Memoire 8 La Hou Azi

MI
NI
STEREDEL
ENSEI
GNEMENTSUPERI
EURETDELA RECHERCHE SCIENTIFIQUE
UNIVERSITE MOULOUD MAMMERI, TIZI-OUZOU
FACULTE DE GENIE ELECTRIQUE ET D

I
NFORMATI
QUE
DEPARTEMENT AUTOMATIQUE
Mmoire de Magister
en Automatique
Option : Automatique des Systmes Continus et Productique
Prsent par
Ferhat LAHOUAZI
Ingnieur UMMTO
Mi
s
ee
nuvr
ed
unes
t
r
atgie de commande neuro floue :
Application un pendule invers
Soutenu le , 16.03.2011
de
va
ntl
ej
u
r
yd
e
xa
me
nc
ompos
de:
DIAF Moussa
DJENNOUNE Sad
HAMMOUCHE Kamal
MELLAH Rabah
MAIDI Ahmed
Professeur, UMM de Tizi-Ouzou

Professeur, UMM de Tizi-Ouzou
M.C, classe A UMM de Tizi-Ouzou
Prsident
Rapporteur
Examinateur
Examinateur
Examinateur
AVANT-PROPOS
L
e
ns
e
mbl
ede
st
r
a
va
uxpr
s
e
nt
sda
nsc
em
moi
r
ea
t
e
f
f
e
c
t
ua
uLa
bor
a
t
oi
r
ede
Conc
e
pt
i
one
tdeCondui
t
ede
sSy
s
t
me
sdePr
oduc
t
i
on(
L2CSP)del
Uni
ve
r
s
i
t
deTi
z
iouz
o
u.
J
et
i
e
nst
outd
a
bor
de
xpr
i
me
rme
ss
i
nc
r
e
sr
e
me
r
c
i
e
me
nt
smon promoteur Monsieur
DJENNOUNE Sad, Professeur l
UMMTO,quiaa
c
c
e
pt
dem
e
nc
a
dr
e
re
tg
ui
de
rme
s
t
r
a
va
uxj
us
qu
l
ar
a
l
isation de ce mmoire.Qu
i
lt
r
ouvei
c
i
,l
et
moi
g
na
gedemapr
of
onde
gratitude et ma reconnaissance pour l
e
sc
ons
e
i
l
squ
i
ln
ac
ess de me prodiguer et pour la
c
onf
i
a
nc
equ
i
lm
aa
c
c
or
de
na
c
c
e
pt
a
ntdedi
r
i
ge
rc
em
moi
r
e
.
J
a
i
t
pr
of
ond
me
nthonor
queMons
i
e
urDIAF Moussa,Pr
of
e
s
s
e
url
UMMTO,ait
a
c
c
e
pt
d
e
xa
mi
ne
rc
et
r
a
va
i
le
tdepr
s
i
de
rl
ej
ur
yde soutenance de ce mmoire.
Je tiens exprimer ma reconnaissance Monsieur MELLAH Rabah, Matre de
confrences classe A l
UMMTO,pourl
ac
onf
i
a
nc
ee
tl
honne
urqu
i
lm
a
c
c
or
dee
na
c
c
e
pt
a
nt
de participer ce jury. Ainsi pour les conseils et son aide assez prcieuse qu
i
lm
aprodigu tout
au long de la dure de ce mmoire.
Je remercie trs vivement Monsieur HAMMOUCHE Kamal, Matre de confrences
classe A l
UMMTO,pourl
ac
onf
i
a
nc
ee
tl
honne
urqu
i
lm
a
c
c
or
dee
na
c
c
e
pt
a
ntdepa
r
t
i
c
i
pe
r
ce jury.
Mes vifs remerciements vont galement Monsieur MAIDI Ahmed, Matre de
confrences classe B l
UMMTO,pour avoir accept de participer au jury de soutenance. Ainsi

pourm
a
voi
ra
i
de
tconseill durant la dure de ce mmoire.
Que Monsieur MANSOURI Rachid, Matre de Confrenc
e
sl
UMMTO c
l
a
s
s
eA,t
r
ou
vei
c
i
l
e
xpr
e
s
s
i
ondeme
ss
i
nc
r
e
sr
e
me
r
c
i
e
me
nt
spours
ona
i
dequ
i
lapor
t
mon
g
a
r
d.Ses conseils
judicieux ont t pour moi une aide prcieuse.
Je tiens remercier galement tous les membres du L2CSP qui ont contribu rendre ce
c
a
dr
edet
r
a
va
i
la
g
r
a
bl
e
,t
a
ntd
unpo
i
n
tdevuet
e
c
hni
quequ
humain.
Enfin, je ne saurais terminer cet avant-propos sans remercier toute ma famille et ma trs
chre copine REMIDI Rachida pour leurs soutiens pendant toutes mes tudes.
Ddicaces
Je ddie ce travail
A la mmoire de mon pre,
A ma mre.
Sommaire
Introduction gnrale.......
.
1
Chapitre I
Description et modlisation du pendule invers
I.1 Introduction......
.
.
4
I
.
2Et
a
tdel
a
r
tdel
ac
omma
nded
unpe
ndul
ei
nve
r
s
.....
.
.
4
I
.
3I
nt
tdel
'
t
uded'
unpe
ndul
ei
nve
r
s
......
.
5
I
.
4Pr
s
e
nt
a
t
i
ondupe
ndul
ei
nve
r
s
.....6
I.4.1 De
s
c
r
i
pt
i
ondel
ama
que
t
t
e.....6
I
.
4.
2Di
s
po
s
i
t
i
fdec
ont
r
l
ee
tdec
omma
nde
.......7
I
.
4.
3Ar
moi
r
edec
omma
nde
......
.
.
8
I
.
4.
4Ca
r
t
ed
a
c
qui
s
i
t
i
on:ADVANTECHPCI1711......
9
I
.
5Envi
r
onne
me
ntded
ve
l
oppe
me
nt......10
I
.
6Pr
i
nc
i
pedef
onc
t
i
onne
me
nt
......
12
I
.
7Pa
r
t
i
c
ul
a
r
i
t
sdec
es
y
s
t
me
......
12
I.7.1 Stabilit du systme .....12
I.7.2 Systme sous actionns .
.....
.
.
12
I.7.3Systme holonome ......
.
.
.
13
I
.
7.
4Sy
s
t
menonl
i
n
a
i
r
e......
.
.
.
13
I
.
8Coor
donn
e
sg
n
r
a
l
i
s
edus
y
s
t
me
......
.
.
14
I
.
8.
1Mod
l
i
s
a
t
i
ondus
y
s
t
meade
uxde
g
r
sdel
i
be
r
t
.
.
.
.
.
.
.
.
.15
I
.
8.
2Ene
r
g
i
ec
i
n
t
i
quedus
y
s
t
mee
nmouve
me
nt
.....
.
.
15
I
.
8.
3Ene
r
g
i
epot
e
nt
i
e
l
l
edus
y
s
t
me.....16
I
.
8.
4L
qua
t
i
ondeLa
g
r
a
nge
....16
I
.
8.
4.
1L
qua
t
i
ondeLa
gr
a
ng
epourl
ede
g
r
del
i
be
r
t
(t ) x (t ) ....16
I
.
8.
4.
2L
qua
t
i
ondeLa
gr
a
ng
epourl
ede
g
r
del
i
be
r
t
(t ) (t ) .....
.
.
.
17
I
.
9Li
n
a
r
i
s
a
t
i
ondumod
l
ea
ut
ourde
spoi
nt
sd
qui
l
i
br
e.....
.
.
17
I
.
9.
1Pos
i
t
i
o
nd
qui
l
i
br
ei
ns
t
a
bl
e
..................
18
I
.
9.
2Pos
i
t
i
o
nd
qui
l
i
br
es
t
a
bl
e
.................
20
I
.
10Re
pr
s
e
nt
a
t
i
ond
t
a
t....22
I.10.1 Avec la force F c
ommes
i
g
na
ld
e
nt
r
e
................22
I.10.2 Modlisation en tenant compte du moteur lectrique .
.
.
.
23
I
.
10.
2.
1Li
n
a
r
i
s
a
t
i
onde
s
qua
t
i
onsdupe
ndul
ei
nve
r
s
......
.
24
I.10.3 Redressement du pendule avec une commande non linaire
.....
.
25
I
.
11.
1R
s
ul
t
a
t
sdes
i
mul
a
t
i
one
te
xp
r
i
me
nt
a
ux.......
27
I
.
11Conc
l
us
i
on......
28
Chapitre II
Commandes classique du pendule invers
I
I
.
1.I
nt
r
od
u
c
t
i
on....
.
. ...29
I
I
.
2.
1.Comma
ndel
i
n
a
i
r
equa
dr
a
t
i
que
.....
29
I
I
.
2.2.Ra
ppe
l
ss
url
as
t
a
bi
l
i
t
,d
t
e
c
t
a
bi
l
i
t
......
29
I
I
.
2.
3.For
mul
a
t
i
ondupr
obl
meLQe
ts
as
ol
ut
i
on.....
.
.
30
II.2.3.1. Commande LQ horizon fini
.....
.
30
I
I
.
2.
3.
1.
1.R
s
ol
ut
i
ond
unpr
obl
med
ec
omma
ndeLQ.....
.
.
31
I
I
.
2.
3.
2.Co
mma
ndeLQhor
i
z
oni
nf
i
ni
.....
.
.
32
II.2.4. Commande LQ pour systme invariant avec un horizon infini.....
.
32
I
I
.
2.
4.
1.R
s
ol
ut
i
ondel
qua
t
i
ondeRi
c
c
a
t
i......
.
33
II.2.5. Choix des matrices de pondration ......
.
.
34
I
I
.
2.
6.Comma
ndeLi
n
a
i
r
eQua
dr
a
t
i
q
ueGa
us
s
i
e
nne
......
.
.
34
II.2.6.1. systmes tat non compl
t
e
me
nta
c
c
e
s
s
i
bl
e
......
35
I
I
.
2.
6.
2.Fi
l
t
r
a
gedeKa
l
ma
n,c
omma
ndeLQG......
35
I
I
.
2.
6.
2.
1.Pos
i
t
i
ondupr
obl
me
.....35
I
I
.
2.
6.
2.
2.Fi
l
t
r
edeKa
l
ma
n......
.
.
36
II.2.6.2.3. Comma
ndeLQG......
.
38
I
I
.
2.
6.
3.Sy
nt
h
s
ed
unec
omma
ndeLQG.....
.
.
.
.
38
I
I
.
2.
7Sy
nt
h
s
edel
ac
omma
ndeLQR......
.
39
I
I
.
2.
7.
1Re
c
he
r
c
hede
sma
t
r
i
c
e
sdepoi
dsQe
tR......
.
39
II.2.7.
2R
s
ul
t
a
t
sdes
i
mul
a
t
i
on.
.
.
.....
.
.
.
.
.
.
.
.
.
40
I
I
.
2.
7.
3I
nt
e
r
pr
t
a
t
i
onde
sr
s
ul
t
a
t
sdes
i
mul
a
t
i
ons
......
.
.
40
II.2.7.4 Es
t
i
ma
t
i
onde
s
t
a
t
snonme
s
ur
a
bl
e
s......
.
.
41
II.2.7.5 Sy
nt
h
s
edel
obs
e
r
va
t
e
ur
:
....41
I
I
.
2.
8I
mpl
me
nt
a
t
i
ondel
ac
omma
nd
eLQR......
.
.
42
I
I
.
2.
8.
1I
nt
e
r
pr
t
a
t
i
onde
sr
s
ul
t
a
t
se
xp
r
i
me
nt
a
ux.......
.
43
II.2.8. Rsultats exprimentaux
.....46
II.3.1. Commande pa
rmodedeg
l
i
s
s
e
me
nt
.
.....
.
.
.
.
.
47
II.3.1.1.Dfinition.
.
.
.
.
.
.
.
.
.
.
.
.
.
....47
I
I
.
3.
2.Di
f
f
r
e
nt
e
sSt
r
uc
t
ur
e
sduCont
r
l
epa
rModedeGl
i
s
s
e
me
nt....48
II.3.3. Thorie de la Commande par Mode de Gl
i
s
s
e
me
nt
...
.
....
.
.
.
.
48
I
I
.
3.
4.Con
c
e
pt
i
ondel
ac
omma
ndepa
rmodeg
l
i
s
s
a
nt
......
.
.
.
.
49
I
I
.
3.
4.
1Ch
oi
xde
sSur
f
a
c
e
sdeGl
i
s
s
e
me
nt......
.
49
I
I
.
3.
4.
2Co
ndi
t
i
ondeGl
i
s
s
e
me
nt......
50
II.3.4.
3Ca
l
c
uldel
aComma
nde......
.
51
I
I
.
3.
5Sol
ut
i
onpours
uppr
e
s
s
i
onduPh
nom
neduCha
t
t
e
r
i
ng.....
.
.
54
I
I
.
3.
6Ava
nt
a
ge
se
ti
nc
onv
ni
e
nt
sdel
ac
omma
ndepa
rmodeg
l
i
s
s
a
nt
.
.
.
.
.
....55
II. 3.7 Synthse de la Commandepa
rmodeg
l
i
s
s
a
ntd
unpe
ndul
ei
nve
r
s
.
.
....56
II. 3.
7.
1For
mul
a
t
i
onma
t
h
ma
t
i
que
.
.....56
I
I
.
3.
7.
2Re
dr
e
s
s
e
me
nte
ts
t
a
bi
l
i
s
a
t
i
ondupe
ndul
ei
nve
r
s
pa
rmodeg
l
i
s
s
a
nt
.....
.
.
58
II.3.7.2.1 Lap
r
e
mi
r
e
t
a
pe
.....
59
II.3.7.2.2 Lade
uxi
me
t
a
pe
.....
59
I
I
.
3.
7.
3R
s
ul
t
a
t
sdes
i
mul
a
t
i
on.
.
.....
.
.
60
II.3.7.3.1 I
n
t
e
r
pr
t
a
t
i
onde
sr
s
ul
t
a
t
sdes
i
mul
a
t
i
ons
.
.
.
.
.....63
II.3.7.4 Rsultats exprimenta
ux.
.
.
....64
I
I
.
3.
7.
4.
1I
n
t
e
r
pr
t
a
t
i
onde
sr
s
ul
t
a
t
se
xp
r
i
me
nt
a
ux....67
I
I
.
4Conc
l
us
i
on.
.
.
......
.
.
70
Chapitre III
Commandes floue et neuro-floue du pendule invers
I
I
I
.
1I
nt
r
oduc
t
i
on.
.
.
.
.
.
.
.
.
.
.
71
I
I
I
.
2Log
i
quef
l
ouee
tl
ac
omma
ndef
l
oue
.
....71
I
I
I
.
2.
1I
nt
r
oduc
t
i
on.....
.
.
71
I
I
I
.
2.
2Lal
og
i
quef
l
oue
......72
III.2.3 Notion de sous-ensemblef
l
ou................
.
72
I
I
I
.
2.
4Uni
v
e
r
sdedi
s
c
our
s
................
.
72
I
I
I
.
2.
5Va
r
i
a
bl
ee
tva
l
e
ur
sdeva
r
i
a
bl
el
i
ng
ui
s
t
i
que
...............
.
73
I
I
I
.
2.
7.
2R
g
l
e
sd
i
nf
r
e
nc
e
...............
73
I
I
I
.
2.
6Re
p
r
s
e
nt
a
t
i
onde
sf
onc
t
i
onsd
a
ppa
r
t
e
na
nc
e
................
.
73
I
I
I
.
2.
7.
3Op
r
a
t
i
onss
url
e
se
ns
e
mbl
e
sf
l
ous
..............74
I
I
I
.
2.
7.
4St
r
uc
t
ur
ed
unr
g
l
a
g
epa
rl
og
i
quef
l
oue
.....
77
III.2.8Conf
i
g
ur
a
t
i
oni
nt
e
r
ned
uns
y
s
t
med
i
nf
r
e
nc
ef
l
ou......
.
.
77
I
I
I
.
2.
8.
1Fuz
z
i
f
i
c
a
t
i
on...................78
III.2.8.1.1Fuz
z
i
f
i
c
a
t
i
onnum
r
i
que
........................78
III.2.8.1.2Fuzzification symbol
i
que
..........................
.
78
I
I
I
.
2.
8.
2Ba
s
eder
g
l
e
sf
l
oue
s
....................
79
I
I
I
.
2.
8.
3Lemot
e
urd
i
nf
r
e
nc
ef
l
ou....................
.
.
79
I
I
I
.
2.
8.
4D
f
uz
z
i
f
i
c
a
t
i
on....................80
I
I
I
.
2.
8.
4.
1D
f
uz
z
i
f
i
c
a
t
i
onnum
r
i
que
........................
.
.
.
81
I
I
I
.
2.
8.
4.
2D
f
uz
z
i
f
i
c
a
t
i
ons
y
mbol
i
que
.........................82
I
I
I
.
2.
3Le
sdi
f
f
r
e
nt
ss
y
s
t
me
sd
i
nf
r
e
nc
ef
l
ou.....
.82
III.4.4 Synthse du correcteur PID classique......
.
.
.
.
.
.
.
.
.
.
.
84
I
I
I
.
2.
12Le
sdi
f
f
r
e
nt
sc
or
r
e
c
t
e
ur
spa
rl
og
i
quef
l
oue
.....
85
I
I
I
.
2.
12.
1Cor
r
e
c
t
e
ur
sPpa
rl
og
i
quef
l
oue
...............
.
.
.
.
.
.
85
III.2.12.2Cor
r
e
c
t
e
ur
sPDpa
rl
og
i
quef
l
oue
...............
.
.
.
86
I
I
I
.
2.
12.
3Cor
r
e
c
t
e
ur
sPIpa
rl
og
i
quef
l
oue................
.
.
87
I
I
I
.
2.
12.
4Cor
r
e
c
t
e
ur
sPI
Dpa
rl
og
i
quef
l
oue
.................88
III.2.12.5 Relations de pa
s
s
a
ge
..........
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.....89
I
I
I
.
2.
13.R
g
l
a
ged
unc
ont
r
l
e
urf
l
ou.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.........90
I
I
I
.
2.
14.Ava
nt
a
g
e
se
td
s
a
va
nt
a
g
edur
g
l
a
gepa
rl
og
i
quef
l
oue
.....90
III.2.15 Application de lac
omma
ndef
l
oues
url
epe
ndul
ei
nve
r
s
.
......91
I
I
I
.
2.
15.
1.Ana
l
y
s
edupr
obl
me
.
.
.....91
I
I
I
.
2.
15.
2.St
r
uc
t
ur
edel
ac
omma
ndef
l
oue
......91
I
I
I
.
2.
15.
2.
1
.
Enonc
del
am
t
hode
.......91
I
I
I
.
2.
15.
2.
2
.Choi
xde
s
l
me
nt
sde
sr
g
ul
a
t
e
ur
sf
l
ous
.....92
I
I
I
.
2.
15.
2.
2
.
1
.Choi
xdel
af
or
mede
sc
l
a
s
s
e
s
.....92
I
I
I
.
2.
15.
2.
2
.
2
.D
f
i
ni
t
i
onde
sr
r
e
nt
i
e
l
spourl
e
squa
t
r
eva
r
i
a
bl
e
sd
e
nt
r
e
s
..... .92
III.2.
15.
2.
3
.
D
f
i
ni
t
i
onde
sr
r
e
nt
i
e
l
spourl
e
sva
r
i
a
bl
e
sdes
or
t
i
e
.....93
I
I
I
.
2.
15.
2.
4
.
Ta
bl
e
a
uxder
g
l
e
s
..... 94
I
I
I
.
2.
15.
2.
5
.Lemot
e
urd
i
nf
r
e
nc
e
.
.
.....95
III.2.15.2.6. La transformation symboliquenum
r
i
que
.....96
I
I
I
.
2.
15.
3R
s
ul
t
a
t
sdes
i
mul
a
t
i
on.
.
............96
I
I
I
.
2.
15.
4I
nt
e
r
pr
t
a
t
i
onde
sr
s
ul
t
a
t
sd
es
i
mul
a
t
i
on.
.
......
.
.
98
I
I
I
.
2.
15.
5I
mpl
me
nt
a
t
i
ondel
ac
omma
ndef
l
oue
.....
99
I
I
I
.
2.
15.
6R
s
ul
t
a
t
se
xp
r
i
me
nt
a
ux......
101
I
I
I
.
2.
15.
7Ana
l
y
s
ede
sr
s
ul
t
a
t
se
xp
r
i
me
nt
a
ux......
.
103
I
I
I
.
3Le
sr
s
e
a
uxdene
ur
one
s
..........
104
I
I
I
.
3.
1I
nt
r
oduc
t
i
on..............104
I
I
I
.
3.
2Ne
ur
o
neBi
ol
og
i
que
.
.
................
104
I
I
I
.
3.
3Ne
ur
o
nea
r
t
i
f
i
c
i
e
l..........
.
.
.....105
III.3.4 Le
sa
r
c
hi
t
e
c
t
ur
e
sne
ur
ona
l
e
s
.
.
.
......
106
III.3.4.1 Les rseaux de neurone
snonbouc
l
s
......
.
.
106
III.3.4.1.1 Rseaux non boucles Mono-Couc
he
......
.
106
III.3.4.1.2 Les rseaux non boucles Multi-Couc
he
......
107
III.3.4.
2Le
sr
s
e
a
uxdene
ur
one
sbouc
l
s
......
.108
III.3.4.
3Le
sr
s
e
a
uxdene
ur
one
sc
onne
xi
onsc
ompl
e
xe
s
......
.
.
108
I
I
I
.
3.
5Pr
oc
e
s
s
usd
a
ppr
e
nt
i
s
s
a
g
e
......
.
.
108
I
I
I
.
3.
5.
1Appr
e
nt
i
s
s
a
g
es
upe
r
vi
s
.....
.
.
109
III.3.5.1.1La rtro-propagation du gra

