et comme 0
dans la direction r2 . On est donc amen modeler sparment chaque valeur singulire de S et T . Ceci requiert lutilisation de fonctions de pondration matricielles et
de la reprsentation gnralise (1.45) de lincertitude dynamique.
Une fois dtermins une allure et une expression rationnelle adquates pour
chaque fonction de pondration, il faut sassurer que le problme H rsultant est
solvable par les algorithmes dcrits en section 7. Autrement dit, que les paramtres
de P(s) donns par (2.35) satisfont (A1)-(A3). Cette exigence est purement technique et lie aux limites de validit de la solution prsente en section 7. Si ces
hypothses tombent, le problme est toujours soluble mais le calcul dune solution
requiert des outils beaucoup plus lourds.
En inspectant la ralisation minimale (2.35) de P, on remarque les faits suivants
(avec les notations standard (2.10)):
P21 (s) = I,
Dw1 DG
Dw2
D12 =
Dw DG ,
3
DG
les modes de Aw1 ,Aw2 ,Aw3 sont des modes inobservables de (C2 ,A).
Il en rsulte les contraintes suivantes sur G et les fonctions de pondration:
(a) w1 ,w2 ,w3 doivent tre stables. Tout ple instable invaliderait en effet lhypothse (C2 ,A) dtectable.
(b) Ni G, ni w1 ,w2 ,w3 ne peuvent avoir de ples sur laxe imaginaires. En effet,
tout ple de
AG
0
0
0
Bw1 CG Aw1 0
0
A=
0
0 Aw2 0
Bw3 CG
0
0 Aw3
est un zro de P21 (s) = I.
(c) Si G est strictement propre, pour assurer que D12 est de rang plein il faut obligatoirement soit inclure une pondration w2 avec Dw2 de rang plein, soit utiliser
une fonction w3 impropre choisie de sorte que w3 G soit propre et w3 G()
soit de rang plein.
2. LA SYNTHSE H
64
1/2
= 1.
Pour chapper aux restrictions imposes par (A1)-(A3), une pratique coutumire consiste ne se proccuper dans un premier temps que des spcifications du
loop shaping, puis perturber les pondrations obtenues pour les rendre compatibles avec les algorithmes. La modification effectue doit tre suffisamment faible
pour ne pas trop compromettre les spcifications. Elle ne doit cependant pas tre
trop petite car on se heurte alors des difficults numriques lies la proximit de
problmes singuliers.
2.3.3
65
u=F
..
..
TTTTTTTTTTS
= 0.01.
1
k
esT
s
s2
1 + 2 + 2
0 0
2. LA SYNTHSE H
66
Gexact
r
+ e
6
uc
esT
x
-
G0
2
1 + 0.002s + 0.01s2
s
s
1 + 2 + 2
0 0
1
k
G(s) =
(2.39)
Log Magnitude
10
10
10
10
10
10
10
10
Frequency (radians/sec)
Phase (degrees)
100
200
300 0
10
10
10
10
Frequency (radians/sec)
67
Gexact ( j) G( j)
G( j)
s2
.
1 + 0.001s
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0
10
: |w3 ( j)|
12
14
16
18
20
: |( j)|
1
s + 1
2
2. LA SYNTHSE H
68
o 1 sera utilis pour rgler la frquence de coupure. Notons que |w1 ( j)| = 1
pour 10 1 et que la frquence de coupure de GK correspondra approximativement celle de w1 . Par consquent on cherchera 1 aux environs de 0.5 rd/s.
Lalgorithme de -itration fournit les valeurs suivantes de opt pour trois valeurs test de 1 :
1 = 0.7 opt 1.18 (> 1)
1 = 0.6 opt 0.98 (> 1)
1 = 0.5 opt 0.79 (< 1)
Retenons le compensateur obtenu pour 1 = 0.5 et = 1:
K(s) = 2.08
(2.40)
Log Magnitude
10
10
10
10
10
10
10
Frequency (radians/sec)
Phase (degrees)
200
400 1
10
10
10
10
Frequency (radians/sec)
69
10
10
10
10
10
20
30
: |S( j)|
40
50
60
70
80
90
100
: |T ( j)|
2.3.4
Lexemple 2.3.1 met en vidence certaines proprits indsirables du compensateur central. La Figure 2.9 compare les amplitudes des rponses de G et de K. On
constate que K se comporte comme un rjecteur cal sur la pulsation propre 0 du
systme. Autrement dit, K place des zros l o G a un mode rsonnant de faon
en annuler leffet et aplanir GK. On dit que K inverse le systme G. Ce comportement est confirm par les expressions (2.39) de G et (2.40) de K o lon constate
une simplification exacte du terme
1 + 2
s
s2
+ 2 = 1 + 0.002s + 0.01s2
0 0
2. LA SYNTHSE H
70
10
10
10
10
10
10
10
: |G( j)|
10
: |K( j)|
71
10
10
10
10
10
10
10
frequency rad/s.
F IG . 2.10 Amplitude de
10
G
1+KG ( j).
40
30
20
y response
10
10
20
30
40
0
10
20
30
time sec.
40
50
60
2. LA SYNTHSE H
72
Log Magnitude
10
10
10
10
10
10
10
10
Frequency (radians/sec)
Phase (degrees)
200
400 1
10
10
10
10
Frequency (radians/sec)
Log Magnitude
10
10
10
10
10
10
10
Frequency (radians/sec)
Phase (degrees)
200
400 1
10
10
10
10
Frequency (radians/sec)
2.3.5
w
S
1
Le critre de sensibilit mixte
w2 KS
< 1 produit donc un compensa
w3 T
teur central qui tend simplifier exactement les modes stables du systme G. Pour
73
4
< 1 o = (I + KG)1 . La pond
Son profil de gain est compar celui du systme G en Figure 2.14. On remarquera
que le zro de K est maintenant dcal par rapport la pulsation propre 0 = 10 de
G.
2
10
10
10
10
10
10
10
: |G( j)|
10
: |K( j)|
2. LA SYNTHSE H
74
Log Magnitude
10
10
10
10
10
10
Frequency (radians/sec)
10
Phase (degrees)
200
400
600 0
10
10
Frequency (radians/sec)
10
10
10
10
10
10
: |S( j)|
10
: |T ( j)|
10
: |GS( j)|
75
pensateurs H sous-optimaux. A performances gales on cherchera le compensateur qui amortit le mieux les modes rsonants. Ce problme peut tre rsolu par des
techniques doptimisation convexe.
10
6
0
0.5
1.5
2
time sec.
2.5
3.5
2.4
2. LA SYNTHSE H
76
(ii) il existe une matrice symmetrique X dfinie positive X > 0 solution de lingalit matricielle linaire
T
A X + XA XB CT
BT X
I DT < 0 .