di
e
ntdel
e
r
r
e
ur
.....
.
.
109
I
I
I
.
3.
5.
2Appr
e
nt
i
s
s
a
g
enons
upe
r
vi
s
.....
111
III. 4 Systmes Neuro-Fl
ous
.
.
.
.
.
.
.
.
.
.
.111
I
I
I
.
4.
1D
f
i
ni
t
i
on.....
112
III.4.2 Mthodes des combinaisons Neuro-Fl
oue
s
.....
.
113
I
I
I
.
4.
2.
1R
s
e
a
uf
l
oune
ur
ona
l
.....
113
I
I
I
.
4.
2.
2Sy
s
t
mene
ur
ona
l
/
f
l
ous
i
mul
t
a
n
me
nt
......
.
113
III.4.2.3 Modles neuro-f
l
ousc
oop
r
a
t
i
f
s
.....
.
.
113
III.4.2.4 Modles neuro-f
l
oushy
br
i
de
s
.
.
.
.
.....
.
.
113
III.4.3 Le
st
y
pe
sd
i
mpl
me
nt
a
t
i
onde
sr
s
e
a
uxne
ur
o-f
l
ous
......
.
114
III.4.3.
1Sy
s
t
me
sd
i
nf
r
e
nc
ene
ur
o-f
l
oua
da
pt
a
t
i
f
s
(
ANFI
S)
......
.
.
115
III.4.3.1.1 Algorithme d'
a
ppr
e
nt
i
s
s
a
g
e
......
.
.
117
III.4.3.2 Infrence Neuro-f
l
ou(
I
NF)
.....
.
.
118
III.4.4Application de la commande Neuro-f
l
oue
........
.
119
III.4.4.1Architectur
edus
y
s
t
medec
o
nt
r
l
e
.
.
.
.
.
.
.
...........119
III.4.4.2M
t
hodol
og
i
edec
onc
e
pt
i
on.
.
.
.
.
.
.
.
.
.
.
.
.
....120
III.4.4.3 Rgulateur Neuro-flou (22).....................120
I
I
I
.
4.
4.
3.
1Al
g
or
i
t
hmedec
omma
nde
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
....120
III.4.4.3.2 Al
g
or
i
t
hmed'
a
ppr
e
nt
i
s
s
a
g
e
.
.
.
.
.
.
.
.
....................121
III.4.4.5.1 Str
uc
t
ur
edur
s
e
a
uc
ont
r
l
e
ur
.
.
.
.
.
.
.
.
.
...............122
III.4.4.5.2 rsultats de simulation................................................................................................124
III.4.4.5.3 Interprtation des rsultats de simulation...................................................................125
III. 4.4.5.4Implmentation de la commande Neuro-f
l
oue
.......126
III. 4.4.5.5Rsul
t
a
t
se
xp
r
i
me
nt
a
ux...
.
.
.
.
.
.....126
III. 4.4.5.6Analyse des rsultats exprimentaux..........................................................................130
III.5Comparaison des rsultats obtenus avec les commandes appliques...................................130
III. 5 Conclusion..........................................................................................................................132
Conclusion gnrale et perspectives.
133
Annexe........................................................................................................................................136
Rfrences bibliographiques.
143
Introduction gnrale
Da
n
sl
edoma
i
nes
c
i
e
nt
i
f
i
quee
tc
e
l
uidel
e
ns
e
i
g
ne
me
nt
,l
a
ut
oma
t
i
queas
ouve
nt
recours de
sc
a
s d
t
ude
s pa
r
t
i
culiers, qui sont reprsentatifs de grandes classes
d
a
ppl
i
c
a
t
i
ons
.Depl
us
,a
ve
cl
e
xp
r
i
e
nc
e
,l
ac
onna
i
s
s
a
nc
edec
e
sc
a
ss
e
s
ta
f
f
i
n
ee
ti
l
s
f
our
ni
s
s
e
nta
uj
our
d
huiuneba
s
ei
d
a
l
epourc
ompa
r
e
rdef
a
onva
l
a
bl
el
e
sa
va
nt
a
g
e
se
tl
e
s
i
nc
onv
ni
e
nt
sd
a
ppr
oc
he
sdi
f
f
r
e
nt
e
s
.Lepe
ndul
ei
nve
r
s
e
s
tl
undec
e
sc
a
st
y
pi
quequi
oc
c
upeunepl
a
c
ei
mpor
t
a
nt
eda
nsl
i
ndus
t
r
i
ec
ommeunout
i
ldet
r
a
ns
por
t
,d
i
ns
pe
c
t
i
one
t
d
i
nt
e
r
ve
nt
i
onda
nsde
smi
l
i
e
ux hos
t
i
l
e
s
,e
npa
r
t
i
c
ul
i
e
rqua
ndl
e
sc
a
pa
c
i
t
sdemouve
me
nt
autonome sont exiges.
La description du pendule invers muni de son actionneur et ses capteurs ainsi que les
divers phnomnes physiques prsents lors du fonctionnement, montrent la forte complexit
due aux nombreuses non linarits ainsi que la difficult modliser parfaitement la
dynamique du systme pendule inverse -capteurs- actionneur. Le contrle du pendule invers
pour le redressement et la stabilisation devient ardue, car la connaissance du systme se rvle
imprcise et imparfaite.
Par ailleurs, les problmes de reprsentation et d'utilisation des connaissances sont au
centre d'une discipline scientifique relativement nouvelle : l'intelligence artificielle. Cette
discipline a mis l'accent, de faon exclusive, sur le traitement symbolique de la connaissance,
par opposition la modlisation numrique utilise traditionnellement dans les sciences de
l'ingnieur. Plus rcemment, on a assist un retour du numrique dans les problmes de
l'intelligence artificielle avec les rseaux de neurones et la logique floue. Alors que les
rseaux de neurones proposent une approche implicite de type " boite noire" de la
reprsentation des connaissances, trs analogue la dmarche de l'identification des systmes
en automatique. La logique floue permet de faire le lien entre modlisation numrique et la
modlisation symbolique, partir d'algorithmes trs simples de traduction de connaissances
symboliques en entits numriques et inversement.
Depuis la premire application du formalisme de la logique floue la commande des
systmes propose par Mamdani, plusieurs travaux ont montr que le contrle logique floue
est une mthode adquate pour la commande des procds mal dfinis ou compltement
inconnus et qui ne peuvent pas tre modliss mathmatiquement d'une manire prcise.
L'approche traditionnelle pour la conception floue est base sur des connaissances acquises
par des experts formules sous forme de rgles. Cependant il se peut que les experts ne
1
Introduction gnrale
puissent pas transcrire leurs connaissances et expriences sous forme d'un contrleur par
logique floue. C'est partir de ces constatations qu'ont t dveloppes plusieurs mthodes
optimales et systmatiques pour la conception des contrleurs flous. Parmi ces mthodes,
nous avons retenu l'approche connexionniste qui consiste combiner les capacits
d
a
ppr
e
nt
i
s
s
a
gedes rseaux de neurones artificiels et les systmes flous pour former les
systmes neuro-flous. La c
ombi
na
i
s
on de c
e
s de
ux a
ppr
oc
he
s pe
r
me
td
e
xpl
oi
t
e
rl
e
s
caractristiques de chacune pour accomplir une tche performante et efficace pour la
commande des systmes complexes.
En outre, la commande de ces systmes non linaires sous actionns reprsente encore
un champ trs large et intressant dans les travaux de recherche de nos jours, o la conception
de
sc
ont
r
l
e
ur
spourl
e
ss
y
s
t
me
ss
o
u
sa
c
t
i
onn
snes
el
i
mi
t
epa
sl
i
n
t
tdec
omma
nde
r
ceux-ci, mais elle prsente un avantage pour les systmes qui sont entirement actionns et
qu
i
l
sonta
us
s
ibe
s
oi
nd
a
voi
rde
sc
ont
r
l
e
ur
sdec
ege
nr
e
,c
e
sc
ont
r
l
e
ur
ss
onti
mpl
me
nt
s
en raison de scurit dans le cas ou un des actionneurs de ces systmes subit un chec.
Notre travail est appliqu un systme pendule invers, qui est un systme non
linaire, instable, SIMO (Single Input Multiple Output) ; sous actionn, pl
usd
unde
g
r
sde
l
i
be
r
t
,t
r
ss
e
ns
i
bl
ea
uxr
e
t
a
r
de
ta
uxf
r
ot
t
e
me
nt
s
,a
f
i
nd
i
l
l
us
t
r
e
re
tc
ompa
r
e
rl
e
sdi
f
f
r
e
nt
es
lois de commandes linaires et non linaires, leurs tests de performances et de robustesse mis
e
nuvr
ee
ti
mpl
me
nt
sr
e
l
l
e
me
nts
urunba
ncd
e
s
s
a
i
sdi
s
poni
bl
ea
ul
a
bor
a
t
oi
r
eL2CSP
pour le redressement et stabilisation du pendule depuis sa position d
qui
l
i
br
es
t
a
bl
eve
r
sl
a
pos
i
t
i
ond
q
ui
l
i
br
ei
ns
t
a
bl
e
.
Ce mmoire est organis comme suit:
Chapitre I
La premire partie du chapitre est consacre la description prcise du systme et de
son interfaage avec le PC. Ensuite, nous avons trait en dtail l'environnement logiciel c'est-dire le schma gnral sous Simulink associ une interface graphique dveloppe sous
Control Desk. Dans la suite du c
ha
pi
t
r
e
,nous
l
a
bor
onsl
emod
l
ema
t
h
ma
t
i
qued
un
pendule invers en nous basant sur le formalisme d
Eul
e
r
-Lagrange suivi d'une linarisation
autour des deux points d'quilibre possibles. Ensuite, nous prsenterons le systme dans
l
e
s
pa
c
ed
tat avec f
or
c
ee
ns
ui
t
el
at
e
ns
i
onc
ommes
i
g
na
ld
e
nt
r
e
.
Introduction gnrale
Ces
y
s
t
menouss
e
r
vi
r
adeba
ncd
e
s
s
a
ipours
i
mul
e
ret implmenter les lois de
commande qui seront dveloppes dans les chapitres suivants.
Chapitre II
Dans ce chapitre, nous prsentons un bref rappel thorique sur les diffrents outils de
commandes classiques dont nous aurons besoin lors de la synthse des commandes. En
l
oc
c
ur
r
e
nc
el
ac
omma
ndel
i
n
a
i
r
equ
a
dr
a
t
i
quequ
onme
t
t
r
ae
nuvr
el
or
sdel
apha
s
ede
stabilisation du pendule, la commande par mode de glissement qui nous servira lors de la
phase du balancement et la phase de stabilisation du pendule.
Chapitre III
Dans le troisime chapitre, nous tudierons les diffrentes techniques de l'intelligence
artificielle savoir: les bases thoriques de la logique floue, les rseaux de neurones, les
structures neuro-floues qui nous serviront lors de la phase de stabilisation du pendule, le
concept de variable linguistique, les notions de signification et de description floues ainsi que
la topologie SIF. Ensuite nous tudions la structure multicouche du rseau de neurones en
tenant compte des diffrentes mthodes d'apprentissage. Nous nous concentrerons en
particulier sur la projection des systmes flous dans un rseau de neurone afin de former un
systme neuro-flou en tirant profit de la logique floue et des rseaux de neurones.
A la fin de la synthse de chaque type de commande, nous prsenterons les rsultats de
simulation suivies de
sr
s
ul
t
a
t
se
xp
r
i
me
nt
a
uxdus
y
s
t
mec
omma
ndmi
sl
pr
e
uvede
perturbations et de variations paramtriques, choses qui nous permettront d
va
l
ue
rl
e
s
performances et la robustesse de ces commandes.
Enfin, nous terminons notre travail par une conclusion gnrale rsumant les diffrents
rsultats obtenus, quelques perspectives et les difficults rencontres.
Chapitre I
I.1 Introduction
Nouspr
s
e
n
t
e
r
o
nsda
n
sc
ec
h
a
pi
t
r
e
,e
n pr
e
mi
e
rl
i
e
u
,un mod
l
en
on l
i
n
a
i
r
ed
un
systme classique souvent utilis en automatique, plus particulirement dans les applications de
commande: le pendule invers qui e
s
tu
nepl
a
t
ef
or
med
e
s
s
a
iq
uipos
eu
npr
ob
l
med
i
n
s
t
a
bi
l
i
t
a
ng
l
e0 , Il nous servira notamment, plus loin dans les chapitres suivants pour les tests des
diffrentes commandes synthtises.
Par la suite, nous dvelopperons un modle dynamique qui sera prsent sous forme
d
qu
a
t
i
o
nsd
i
f
f
r
e
n
t
i
e
l
l
e
sd
dui
t
e
sp
a
r
t
i
rduf
or
ma
l
i
s
med
Eul
e
r
-Lagrange qui constitue une
a
pp
r
o
c
hes
y
s
t
ma
t
i
qu
es
i
mpl
eme
t
t
r
ee
nuv
r
e
.Pu
i
s
,n
ouspr
s
e
n
t
e
r
ons ce systme dans
l
e
s
pa
c
ed
t
a
tda
nsl
e
sde
uxc
i
r
c
on
s
t
a
nc
e
s;pr
e
mi
r
e
me
ntl
af
or
c
ec
ommes
i
g
n
a
ld
e
n
t
r
e
,
de
u
xi
me
me
n
tl
at
e
ns
i
onc
o
mmes
i
g
na
ld
e
nt
r
e
.
Une implmentation de ces modles sous MATLAB/SIMULINK sera galement
prsente ainsi que les diffrents rsultats de simulation numrique de leurs comportements en
boucle ouverte.
I
.
2Et
atdel
a
r
tdel
ac
ommanded
unpe
ndul
ei
nve
r
s
Le pendule invers est un systme instable, SIMO (Single Input Multiple Output) et
possde des non-linarits non ngligeables dues sa structure dynamique et aux forces de
f
r
i
c
t
i
on
.C
e
s
tu
nout
i
ld
i
d
a
c
t
i
q
uee
tunpr
o
bl
mec
l
a
s
s
i
queu
t
i
l
i
s
e
na
ut
oma
t
i
qu
e
.C
e
s
tpou
r
q
uoi
il est souvent utilis pour tester les performances et la robustesse de nouvelles lois de commande
[LAU.03]. Par ailleurs, on peut trouver dans la littrature plusieurs travaux appropris la
c
omma
nded
u
ns
i
mp
l
epe
nd
ul
ei
n
ve
r
s
pa
rde
sl
oi
sbases sur:
Unpr
obl
med
ec
on
t
r
l
ed
el
n
e
r
g
i
e[
As
t
r
oi
me
tFu
t
u
r
a
i1
996
]a
s
s
o
c
i
e
sun
es
que
nc
e
de balanc
e
me
ntqu
ip
e
r
me
tder
e
l
e
ve
rl
epe
n
dul
ed
es
ap
os
i
t
i
o
nd
q
ui
l
i
b
r
es
t
a
bl
e[
We
ie
tAl
1995], [Vermeiren 1998].
L
a
p
pl
i
c
a
t
i
o
nder
s
e
a
u
xne
ur
o
na
u
x[
An
de
r
s
on8
9]
La mthode des moments [Jacobi 1995]
La commande non linaire [Wei et Al 1995].
Chapitre I
La commande floue, soit en utilisant la notion des ensembles flous et un rgulateur du

type Mamdani [Yamakawa 1989] [Kandel et Al 1993] [Lo et Kuo 1998] [Wei et Al 1995]
[Bastian 95]. Soit par la commande adaptative floue [Wang et Al 1996] ou encore en utilisant les
modles de type Takagi Seguno [Vermeiren 1998].
I.3 Intrt de l'tude d'un pendule invers

L'tude du pendule invers a assez bien d'importance. Il y a plusieurs raisons cela :
- L'homme est un pendule double invers dont les deux axes de rotation principaux sont
les chevilles et les hanches. Quand nous sommes en position debout, nos articulations travaillent
sans arrt pour nous y maintenir. Les spcialistes qui travaillent la ralisation de prothses pour
les hanches sont amens utiliser le modle du pendule double invers pour calculer l'ensemble
des contraintes qui sont soumises la prothse.
- Dans le mme ordre d'ide, la robotique utilise ce genre de concept.
- On voit apparatre des moyens de locomotion dots de deux roues montes sur un mme
axe sur lequel on est en position debout. On acclre en se penchant en avant et on ralenti en se
penchant en arrire. Le systme est le mme que le pendule invers. La stabilit est aussi assure
par des gyroscopes mais nous n'entrerons pas dans ce genre de dtails.
- Les tudiants en automatique, en robotique f
on
tde
sl
a
b
or
a
t
oi
r
e
sde recherches avec
ce genre de dispositif. Parce qu'ils font intervenir beaucoup de notions intressantes pour eux :
pr
og
r
a
mma
t
i
o
n,a
ut
oma
t
i
s
a
t
i
o
n,m
c
a
ni
q
ue
Chapitre I
I.4 Prsentation du pendule invers

I.4.1 Description de la maquette
Le but de la manipulation consiste maintenir en quilibre vertical une tige en aluminium
l
e
xt
r
mi
t
d
el
a
que
l
l
ee
s
tvi
s
s
eu
nema
s
s
e
l
o
t
t
edef
o
r
mec
y
l
i
ndr
i
qu
e
.Ce
t
t
et
i
g
ee
s
tf
i
x
epa
r
une a
r
t
i
c
u
l
a
t
i
onpi
vo
t
a
nt
es
uru
nc
h
a
r
i
o
tquipe
uts
ed
pl
a
c
e
re
ng
l
i
s
s
a
ntl
el
ongd
u
nr
a
i
lde
g
ui
da
g
ehor
i
z
o
nt
a
l
e
.Le mo
uve
me
ntd
er
o
t
a
t
i
o
nd
un mot
e
u
r
l
e
c
t
r
i
quee
s
tt
r
a
n
s
f
or
me
n
mouv
e
me
n
tdet
r
a
n
s
l
a
t
i
ond
uc
ha
r
i
o
tpa
rl
i
nt
e
r
m
di
a
i
r
ed
u
ne
ns
e
mbl
edede
u
xpo
ul
i
e
se
td
u
ne
courroie crante. Le dplacement du chariot dans un sens ou dans un autre assure par raction
l
qui
l
i
b
r
eve
r
t
i
c
a
ldub
r
a
sdupe
ndu
l
e
.Enf
a
i
t
,c
eg
e
nr
edem
c
a
n
i
s
mee
s
tt
r
sf
r
qu
e
nt
.One
n
trouve dans toutes les imprimantes jet d'encre ou dans toute les machines crire lectriques.
Voici le schma du dispositif :
Capteur de position
Pendule
Chariot
Poulie
Centre
Switcher
Courroie
crante
Moteur
Articulation
Pied de la maquette
Figure I.1 : synoptique de la maquette du pendule invers

6
Rail de guidage
Chapitre I
I.4.2 Dispositif de contrle et de commande :

Un e
ns
e
mb
l
ed
ec
a
pt
e
u
r
se
td
a
c
t
i
on
ne
u
re
s
ti
ns
t
a
l
l
s
url
ama
que
t
t
e
.De
uxc
a
p
t
e
ur
ss
ont
disponibles :
Un capteur de position dlivre une image de la position du chariot sur son rail de guidage
par rapport au centre de ce dernier. Si le chariot est situ droite du centre, une valeur positive
est mesure. Le capteur utilis est un potentiomtre multi-tours solidaire sur l
a
xed
umot
e
ur
.
Unc
a
pt
e
urdepos
i
t
i
ona
ng
u
l
a
i
r
ef
our
n
i
tl
a
ng
l
ee
n
t
r
el
ebr
a
sdupe
ndu
l
ee
tl
av
e
r
t
i
c
a
l
e
.Si
le pendule penche vers la droite, un angle posit
i
fe
s
tme
s
ur
.Lec
a
pt
e
ure
s
tc
ons
t
i
t
ud
un
potentiomtre fix sur le pivot du pendule.
Les informations dlivres par les deux capteurs sont conditionnes par une
lectronique associe et les tensions de sortie varient dans une plage de -10V +10V. On notera
qu
u
nf
i
l
t
r
epa
s
s
e
-bas est intgr dans la chaine de conditionnement de chaque entre, ce filtre
a
y
a
n
tp
ourf
onc
t
i
ond
el
i
mi
t
e
rl
al
a
r
g
e
urd
eba
nd
ede
ss
i
g
na
uxdeme
s
u
r
ee
td
vi
t
e
rl
er
e
pl
i
e
me
nt
dus
pe
c
t
r
eq
uir
i
s
qu
edes
epr
odu
i
r
el
or
sdel
op
r
a
t
i
o
nd
c
ha
nt
i
l
l
on
na
g
e
.
De plus, la course du chariot est limite respectivement gauche et droite par deux
but
e
sm
c
a
ni
qu
e
s
.Pa
rs
c
u
r
i
t
po
url
emot
e
urd
e
n
t
r
a
ne
me
ntduc
h
a
r
i
ot
,d
e
uxi
nt
e
r
r
up
t
e
ur
sde
fin de course sont placs en avant des butes mcaniques. Le passage du chariot entrane la
fermeture d
uni
nt
e
r
r
up
t
e
urpr
ovo
qua
ntl
ac
ou
pur
ed
el
a
l
i
me
nt
a
t
i
ondumo
t
e
ur
l
e
c
t
r
i
q
ue
.
L
a
c
t
i
on
ne
u
re
s
tun mo
t
e
u
r
l
e
c
t
r
i
qu
ec
o
ur
a
n
tc
on
t
i
n
ue
t a
i
ma
n
tpe
r
ma
ne
nt
c
omma
ndpa
rl
i
ndu
i
t
.
La commande du moteur entranant le chariot est effectue par un signal variant entre 0
e
t+5V.L
a
mpl
i
f
i
c
a
t
i
ond
epu
i
s
s
a
nc
epa
rmo
nt
a
gep
us
h
-pull est assure, de la mme faon, par
l
l
e
c
t
r
o
ni
quea
s
s
o
c
i
e
.
Chapitre I
I.4.3 Armoire de commande

l
a
r
r
i
r
edel
a
r
mo
i
r
eont
r
o
uvel
e
sdi
f
f
r
e
nt
e
sc
on
ne
c
t
i
qu
e
ssuivantes figure(I.2):
Connecteur ON / Off : fiche DIN pour connecter la boit
edel
i
n
t
e
r
c
e
pt
e
urON/
OFFdu
moteur.
Slecteur 110/220v
Fi
c
hed
al
i
me
nt
at
i
on110/
220V
Connecteur CN3 : i
ls
ebr
a
n
c
hea
ve
cl
ePL1del
aboi
t
ed
a
d
a
pt
a
t
i
on,a
v
e
cun
el
a
r
g
e
nappe 40 pistes. Les signaux sont ceux des deux capteurs de position,c
e
s
tde
ss
i
g
na
u
x
digitaux sur 16 bits.
Connecteur CN2 : il se branche avec PL3, avec une nappe 20 pistes. Les signaux sont les
tensions de commande du moteur.
Connecteur CN1 ; il se branche avec la partie mcanique. Les signaux sont ceux du
moteur.
SCSI
Connecteur ON / Off
CN1
Slecteur 110/220v
Fi
c
hed
a
l
i
me
nt
a
t
i
o
n
CN2
CN3
Figure I.2 : Diagramme de connexion du dispositif de contrle et de commande

8
Chapitre I
I
.
4
.
4L
adapt
at
e
ur(SCSI)
L
a
d
a
pt
a
t
e
urSCSIdonn la figure (I.2) ac
ommer
l
ed
a
da
p
t
e
rl
e
ss
i
g
n
a
uxe
n
t
r
el
ac
a
r
t
e
d
a
c
q
ui
s
i
t
i
one
tl
e
sdi
f
f
r
e
nt
sc
onn
e
c
t
e
ur
sdel
aba
s
ed
a
l
i
me
n
t
a
t
i
on
,e
ta
us
s
is
pa
r
e
rc
e
sdi
f
f
r
e
nt
s
signaux en fonction de leurs types. La boite dispose de quatre connecteurs :
un connecteur 68 pins pour connecter le cble global 68 pin SCSI de la carte
d
a
c
q
ui
s
i
t
i
on
.
un grand connecteur PL1 pour les entres digitales des capteurs de positions (deux
encodeurs optiques).
un petit connecteur PL2 ou PL3 pour la sortie analogique (tension de commande du
moteur).
I
.
4
.
5Ca
r
t
ed
ac
qui
s
i
t
i
on: ADVANTECH PCI 1711 [pci1711]
C
e
s
tu
nec
a
r
t
ed
a
c
qui
s
i
t
i
on uni
v
e
r
s
e
l
l
equ
ie
s
ti
ns
t
a
l
l
es
url
epor
tPCIdu PC de
commande et dispose de connecteurs extrieurs pour des entres/sorties analogiques et digitales.
Ces principales caractristiques sont :
La fonction Plug & play
16 entres analogiques configurables simples (single-ended) ou source flottante
Convertisseurs A/D industriels normaliss approximations successives
12 bits utiliss pour la conversion des entres analogiques
Laf
r
que
n
c
ema
xi
ma
l
ed
c
ha
nt
i
l
l
o
nna
g
ee
s
td
e100
KHz
.
Gamme des entes analogiques est programmables et contrlable par software
Chaque canal sa gamme individuelle stocke dans la RAM de la carte
2 sorties analogiques (convertisseur D/A)
1
6c
a
na
u
xd
e
nt
e
sd
i
g
i
t
a
l
e
s
16 canaux de sorties digitales
Un compteur/timer programmable
Scanne automatique des gains/canaux.
So
npr
i
nc
i
pa
lr
l
eda
nsn
ot
r
ea
ppl
i
c
a
t
i
on,c
e
s
tqu
e
l
l
ep
e
r
me
tl
ac
omma
nded
i
g
i
t
a
l
ed
un
systme continu travers un PC, en convertissant les signaux analogiques en numriques et viceversa. Dans notre cas, on utilise :
Chapitre I
Une sortie analogique (convertisseur D/A) pour dlivrer la tension de commande de

rfrence.
Les e
nt
r
e
sdi
g
i
t
a
l
e
sde
sd
e
uxe
nc
od
e
ur
sop
t
i
q
ue
spo
urme
s
ur
e
rl
a
ng
l
edupe
ndu
l
ee
tl
a
position du chariot.
Une entre analogique (convertisseur A/D) pour rcuprer le retour tachymtrique du
moteur.
I.5 Environnement de dveloppement

Ceb
a
ncd
e
s
s
a
iu
t
i
l
i
s
eu
nea
ppr
oc
heno
va
t
r
i
c
ed
i
mpl
me
n
t
a
t
i
on
,qu
ij
ou
i
td
u
nef
l
e
xi
bi
l
i
t
a
c
c
r
ue e
td
une a
r
c
hi
t
e
c
t
ur
et
ot
a
l
e
me
n
to
uve
r
t
e
,c
e
t
t
ea
p
pr
oc
h
ee
s
ta
pp
e
l
e HI
Lp
our
Hardware-In the-Loop . Ou bien Rapid Prototyping
Avec le hardware-in the-loop , on peut tester d
i
r
e
c
t
e
me
ntl
ec
on
t
r
l
e
urq
u
on a
synthtis en simulation sur le systme physique rel, avec un simple PC de dveloppement. En
e
f
f
e
tt
ou
sc
eq
u
onabe
s
oi
ne
s
t:
un PC standard (pour le dveloppement et pour la commande)
u
nec
a
r
t
ed
a
c
q
ui
s
i
t
i
on pour la conversion A/D et D/A
le systme physique commander
les logiciels ncessaires
Les logiciels utiliss sont :

MATLAB : i
lj
ouel
er
l
ed
un
epl
a
t
e
f
or
me
,ot
ousl
e
sa
ut
r
e
sc
ompos
a
nt
ss
e
x
c
u
t
e
n
t
,
c
e
s
tl
e
nvi
r
on
ne
me
n
tl
epl
usut
i
l
i
s
da
n
sl
emonde par les ingnieurs, il fournit plusieurs
routines sophistiques de calculs numriques
SIMULINK : C
e
s
tu
nl
a
ng
a
g
ed
eha
utni
ve
a
ugr
a
p
hi
qu
e
,a
v
e
cl
e
qu
e
lonpr
og
r
a
mme
avec des objets ou blocks, ces objets peuvent tre soit des blocks standards ou bien des blocks
s
p
c
i
a
l
i
s
s
c
r
i
tp
a
rl
ut
i
l
i
s
a
t
e
u
rc
ommede
sS-functions
REAL TIME WORKSHOP : c
e
s
tl
ep
r
og
r
a
mme l
e pl
us i
mpo
r
t
a
nt
,qui gnre
automatiquement du code source C++ optimis, partir du modle Simulink. De plus, ce code est
paramtra
b
l
ep
ourpl
us
i
e
u
r
st
a
r
g
e
t
s(
c
i
bl
e
)d
i
mpl
me
nt
a
t
i
on
.
10
Chapitre I
Compilateur C++ :i
lc
ompi
l
el
ec
odeg
n
r
pa
rr
e
a
lt
i
mewo
r
k
s
ho
pe
tf
a
i
tl
di
t
i
o
nde
s
l
i
e
n
spou
rg
n
r
e
ru
ne
x
c
ut
a
bl
eq
uic
ommu
ni
quea
ve
cl
ac
i
bl
ed
i
mpl
me
nt
a
t
i
o
n(
t
a
r
g
e
t
)
,d
a
ns
notre cas, le compilateur est VISUAL C++ 6.0 PRO.
REAL TIME WINDOWS TARGET :Da
nsl
ec
a
sd
une
nvi
r
on
ne
me
n
tWI
NDOWS,c
e
petit noyau, est essentiel, son rle est primordial, il assure le temps rel pour notre rgulateur. Car
WI
NDOWSe
s
tu
nOS
v
ne
me
nt
i
e
ldo
nci
ln
e
s
tp
a
st
e
mpsr
e
l
.I
ls
e
x
c
ut
ec
ommeu
ns
e
r
vi
c
e
rsident dans le niveau zro (mode noyau) et intercepte les interruptions matrielles avant
WINDOWS, par la suite, ilc
ommu
ni
quea
ve
cl
e
x
c
u
t
a
bl
edur
g
u
l
a
t
e
u
re
ti
nt
e
r
f
a
c
ea
ve
cl
e
systme physique travers la car
t
ed
a
c
qu
i
s
i
t
i
on, en vue de contrler le flux de donnes et de
signaux du modle (maintenant excutable) vers le systme physique et vice versa.
La figure (I.3) montre le schma qui illustre la relation qui existe entre les diffrents modules.
Figure I.3 : Processus de gnration du code excutable

11
Chapitre I
I.6 Principe de fonctionnement

Le principe de fonctionnement du systme est trs simple en thorie : quand le pendule
penche vers la droite, le chariot doit le rattraper en effectuant un mouvement vers la droite. Et
inversement.
La difficult c'est de rgler l'intensit et la forme de la raction du chariot en fonction de
l'angle que le pendule fait avec la verticale.
I.7 Particularits de ce systme

I
ns
t
a
ble
Non
-linaire
Mo
d
l
edec
o
nna
i
s
s
a
n
c
ei
nc
omp
l
e
t
Uns
e
u
la
c
t
i
onn
e
ur(
s
ousa
c
t
i
on
n
)
2g
r
a
n
de
u
r
sa
s
s
e
r
v
i
r(
mul
t
ivariables)
I.7.1 Stabilit du systme linaire:

La stabilit en boucle ouverte du systme linaire est dtermine par la position dans le
plan complexe des valeurs propres de la matrice A d
es
onmo
d
l
ed
t
a
t(voire figure II.4), qui
sont les ples de la fonction de transfert rparties comme suit :
Le
sq
ua
r
t
e
sp
l
e
ss
ontr
e
l
s
,l
une
s
tc
on
f
ond
ua
ve
cl
or
i
g
i
ne
,l
e
sde
uxa
ut
r
e
ss
ontda
n
sl
a
moiti gauche du plan S, donc le systme est stables. Le dernier ple se trouve dans le demi-plan
c
omp
l
e
xed
edr
oi
t
ee
tt
r
a
d
ui
tl
e
xi
s
t
e
n
c
ed
u
nmo
dei
n
s
t
a
b
l
e:l
qu
i
l
i
br
ei
n
s
t
a
bl
edubr
a
sdu
pendule inverse.
I.7.2 Systme sous actionn :

On considre le systme mcanique, dcrit par :
f (q, q) G (q) u
q
( I .1)
qe
s
tv
e
c
t
e
urd
t
a
tdec
oo
r
don
n
e
sg
r
a
l
i
s
e
s
f (.) est le champ de vecteur qui capture les dynamiques du systme
12
Chapitre I
qvecteur de vitesse gnralis.
G est la ma
t
r
i
c
ed
e
nt
r
e
.
u est le vecteur des entres gnraliss.