(2.41)
C
D I
Ce rsultat est connu sous la forme du Lemme de Kalman-Popov-Yacubovich et
est dmontr dans [31]. Il est facile de voir que lensemble des solutions de (2.41)
constitue un ensemble convexe dont on peut extraire une solution par des techiniques doptimisation trs performantes. Le principe de la dmonstration pour le
problme de synthse H consiste appliquer le lemme prcdent au systme
boucl puis manipuler la condition obtenue jusqu obtenir des conditions plus
simples. On peut raisonnablement esprer obtenir des LMI puisqu elles constituent
une autre caractrisation de la norme H . Ces manipulations dtailles dans [19]
conduisent au rsultat suivant.
Thorme 2.4.2 Il existe un compensateur K(s) solution du problme H suboptimal de performance , si et seulement si il existe des matrices symtriques X et Y
solution du problme LMI
NX 0
0
NY 0
0
T
XA + AT X XB1
BT1 X
I
C1
D11
T
YAT + AY YC1T
C1Y
I
T
B1
DT11
C1T
NX
T
D11
0
I
B1
NY
D11
0
I
X
I
0
I
< 0 (2.42)
0
I
< 0 (2.43)
I
Y
> 0. (2.44)
D21 ] et [ BT2
DT12 ].
Le systme de LMI ci-dessus peut tre aisment rsolu par des algorithmes de
programmation (convexe) semi-dfinie. Les avantages immdiats de la formulation
LMI sont les suivants:
Les hypothses (A2) et (A2) qui taient ncessaires la technique DGKF
deviennent inutiles ici. On peut donc utiliser la formulation LMI avec une
plus grande libert que lapproche classique.
Les contraintes prcdentes dfinissent un ensemble de solutions et non plus
un point isol, on peut donc utiliser cet arbitraire pour obtenir des compensateurs de nature diffrente du compensateur central de la mthode DGKF. En
77
Lorsquon dispose dune solution des contraintes LMI (2.42)-(2.44), le compensateur associ est directement obtenu par des relations algbriques [19].
78
Bibliographie
[1] Doyle, J.C., Analysis of Feedback Systems with Structured Uncertainties,
IEE. Proc., vol. 129, pt D (1982), pp. 242-250.
[2] Doyle, J.C., Glover, K., Khargonekar, P., and Francis, B., State-Space Solutions to Standard H2 and H Control Problems, IEEE Trans. Aut. Contr.,
AC-34 (1989), pp. 831-847.
[3] Basar, T., and P. Bernhard, H -Optimal Control and Related Minimax Design
Problems - A Dynamic Game Approach, Birkhauser, Boston, 1991.
[4] Boyd, S.P., and C.H. Barratt, Linear Controller Design: Limits of Performance, Prentice-Hall, 1991.
[5] Doyle, J.C., B.A. Francis, and A.R. Tannenbaum, Feedback Control Theory,
Macmillan Publishing Company, New York, 1992.
[6] Francis, B., A course in H Control Theory, Lecture Notes in Control and
Information Sciences No. 88, Springer Verlag, Berlin-New York, 1987.
[7] McFarlane, D.C., and K. Glover, Robust Controller Design Using Normalized
Coprime Factor Plant Descriptions, Lecture Notes on Control and Information Sciences, vol. 128, Springer-Verlag, 1990.
[8] Stoorvogel, A., The H Control Problem: a State-Space Approach, Prentice
Hall International, Hemel Hempstead, U.K., 1992.
[9] Doyle, J.C. and G. Stein, Multivariable Feedback Design: Concepts for a
Classical/Modern Synthesis, IEEE Trans. Aut. Contr., AC-26 (1981), pp. 416.
[10] Doyle, J.C., Lecture Notes on Advances in Multivariable Control, Technical
Report, Honeywell, Minneapolis, 1984.
[11] Freudenberg, J.C. and D.P. Looze, Relation between Properties of Multivariable Feedback Systems at Different Loop-Breaking Points: Part I, Proc.
CDC, 1985, pp. 250-256.
[12] Freudenberg, J.C. and D.P. Looze, Relation between Properties of Multivariable Feedback Systems at Different Loop-Breaking Points: Part II, Proc.
Amer. Contr. Conf., 1986, pp. 771-777.
79
BIBLIOGRAPHIE
[13] Freudenberg, J.C. and D.P. Looze, Right-Half Plane Poles and Zeros and Design Tradeoffs in Feedback Systems, IEEE Trans. Aut. Contr., AC-30 (1985),
pp. 555-565.
[14] Freudenberg, J.C. and D.P. Looze, The Relation between Open-Loop and
Closed-Loop Properties of Multivariable Feedback Systems, IEEE Trans.
Aut. Contr., AC-31 (1986), pp. 333-340.
[15] Stein, G. and J.C. Doyle,Beyond Singular Values and Loop Shapes, J. Guidance, 14 (1991), pp. 5-16.
[16] Bernstein, D.S., and W.M. Haddad, LQG Control with an H Performance
Bound : a Riccati Equation Approach, IEEE Trans. Aut. Contr., AC-34
(1989), pp. 293-305.
[17] Chiang, R.Y. and M.G. Safonov, Modern CACSD Using the Robust Control
Toolbox, Proc. Conf. Aerospace and Computational Contr., Oxnard, CA,
1989.
[18] Doyle, J.C., Glover, K., Khargonekar, P., and Francis, B., State-Space Solutions to Standard H2 and H Control Problems, IEEE Trans. Aut. Contr.,
AC-34 (1989), pp. 831-847.
[19] Gahinet, P. and P. Apkarian, A Linear Matrix Inequality Approach to H
Control, Int. J. Robust and Nonlinear Contr., vol. 4, (1994) pp. 421-448.
[20] Glover, K. and J.C. Doyle, State-space Formulae for all Stabilizing Controllers that Satisfy an H -norm Bound and Relations to Risk Sensitivity, Syst.
Contr. Letters, 11 (1988), pp. 167-172.
[21] Glover, K. and D. Mustafa, Derivation of the Maximum Entropy H Controller and a State-Space Formula for its Entropy, Int. J. Contr., 50 (1989),
pp. 899-916.
[22] Glover, K., D.J.N. Limebeer, J.C. Doyle, E.M. Kasenally, and M.G. Safonov,
A Characterization of all Solutions to the Four-Block General Distance Problem, SIAM J. Contr. Opt., 29 (1991), pp. 283-324.
[23] Khargonekar, P.P., and M.A. Rotea,Mixed H2 /H Control: a Convex Optimization Approach, IEEE Trans. Aut. Contr., 39 (1991), pp. 824-837.
[24] Kwakernaak, H., A Polynomial Approach to Minimax Frequency Domain
Optimization of Multivariable Feedback Systems, Int. J. Contr., 44 (1986),
pp. 117-156.
[25] Kwakernaak, H., The Polynomial Approach to H -Optimal Regulation,
Lecture Notes of the 1990 CIME Course on Recent Developments in H
Control Theory, Como, Italy, 1990.