Le systme (I.1) serait sous actionn si les entres externes gnralises ne sont pas
c
a
pa
bl
edec
omma
nde
ri
ns
t
a
n
t
a
n
me
n
tl
e
sa
c
c
r
a
t
i
o
nsda
n
st
o
ut
e
sl
e
sd
i
r
e
c
t
i
o
nsdel
e
s
pa
c
ede
configuration. Ceci se produit si m rang (Gq) n dim(q) ,e
nd
a
ut
r
et
e
r
mel
e
ss
y
s
t
me
s sous
a
c
t
i
onn
so
ntmoi
nsd
a
c
t
i
onn
e
ur
squ
el
e
urs variables de configuration.
I.7.3 Systme holonome [BOU 06] [LAM 03]

Un systme mcanique S est holonome si la position de ses diffrentes parties peut tre
caractrise par n variables indpendantes q1 ,..., qn , appeles coordonnes gnralises du
systme. On dit alors que S est un systme holonome n degrs de libert.
Le pendule invers est galement un systme holonome avec pour coordonnes
gnralises q1 x et q2 .
I.7.4 Systme non linaire

Un systme linaire est un systme dont le thorme de superposition est vrifi :
f (x y ) f ( x) f ( y )
( I . 2)
o x et y s
ontde
sve
c
t
e
u
r
sd
e
nt
r
e
, et sont des scalaires et f (.) la sortie du
systme ; contrairement aux systmes linaires ; dans le cas de systmes non linaires, le
t
h
or
med
es
u
pe
r
p
os
i
t
i
o
nn
e
s
tp
a
sv
r
i
f
i
[Zay 01].
A caus
ede
st
e
r
me
sd
ec
oup
l
a
g
ee
nt
r
el
e
sc
omp
os
a
n
t
e
sd
el
t
a
t
,t
e
lqu
esin x3 x42 ,i
ls
a
g
i
t
l
d
uns
y
s
t
men
onl
i
n
a
i
r
ee
nl
t
a
t
.Ce
p
e
nd
a
ntonr
e
ma
r
quequ
el
es
y
s
t
mee
s
tl
i
n
a
i
r
ee
n
l
e
nt
r
eu mais les coefficients ne sont pas des constants
13
Chapitre I
I.8 Coordonnes gnralises du systme

L
e
n
s
e
mbl
ed
uc
ha
r
i
o
tp
e
ndu
l
ede
u
xd
e
g
r
sdel
i
b
e
r
t
quis
on
tr
e
p
r
s
e
nt
e
spa
rde
ux
coordonnes gnralises, x pour le dplacement horizontal du chariot, pour la rotation du
pendule. La direction positive de x e
s
tl
es
e
nsdr
o
i
t
ee
nm
t
r
ee
tc
e
l
uid
el
a
ng
l
ee
s
tl
es
e
nsde
s
a
i
g
ui
l
l
e
sd
unemo
nt
r
ee
nr
a
di
a
n.
(t) (I,m)
x
d
F(t)
(M)
b
X(t)
Figure I.4 : Schma del
e
ns
e
mb
l
ec
h
ar
i
ote
tpe
ndu
l
ei
nv
e
r
s
Soit :
m : masse du pendule
b : frottements de dplacement du chariot
M : masse du chariot
x(t ) : position du chariot
l : demi longueur du pendule
(t ) : l' angle du pendule
F (t ) : force exerce sur le chariot
g : intensit de pesanteur
d : frottements du pendule
14
Chapitre I
I.8.1 Modlisation du systme a deux degrs de libert [WEI 95][BUG 03][MCG 02]
On utilise pour cela la mthode de Lagrange dfinie par les quations suivantes :
L T * V
(I.3)
d
L
L
D
Fj
dt
j
j
(I .4)
Degrs de libert, dans ce cas x (t ) et (t ) .
D nergie dissipe par frottement.

F j Force gnralise dans le sens du degr de libert j .
T * nergie cintique.
V nergie potentielle.
L
a
v
a
nt
a
g
ed
ec
ef
or
ma
l
i
s
mer
s
i
d
ed
a
nsl
l
i
mi
na
t
i
ond
e
se
f
f
or
t
sd
i
n
t
e
r
a
c
t
i
o
n.
I.8.2 Energie cintique du systme en mouvement

L
n
e
r
g
i
ec
i
n
t
i
q
ueduc
ha
r
i
ote
s
tdo
nn
epa
rl
qua
t
ion:
1
TM* M x2
2
( I .5)
n
e
r
g
i
ec
i
n
t
i
quedupe
nd
ul
ee
s
te
xp
r
i
m
ep
a
rl
q
ua
t
i
on:
1
1
Tm* mv c v c I2
2
2
(I .6)
La position du centre de gravit du pendule a partir de ces coordonnes:
rc ( x l sin)
i l cos
j
(I .7)
D
ol
av
i
t
e
s
s
ed
uc
e
nt
r
edeg
r
a
v
i
t
dup
e
nd
ul
ee
s
t:
dr
v c c ( x
l cos
)
i l sin
j
dt
15
(I .8)
Chapitre I
Ens
u
bs
t
i
t
u
a
ntl
e
s
q
ua
t
i
ons(
I
.
7)e
t(
I
.
8
)d
a
nsl
qua
t
i
on(
I
.
6)ont
r
ouv
e:
1
2
2 l 2 sin2
2) 1 I
2
Tm* m( x
2 x
l cos
l 2 cos2
2
2
(I .9)
Ave
cs
i
mpl
i
f
i
c
a
t
i
onl
q
ua
t
i
on(
I
.
9
)l
ne
r
g
i
ec
i
n
t
i
q
uepr
e
n
da
l
or
sl
e
xpr
e
s
s
i
on:
1
2
2) 1 I
2
Tm* m ( x
2 x
l cos
l 2
2
2
( I .10)
n
e
r
g
i
ec
i
n
t
i
quedel
e
n
s
e
mbl
ec
ha
r
i
ot(
I
.
5
)e
tpe
n
dul
e(
I
.
9
)e
s
te
xp
r
i
m
ep
a
r:
1
1
2 ) 1 I
2
T * TM* Tm* M x2 m( x2 2 x
l cos
l 2
2
2
2
(I .11)
I.8.3 Energie potentielle du systme

L
n
e
r
g
i
epot
e
n
t
i
e
l
l
educ
e
n
t
r
edeg
r
a
vi
t
del
ab
a
r
r
ee
s
t:
V mglcos
(I .12)
I.8.4 Equation de Lagrange

d
L
Fj

dt
j
j
(I .13)
Le lagrangien du systme est la diffrence entre son nergie cintique et son nergie potentielle
L T * V
(I.14)
Enu
t
i
l
i
s
a
ntl
e
xpr
e
s
s
i
on(
I
.
11)e
t(
I
.
12
) le lagrangien peut tre crit:
1
1
1 2
2
L M x2 m( x2 2 x
l cos
l 2
) I
mglcos
2
2
2
( I .15)
I
.
8
.
4
.
1L
qua
t
i
o
ndeLagr
ang
epourl
ede
gr
del
i
be
r
t
(t ) x (t )
d
L
L
F b x
dt
x
x
(I .16)
La drive partielle du lagrangien suivant xet t s
c
r
i
t:
(M xm x
ml cos
) 0 F b x
dt
( I .17)
Donc la premire quation de Lagrange :
2F b x
(M m)
x
mlcos
mlsin
16
(I .18)
Chapitre I
I
.
8
.
4
.
2L
qua
t
i
o
ndeLagr
ang
epourl
ede
gr
del
i
be
r
t
(t ) (t )
d
L
L
dt
(I .19)
et t s
La drive partielle du lagrangien suivant
c
r
i
t:
d
I
mgl sin) d
(ml x
cosml2
) (ml x
sin
dt
( I .20)
Donc la deuxime quation de Lagrange :
(ml2 I )
ml
x
cosmlx
sin
mlx
sin
mglsind
(I.21)
Lemod
l
edec
o
nna
i
s
s
a
nc
ed
us
y
s
t
mec
ha
r
i
otp
e
nd
ul
ee
s
tdo
nnpa
rl
es
y
s
t
med
q
ua
t
i
ons
suivant :
2
(M m)
x
bx
ml cos
ml sin
ml
x
cos(ml2 I )
d
mglsin0
(I .22)
I
.
9Li
n
ar
i
s
at
i
ondumod
l
eaut
ourde
spoi
nt
sd
qui
l
i
br
e
Ava
ntde pr
o
c
de
r l
a
na
l
y
s
ed
u mod
l
e de systme, on linarise les quations
diffrentielles (I.22). Il ad
e
uxp
oi
nt
sd
q
ui
l
i
b
r
e: (0) point d
qu
i
l
i
br
ei
nstable et ()
poi
ntd
q
ui
l
i
b
r
es
t
a
b
l
e
.
Pour des petites variations de a
ut
ourdup
oi
ntd
qu
i
l
i
br
e0
( I .23)
Led
v
e
l
opp
e
me
nte
ns
r
i
edeTa
y
l
ordupr
e
mi
e
ror
dr
ed
u
nef
onc
t
i
ond
eest donn par :
df
f () f (0 )
d0
(I .24)
Et les termes du haut ordre sont ngligs

2
(I .25)
17
Chapitre I
I
.
9.
1Pos
i
t
i
ond
qui
l
i
br
ei
ns
t
abl
e(
=0)
Si on se limite aux petites variations de autour du point de fonctionnement 0 0
correspondant la position verticale de la barre.
Pour (0) , le dveloppement limite du premier ordre des quations (I.23) et (I.24) est :
coscos(0) [sin(0)] 1
sinsin(0) [cos(0)]
2
0
( I .26)
En substituant ces linarisations da

nsl
es
y
s
t
med
q
ua
t
i
on(
I
.
22)e
ten ngligeant les
t
e
r
me
sd
uha
u
tor
d
r
e
,ont
r
ou
vel
es
y
s
t
med
qu
a
t
i
o
nl
i
n
a
r
i
s
s
ui
va
nt:
(M m)
x
bx
ml
F
ml
x
(ml I )
d
mgl0
(I .27)
Ena
p
pl
i
qua
n
tl
at
r
a
ns
f
or
m
ed
eLa
p
l
a
c
es
url
es
y
s
t
med
qua
t
i
o
nl
i
n
a
r
i
s
c
i
-dessus, on
trouve :
(M m)s 2 X (s) bsX (s) mls2(s) F (s)
mls X (s) (ml2 I )s 2 (s) ds(s) mgl(s) 0
(I .28)
O X (s) L( x(t )) et (s) L((t ))

En substituant pour liminer X (s ) ou (s) dans (I.28), on trouve les deux fonctions de
transfert suivantes :
a s 2 a s a
X (s)
G1 (s)
4 2 3 1 20
F (s) b4 s b3s b2 s b1s
c2 s
(s)
G2 (s)
3
F (s) b4 s b3s 2 b2 s b1
Avec
a2 ml 2 I
a1 d
a0 mgl
18
(I .29)
Chapitre I
b4 (M m)(ml2 I ) m2l 2
b3 (M m)d (ml2 I )b
(I .30)
b2 (M m)mgl db
b1 m glb
c2 ml
Les fonctions de transfert respectivement de la position du chariot et de la rotation du pendule
sont :
X (s)
(ml2 I )s 2 ds mgl
G1 (s)
F (s) ((M m)(ml2 I ) m2l 2 )s 4 [(M m)d (ml2 I )b]s 3 [(M m)mgl db]s 2 m glbs
(s)
mls
G2 (s)
(I .31)
2
2 2 3
F (s) ((M m)(ml I ) m l )s [(M m)d (ml2 I )b]s 2 [(M m)mgl db]s m glb
Les variables et les paramtres du systme chariot pendule sont:
M =2.4 kg, m =0.23 kg, g =9.81 m/s2, l =0.36 m, I =0.099 kg.m2, b =0.05 Ns/m, d =0.005 Nms/rad.
Les zros, ples et diagramme de Bode de ces fonctions de transfert (I.31) sont prsentes
dans la figure suivante :
(Pole et Zero du Pendule)
1
0.5
0.5
Im a g in a r y A x is
Im a g in a r y A x is
(Pole et Zero du Charriot)

1
0
-0.5
-1
-2.5
-2
-1.5
-1
-0.5
0.5
1.5
0
-0.5
-1
-2.5
2.5
-2
-1.5
-1
Real Axis
0
-100
-90
-2
-1
10
0.5
1.5
2.5
(Diagramme de Bode du Pendule)

P h a s e ( d e g ) M a g n itu d e ( d B )
P h a s e ( d e g ) M a g n itu d e ( d B )
(Diagramme de Bode du Charriot)
10
0
Real Axis
100
-180
-3
10
-0.5
10
10
Frequency (rad/sec)
-20
-40
-60
90
45
0
-3
10
-2
10
-1
10
10
10
Frequency (rad/sec)
Figure I.5:Carte des Ple-Zr

ose
tDi
a
gr
ammedeBodedus
y
s
t
mel
i
n
a
r
i
s
au
t
ou
rpo
i
n
td
qu
i
l
i
b
r
e(0)
19
Chapitre I
Simulation du systme libre

3
Vitesse du chariot (m/s)
Position du chariot (m)
0.5
-0.5
0.5
1.5
2.5
3
Temps (s)
3.5
4.5
0.5
1.5
2.5
3
Temps (s)
3.5
4.5
0.5
1.5
2.5
3
Temps (s)
3.5
4.5
80
Vitesse du pendule (rad/s)
Position du pendule (rad)
-1
30
20
10
0.5
1.5
2.5
3
Temps (s)
3.5
4.5
60
40
20
0
-20
Figure I.6: Rsultats de simulation en boucle ouverte d

un
er
pon
s
eimpulsionnelle d
u
nedur
0.01 sec, amplitude 0.1 (N) et conditions initiales [x, x,,] [0,0,0,0]
I
.
9.
2Pos
i
t
i
ond
qui
l
i
br
es
t
abl
e()
Pour () , le dveloppement limite du premier ordre des quations (23) et (24) est :
coscos()(sin) 1
sinsin() () cos()
2 0
( I .32)
La substitution de ces linarisations da

nsl
es
y
s
t
med
qua
t
i
on(
I
.
22)e
tla ngligence des
termes du haut ordre, permettent de trouver l
es
y
s
t
med
qua
t
i
o
nl
i
n
a
r
i
s
s
u
i
v
a
nt:
(M m)
x
b xml
F
ml
x
(ml 2 I )
d
mgl0
(I .33)
En
f
i
nl
a
p
pl
i
c
a
t
i
o
ndel
at
r
a
ns
f
o
r
m
edeLa
pl
a
c
es
url
es
y
s
t
med
q
ua
t
i
onl
i
n
a
r
i
s
c
i
dessus, se traduit par :
(M m)s 2 X (s) bsX (s) mls2(s) F (s)
2
2
2
mls X (s) (ml I )s (s) ds(s) mgl(s) 0
20
(I .34)
Chapitre I
En substituant pour liminer X (s ) ou (s) dans (I.34), on trouve les deux fonctions de
transfert suivantes :
a s 2 a s a
X ( s)
G1 (s)
4 2 3 1 20
F (s) b4 s b3 s b2 s b1s
c2 s
(s)
G2 (s)
3
F (s) b4 s b3 s 2 b2 s b1
( I .35)
Avec
a2 ml 2 I
a1 d
a0 mgl
b4 (M m)(ml2 I ) m2l 2
b3 (M m)d (ml2 I )b
(I .36)
b2 (M m)mgl db
b1 m glb
c2 ml
Les fonctions de transfert respectives de la position du chariot et de la rotation du pendule sont :
(ml2 I )s 2 ds mgl
G1 (s)
((M m)(ml2 I ) m2l 2 )s 4 [(M m)d (ml2 I )b]s 3 [(M m)mgl db]s 2 m glbs
mls
G2 (s)
(I .37)
2
2 2 3
((M m)(ml I ) m l )s [(M m)d (ml2 I )b]s 2 [(M m)mgl db]s mglb
Les zros, ples et diagramme de Bode de ces fonctions de transfert (I.37) sont prsentes dans
la figure suivante :
(Pole et Zero du Pendule)
2
1
Imaginary Axis
Imaginary Axis
(Pole et Zero du Charriot)

2
-1
-2
-0.04
-1
-2
-0.035
-0.03
-0.025
-0.02
-0.015
-0.01
-0.005
-0.04
-0.035
-0.03
Real Ax is
(Diagramme de Bode du Charriot)
-0.01
-0.005
(Diagramme de Bode du Pendule)

Magnitude (dB)
Magnitude (dB)
-0.015
100
100
0
-100
50
0
-50
-100
180
Phase (deg)
-200
360
Phase (deg)
-0.02
Real Axis
200
270
180
-3
10
-0.025
10
-2
10
-1
Frequenc y (rad/sec )
10
10
-180
-3
10
-2
10
-1
10
10
10
Frequency (rad/s ec)
Figure I.7:Ple-zros et diagramme de Bode du systme linaris aut

ou
rpoi
ntd
qu
i
l
i
br
e()
21
x 10
-3
1
0
-1
10
20
30
40
50
60
Temps (s)
70
80
90
100
3.1418
3.1416
3.1414
3.1412
0
10
20
30
40
50
60
Temps (s)
70
80
90
100
0.01
-0.01
V it e s s e d u p e n d u le (ra d / s )
P o s it io n d u p e n d u le (ra d )
V it e s s e d u c h a rio t (m / s )

P o s it io n d u c h a rio t (m )
Chapitre I
0
x 10
10
20
30
40
50
60
Temps (s)
70
80
90
100
10
20
30
40
50
60
Temps (s)
70
80
90
100
-3
-5
Figure I.8 : Rsultats de simulation en boucle ouverte d

un
er
po
ns
eimpulsionnelle d
u
ne
,,
] [0,0,,0]
dure 0.01 sec, amplitude 0.1 (N) et conditions initiales [x, x
I
.
10Re
pr
s
e
nt
at
i
ond
t
at
I.10.1 Avec la force F c
ommes
i
gnald
e
nt
r
e[BUG 03]
Onr
a
ppe
l
l
equel
ar
e
pr
s
e
nt
a
t
i
o
nd
t
a
tp
ourl
e
ss
y
s
t
me
sl
i
n
a
i
r
e
se
s
td
el
af
or
me
suivante :
.
x Ax BF
y Cx
x1 x2
Onpos
el
eve
c
t
e
u
rd
t
a
t x ; x
(I .38)
T
.
T
.
x3 x4
x x
(I .39)
Tel que x
1 x2 et x3 x4
1
0
0
x1
(Lm) 2 gv2
0 bv
2
d x2
I L2 m
0
0
dt x3
Lmbv
1
x 0
Lmgv1
4
M m
x
1 0
x2 2
x 0
3
Lmv1
x
4 M m
0
Lmdv2
I L2 m
1
dv1
1 0 0 0
y
x
0 0 1 0
Avec
( I .40)
( I .41)
M m
v1
2
I ( M m) L mM
I L2 m
v2
2
I ( M m) L mM
( I .42)
22
Chapitre I
I.10.2 Modlisation en tenant compte du moteur lectrique [LAM 04]

Le c
h
a
r
i
o
ts
ed
pl
a
c
el
a
i
d
ed
u
nmot
e
urc
our
a
ntc
on
t
i
nu
ec
ommel
apr
s
e
n
t
el
af
i
g
ur
e
(I.9) :
Figure I.9 : La relation entre la force mcanique F et la tension V

L
q
ua
t
i
on
l
e
c
t
r
i
qued
ec
es
c
h
mae
s
t:
K K
V IR K m IR m t X
r
(I .43)
Ou :
V : La tension exerce sur le moteur (volt).

I : Intensit du circuit (Ampre).
R : Rsistance quivalente du circuit (Ohm).
K m : Constante de couple du moteur (N.m/A).

p
por
tdet
r
a
ns
mi
s
s
i
ond
e
ng
r
e
na
g
e(
s
a
nsdi
me
ns
i
on).
Kt : Ra
r : Ra
y
ond
e
ng
r
e
na
g
edes
or
t
i
e(
m
t
r
e
)
.
: vitesse angulaire del
a
r
br
edumoteur.
Le couple produit l'arbre du moteur est donn par cette quation mcanique :
Cm K m I
(I .44)
Qui devient a la sortie de la boite de transmission :
C Cm
K t K m K t I
Cec
oup
l
ec
r
eu
nef
or
c
el
as
o
r
t
i
ed
e
ng
r
e
na
g
equie
s
t:
23
(I .45)
Chapitre I
C
F (t )
r
( I .46)
Ut
i
l
i
s
a
ntl
e
s
q
ua
t
i
ons(
I
.
43)e
t(
I
.
45)da
n
sl
q
ua
t
i
on(
I
.
4
6)
,o
na
ur
a:
2
K K
K K 1
F (t ) m t V m t X
Rr
r R
( I .47)
En ngligeant les termes b et d ,on pe

utr
c
r
i
r
el
e
s
q
ua
t
i
ons(
I
.
22)l
a
i
d
ed
u
nes
e
ul
e
d
r
i
va
t
i
one
tobt
e
n
i
ra
l
or
sl
qua
t
i
ond
t
a
ts
uivante :
. .
x1 x2
1
.
K m2 K g2
ml cos 2 ( x3 ) K m K g
m lg cos
x3
sin
x3
x2
mlx 42 sin
x3
2
2
2
2
I
ml
Rr
Rr
I
ml
( I .48)
x
3
4
1
.
K m2 K g2
KmK g
ml cos 2
x3
cos
x3
mlx 42 cos
x3
sin
x3
2
ml
g
sin
x 4
2
3
m M m M Rr
Rr
m M
I.10.2.1 Linarisation des quations du pendule invers

La linarisation du s
y
s
t
med
q
ua
t
i
on(
I
.
48
)a
uvoi
s
i
na
g
ed
e0 0 , tel que sin() et
2
est ngligeable devant , donne :

cos() 1 , et
x Ax BV
y Cx
(I .49)
O :
1
0
Km2 K g2
1
0
ml Rr 2
(M m)
L
A 0
0
Km2 K g2
1
0
ml
Rr 2
(M m)
L
)
(M m)
0
gml
0
ml
L((M m) )
L
0
1
g
0
ml
L
)
(M m)
24
(I .50)
Chapitre I
KmK g
ml Rr
( M m)
L
B
0
KmKg
1
ml
Rr
( M m)
L
)
( M m)
( I .51)
1 0 0 0
C
0 0 1 0
( I .52)
I ml 2
Avec L
ml
( I .53)
I.10.2.1.1 Simulation du systme excit

Nousa
p
pl
i
quo
nsun
ei
mpul
s
i
ond
unea
mpl
i
t
u
de0
.
1
Ve
td
unedur
e0
.
1Se
c
,a
ve
cl
e
s
,,
] [0,0,0,0]
conditions initiales [x, x
Les
y
s
t
meos
c
i
l
l
ej
u
s
qu
a
t
t
e
i
n
dr
es
ap
os
i
t
i
o
nd
qui
l
i
br
es
t
a
bl
e
.Le
sr
s
u
l
t
a
t
sde
V ites s e du c hariot (m /s )
0.8
0.6
0.4
0.2
0
10
20
30
40
50
60
Temps (s)
70
80
90
100
V ites s e du pendule (rad/s )
P os ition du pendule (rad)
P os ition du c hariot (m )
simulation sont les suivants :
6
4
2
0
10
20
30
40
50
60
Temps (s)
70
80
90
100
1
0.5
0
-0.5
10
20
30
40
50
60
Temps (s)
70
80
90
100
10
20
30
40
50
60
Temps (s)
70
80
90
100
10
5
0
-5
-10
Figure I.10 : Rsultats de simulation en boucle ouverte d

u
ner
po
ns
eimpulsionnelle d
u
nedu
r
0.01 sec et amplitude 0.1 (V) conditions initiales [x, x

,,] [0,0,0,0]
Les rsultats de simulations montrent que la position [x, x

,,
] [0,0,0,0] est un point
d
qu
i
l
i
br
ei
ns
t
a
bl
e
.
Nousa
pp
l
i
q
uon
su
nei
mpul
s
i
ond
unea
mp
l
i
t
ud
e0.
1Vol
te
td
un
edur
e0
.
1Se
c
,a
ve
cl
e
s
conditions initiales [x, x

,,
] [0,0,,0] (
l
apos
i
t
i
ond
q
ui
l
i
b
r
estable).
25
Chapitre I
3.3
V ites s e du c hariot (m )
P osition du c hariot (m )
0.8
P osition pendule (rad)
Les rsultats de simulation sont les suivants :

0.6
0.4
0.2
0
10
20
30
40
50
60
Temps (s)
70
80
90
100
3.2
3.1
3
10
20
30
40
50
60
Temps (s)
70
80
90
0.5
0
-0.5
V ites s e pendule (rad/s )
100
10
20
30
40
50
60
Temps (s)
70
80
90
100
10
20
30
40
50
60
Temps (s)
70
80
90
100
1
0
-1
-2
Figure I.11: Rsultats de simulation en boucle ouverte d

uner
pon
s
eimpulsionnelle d
u
nedur
,,] [0,0,,0]
0.01 sec et amplitude 0.1 (V) conditions initiales [x, x
I.11 Redressement du pendule avec une commande non linaire [BUG 03] [AST 00]
Cette commande est base sur le thorme de stabilit de Lyapunov et va permettre de
faire converger l'nergie du systme vers la valeur de l'nergie en position haute.
On prend une dfinition simplifie de l'nergie du pendule :
1 .
E J 2 mgl
cos
1
2
( I .54)
Nous pouvons librement considrer que le pendule stabilis en position haute possde une
nergie nulle. Cette situation correspond aux grandeurs :
( I .55)
D'aprs cette dfinition de l'nergie, dans la position basse E vaut E0 2 mgl et dans la
position haute E vaut E * 0 .
Onvama
i
nt
e
na
nts
i
nt
r
e
s
s
e
rl
af
onc
t
i
ons
u
i
v
a
nt
e:
.
1
G ( E E * ) 2 ( J 2 mgl
cos
1
)2
2
( I .56)
G ( 0 ) 0 et pour tout X 0, G ( X ) 0 donc G est Dfinie positive.

.
G 2 (
1 .2
J
J mgl
cos
1
) (mgl sin
)
2
26
( I .57)
Chapitre I
L
e
xpr
e
s
s
i
ons
i
mpl
i
f
i
edel
ad
r
i
v
es
e
c
o
ndedel
a
ng
l
ee
s
t:
( M m ) mgl sin() Fml cos()
( M m ) J Mml 2
( I .58)
On obtient donc
.
J ( M m) Mml 2
Fml cos()
G 2( E E * )(
)( mgl sin()( 1
)
)
2
( M m) J Mml
( M m) J Mml 2
.
Fml cos()
Soit
G 2( E E * )(
)( mgl sin()
( M m ) J Mml 2
En prenant comme commande :
F Ksign((
) cos()(E E * ) , K 0
On obtient le rsultat suivant :
( I .59)
( I .60)
( I .61)
1
0
( I .62 )
( M m ) J Mml 2
Donc avec cette commande, G e
s
tu
nef
on
c
t
i
o
ndeLy
a
pun
ove
td
a
pr
sl
et
h
or
mede
stabilit, le point 0 e
s
tu
np
oi
ntd
q
ui
l
i
b
r
ea
s
y
mpt
ot
i
que
me
nts
t
a
bl
e
.Don
cc
e
t
t
ec
omma
n
de
G 2 ml ( E E * ) 2 (
) cos()
pe
r
me
tdef
a
i
r
ec
o
nve
r
g
e
rl
n
e
r
g
i
eE vers la valeur E * synonyme de converger le pendule vers
la position inverse.
Cette commande ne sera utilise que pour balancer le pendule une position suprieure
avec l
emi
n
i
mum d
ne
r
g
i
e
.Onac
ho
i
s
ic
o
mmek
=20,mais elle ne permet pas de le stabiliser
d
oup
l
u
s
i
e
ur
sc
omma
nde
sc
l
a
s
s
i
qu
ee
th
e
ur
i
s
t
i
q
ues
e
r
on
ts
y
nt
h
t
i
s
e
spou
rma
i
n
t
e
ni
rl
epe
ndu
l
e
.
On utilise une loi de commutation approprie entre les deux commandes, dans notre cas on
applique la commutation quand la valeur absolue de l'angle est au voisinage de 20 .
Pour que la commande fonctionne en tension, il faut rajouter un gain car la commande
calcule fourni directement la commande F . Donc le gain va convertir la force F en tension Vm
2.5Volt
D
a
pr
sl
e
sdon
n
e
sduc
ons
t
r
uc
t
e
u
rFe
e
db
a
c
kLt
d,l
ema
xi
mum det
e
ns
i
ondumo
t
e
ure
s
t
qui corresponds au maximum de force 20 Newton . La dynamique entre la tension et la force est
n
g
l
i
g
ee
ts
up
pos
eq
u
e
l
l
e
so
ntu
ner
e
l
a
t
i
o
nl
i
n
a
i
r
eF Vm .
Nous avons procd la vrification des simulations et le test de la commande
dveloppe en exprimentation au systme pendule invers. La loi de commande est implmente
l
a
i
ded
unPCpe
n
t
i
u
mI
V1GHze
tl
el
og
i
c
i
e
lMa
t
l
a
b7.
2e
tpl
use
nt
e
mpsr
e
le
nut
i
l
i
s
a
ntl
a
m
t
hod
ed
El
ue
rLa
g
r
a
ng
e
.Lap
r
i
o
ded
c
h
a
nt
i
l
l
o
nna
g
ee
s
tf
i
x
e0.
00
1s
.
27
Chapitre I
I.11.1 Rsultats de simulation et exprimentaux :

a
b
P os ition(m )
P os ition(m )
0.5
0
A ngle(rad)
-0.5
0
-0.5
10
A ngle(rad)
5
Temps(s)
5
0
-5
5
Temps(s)
10
4
Temps(s)
4
Temps(s)
4
Temps(s)
10
Com m ande(V )
Com m ande(V )
5
Temps(s)
0.5
5
0
-5
Figure I.12: Rsultat de simulation redressement avec conditions initiales [x, x,,
] [0,0,0,0]
et un gain Vm 0 3 puis Vm 0 4 pour les figures (a et b) respectivement
Position (m)
Position (m)
0.2
0
-0.1
-0.2
0
6
8
Temps (s)
10
-0.2
12
4
Temps (s)
4
Temps (s)
4
Temps (s)
Angle(rad)
Angle(rad)
6
4
2
0
2
6
8
Temps (s)
10
2
0
-2
0
6
8
Temps (s)
10
2
0
12
Commande (V)
Commande (V)
12
2
0
-2
,,
] [0,0,0,0]
Figure I.13: Redressement exprimental avec conditions initiales [x, x
et un gain Vm 0 0.15 puis Vm 0 0.2 pour les figures (a et b) respectivement
I.12 Conclusion
Dans ce chapitre, nous avons prsent le procd sur lequel nous avons travaill, c
e
s
t
-
dire le pendule invers.I
la
ppa
r
a
i
tda
n
sc
e
t
t
ed
e
s
c
r
i
pt
i
one
xha
us
t
i
ved
el
i
ns
t
a
l
l
a
t
i
o
nqu
el
e
sl
oi
s
quir
g
i
s
s
e
n
ts
o
nf
on
c
t
i
onne
me
nts
ontpa
r
f
a
i
t
e
me
n
tc
onn
ue
s
.Ce
pe
n
da
nt
,l
o
bj
e
tdeno
t
r
et
r
a
v
a
i
l
tant de commander le pendule invers l
a
i
dede
s diffrentes mthodes heuristiques et
classiques. Ainsi, nous avons pens comparer les rsultats obtenus par les diffrentes
approches.
Nous allons maintenant introduire les m
t
hode
sd
ec
omma
nde
sc
l
a
s
s
i
q
ue
squ
if
on
tl
ob
j
e
t
du chapitre suivant.
28
Chapitre II:
Commandes classiques du pendule invers
II.1 Introduction
Dans ce chapitre, nous allons introduire des rappels thoriques sur les diffrents outils
de commandes classiques appliqus au pendule invers, dont nous aurons besoin lors de la
synthse de notre schma de commande pour le redressement et la stabilisation du pendule
invers. La premire stratgie appele commande linaire quadratique est propose pour la
phase de stabilisation du pendule. Quant la deuxime stratgie appele commande par mode
de glissant, elle est base sur des considrations de stabilit de Lyapunov du systme
commander. Cette loi de commande permet de faire tendre la surface de glissement vers zro
est aussi dcompose en deux objectifs : Le premier consiste redresser le pendule invers et
le second de le stabiliser.
II.2 Commande linaire quadratique

L
obj
e
c
t
i
fdel
ac
omma
ndel
i
n
a
i
r
equa
dr
a
t
i
que(LQ) est de formuler le problme de
c
omma
ndepa
rr
e
t
ourd
t
a
ten termes d
opt
i
mi
s
a
t
i
ond
unc
ritre qui traduit un compromis
e
nt
r
el
e
f
f
or
tde
ma
ndl
ac
omma
nde(
a
c
t
i
onne
ur
s
)e
tl
e
sc
ont
r
a
i
nt
e
squ
onve
uti
mpos
e
r
l
t
a
t
.Ene
f
f
e
tc
e
sc
ont
r
a
i
nt
e
se
tl
e
f
f
or
tde
ma
nda
uxa
c
t
i
onne
ur
snes
ontpa
svr
a
i
me
ntpr
i
s
en compt
ee
xpl
i
c
i
t
e
me
ntda
nsl
ec
a
sdel
ac
omma
ndemoda
l
e
.Toutc
equ
onpe
utdi
r
ec
e
s
t
que plus le systme doit tre rapide plus de grande amplitudes de commandes sont
ncessaires. Or ces amplitudes sont limites par les actionneurs.
Ons
a
s
s
i
g
neda
nsc
e
t
te partie les deux objectifs suivants :
St
a
bi
l
i
s
a
t
i
ondus
y
s
t
mepe
ndu
l
ei
nve
r
s
pa
rr
e
t
ourd
t
a
tdet
y
peLQ.
Estimation des tats du modle.
II.2. Rappels sur la stabilit, dtectabilit

Dfinition (II.1)
Une paire (A, B) e
s
ts
t
a
bi
l
i
s
a
bl
es
i
le
xi
s
t
eunec
o
mma
ndepa
rr
e
t
ourd
t
a
tdel
af
or
me
u F x(t ) telle que la matrice (A+BF) est stable.