[26] Limebeer, D.J.N., B.D.O. Anderson, P.P. Khargonekar, and M. Green, A
Game-Theoretic Approach to H Control for Time-Varying Systems, SIAM
J. Contr. Opt., 30 (1992), pp. 262-283.
BIBLIOGRAPHIE
80
[27] Mustafa, D. and K. Glover, Controller which Satisfy a Closed-Loop H Norm Bound and Maximize an Entropy Integral, Proc. CDC, 1988, pp. 959964.
[28] Peterson, I.R., B.D.O. Anderson, and E.A. Jonckheere, A First Principles Solution to the Non-Singular H Control Problem, Int. J. of Robust and Nonlinear Control, 1 (1991), pp. 171-185.
[29] Sampei, M., T. Mita, and M. Nakamichi, An Algebraic Approach to H Output Feedback Control Problems, Syst. Contr. Letters, 14 (1990), pp. 13-24.
[30] Safonov, M.G., D.J. Limebeer and R.Y. Chiang, Simplifying the H Theory
via Loop-Shifting, Matrix-Pencil and Descriptor Concepts, Int. J. Contr., 50
(1989), pp. 2467-2488.
[31] Scherer, C., The Riccati Inequality and State-Space H -Optimal Control, Ph.D
Thesis, University of Wurzburg, Germany, 1990.
[32] Scherer, C., H Optimization without Assumptions on Finite or Infinite Zeros, SIAM J. Contr. Opt., 30 (1992), pp. 143-166.
[33] Sefton, J. and K. Glover, Pole/Zero Cancellations in the General H Problem
with Reference to a Two Block Design, Syst. Contr. Letters, 14 (1990), pp.
295-306.
[34] Stoorvogel, A.A., The Singular H Control Problem with Dynamic Measurement Feedback, SIAM J. Contr. Opt., 29 (1991), pp. 160-184.
[35] Tsai, M.C., E.J.M. Geddes, and I. Postlethwaite, Pole-Zero Cancellations and
Closed-Loop Properties of an H Mixed-Sensitivity Design Problem, Proc.
CDC, 1990, pp. 1028-1029.
[36] Whittle, P., Risk-Sensitive Linear/Quadratic/Gaussian Control, Adv. Appl.
Prob., 13 (1981), pp. 764-777.
[37] Apkarian, P., and J.C. Morris, Robust Modal Controllers: New H / Synthesis Structures, 1992.
[38] Apkarian, P., and P. Gahinet,A Convex Characterization of Parameter Dependent H Controllers, submitted to IEEE Trans. Aut. Contr., December
1992.
[39] Doyle, J.C., J.E. Wall, and G. Stein, Performance and Robustness Analysis
for Structured Uncertainty, Proc. CDC, 1982, pp. 629-636.
[40] Haddad, W.M. and D.S. Berstein,Explicit Construction of Quadratic Lyapunov Functions for the Small Gain, Positivity, Circle, and Popov Theorems and
their Application to Robust Stability, Proc. CDC, 1991, pp. 2618-2623.
[41] Stein, G. and J.C. Doyle,Beyond Singular Values and Loop Shapes, J. Guidance, 14 (1991), pp. 5-16. 49 (1989), pp. 2215-2240.
[42] Khargonekar, P.P., I.R. Petersen, and K. Zhou, Robust Stabilization of Uncertain Linear Systems: Quadratic Stability and H Control Theory, IEEE Trans.
Aut. Contr., AC-35 (1990), pp. 356-361.
81
BIBLIOGRAPHIE
[43] Balas, G. J., and J. C. Doyle,Robust Control of Flexible Modes in the Controller Crossover Region, Proc. Amer. Contr. Conf., 1989.
[44] Chang, B.C., X.P. Li, S.S. Banda, and H.H. Yeh, Design of an H Optimal
Controller by Using DGKFs State-Space Formulas, Proc. CDC, 1990, pp.
2632-2633.
[45] Kuraoko, H., N. Ohka, M. Ohba, S. Hosoe, and F. Zhang, Application of HInfinity Design to Automotive Fuel Control, IEEE Contr. Syst. Mag., 1990,
pp. 102-106.
[46] Safonov, M.G. and R.Y. Chiang, CACSD Using the State-Space L Theory:
A Design Example, Proc. Conf. on CACSD, 1986, pp. 95-101.
[47] Safonov, M.G. and R.Y. Chiang, CACSD Using the State-Space L Theory:
A Design Example, IEEE Trans. Aut. Contr., AC-33 (1988), pp. 477-479.
[48] Safonov, R.Y. Chiang and H. Flashner, H Robust Control Synthesis for
a Large Space Structure, Proc. Amer. Contr. Conf., Atlanta, GA, 1988, pp.
2038-2045.
[49] Bruisma, N.A., and M. Steinbuch, A Fast Algorithm to Compute the H Norm of a Transfer Function Matrix, Syst. Contr. Letters, 14 (1990), pp. 287293.
[50] Chiang, R.Y. and M.G. Safonov, Robust Control Toolbox, So. Natick, MA,
MathWorks, 1988.
[51] Gahinet, P. and P. Pandey, A Fast and Numerically Robust Algorithm for
Computing the H Optimum, Proc. CDC, 1991, pp. 200-205.
[52] Robel, G., On Computing the Infinity Norm, IEEE Trans. Aut. Contr., AC-34
(1989), pp. 882-884.
[53] Scherer, C., H -Control by State-Feedback and Fast Algorithms for the Computation of Optimal H -Norms, IEEE Trans. Aut. Contr., AC-35 (1990), pp.
1090-1099.
[54] Shen, T., and T. Tamura, Properties of Algebraic Riccati Inequalities and H
Robust Suboptimal Controller Design, Proc. CDC, pp. 212-213, 1991.
83
Chapitre 3
Techniques de -analyse et de
synthse
On synthtise a priori une loi de commande sur un modle nominal du processus. On veut vrifier a posteriori que la boucle ferme demeure stable (voire
performante) en prsence des invitables erreurs de modlisation.
On fait lhypothse que le processus (modle + incertitudes de modle associes) est linaire invariant dans le temps. Les erreurs de modlisation peuvent tre
de deux types, savoir des incertitudes paramtriques (incertitudes sur la valeur des
paramtres physiques du processus) et des dynamiques mal connues ou ngliges
(mconnaissance de la dynamique haute frquence en entre et en sortie du processus). La analyse fournit un cadre gnral pour ltude de la robustesse dune
boucle ferme soumise ces deux types dincertitudes de modle.
Nous introduisons graduellement le problme danalyse de la stabilit robuste
dans les deux premiers paragraphes (robustesse paramtrique, robustesse aux dynamiques ngliges, cas gnral). La valeur singulire structure (VSS) est dfinie
formellement nous nous intressons ensuite au problme de la performance robuste.
On traite galement du problme de mise sous forme de LFT de processus paramtriquement incertains, puis nous introduisons des algorithmes pour le calcul effectif
de la VSS. Enfin, dans une dernire partie de ce chapitre, nous exploitons cet outil
danalyse pour dfinir une technique de synthse systmatique de compensateurs
robustes: cest la synthse.
3.1
84
3.1.1
M(s)
y = (C0 + Ci i )x + (D0 + Di i )u
i
(3.1)
85
i [1,1] reprsente la variation normalise du ime paramtre incertain. La mthode de Morton [8] (que nous dtaillerons plus loin) permet de mettre le processus
commander sous la forme dune LFT y = FL (H(s),)u, o u et y sont les entres
et sorties du processus (voir figure 3.2).
est alors une matrice diagonale de la forme :
= diag(i Iqi )
(3.2)
H(s)
-
+ h
- 6
K(s)
y
-
H(s)
-
Lide est donc de rajouter des entres / sorties fictives, de faon faire apparatre les incertitudes sous forme dun retour interne au processus. De fait, il suffit
86
maintenant de connecter les entres / sorties u et y du processus incertain (voir figure 3.2) avec les entres / sorties du correcteur (voir figure 1.3) pour obtenir le
schma dinterconnection standard de la figure 3.1 : M(s) correspond sur la figure
3.3 la matrice de transfert vue par la perturbation de modle, cest dire au
transfert entre les entres w et les sorties z.
Par construction, les ples de la boucle ferme originale soumise aux diffrentes incertitudes i de modle concident avec les ples de la boucle ferme correspondant au schma dinterconnection M(s) , avec = diag(i Iqi ).
Voici un exemple simple dans lequel un systme en rgime autonome est reprsent par une forme M(s) . Considrons lquation dun systme mcanique
m0 x + f0 (1 + 2 )x + k0 (1 + 1 )x = 0
o 1 , 2 dsignent des incertitudes relatives sur le frottement et la raideur, respectivement. Une reprsentation dtat quivalente de ce systme est donne par
x1
0
1
x1
=
(3.4)
x2
(1 + 1 )k0 /m0 (1 + 2 ) f0 /m0
x2
On vrifie alors directement que ce systme est compltement quivalent la
forme M(s)- dcrite comme suit. La reprsentation dtat de M(s) est donne par:
x
0
1
x
0
0
w1
1
1
=
+
x2
k0 /m0 f0 /m0
w2
x2
k0 /m
0 f0 /m0
z1
1 0
x1
z2
0 1
x2
(3.5)
Lincertitude intervient travers la relation de feedback:
w1
1 0
z1
=
w2
0 2
z2
3.1.2
(3.6)
On peut alors formuler le problme soit comme un test de robustesse ("la boucle
ferme de la figure 3.1 est elle stable quels que soient les paramtres incertains
lintrieur de H ?"), soit comme un calcul de la marge de robustesse ("Quelle est la
plus grande valeur kmax de k telle que la boucle ferme soit stable lintrieur de
lhypercube kD?").
On peut rsoudre le deuxime problme en cherchant la plus petite valeur de k
87
(3.7)
(3.8)
88
que la VSS peut tre galement considre comme une extension de notions algbriques classiques, savoir le rayon spectral et la valeur singulire maximale dune
matrice (voir paragraphes 3.3.2 et 3.6).
3.1.3
Le schma dinterconnection de la figure 3.1 contient implicitement des pondrations sur les diffrentes incertitudes paramtriques, de faon considrer des
incertitudes normalises i entre -1 et +1. Ces pondrations jouent un rle critique
en pratique, comme nous lillustrons maintenant.
Reprenons le cas dincertitudes paramtriques i entrant de faon affine dans
les quations dtat du processus commander :
x = (A0 + Ai i )x + (B0 + Bi i )u
i
y = (C0 + Ci i )x + (D0 + Di i )u
stable
(3.9)
instable
F IG . 3.4 Domaines de stabilit garantis dans lespace des paramtres incertains
(le point 0 correspond la valeur nominale des paramtres).
On fait lhypothse que chacun des i appartient un intervalle fix a priori
[i , i ], et on pose i = ai + bi i , en choisissant les ai et bi de faon se ramener
i [1,1].
Dans un souci de simplicit, on considre le cas de 2 paramtres 1 et 2 . De
fait, on peut diviser lespace des i en deux sous espaces, selon que la boucle ferme
89
est stable ou instable en un point donn de ce sous espace. La frontire entre ces 2
sous-espaces correspond au cas o la boucle ferme est marginalement stable (voir
figure 3.4).
Rappelons que la analyse nous permet de garantir la stabilit lintrieur
dun hypercube kH dans lespace des paramtres incertains normaliss i 1 . De fait,
cet hypercube correspond un rectangle dans lespace des i 2 . Si lon joue sur les
longueurs spcifies a priori des intervalles (i.e. sur la valeur de i i ), on constate
que diffrents choix de ces longueurs conduisent diffrents rectangles de stabilit
dans lespace des i (voir figure3.4).
3.2
Cas gnral
Le cas gnral que nous examinons ci-dessous correspond au cas dincertitudes de diffrentes natures qui peuvent apparaitre simultanment dans le schma
de commande.
3.2.1
+ h- 6
K(s)
(s)
+
- ?
h
+
G(s)
90
3.2.2
1
(M( j))
(3.10)
+ h- 6
K(s)
1(s)
w1
z2
-
+ ?
- h
+
G(s)
2(s)
w2
+ ?
- h
+
91
(3.12)
(3.13)
(3.14)
3.2.3
92
Cas gnral
z1
+ h6
K(s)
- (s)
1
w1
+
- ?
h
z2
+
- ?
h
w2
- (s)
2
H(s)
-
w3
z3
(3.15)
(3.16)
Dautre part, la matrice de transfert M(s) correspond au transfert entre les entres
(w1 ,w2 ,w3 ) et les sorties (z1 ,z2 ,z3 ). Dun point de vue qualitatif, dans lquation
(3.16), on peut penser aux paramtres rels incertains i comme des gains statiques, tandis que les dynamiques ngliges j (s) correspondent des matrices de
transfert.
93
3.3
Dfinition de la VSS
3.3.1
Notations et dfinitions
(3.17)
(3.18)
Notons que la relation () 1 se traduit par i [1,1] pour les scalaires rels et
par (Cj ) 1 pour les blocs complexes pleins. On dfinit enfin la VSS comme :
(M) = {min(k / kB avec det(I M) = 0)}1
= 0
3.3.2
(3.19)
s iln existepasdetel(k,)
94
le cas o correspond un seul bloc complexe plein (resp. seul scalaire rel
rpt), il savre que la VSS (M) concide avec la valeur singulire maximale
(M) (resp. le rayon spectral rel R (M)).
Si correspond un seul bloc complexe plein, il suffit de se reporter au chapitre ??? et au paragraphe 3.2.1 pour pouvoir affirmer que (M) = (M). On rappelle en effet que le thorme du petit gain fournit une condition ncessaire et suffisante de stabilit face une perturbation non structure de modle.