Le thorme ci-dessous permet de vrifier cette proprit pour un systme :
Thorme (II.1)
Les proprits suivantes sont quivalentes
(A,B) est stabilisable.
Il existe une matrice L telle que (A+BF) est stable.
La matrice [ A I B ] est colonnes de rang plein pour Re 0
Pour tout et x tel que x T A x , x T B 0
29
Chapitre II:
Dfinition (II.2)
Une paire (C,A) est dtectable si les modes non observables sont stables.
Le thorme ci-dessous permet de vrifier cette proprit pour un systme :
Thorme (II.2)
Les proprits suivantes sont quivalentes
(C,A) est dtectable.
Il existe une matrice L telle que (A+LC) est stable.
T
La matrice
A I C est colonnes rang plein pour Re 0 .
Pour tout et x tel que Ax x Cx 0 .
II.2.3 Formulation du problme LQ et sa solution

II.2.3.1 Commande LQ horizon fini [LAR 93]
On considre le systme linaire donn par :
xAx Bu
y Cx Du
x(t ) x
0
0
(II.1)
O x (t) e
s
tl
eve
c
t
e
urd
t
a
tdedi
me
n
s
i
on((n 1), u (t) vecteur de commande de dimension (m
t
a
ti
ni
t
i
a
l l
i
ns
t
a
nti
ni
t
i
a
lt 0 ,
1), y(t) vecteur de sortie de dimension (q 1), x 0 l
A ma
t
r
i
c
ed
vol
ut
i
onoud
t
a
t
,B ma
t
r
i
c
edec
omma
ndeoud
e
nt
r
e
,C matrice de sortie ou
de mesure, D matrice de couplage entre-sortie ou matrice de transmission direct.
On dfinit la commande optimale horizon fini u opt (t ) comme la commande qui
minimise le critre quadratique :
t
1
1 T
J
[ x (t )Qx(t ) u T (t ) Ru (t )]dt x T (t1 ) Sx(t1 )
2
t0
(II.2)
Avec Q(t ) 0 , est une matrice de pondration qui donne un poids diffrent chaque
c
ompos
a
nt
eduve
c
t
e
urd
t
a
tda
nsl
ec
r
i
t
r
e
, R 0 est une matrice de pondration de la
commande qui affecte un poids diffrent chaque composante du vecteur de commande
S 0
30
Chapitre II:
II.2.3.1.1 R
s
o
l
ut
i
ond
unpr
obl
medec
ommandeLQ
L
Ha
mi
l
t
oni
e
ns
c
r
i
t:
1
H ( x(t ), u (t ), (t ), t ) ( x T Qx u T Ru) T ( Ax(t ) Bu (t ))
2
(II.3)
Remarque (II.1)
reprsente le vecteur adjoint compos des drives partielles du critre par rapport
l
ava
r
i
a
bl
ed
t
a
t
.
Le Hamiltonien est minimal pour :
u (t ) H ( x(t ), u (t ), (t ), t ) Ru (t ) B T (t ) 0
(II.4)
La commande optimale est alors donne par :
uopt R 1 B T (t )(t )
(II.5)
Les quations de Hamilton-Pont

r
i
a
g
ui
nes
c
r
i
ve
nta
l
or
s:
(t ) Ax (t ) BR 1 B T (t )
x
(t ) AT (t ) Qx (t )
(II.6)
La solution du problme est fournie par le thorme ci-dessous.
Thorme (II.3)
La solution optimale du problme (2.2) est donne par :
u opt (t ) F (t ) x (t )
(II.7)
R 1 (t ) B T (t ) P(t ) x (t )
(II.8)
O P(t ) e
s
tl
uni
que solution symtrique semi-d
f
i
ni
e pos
i
t
i
ve de l
qua
t
i
on
diffrentielle de Riccati.
P(t ) P (t ) A(t ) AT (t ) P (t ) P (t ) B (t ) R 1 (t ) B T (t ) P (t ) Q (t )
(II.9)
Avec la condition finale P(t1 ) S . La valeur correspondante du critre est donne par
1
J opt x T (t 0 ) P(t 0 ) x(t 0 )
2
(II.10)
Remarques (II.2)
Las
ol
ut
i
ondel
qua
t
i
ondi
f
f
r
e
nt
i
e
l
l
edeRi
c
c
a
t
is
obt
i
e
ntpa
ri
nt
g
r
a
t
i
onr
e
bour
s
de t1 t 0 .
31
Chapitre II:
x(t ) i
nt
e
r
vi
e
ntda
nsl
e
xpr
e
s
s
i
ondeu opt , ce qui permet de construire un systme
contre raction (feedback). Nous pouvons remarquer que P(t ) ne d

pe
ndpa
sdel
t
a
tde
systme, alors la loi de commande trouve est optimale quelque soient les conditions initiales.
II.2.3.2 Commande LQ horizon infini [MAM 06]

Suppos
onsma
i
nt
e
na
ntquel
onf
a
s
s
et
e
ndr
et1 ve
r
sl
i
nf
i
ni
.Lec
r
i
t
r
et
e
r
mi
na
ln
e
s
t
alors plus ncessaire. Nous pouvons alors crire le critre sous la forme :
t
1
1 T
J lim
[ x (t )Q(t ) x(t ) u T (t ) R(t )u (t )]dt
2 t1
t0
(II.11)
Thorme (II.4)
Supposons le systme compltement commandable pour tout t t
[ 0 ,[ ou
exponentiellement stable. La solution optimale du problme (2.11) est donne par ;
u opt (t ) F (t ) x (t )
(II.12)
R 1 (t ) B T (t ) P(t ) x (t )
(II.13)
O P(t ) e
s
tl
uni
que s
ol
ut
i
o
ns
y
m
t
r
i
que s
e
mi
-d
f
i
ni
e pos
i
t
i
ve de l
qua
t
i
on
diffrentielle de Riccati :
P(t ) P (t ) A(t ) AT (t ) P (t ) P (t ) B (t ) R 1 (t ) B T (t ) P (t ) Q (t )
(II.14)
Avec la condition finale

lim P(t1 ) 0
(II.15)
t1
La valeur correspondante du critre est donne par :
1
J opt x T (t 0 ) P(t 0 ) x(t 0 )
2
(II.16)
II.2.4 Commande LQ pour systme invariant avec un horizon infini [MAM

06],[LAR 93]
Si les matrices A, B, Q et R sont constantes et T (horizon) infini, la loi de commande
e
s
ti
nva
r
i
a
nt
e
,pui
s
quec
ha
quei
ns
t
a
nte
s
ti
de
nt
i
quel
i
ns
t
a
nts
ui
va
nt
.I
le
nr
s
ul
t
equel
a
matrice P(t ) est constante et que P(t ) 0 . L
qua
t
i
on de Ri
c
c
a
t
ide
vi
e
ntun s
y
s
t
me
d
qua
t
i
ona
l
g
br
i
quedontl
ar
s
ol
ut
i
onf
our
ni
tl
e
sc
oe
f
f
i
c
i
e
nt
sder
e
t
ourd
t
a
tc
ons
t
a
n
t
s
(la contre-raction).
On considre le systme linaire invariant donn par :
32
Chapitre II:

xAx(t ) Bu (t )
(II.17)
Avec x(t 0 ) x0
On considre alors le critre quadratique
t
1
1 T
J lim
[ x (t )Qx(t ) u T (t ) Ru (t )]dt
t
21
t0
(II.18)
Avec Q 0 et R 0 sont des matrices constantes.

On obtient les rsultats suivants, donns par les thormes ci-dessous
Thorme (II.5)
Quand t1 t
e
ndve
r
sl
i
nf
i
ni
,l
as
ol
ut
i
ondel
qua
t
i
ondi
f
f
r
e
nt
i
e
l
l
edeRiccati tend vers
une matrice constante
lim P (t , t1 ) P0
(II.19)
t1
P0 est la s
ol
ut
i
ondel
qua
t
i
ondeRi
c
c
a
t
ia
l
g
br
i
que
P0 AA T P0 P0 BR 1 B T P0 Q 0
(II.20)
La commande optimale est donne par :

u opt (t ) Fx (t )
(II.21)
R 1 B T P0 x (t )
(II.22)
Et le cot optimal vaut :
1
J opt x T (t 0 ) P0 x(t 0 )
2
(II.23)
Thorme (II.6)
Si le systme (2.17) est stabilisable et le couple (Q 1 / 2 , A) est dtectable, ou Q1 / 2 est
T
n
i
mpor
t
eque
l
l
ema
t
r
i
c
et
e
l
l
eque( Q1 / 2 ) Q1 / 2 = Q alors :
P0 e
s
tl
uni
ques
ol
ut
i
ons
e
mi
-d
f
i
ni
epos
i
t
i
vedel
qua
t
i
ona
l
g
br
i
quedeRi
c
c
a
t
i
.
Le systme boucl est asymptotiquement stable.
Si de plus (Q 1 / 2 , A) observable, alors P0 est dfinie positive..
II.2.4.1 R
s
ol
ut
i
ondel
quat
i
ondeRi
c
c
at
i
L
qua
t
i
onma
t
r
i
c
i
e
l
l
edeRi
c
c
a
t
ipe
ut
t
r
er
s
ol
ue
,s
oi
ta
na
l
y
t
i
que
me
ntda
nsl
e
sc
a
s
les plus simples, soit par intgration numrique (Runge-Kutta).
33
Chapitre II:
II.2.5 Choix des matrices de pondration

Les matrices de pondration sont, gnralement, choisies diagonales o [LAR 93]:
q1
Q diag ( q1 , q 2 ,..., q q )
r1
R diag (r1 , r2 ,..., rm )

0
0
0 . 0
0 0
0
0 qq
0
q2
0
r2
0

0
0
0

0
0
0
rm
(II.24)
(II.25)
Pour faire une valuation initiale de Q et R, on se basera sur le calibrage physique des
entres-sorties correspondantes, en prenant :
2
1
ri
,
sup(
u
)
i
i
=1,2,
,
m
(
I
I
.
26
)
i
=1,
2,
,
q
(
I
I
.
27)
1
q i
,
sup( y i )
C
e
s
tl
ar
g
l
edeBryson.
On pourra ensuite raffiner le choix des pondrations par essais et erreurs en simulation.
Remarque (II.3)
Si on augmente Q par rapport R, on aura globalement des rponses rapides au prix
d
unec
omma
ndepl
us
ne
r
g
ique.
II.2.6 Commande linaire quadratique gaussienne (LQG) [MAM 06], [LAR 93]
La synthse de la commande linaire quadratique (LQ), tudie prcdemment,
n
c
e
s
s
i
t
el
ac
onna
i
s
s
a
nc
eduve
c
t
e
urd
t
a
t
.Ce
pe
nda
nt
,da
nsl
ama
j
or
i
t
de
spr
obl
me
sde
c
omma
nde
,onnedi
s
pos
equed
unec
onna
i
s
s
a
nc
epa
r
t
i
e
l
l
eduve
c
t
e
urd
t
a
tc
ommeda
nsl
e
c
a
sdumo
d
l
ed
unpe
ndul
ei
nve
r
s
.Da
nsc
ec
a
sl
,onfait appel la commande (LQG).

Ce
t
t
ede
r
ni
r
ee
s
tbi
e
na
da
pt
el
or
s
quel
t
a
tdus
y
s
t
men
e
s
tpa
sdi
r
e
c
t
e
me
ntme
s
ur
a
bl
eou
que les mesures sont affectes par le bruit. Dans ce paragraphe, nous allons dfinir quelques
notions sur la commande (LQG), puis appliquer cette dernire au modle du pendule invers
afin de le stabiliser.
34
Chapitre II:
II.2.6.1 Systmes tat non compltement accessible

Da
n
sl
ec
a
sol
es
y
s
t
men
e
s
tpa
sl
tat compltement accessible et si le systme

e
s
td
t
e
c
t
a
bl
e
,c
e
s
t
--dire lorsque les ples non observables sont partie relle strictement
n
ga
t
i
ve
,i
le
s
tpos
s
i
bl
e
,pouri
mp
l
a
nt
e
rune r
g
ul
a
t
i
on pa
rr
e
t
ourd
t
a
t
,d
ut
i
l
i
s
e
run
e
s
t
i
ma
t
e
ur(
o
bs
e
r
va
t
e
ur
,f
i
l
t
r
e
)
.L
obs
e
r
va
t
e
ure
s
tuns
y
s
t
medy
na
mi
que
,dontl
e
se
nt
r
e
ss
o
nt
constit
u
e
sdel
e
nt
r
ee
tdel
as
or
t
i
edus
y
s
t
mec
omma
nde
re
tquiapourf
onc
t
i
onde
r
e
c
ons
t
r
ui
r
e
,t
outa
umoi
nsa
s
y
mpt
ot
i
q
u
e
me
ntl
t
a
tdus
y
s
t
me
.
u
Estimateur
Filtre
Observateur
Figure II.1 : Schma synoptique du filtre de Kalman.