On peut utiliser plus prcisment le rsultat suivant : si A est une matrice complexe, la taille de la plus petite perturbation complexe , qui rende singulire la
matrice A + , vaut (A). Si lon revient maintenant notre problme initial, et si
lon fait lhypothse (forte) dune matrice M inversible, la singularit de la matrice
I M est alors quivalente la singularit de la matrice M 1 . Ds lors, la
taille de la plus petite perturbation non structure , qui rende singulire la matrice
I M, est :
(M 1 ) =
1
1
=
(M) (M)
(3.20)
Si correspond un seul scalaire rel rpt Ir , nous allons montrer simplement que (M) = R (M). On rappelle tout dabord que le rayon spectral rel
R (M) reprsente la valeur absolue de la plus grande valeur propre relle de M :
R (M) = max{|i (M)| / i (M) R}
(3.21)
(3.22)
1
Mx = x
(3.23)
soit encore :
95
3.3.3
Problmes thoriques
= max (M( ji ))
(3.24)
i[1,N]
On fait donc (de faon quelque peu abusive) une hypothse de rgularit de la VSS
en fonction de la frquence. Si lon maille de faon suffisamment fine le domaine
des frquences, on obtient de fait de bons rsultats dans beaucoup de cas pratiques
(voir les exemples dapplication - pilotage dun avion ou dun missile, . . . ).
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0 1
10
10
10
10
Notons cependant que lon peut rencontrer des problmes dans un certain
nombre de cas spcifiques (structures flexibles en particulier) : le problme est plus
prcisment li la prsence de pics hauts et fins sur la courbe de variation de
96
(M( j)) en fonction de la frquence (voir figure 3.8). Du fait que la VSS
(M( j)) varie trop rapidement en fonction de , la technique classique consistant utiliser un maillage frquentiel ne peut plus tre considre comme fiable et
on peut envisager alors de calculer directement la valeur maximale de la VSS sur
un intervalle de frquences. Les mthodes de rsolution dun tel problme sont cependant beaucoup plus dlicates manipuler. Il existe mme des cas pathologiques,
pour lesquels la VSS est une fonction discontinue de la frquence. On rencontre
en particulier ce genre de problmes dans le cas de systmes conservatifs (i.e. des
systmes du second ordre non amortis).
Calcul dun intervalle de la VSS
On calcule rarement en pratique la valeur exacte de la VSS : on calcule plus gnralement un intervalle (i.e des bornes infrieure et suprieure). La raison premire
rside dans le caractre NP complet du problme [1]. On montre en effet quil ne
peut pas exister dalgorithme calculant dans tous les cas la valeur exacte de la VSS
en temps polynomial (i.e. avec un volume de calcul crossant de faon polynomiale
avec la taille du problme).
De fait, il existe un certain nombre dalgorithmes de calcul dune borne infrieure ou suprieure de la VSS dans le cas de perturbations de modle complexe,
relle ou mixte. Ces algorithmes sont temps polynomial ou exponentiel selon le
cas. Nous prsenterons en particulier dans le paragraphe 1.6 deux mthodes classiques permettant de calculer une borne infrieure [15] et une borne suprieure [5]
de la VSS mixte en temps polynomial.
Remarques : rfrence(i) Lorsquon calcule un intervalle de la VSS, on ne peut
trs gnralement pas garantir a priori lcart entre les bornes infrieure et suprieure de la VSS.
(ii) Lorsquon manipule une borne suprieure de la VSS, on obtient in fine une
borne infrieure kL de la marge de robustesse kmax . Dans le cas dune perturbation
relle de modle, on peut donc garantir la stabilit de la boucle ferme lintrieur
de lhypercube kL H (voir paragraphe 1.1).
(iii) On utilise assez typiquement une borne infrieure de la VSS pour mesurer le
conservatisme de la borne suprieure : lcart entre les deux bornes peut savrer
assez faible sur des exemples ralistes (voir les exemples dapplication ainsi que la
[7]), de sorte que le rsultat fourni par une borne suprieure de la VSS nest pas
ncessairement rellement conservatif.
97
3.4
Performance robuste
3.4.1
98
lit 5 .
Cette spcification peut traduire dans une certaine mesure des objectifs temporels, tels que le temps de rponse et le dpassement de la rponse indicielle ou la
rapidit dattnuation dune perturbation agissant sur la boucle ferme.
5. Si A reprsente la matrice dtat de la boucle ferme, le degr de stabilit est dfini par :
= maxi Re(i (A)) o i (A) reprsente une valeur propre de A.
99
min
min
3.4.2
1
w
M
-
100
2 (M22 ) < 1
(M) < 1
(3.27)
z-
M
-
3.4.3
(3.28)
101
(3.29)
(3.30)
(3.31)
2 B2
(3.32)
(3.33)
(3.34)
On peut donc ramener un problme danalyse de la performance robuste un problme augment danalyse de la stabilit robuste, dans lequel on a rajout un bloc
fictif de performance 1 . Ce bloc peut tre ventuellement structur : si les signaux
w et z scrivent w = [w1 , . . . ,wm ]T et z = [z1 , . . . ,zm ]T , et si lon ne sintresse quaux
transferts entre les signaux scalaires wi et zi , le bloc de performance 1 sera maintenant choisi diagonal.
3.5
i=1
i=1
x = (A0 + Ai i )x + (B0 + Bi i )u
i=1
i=1
y = (C0 + Ci i )x + (D0 + Di i )u
avec dim x = n, dim u = nu et dim y = ny .
On peut recrire les quations ci-dessus sous la forme :
N
x
x
= (P0 + Pi i )
y
u
i=1
102
(3.35)
(3.36)
avec ( j [0,N]) :
Pj =
Aj Bj
Cj Dj
(3.37)
x
x
A0 B0 B0
x
y = Q u = C0 D0 D12 u
(3.38)
z
w
C0 D21 D22
w
ainsi que le retour interne au processus w = z.
Les matrices (A0 ,B0 ,C0 ,D0 ) correspondent au modle nominal du processus
( = 0). On cherche des matrices (B0 ,C0 ,D12 ,D21 ,D22 ) ainsi quune perturbation
structure de modle vrifiant ( RN ) :
N
x
x
x
(3.39)
= (P0 + Pi i )
= Fl (Q ,)
y
u
u
i=1
La LFT Fl (Q ,) scrit :
Fl (Q ,) = Q11 + Q12 (I Q22 )1 Q21
(3.40)
avec :
Q11 Q12
Q21 Q22
(3.41)
(3.42)
Q21 = C0 D21 Q22 = D22
(3.43)
Q=
Q11 =
Q12 =
B0
D12
A0 B0
C0 D0
103
Pii = Q12Q21
(3.44)
i=1
(3.45)
avec Li Rn,qi , Wi Rny ,qi , Ri Rn,qi et Zi Rnu ,qi . On peut ds lors crire :
Li
i Pi =
i Iqi RTi ZiT
(3.46)
Wi
On en dduit que :
N
Pii =
i=1
L1 . . . LN
W1 . . . WN
1 Iq1
RT1 Z1T
... ...
RTN ZNT
...
N IqN
(3.47)
(3.48)
Dans une dernire tape, on se replace dans un formalisme entre - sortie. Lquation (3.35) correspond une matrice de transfert y = G(s,)u, tandis que lquation
(3.38) correspond la matrice de transfert augmente :
y
u
= H(s)
(3.49)
z
w
Si lon utilise le retour w = z, on obtient bien :
y = G(s,)u = Fl (H(s),)u
(3.50)
3.6
104
105
3.6.1
(3.51)
(3.52)
On peut ds lors introduire ce multiplieur dans la boucle ferme M(s) (s) sans
modifier les proprits de stabilit (voir figure 3.12(b)).
- M(s)
- M(s)
?
D1 (s)
D(s)
(s)
6
(s)
(a)
(b)
(3.53)
avec
D i = DH
i
> 0,Di C
ki ,ki
et d j > 0}
(3.54)
106
(3.55)
DD
(3.56)
de sorte que le problme se ramne un problme de type LMI (Linear Matrix Inequality), avec minimisation dune valeur propre gnralise.
Cette borne suprieue savre trs gnralement peu conservative dans le cas dune
perturbation complexe de modle ne contenant que des blocs complexes pleins.
Dans le cas dune perturbation mixte de modle, le problme rside dans le fait que
lon na pas pris en compte le caractre rel des incertitudes paramtriques i . On a
fait en effet implicitement lhypothse dincertitudes paramtriques i complexes,
de sorte que la borne suprieure de correspondant lquation (3.55) peut savrer
trs restrictive dans le cas dune perturbation mixte de modle.
Lide consiste rajouter une multiplieur G qui prend en compte le caractre
rel des scalaires i . Ce multiplieur G appartient lensemble G suivant :
(3.57)
(3.58)
On notera que lon retrouve la borne suprieure du complexe (voir quation 3.55))
en posant G = 0. Dautre part, le problme doptimisation associ cette nouvelle
borne suprieure est quasi-convexe et non diffrentiable. Il peut tre rsolu, soit
laide dun algorithme gnral de rsolution de LMI (problme de minimisation
dune valeur propre gnralise), soit en utilisant les proprits spcifiques du problme [19].
8. plus prcisment, on a (DMD1 ) =
q
(M D2 M,D2 ), sachant que D D D2 D .
107
10
mu borne sup.
0
10
10
10
10
10
10
freq. rad/s
10
10
Comme le pic lu sur le graphique nest autre que 1, on en dduit que la marge
paramtrque du systme est gale 1/1 = 1. Autrement dit, dans ce cas on obtient
une valeur exacte pour les marges paramtriques du systme.
3.6.2
Nous avons vu dans le paragraphe prcdent que le calcul dune borne suprieure de la VSS conduit un problme doptimisation convexe ou quasi-convexe
de type LMI. On peut par ailleurs noter que lon na gnralement pas galit entre
108
la valeur exacte de et sa borne suprieure (quil sagisse dune perturbation complexe ou mixte de modle).
A contrario, nous allons voir que le calcul dune borne infrieure conduit
un problme doptimisation non convexe, et que le maximum global concide avec
la valeur exacte de la VSS. Ceci dit, on ne pourra obtenir de faon gnrale quun
maximum local, i.e. une borne infrieure de la VSS.
Nous introduisons dans la proposition suivante le problme doptimisation non
convexe associ au calcul dune borne infrieure de la VSS. M reprsente une matrice complexe.
Proposition 3.6.1
(M) = max R (M)
B
(3.59)
(3.60)
1
= 0 avec 0 B
(3.61)
(3.62)
(3.63)
(3.64)
Proposition 3.6.2
QQ
Si lon compare les propositions 1 et 2, on constate quil suffit de chercher la perturbation dstabilisante sur la frontire de la boule unit dans le cas de perturbations
C
complexes de modle (i.e. C
j j = I). On ne peut par contre faire aucune hypothse sur les perturbations relles de modle (i.e. ri [1,1]).
109
3.7 LA -SYNTHSE
La question est maintenant de savoir comment rsoudre le problme doptimisation, sachant que lon ne pourra obtenir dans le cas gnral quun minimum
local et que le temps de calcul mis en jeu doit tre minimal. Une solution classique
[10, 15] consiste recrire les conditions ncessaires doptimalit associes au problme doptimisation sous la forme f (x) = x, o f est une fonction vectorielle du
vecteur x. On utilise ensuite une mthode heuristique de rsolution de type point
fixe, i.e. on cherche une limite x de la suite xk+1 = f (xk ).
Si la suite converge, x vrifie les conditions ncessaires doptimalit et lon
a donc obtenu un minimum local, i.e. une borne infrieure de la VSS. Il faut cependant noter que le rsultat x dpend a priori de la valeur initiale x0 de la suite
(du fait que le problme doptimisation nest pas convexe). Dautre part, la suite ne
converge pas ncessairement vers une limite (on peut assez typiquement obtenir un
cycle limite doscillation).
En pratique, lalgorithme prsente gnralement de bonnes proprits de convergence et peut permettre dobtenir avec un cot de calcul rduit une borne infrieure
de la VSS de bonne qualit. Notons cependant que les proprits de convergence
de lalgorithme se dgradent considrablement dans le cas dune perturbation purement relle de modle.
3.7
La -synthse
3.7.1
Exemple
2
+
K
-
G0
W1
110
M(K)
F IG . 3.14 Mise sous forme standard pour lanalyse
Les differents transferts tant donns par:
1
W
T
W
T
G
2
2
M =
W
SG
W
1
0
1S
1
T = KG0 (I + KG0 )
S = (I
+ G0 K)1
2 0
=
0 1
Ayant formul le problme en ces termes, la technique de -synthse consiste
construire un compensateur assurant la stabilit robuste de la boucle ferme en prsence de lincertitude qui admet dans cet exemple la structure
1 0
=
0 2
Lapplication directe de la technique H en revanche serait trs conservative car elle
ne prendrait pas en compte la structure particulire de notre problme.
111
3.7 LA -SYNTHSE
3.7.2
Problme gnral
K
F IG . 3.15 Interconnection pour la synthse
Cette forme standard est quivalente celle reprsente en 3.14 o :
M(K) = Fl (P,K) = P11 + P12 K(I P22 K)1 P21
avec la notation
P=
P11 P12
P21 P22
112
Lorsque les incertitudes ne sont pas structures et consiste en un seul bloc plein
, lutilisation directe de la technique H pour construire le compensateur nest pas
restrictive et donne le meilleur rsultat possible. Ceci car la valeur de se confond
dans ce cas avec la norme H . En revanche, lorsque les incertitudes sont structures
il faut modifier la technique de manire exploiter la structure spcifique de
et ainsi obtenir des compensateurs de meilleure qualit. Nous dcrivons dans ce
qui suit une voie possible pour affiner et amliorer des compensateurs issus de la
synthse H .
Comme la vraie valeur de nest en gnral pas calculable, nous allons exploiter la borne suivante:
1
Fl (P,K)( j)D1
max min [D
]
D D
(3.65)
Fl (P,K)( j)D1
min max [D
]
D D
|
{z
}
(3.66)
k.k
1
D(s)F
l (P(s),K(s))D(s)
Ce dernier problme est prcisment le problme de mu synthse dans lequel on
3.7.3
(3.67)
La D K itration
113
3.7 LA -SYNTHSE
D(s)
fix, le problme se rduit un simple problme H , comme sur la
figure suivante.
D
D-1
PD
1
D 0
D
P
0 I
0
Ce problme sexprime donc sous la forme
0
I
(3.68)
3.7.4
La D G,K itration
114
DD ,GG
R,>0
Le calcul de cette borne suprieure pour une matrice M donne se fait aisment
par lutilisation de la programmation semi-dfinie car ce problme est caractris
par des proprits de convexit. Le problme de la -synthse dans le cas dincertitudes mixtes dynamiques et paramtriques se formule de manire analogue au cas
classique sous la forme:
minimiser
o
=
sup
inf
D()D ,G()G
inf
R,>0
{()/ 1}
1/2
D()Fl (P,K)( j)D1 ()
2
jG() I + G ()
()
jG() I + G ()
1
115
3.7 LA -SYNTHSE
G
z
e
D -1
Gh
PDG
u
K
inf
D()
D ,G()
G
inf
()R,()>0
{()/ 1}
o
=
1 ()
1/2
D()F
l (P,K)( j)D
2
jG()
I + G ()
()
1 ()
1/2
D()F
l (P,K)( j)D
2
inf
jG()
I + G ()
()
D()D
K ,G()G
K
116
Cette procdure propose par Young est comme on le voit beaucoup plus complexe que la synthse classique et nest pas sans poser des intressants difficults
de nature algorithmique. Par ailleurs, comme la synthse classique, elle ne garantit aucune proprit de globalit quant la solution obtenue. La dfinition dalgorithmes directs et robustes pour minimiser la VSS mixte est encore un sujet de
recherche dactualit.
3.7.5
Conclusion
117
Bibliographie
[1] R.P. Braatz, P.M. Young, J.C. Doyle, and M. Morari. Computational
complexity of calculation. IEEE Transactions on Automatic Control,
39(5):10001002, 1994.
[2] J. Doyle. Analysis of feedback systems with structured uncertainties. IEE
Proceedings, Part D, 129(6):242250, 1982.
[3] J.C. Doyle. Structured uncertainty in control system design. In Proceedings
of the 24th IEEE Conference on Decision and Control, pages 260265, Ft.
Lauderdale,FL,USA, December 1985.
[4] Doyle, J.C., K. Lenz, and A. Packard, Design Example Using -Synthesis:
Space Shuttle Lateral Axis FCS during Reentry, Proc. CDC, 1986, pp. 22182223.
[5] M.K.H. Fan, A.L. Tits, and J.C. Doyle. Robustness in the presence of mixed
parametric uncertainty and unmodeled dynamics. IEEE Transactions on Automatic Control, 36(1):25 38, 1991.
[6] G. Balas, J.C. Doyle, K. Glover, A. Packard, and R. Smith. -analysis and
synthesis. MUSYN, inc, and The Mathworks, Inc., 1991.
[7] G. Ferreres, V. Fromion, G. Duc, and M. MSaad. Application of real / mixed
computational techniques to a H missile autopilot. International Journal
of Robust and Nonlinear Control, 6(8):743769, 1996.
[8] B.G. Morton. New applications of to real parameter variation problems.
Proceedings of the IEEE CDC, pages 233238, 1985.
[9] A. Packard and J. Doyle. The complex structured singular value. Automatica,
29(1):71109, 1993.
[10] A. Packard, M.K.H. Fan, and J.C. Doyle. A power method for the structured
singular value. Proceedings of the IEEE CDC, pages 21322137, 1988.
[11] Young P.M. Controller design with mixed uncertainties. In Proceedings of the
1994 American Control Conference, volume 2, pages 23332337, juin 1994.
[12] Young P.M., Newlin M.P., and Doyle J.C. Computing bounds for the mixed
problem. International Journal of Robust and Nonlinear Control, 5(6):573
590, octobre 1995.
BIBLIOGRAPHIE
118
[13] M.G. Safonov. Stability margins of diagonally perturbed multivariable feedback systems. IEE Proceedings, Part D, 129(6):251256, 1982.
[14] M.G. Safonov and P.H. Lee. A multiplier method for computing real multivariable stability margins. Proceedings of the IFAC World Congress, pages
275278, 1993.
[15] P.M. Young and J.C. Doyle. Computation of with real and complex uncertainties. Proceedings of the IEEE CDC, pages 12301235, 1990.
[16] J.C. Doyle, A. Packard, and K. Zhou. Review of LFTs, LMIs and . In Proceedings of the 30th Conference on Decision and Control, pages 12271232,
Brighton, England, December 1991.
[17] M.G. Safonov and R.Y. Chiang. Real/complex Km -synthesis without curve
fitting. Control and Dynamic Systems, ed. C. Leondes, 56(2):122, 1993.
[18] J.H. Ly, M.G. Safonov, and R.Y. Chiang. Real/complex multivariable stability
margin computation via generalized Popov multiplier - LMI approach. In
Proceedings of the American Control Conference, pages 425429, Baltimore,
Maryland, June 1994.
[19] P.M. Young, M.P. Newlin, and J.C. Doyle. Computing bounds for the mixed
problem. International Journal of Robust and Nonlinear Control, 5(6):573
590, 1995.
[20] E. Feron. Robustness of linear systems against parametric uncertainties : Towards consistent stability indicators. In Proceedings of the 34th Conference on
Decision and Control, pages 14251430, New Orleans, LA, December 1995.
[21] P. Gahinet, A. Nemirovskii, M. Chilali, and A.J. Laub. The LMI Control
Toolbox : A Package for Manipulating and Solving LMIs, Mathworks Inc.,
Natick. .
[22] P.M. Young. Controller design with real parametric uncertainty. International
Journal of Control, 65(3):469509, 1996.
[23] C.-H. Huang, L. Turan, and M.G. Safonov. Conic sector synthesis : LMI approach. In Proceedings AIAA Guidance, Navigation and Control Conference,
pages 16, San Diego, CA, July 1996.
119
Annexe A
Rappels dAlgbre Linaire
A.1
Gnralits
kAuk
;
kuk
kAuk
.
kuk
120
A = i ui vTi .
(A.2)
i=1
diag(1/1 , . . . ,1/r ) 0
.
0
0
(A.3)
(A.4)
min (A1 ) =
1
max (A)
121
max (A1 ) =
1
min (A)
A
max {max (A),max (B)} k
k 2 max {max (A),max (B)}
B
1
min (A) + 1
max (I + A)1
Proprit de singularit
max (E) < min (A) min (A + E) > 0
Ce qui signifie que leffort fournir pour rendre la matrice A singulire est au moins de min (A).
A.2
122
xRn
eA Q eA d
T
(A.6)
123
(A.8)
P
qui traduit que
est le sous-espace invariant stable de H. A noter que
Q
(A.8) donne A + FX = PT P1 et cette matrice est donc bien stable. On notera
aussi lidentit:
1
I 0
I 0
A + FX
F
H
=
.
X I
X I
0
(A + FX)
Dans le contexte Linaire Quadratique (LQG), on a F 0 et G 0, autrement
dit une quation de la forme
AT X + XA XBBT X +CT C = 0.
(A.9)
A.3
Rduction quilibre
Dans de nombreuses applications, on peut avoir besoin de dterminer un systme rduit qui approxime au mieux le systme ou le compensateur. Il existe diffrentes techniques pour effectuer cette approximation. Les techniques les plus courantes sont la troncation modale, la rduction quilibre et lapproximation de Hankel. Ici, nous dcrivons la rduction quilibre qui donne satisfaction dans de nombreux cas pratiques.
La rduction quilibre sappuie sur le concept de ralisation quilibre. Une
ralisation quilibre est une ralisation stable et minimale dun systme pour laquelle les grammiens de commandabilit et dobservabilit sont diagonaux. En
dautres termes, tant donn une ralisation de G(s) sous la forme
G(s) = C(sI A)1 B + D ,
124
on dit que (A,B,C,D) est quilibre si les solutions des quations de Lyapunov
AP + PAT + BBT = 0,
sont de la forme
AT Q + QA +CT C = 0,
(A.10)
0 ...
P = Q = = 0 ... 0 .
0 . . . n
Les matrices P et Q sont appeles les grammiens de commandabilit et dobservabilit et peuvent encore tre dfinies par
P=
Z
0
At
T AT t
e BB e
dt, q =
eA t CT CeAt dt
125
Le thorme suivant donne une estimation de lerreur que lon commet lorsque
lon effectue une rduction quilibre dun systme.
Thorme A.3.2 Soit G(s) une matrice de transfert stable ayant les valeurs singulires de Hankel
1 > 2 > . . . > n
o les les i sont de multiplicit ri . Soit Gk (s) une matrice de transfert obtenue par
troncature de la ralisation quilibre de G(s) aux r1 + r2 + . . . + rk premiers tats.
Alors, on a la borne suivante:
kG(s) Gk (s)k 2(k+1 + k+2 + . . . + n )
A.3.1
Algorithme
A.3.2
Exemple
8(s + 3)8
.
(s + 3)8 + 38
On vrifiera tout dabord que ce systme est bien stable. Le calcul de ses valeurs
singulires de Hankel donne:
i (PQ)1/2 = 2.3475
2.0772
0.4893
0.1045
0.0125
0.0011
0.0001
0.0000
Il apparait que les 4 dernires valeurs singulires sont sensiblement plus petites
que les 4 premires. On va donc effectuer une rduction lordre 4. Ensuite, nous
126
allons essayer des rductions aux ordres 3 et 1. Les rsultats sont prsents sur la
figure A.1.
A.4
Les LFT (en anglais Linear Fractional Transformations) sont des objets gnriques qui apparaissent dans de nombreux problmes de modlisation et de commande pour les systmes dynamiques. En particulier,
la formulation du problme H mais aussi du problme H2 se fait travers la
forme standard qui nest autre quune expression de type LFT entre le systme
augment et le compensateur.
les incertitudes dynamiques ou paramtriques apparaissent dans le schma de
commande travers une expression LFT.
luniversalit des LFT se justifie par le fait que toute expression rationnelle
peut se recrire en termes de LFT. De plus, la combinaison de ces objets
donne son tour naissance des objets LFT.
Nous examinons dans cette section les proprits principales des LFT qui sont susceptibles dtre utiles dans la pratique de la commande robuste et en modlisation.
A.4.1
Definitions
(A.11)
(A.12)
et
127
M11
M21
M11
M21
M12
M22
M12
M22
Fl (M,K) = M ? K
Fu (M,K) = K ? M
N11
N21
N12
N22
M11
M21
M12
M22
N ?M
Notons que ces expressions sont obtenues par calcul direct du transfert rsiduel
aprs rebouclage du bloc K comme indiqu sur la figure A.2.
On peut effectuer sur les expressions LFT des oprations algbriques dont les
plus intressantes sont rappeles ci-dessous.
A.4.2
Proprits
M12
,
M22
N ? M :=
Fl (N,M11 )
M21 (I N22 M11 )1 N21
(A.13)
128
Ce produit (voir figure A.2) peut tre naturellement tendu aux cas de matrices
N ou M nayant quun seul bloc en adoptant les conventions
N ? M11 := Fl (N,M11 );
N22 ? M := Fu (M,N22 ) .
On vrifie alors aisment que le produit de Redheffer est associatif, cest dire
(L ? M) ? N = L ? (M ? N) = L ? M ? N
Composition de LFT
Une proprit importante est que toute interconnection de LFT est encore une LFT.
Par exemple, pour
R = Fl (Q,K 0 ) o K 0 = Fl (M,K)
on peut crire R comme une LFT faisant intervenir K sous la forme
R = Fl (P,K)
avec
P=
Des expressions similaires peuvent naturellement tre obtenues avec des LFT suprieures Fu (.,.).
LFT infrieure et suprieure
Supposons que R = Fl (M,K), alors on peut recrire R comme une LFT suprieure
en M et K sous la forme:
0 I
0 I
R = Fu
M
,K
I 0
I 0
Inverse de LFT
En supposant que les inverses ci-dessous sont tous bien dfinis, on peut crire
e
(Fl (M,K))1 = Fl (M,K),
1
M11
1
M21 M11
1
M11
M12
.
1
M22 M21 M11
M12
Inverse du paramtre K
Etant donn une LFT en K, on peut lexprimer en une LFT en K 1 conditions que
les inverses impliques existent.
e 1 ) ,
Fl (M,K) = Fl (M,K
129
1
M11 M12 M22
M21
1
M22 M21
1
M12 M22
1
M22
A.4.3
L carre.
Dans cet exemple, on considre les systmes du second-ordre gnraliss dcrits par lquation diffrentielle:
M q + Dq + Kq = Gu .
(A.14)
q
x=
.
q
0
E = W, =
, W = (0
I
I)
(A.15)
Sous cet forme, le systme nest pas encore une expression LFT, mais en utilisant
le Lemme dinversion matricielle
(V + LR)1 = V 1 V 1 L(I + RV 1 L)1 RV 1 ,
130
on obtient
(E + W )1 = E 1 E 1 (I +W E 1 )1W E 1
Ainsi, on peut crire lquation (A.15) sous la forme quivalente
x = E 1 Ax + E 1 Bu E 1 (I +W E 1 )1W E 1 (Ax + Bu)
qui est encore quivalente la forme LFT
x = E 1 Ax + E 1 Bu E 1 w
z = W E 1 Ax +W E 1 Bu W E 1 w
w = z .
(A.16)