O u(t) e
s
tl
e
nt
r
edus
y
s
t
me
,y(t) est la sortie du systme et x
(t ) e
s
tl
t
a
te
s
t
i
m
.
II.2.6.2 Filtrage de Kalman, commande LQG [MAM 06], [LAR 93]

II.2.6.2.1 Position du problme
Le f
i
l
t
r
a
g
e de Ka
l
ma
n pr
opos
e une r
e
c
ons
t
r
uc
t
i
on d
t
a
tda
nsune approche
stochastique. Ons
uppos
equel
t
a
tet la mesure sont bruits.
x(t ) A(t ) x(t ) B(t )u (t ) (t )
y (t ) C (t ) x(t ) D(t )u w(t )
(II.28)
(t ) est l
eve
c
t
e
urdebr
ui
td
t
a
t
,w(t ) est le vecteur de bruit de mesure,, y(t) est le
vecteur de sorties mesures.
(t ) et w(t) s
ontde
sbr
ui
t
sbl
a
ncg
a
us
s
i
e
nse
tnonc
or
r
s
.Le
ur
sf
onc
t
i
onsd
intercorrlation s
ontnul
l
e
s
,t
a
ndi
squel
e
ur
sf
onc
t
i
onsd
a
ut
o-corrlation se rduisent des
impulsions de Dirac, c'est--dire :

E
() (t V (t )()
E
w(t ) w (t )W (t )()
E
(t )E w(t ) 0
(II.29)
(II.30)
(II.31)
II.2.6.2.2 Filtre de Kalman [WEL 04]

On dsire alors synthtiser le filtre de Kalman estimateur de la forme :
A(t ) xB (t )u L(t )(C (t ) xD(t )u y )
x
35
(II.32)
Chapitre II:
Te
lquel
eg
a
i
nduf
i
l
t
r
eLmi
ni
mi
s
el
ava
r
i
a
nc
edel
e
r
r
e
urd
e
s
t
i
ma
t
i
ondonn
epa
r:
(t ) E[ ~
x (t ).~
x T (t )]
(II.33)
E[( x(t ) x
(t )).( x(t ) x
(t )) T ]
(II.34)
On dmontre alors le thorme suivant :

Thorme (II.7)
L
obs
e
r
va
t
e
urr
e
c
he
r
c
he
s
tdonnpa
r:
A(t ) xB (t )u L (t )(C (t ) xD (t )u y )
x
(II.35)
Avec
L(t ) (t )C T (t )W 1 (t )
(II.36)
O (t ) e
s
ts
ol
ut
i
ondel
qua
t
i
ondi
f
f
r
e
nt
i
e
l
l
edeRi
c
c
a
t
is
ui
va
nt
e:
(t ) A(t ) (t )(t ) AT (t ) (t )C T (t )W 1 (t )C (t ) (t )V (t )
(II.37)
Le filtre doit tre initialis avec

x
(t 0 ) E[ x(t 0 )]
(II.38)
(t 0 ) E [( x (t 0 ) x
(t 0 )).( x (t 0 ) x
(t 0 )) T ]
(II.39)
Remarques (II.4)
(t ) e
s
tl
as
ol
ut
i
ondel
qua
t
i
ondeRiccati, associe au filtre de Kalman. La matrice
( ) 0) del
(t ) est la solution permanente ( t
qua
t
i
ondeRi
c
c
a
t
ia
s
s
oc
i
ea
upr
obl
mede
commande, dit problme dual, suivant :
(t ) AT x (t ) C T u (t )
x
y (t ) B x(t )
(II.40)
1
T
T
J
x(t )
Wx (t )
u (t )Vu (t ) dt
2 0
(II.41)
On pourra remarquer l
a
na
l
og
i
ee
nt
r
el
qua
t
i
on(2.37) e
tl
qua
t
i
on(2.14) pour la
synthse de la commande LQ
Lor
s
qu
unfiltre de Kalman est associ une commande par retour LQ, on parle alors
de commande LQG (Linear Quadratic Gaussian).
Da
nsl
ec
a
sd
uns
y
s
t
mei
nva
r
i
a
nt
,l
or
s
quett
e
ndve
r
sl
i
nf
i
ni
,(t ) tend vers une
matrice constante semi-d
f
i
ni
epos
i
t
i
vequiv
r
i
f
i
el
qua
t
i
ondeRi
c
c
a
t
ia
l
g
br
i
quesuivante :
AAT C T W 1CV 0
Le gain du filtre stationnaire est alors donn par :

36
(II.42)
Chapitre II:

L C T W 1
(II.43)
L
e
xi
s
t
e
nc
edec
e
t
t
es
ol
ut
i
one
s
ta
s
s
ur
epa
rl
e
sc
ondi
t
i
onss
ui
va
nt
e
s:
W>0.
(AT,CT) stabilisable.
(V1/2,AT) dtectable.
Si de plus (V1/2,AT) est observable alors est dfinie positive.
II.2.6.2.3 Commande LQG

Le problme de commande LQG est de dterminer la loi de commande optimale u opt (t ) qui
minimise le critre suivant :
1
J E
lim
T T
x(t )Qx(t ) u (t )Ru (t )dt
(II.44)
II.2.6.3 Synt
h
s
ed
unec
ommandeLQG [FAU 84], [WEL 04], [MAM 06], [LAR
93]
La solution du problme LQG est connue sous le nom du thorme de sparation. Il consiste
En l
ar
e
c
he
r
c
he d
un e
s
t
i
ma
t
e
ur pour l
t
a
txx soit x de telle sorte que :
s
tmi
ni
ma
l
e
.L
e
s
t
i
ma
t
e
urd
t
a
topt
i
ma
le
s
tdonnpa
rl
e
E
x (t ) x
(t )
x (t ) x
(t ) e
T
filtre de Kalman (il est indpendant de Q et R).

Puis dterminer la commande optimale pour le systme dterministe avec critre
quadratique (LQ), en considrant c
e
t
t
ee
s
t
i
m
ec
ommes
i
l
t
a
i
tl
ame
s
ur
ee
xa
c
t
edu
ve
c
t
e
urd
t
a
t
.
Ainsi, le problme de la commande LQG et sa solution peuvent tre spars en deux
tapes distinctes, comme le montre la figure (II.2).
Systme
-F
Filtre de Kalman
Figure II.2 : Thorme de sparation.

37
Chapitre II:
La structure de la commande LQG est illustre par la figure (II.3):
u
Systme
+
+
B
1
x
x C
^y
+
A
Filtre de Kalman
Rgulateur LQR
Figure II.3 : Structure de la commande LQG.
II.2.7 Synthse de la commande LQR :
Enl
i
n
a
r
i
s
a
ntl
es
y
s
t
med
qua
t
i
ond
t
a
t(
I
.
48)
,e
nt
e
na
ntc
ompt
ede
ssuppositions
d
a
ppr
oxi
ma
t
i
ons (
I
.
26)ont
r
ouvel
es
y
s
t
med
c
r
i
tpa
rl
qua
t
i
on(
I
.
49)
.L
application de la
commande LQR a pour but de trouver la matrice de gain K de telle sorte ce que le systme
minimise une fonction de cot quadratique suivante :
tf
J
x (t ) T Q x (t ) u (t ) T Ru (t ) .dt
t0
Avec Q 0 et R 0 sont des matrices constantes.

La commande qui minimise le critre quadratique J est un retour d'tat qui s'exprime
sous la forme:
u (t ) Kx(t ) avec K R 1 B T P
38
Chapitre II:
O P est l'unique solution symtrique dfinie positive de l'quation de Riccati

suivante :
PA A T P PBR 1 B T P Q 0
II.2.7.1 Recherche des matrices de poids Q et R

Nous avons dimensionn l
e
sma
t
r
i
c
e
sdepoi
dsQe
tRd
une commande optimale LQR
manuellement sur les diagonales de ces matrices afin de simplifier le problme. Ces poids
s
ontc
hoi
s
i
se
nf
onc
t
i
ondec
omme
nto
na
i
me
r
a
i
tp
na
l
i
s
e
rl
e
sva
r
i
a
bl
e
sd
t
a
t
spa
rr
a
pp
or
t
aux entres l
or
s
qu
e
l
l
e
ss
c
a
r
t
e
ntdel
ac
ons
i
g
ne
,oui
nve
r
s
e
me
nt
.
R 0.05 , Q diag (2 0.5 12 2.5
)
Une fois les coefficients de pondration sont fixs, on obtient la matrice de gain de
contre-raction calcule avec la fonction 'lqr' de Matlab:
K - 6.3246 - 20.0764 - 61.3646 - 10.4424

,
Les valeurs propres obtenues pour le modle du systme en boucle ferme ( A BK )
sont :
p
- 32.2457 - 6.9657 - 0.3380 + 0.3257i - 0.3380 - 0.3257i
Ces valeurs sont comparer avec les ples du modle du systme en boucle ouverte
(figure II.4).
Les rsultats de simulation sont prsents ci-aprs. Ils ont t obtenus avec un
correcteur LQ calcul avec les pondrations ci-dessus.
Les variables et les paramtres du systme chariot pendule sont:

M =2.4 kg, m =0.23 kg, g =9.81 m/s2, l =0.36 m, I =0.099 kg.m2 , b =0.05 Ns/m, d =0.005
Nms/rad.
39
Chapitre II:
II.2.7.2 Rsultats de simulation

0.8
Originals
Controls
0.6
0.4
Axe imaginaire
0.2
-0.2
-0.4
-0.6
-0.8
-35
-30
-25
-20
-15
Axe rel
-10
-5
0.1
-0.1
0.1
Vitesse (m/s)
Deplacemment X (m)
Figure (II.4) : Rsultat de placement de ple du systme en boucle ouverte et ferme
-0.2
1
Commande (N)
Vitesse dTeta (rad/s)
Angle Teta (rad)
-0.1
0.2
-1
10
-10
10
12
14
Temps (s)
(sec)
Figure (II.5) : Rsultats de simulation LQR pour condition initiale (0, 0, 0.2, 0)
II.2.7.3 Interprtation des rsultats de simulation
D
a
pr
sl
e
sr
s
ul
t
a
t
sdes figures (II.4) et (II.5), on constate que:
Le systme se stabilise au bout de 4 secs tout en respectant les contraintes
d
opt
i
mi
s
a
t
i
on
Le dplacement du chariot sur les rails est dans les limites physiques.
Les dynamiques des sous systmes pendule et chariot sont tolrables.
Le signal de commande u(t) est admissible et ralisable.
II.2.7.4 Estimation des tats non mesurables
La mthode de rgulation mise en uvr
ej
us
qu
pr
s
e
nts
uppos
eque toutes les
c
ompos
a
nt
e
sduve
c
t
e
urd
t
a
tdus
y
s
t
mes
ontc
onnue
sc
ha
quei
ns
t
a
nt
.Enr
a
l
i
t
,nousne
40
Chapitre II:
disposons pas de capteurs de mesure en ce qui concerne la vitesse du chariot et la vitesse

angulaire du pendule. Doncondoi
tf
a
i
r
eunes
y
nt
h
s
ed
unobs
e
r
va
t
e
urquinouspe
r
me
t
t
r
a
d
a
voi
raccs toutes les composantes du ve
c
t
e
urd
t
a
t
.
II.2.7.5 Synt
h
s
edel
obs
e
r
vat
e
ur
La dynamique de l'observateur doit tre 2 6 fois plus rapide que la dynamique du
rgulateur.
On choisi l
e
spl
e
ss
ui
va
nt
sl
obs
e
r
va
t
e
ur:
pobs 5 * p reg
1.0e + 002 * (-1.6123 - 0.3483 - 0.0169 + 0.0163i - 0.0169 - 0.0163i
D
oonobt
i
e
ntl
ega
i
ndel
obs
e
r
va
t
e
u
rL suivant :
9.383
193.893
184.668 52.105
L
4.180
45.137
- 880.548 105.531
Notre observateur sera donc:
Aobs
- 193.893
- 184.668
( A LC )
- 4.180
880.548
1.000
- 0.0198
- 9.383
- 52.536
0
0.0478
- 45.1378
- 80.866
0.0048
1.000
- 0.2733
On implmente notre observateur dans un bloc state space .

Cet observateur nous renseigne sur tous les tats du vecteur et leurs volution comme
le montrent les figures (II.6.a) et (II.6.b)
41
Chapitre II:
0.2
x2
x4
x2obs
x4obs
variables d'tat du systme et de l'observateur
-0.2
-0.4
-0.6
-0.8
-1
-1.2
-1.4
-1.6
10
Temps(s)
12
14
16
18
20
Figure II.6.a: Evolution des var

i
abl
e
sd
t
at
sdumod
l
ee
tdel
obs
e
r
v
at
e
ur
0.2
Position (m)
x1
0
Vitesse (m/s)
-0.2
10
12
14
16
18
0.2
20
x2
x2ob
0
-0.2
10
12
14
16
18
Angle (rad)
0.5
20
x3
Vitesse Ang(rad/s)
-0.5
10
12
14
16
18
20
1
x4
x4ob
0
-1
-2
10
Temps (s)
12
14
16
18
20
Figure II.6.b: Evolution de

sv
ar
i
abl
e
sd
t
at
sdumod
l
ee
tdel
obs
e
r
v
at
e
ur
II.2.8 Implmentation de la commande LQR
Lor
sdel
i
mpl
me
nt
a
t
i
on,onadua
da
pt
e
rl
a
l
g
or
i
t
hmedec
omma
ndepourde
sr
a
i
s
o
ns
et des limitations pratiques a
f
i
nd
obt
e
ni
rl
e
sr
s
ul
t
a
t
sd
s
i
r
s
,e
nl
oc
c
ur
r
e
nc
el
e
sg
a
i
nsdu
vecteur K.
Aprs plusieurs essais sur la maquette du pendule invers on a fix
comme suit :
K - 6.32 - 19.93 - 80.36 - 10.44

Aj
out
a
nt
aonai
nt
r
odui
tund
r
i
va
t
e
urs
ui
vid
unf
i
l
t
r
epa
s
s
ebas pour chaque
variable non mesurable l
apl
a
c
edel
obs
e
r
va
t
e
urquin
e
s
te
f
f
e
c
t
i
fque dans le domaine
linaire c
e
s
t
--dire a
ut
ourdel
apos
i
t
i
ond
qui
l
i
br
ei
ns
t
a
bl
e
.
42
Chapitre II:
Lef
i
l
t
r
epa
s
s
eba
si
nt
r
odui
tpourc
e
t
t
em
t
hoded
e
s
t
i
ma
t
i
onpourc
ha
c
unede
s
variables non mesurables, donn par le constructeur est :
G (s)
10 4
S 2 70 . 7 S 10 4
Les rsultats exprimentaux sont prsents ci-aprs :
Position (m)
0.2
-0.2
10
15
20
Temps (s)
25
30
35
40
10
15
20
Temps (s)
25
30
35
40
10
15
20
Temps (s)
25
30
35
40
Angle (rad)
0.3
0.2
0.1
0
-0.1
Commande (V)
-5
Figure II.7: Rsultat de stabilisation LQR exprimental pour condition initiale (0, 0, 0.2, 0)
Position (m)
0.2
0
-0.2
-0.4
10
20
30
40
50
60
70
40
50
60
70
40
50
60
70
Temps (s)
Angle (rad)
0.4
0.2
0
0
10
20
30
Temps (s)
Commande (V)
-5
10
20
30
Temps (s)
Figure II.8: Rsultat de poursuite rectangulaire LQR exprimental pour condition initiale
(0,0, 0.3, 0)
43
Chapitre II:
Position (m)
0.2
0.1
0
-0.1
-0.2
10
15
20
Temps (s)
25
30
35
40
10
15
20
Temps (s)
25
30
35
40
10
15
20
Temps (s)
25
30
35
40
Angle (rad)
0.3
0.2
0.1
0
-0.1
Commande (V)
-5
Figure II.9: Rsultat LQR exprimental pour une rfrence nulle et une variation
par
am
t
r
i
quemde40% par
t
i
rdel
i
ns
t
antt
=18
s
Position (m)
0.05
0
-0.05
-0.1
-0.15
5
10
15
20
Temps (s)
25
30
35
40
10
15
20
Temps (s)
25
30
35
40
10
15
20
Temps (s)
25
30
35
40
Angle (rad)
0.3
0.2
0.1
0
-0.1
Commande (V)
-5
Figure II.10: Rsultat LQR exprimental pour une rfrence nulle et une variation
paramtrique M de 40% par
t
i
rdel
i
ns
t
antt
=1
8s
.
Position (m)
0.1
0
-0.1
-0.2
10
15
20
Temps (s)
25
30
35
40
10
15
20
Temps (s)
25
30
35
40
10
15
20
Temps (s)
25
30
35
40
Angle (rad)
0.3
0.2
0.1
0
-0.1
Commande (V)
-5
Figure II.11: Rsultat exprimental pour une rfrence nulle et deux perturbations externes
par
t
i
rdel
i
ns
t
antt
=18se
tt
=38s
.
44
Chapitre II:
P osition (m )
0.2
Angle (rad)
-0.2
10
15
20
Temps (s)
25
30
35
40
0
0
10
15
20
Temps (s)
25
30
35
40
10
15
20
Temps (s)
25
30
35
40
6
4
2
Com m ande (V )
-5
P os ition (m )
Figure II.12: Rsultat exprimental pour redressement et stabilisation
0.2
0
-0.2
A ngle (rad)
-0.4
10
20
30
40
Temps (s)
50
60
70
80
10
20
30
40
Temps (s)
50
60
70
80
10
20
30
40
Temps (s)
50
60
70
80
6
4
2
0
Com m ande (V )
-5
Figure II.13: Rsultat exprimental pour redressement et stabilisation avec une poursuite
rectangulaire de frquence 0.025.
Position (m)
0.2
-0.2
10
15
20
25
Temps (s)
30
35
40
45
50
0
0
10
15
20
25
Temps (s)
30
35
40
45
50
10
15
20
25
Temps (s)
30
35
40
45
50
Angle (rad)
6
4
2
Commande (V)
-5
Figure II.14: Rsultat exprimental pour redressement et stabilisation avec deux

perturbations externes par
t
i
rdel
i
ns
t
antt
=25se
tt
=36s
.
45
Chapitre II:
II.2.8.1 Interprtation des rsultats exprimentaux

On constate sur le rsultat prsent ci-dessus la figure (II.12) que la commande base
sur le principe de minimum d
ne
r
g
i
ea
s
s
ur
el
eba
l
a
nc
e
me
ntdupe
ndul
ee
ts
ac
onve
r
ge
nc
e
vers la zone linaire. Dans cette zone, la commande linaire quadratique prend le relais figure
(II.7) et(II.12).Ce
t
t
epha
s
es
e
f
f
e
c
t
uee
ndouc
e
ur
,a
ve
cj
us
t
eunlger pic en tension qui
respecte le cahier des charge
s
.Let
e
mpsder
pons
ee
s
td
ordre de 8 secs.
Les figures (II.8) et (II.13) prsentent la performance de commande linaire

quadratique en termes de poursuite de trajectoire linaire carre. On constate une trs bonne
poursuite e
tl
a
ng
l
edupe
ndul
er
e
s
t
equa
s
i
me
nti
nc
ha
ng
.
Les figures (II.11) et (II.14) montrent la robustesse de cette commande en termes de

rejet de perturbation. En effet, en soumettant le pendule plusieurs perturbations, sous forme
de forces appliques sur la masse du pendule, celui-ci se redresse rapidement et le chariot
rejoint sa position initiale en rejetant ainsi la perturbation.
Les figures (II.9) et (II.10), montrent l
e
sr
s
ul
t
a
t
sobt
e
nusl
or
s
qu
onas
oumi
sl
e
systme des perturbations avec introduc
t
i
ond
uneva
r
i
a
t
i
onpa
r
a
m
t
r
i
quee
nl
oc
c
ur
r
e
nc
el
a
variation de la masse du pendule (m) et du chariot (M) de +40% respectivement. Le systme
manifeste une trs bonne robustesse par rapport aux variations paramtriques et reste robuste
en termes de rejet de perturbation.
46
Chapitre II:
II.3.1 Commande par mode glissant:

Dans cette deuxime partie nous allons donner quelques notions fondamentales de la
commande structure variable, et quelques concepts de base de la thorie des modes
glissants.
Les lois de commandes dites structure variable constituent une bonne approche de
commande des systmes non linaires possdants des dynamiques incertaines et des entres
bornes de bruit. Elles sont bases essentiellement sur la rsolution des quations diffrentielles a
second membre discontinu, initie par Filippov en 1960 [FIL.60], qui est utilise par la suite ds
la paruti
onde
sl
i
v
r
e
sd
Eme
l
y
a
nov[
EME.
67]
,d
I
t
ki
s[
I
TK.
76]e
td
Ut
ki
n[
UTK.
78].
Da
n
sc
ec
a
s
,l
as
t
r
uc
t
ur
ed
unc
ont
r
l
e
urc
ompor
t
ede
uxparties: une partie continue
reprsentant la dynamique du systme durant le mode glissant et une autre discontinue
reprsentant la dynamique du systme durant le mode de convergence. Cette dernire est
importante dans la commande non linaire car elle a un r
l
e d
l
i
mi
ne
r les effets
d
i
mpr
c
i
s
i
onse
tl
es perturbations sur le modle.
II.3.1.1 Dfinitions :
Considrons le systme non linaire suivant [BUH 86] :
xf ( x, t , u )
y h( x)
(II.45)
Et l
hy
pe
r
s
ur
f
a
c
e: s ( x) 0
f est un champ de vecteur suffisamment diffrentiable.
U ( x, t )
U
si S ( x ) 0
(II.46)
si S ( x ) 0
U ( x, t )
1 1 si S ( x) 0
U : est la commande du systme. x e
s
tl
t
a
tdus
y
s
t
mededi
me
ns
i
onn
Le systme (II.45) avec la loi de commande (II.46) est intrinsquement structure

variable [UTK.78]. En revanche, le systme rendu discontinu par le choix d'une commande
discontinue, u caractrise par une discontinuit artificielle.
Le systme variable (II.45) avec la loi de commande (II.46) peut se rcrire comme suit :
f ( x, t )
si S ( x, t ) 0
(II.47)
x f ( x, t , u )
f ( x, t )
si S ( x, t ) 0
47
Chapitre II:
f ( x, t ) et f ( x, t ) Sont des champs de vecteurs complets et s(x) : est une surface qui divise
l'espace en deux parties disjointes S(x) > 0 et S(x) < 0
Remarque (2.5) :
D'autres systmes sont de conception naturellement discontinus, titre d'exemples les

circuits lectroniques contenant des commutateurs et les systmes mcaniques contenant un
frottement sec [UTK.78, UTK.92].
II.3.2 Diffrentes Structures du Contrle par Mode de Glissement

Dans les systmes structure variable utilisant la commande par les modes de
glissement, on peut trouver deux configurations de base, approprie la synthse des
diffrentes commandes [BUH.86].
II.3.2.1 Structure par Commutation au Niveau de l'Organe de Commande

Elle correspond la structure la plus simple ou la commutation est effectue au niveau
de l'organe de commande. Le schma de cette structure est donn par la figure (II.15):
Figure II.15 Configuration par changement de la structure par commutation

Dans ce cas la logique de commande est donne par :
U max
U min
si S ( x ) 0
si S ( x ) 0
(II.48)
Elle correspond au fonctionnement tout ou rien des interrupteurs de puissance, associes dans
une grande majorit d'applications aux variateurs de vitesse.
48
Chapitre II:
II.3.2.2 Structure par Commutation au Niveau d'une Contre Raction d'Etat

La deuxime structure (figure II.16) fait intervenir la commutation au niveau d'une
contre-raction d'tat.
Il faut alors que dans ce cas, la classe de systmes non linaires dcrite par le modle suivant :
xf ( x) g ( x) u
(II.49)
La surface de commutation S (x) est donne par :

S ( x) Kx kw
(II.50)
Avec :
K :Ve
c
t
e
urdel
ac
ont
r
er
a
c
t
i
ond
t
a
t
.
k :Co
e
f
f
i
c
i
e
ntdel
i
nt
e
r
ve
nt
i
ondi
r
e
c
t
edel
ac
ons
i
gne
.
w : Grandeur de consigne.
Figure II.16 Configuration par changement der

e
t
ourd
t
at
Pour notre travail nous avons choisi cette dernire structure.
II.3.3 Th
or
i
edel
aCommanded
unsystme structure variable
Un systme a structure variable est un systme dont la structure change pendant son
f
onc
t
i
onne
me
nt
.I
le
s
tc
a
r
a
c
t
r
i
s
pa
rl
ec
hoi
x d
une f
onc
t
i
on e
td
une l
og
i
que de
c
ommut
a
t
i
on.Cec
hoi
xpe
r
me
ta
us
y
s
t
medec
ommut
e
rd
unes
t
r
uc
t
ur
eunea
ut
r
et
out
instant.
49
Chapitre II:
Dans l
ac
omma
ndes
t
r
uc
t
ur
eva
r
i
a
bl
e
,l
at
r
a
j
e
c
t
oi
r
ed
t
a
te
s
ta
me
n
eve
r
sune
s
ur
f
a
c
e
.Pui
se
l
l
ee
s
tf
or
c
er
e
s
t
e
ra
uvoi
s
i
na
g
edec
e
l
l
ec
il
a
i
dedel
al
oidec
ommut
a
t
i
on.
Cette surface est appele surface de glissement et le mouvement le long de laquelle se
produit est appel mouvement de glissement.
La trajectoire dans le plan de phase illustre pour un systme de second ordre par la figure
II.17 est constitue de trois parties distinctes :
Le mode de convergence (MC) :c
e
s
tl
emodedur
a
ntl
e
que
l la variable rgler se
d
pl
a
c
epa
r
t
i
rden
i
mpor
t
eque
lpoi
n
ti
ni
t
i
a
lda
n
sl
epl
a
ndepha
s
ee
tt
e
ndve
r
sl
as
ur
f
a
c
ede
glissement S ( x, y ) 0 .
Le mode de glissement (MG) :c
e
s
tl
emodedur
a
ntl
e
que
ll
ava
r
i
a
bl
ed
t
a
taa
t
t
e
i
nt
la surfacedeg
l
i
s
s
e
me
nte
tt
e
ndve
r
sl
o
r
i
g
i
nedupl
a
ndepha
s
e
.Lady
na
mi
quedec
emodee
s
t
caractrise par le choix de la surface de glissement S ( x, y ) 0 .
Le mode du rgime permanent (MRP) : Ce mode interprte la rponse du systme

a
ut
ourdes
onpoi
ntd
qui
l
i
br
e(
or
i
g
i
nedu plan de phase), il est caractris par la qualit et les
performances de la commande.
y
S ( x, y ) 0
MC
MRP
x
MG
Figure II.17: Diffrents modes pour la trajectoire dans le plan de phase
II.3.4 Conception de la commande par mode de glissement

La conception de la commande peut tre effectue en trois tapes principales trs
d
pe
nda
nt
e
sl
unedel
a
ut
r
e
:
- Choix de la surface ;
- L
t
a
bl
i
s
s
e
me
ntde
sc
ondi
t
i
onsd
e
xi
s
t
e
nc
e;
- Dtermination de la loi de commande.
50
Chapitre II:
II.3.4.1 Choix de la surface de glissement

Le choix de la surface de glissement concerne le nombre et la forme des fonctions
n
c
e
s
s
a
i
r
e
s
.
Ce
sde
uxf
a
c
t
e
ur
sd
pe
nde
ntdel
a
ppl
i
c
a
t
i
one
tdel
obj
e
c
t
i
fvi
s
.
Pour un syst
med
f
i
nipa
rl
qua
t
i
on(
I
I
.
51), le vecteur de surface a la mme dimension
que le vecteur de commande u .
xA
x, t
x B
x, t
u
(II.51)
La surface de glissement est une fonction scalaire telle que la variable rgler glisse
sur cette surface et tend vers l
or
i
g
i
neduplan de phase [ZAH.00].
Laf
or
menonl
i
n
a
i
r
ee
s
tunef
onc
t
i
ondel
e
r
r
e
urs
url
ava
r
i
a
bl
er
g
ul
e
rx , elle est
donne par :
r
1

S
x e
x
t
(II.52)
Avec :
e
t :L
c
a
r
te
nt
r
el
ava
r
i
a
bl
er
g
l
e
re
ts
ar
r
e
nc
e
.
: Une constante positive.
e
g
r
r
e
l
a
t
i
f
,i
lr
e
pr
s
e
nt
el
enombr
edef
oi
squ
i
lf
a
utd
r
i
ve
rl
as
ur
f
a
c
epour
r :Led
faire apparatre la commande.
L
e
xpr
e
s
s
i
ondel
as
ur
f
a
c
ee
s
tune
qua
t
i
ondi
f
f
r
e
nt
i
e
l
l
edontl
uni
ques
ol
ut
i
one
s
t
e
x 0 .L
obj
e
c
t
i
fdel
ac
omma
ndee
s
tdema
i
nt
e
ni
rl
as
ur
f
a
c
ez
r
o.
II.3.4.
2Condi
t
i
ondec
onve
r
ge
nc
ee
td
e
xi
s
t
e
nc
e
Les deux conditions (convergence et existence) sont les deux critres qui permettent
a
uxdi
f
f
r
e
nt
e
sdy
na
mi
que
sdus
y
s
t
medec
onve
r
g
e
rve
r
sl
as
ur
f
a
c
edeg
l
i
s
s
e
me
nte
td
y
rester indpendamment de la perturbation. Il existe deux considrations pour assurer le mode
de convergence :
II.3.4.2.1 Fonction discrte de commutation

Emilyanov et Utkin ont propos et tudi la premire condition de convergence. Elle
consiste donner une dynamique la surface convergente vers zro. Elle est donne par :
S
x
S
x 0
.
(II.53)
51
Chapitre II:
II.3.4.2.2 La fonction de Lyapunov

La fonction de Lyapunov est une fonction scalaire dfinie positive
v
x 0
. La loi de
c
omma
ndedoi
tf
a
i
r
ed
c
r
o
t
r
ec
e
t
t
ef
onc
t
i
on.L
i
d
ee
s
tdec
hoi
s
i
runef
onc
t
i
ons
c
a
l
a
i
r
e
x
pourg
a
r
a
n
t
i
rl
a
t
t
r
a
c
t
i
ondel
ava
r
i
a
bl
ec
ont
r
l
e
rve
r
ss
ava
l
e
urder
r
e
nc
ee
tdec
onc
e
v
o
i
r
une commande u tel que le carr de la surface correspond une fonction de Lyapunov.
On peut dfinir la fonction de Lyapunov comme suit :
1
v
x S T
x .S x
2
(II.54)
La drive de cette fonction peut tre donne comme suit :

v
x S
x S x
.
(II.55)
Il est clair que pour vrifier la dcroissance de v

x ,i
ls
uf
f
i
tdev
r
i
f
i
e
rl
i
n
ga
l
i
t
v
x 0 [BUH.86]
.D
ol
avrification de la relation (II.53).
II.3.4.3 Calcul de la commande
Lorsque le rgime glissant est atteint, la dynamique du systme est indpendante de la
loi de commande quiapourbutdema
i
nt
e
ni
rl
e
sc
ondi
t
i
onsdeg
l
i
s
s
e
me
nt(
l
a
t
t
r
a
c
t
i
vi
t
del
a
s
ur
f
a
c
e
)
,c
e
s
tpourc
e
t
t
er
a
i
s
on que l
as
ur
f
a
c
ee
s
td
t
e
r
mi
n
ei
nd
pe
nda
mme
ntde l
a
commande [ZAH.00].
Maintenant, il reste dterminer la commande ncessaire pour attirer la trajectoire
d
t
a
tve
r
sl
as
ur
f
a
c
e
,e
te
ns
ui
t
eve
r
ss
ontpoi
ntd
qui
l
i
br
e
,e
nma
i
nt
e
na
ntl
e
sc
ondi
t
i
ons
d
e
xi
s
t
e
nc
edumodedeg
l
i
s
s
e
me
nt
.L
obt
e
nt
i
ond
unr
g
i
medeg
l
i
s
s
e
me
ntn
c
e
s
s
i
t
eune
attractivit de la surface de glissement des deux cots. De ce fait, une commande discontinue
e
s
ti
ndi
s
pe
n
s
a
bl
e
,i
ln
e
mp
c
henul
l
e
me
ntqu
unepa
r
t
i
ec
ont
i
nuel
uis
oi
ta
j
out
e
.
Enpr
s
e
nc
ed
unepe
r
t
ur
ba
t
i
o
n,l
apa
r
t
i
edi
s
c
ont
i
nueae
s
s
e
nt
i
e
l
l
e
me
ntpourbutde
v
r
i
f
i
e
rl
e
sc
ondi
t
i
onsd
a
t
t
r
a
c
t
i
vi
t
.Da
nsc
ec
a
s
,l
as
t
r
uc
t
ur
ed
unc
ont
r
l
e
urpa
rmodede
glissant est constitue de deux parties [ZAH.00], [RIC.06]
,l
unee
s
tl
ac
omma
nde
qui
va
l
e
nt
e
tl
a
ut
r
ea
t
t
r
a
c
t
i
veu n :
u equ e
u u equ u n
(II.56)
- u equ est propose par Fillipov et Utkin, elle sert maintenir la variable contrler
sur la surface de glissement S
x 0 [NIC.96], [ZAH.00]. Elle est introduite en considrant
que S
x 0 S
x 0 [RIC.06].
.
52
Chapitre II:
- u n est introduite pour vrifier la condition de convergence S

x
S
x 0 .
.
Considrons le systme suivant :
x
t A
x, t
b
x, t
.u
(II.57)
Lepr
obl
mec
ons
i
s
t
et
r
ouve
rl
e
xpr
e
s
s
i
ona
na
l
og
i
quedel
ac
omma
ndeu .
On a :
.
S
S
x
S
x
t
x
t
(II.58)
En remplaant (II.51) dans (II.52) on obtient :
S
S
uequ un
S
x A
x, t
b
x, t
t
x
S
S
S
S
x A
x, t
b
x, t
uequ b
x, t
un
t
x
(II.59)
(II.60)
Durant le mode de glissement et le rgime permanent, la surface est nulle, et par

consquent sa drive et la partie discontinue sont aussi nulles [ZAH.00]. D
oond
dui
t
l
e
xpr
e
s
s
i
ondel
ac
omma
nde
qui
va
l
e
nt
e
c
r
i
t
ec
ommesuit :
1
u equ
S
S
b
x, t
A
x, t
x
x
Pour que la commande quivalente puisse prendre une valeur finie, il faut que
(II.61)
b
x, t 0 .
Durant le mode de convergence, on remplace la commande quivalente par son

expression dans la relation (II.60)
,onobt
i
e
ntl
e
xpr
e
s
s
i
ondel
ad
r
i
v
edel
as
ur
f
a
c
ec
omme
suit :
.
S
S
x, t

b
x, t
un
(II.62)
La condition d
a
t
t
r
a
c
t
i
vi
t
e
xpr
i
m
ed
a
ns(
I
I
.53) devient :
S
S
x, t

b
x, t
u n 0
(II.63)
Pourquec
e
t
t
ec
ondi
t
i
ond
a
t
t
r
a
c
t
i
vi
t
s
oi
tv
r
i
f
i
e
,i
lf
a
utquel
es
i
g
nedeu n soit
S
x, t
b
x, t [RIC.06].
oppos celui de S
53
Chapitre II:
II.3.5 Solutions pour la suppression du phnomne de rticence

Le phnomne de rticence constitue un inconvnient majeur non ngligeable, car
m
mes
i
le
s
tpos
s
i
bl
edel
ef
i
l
t
r
e
rl
as
or
t
i
edupr
oc
e
s
s
us
, il est s
us
c
e
pt
i
bl
ed
e
xc
i
t
e
rl
es
mode
sdeha
ut
e
sf
r
que
nc
e
squin
ontpa
s
t
pr
i
se
nc
ompt
el
or
sdel
amod
l
i
s
a
t
i
ondu
s
y
s
t
me
.Ce
c
ipe
utd
gr
a
de
rl
e
spe
r
f
or
ma
nc
e
se
tm
mec
ondui
r
ea
upr
obl
med
i
ns
t
a
bi
l
i
t
[
Ut
k92]
.Lar
t
i
c
e
nc
ei
mpl
i
que
ga
l
e
me
ntd
i
mpor
t
a
nt
e
soscillations mcaniques au niveau
des actionneurs, pouvant provoquer leurs usures rapide, ainsi que des pertes nergtiques non
ngligeables au niveau des circuits de puissance lectrique. Dans le but de rduire ou
d
l
i
mi
ne
rc
eph
nom
ne
,denombr
e
us
e
ss
olutions ont t proposes [SLO.84], [BUH.86].
On dcrit ici une des solutions savoir celle de couche limite connue aussi par le nom
"boundary layer solution", a t propose par Slotine1984 [SLO.84], elle consiste effectuer
une approximation continue des discontinuits prsentent dans la loi de commande au
voisinage de la surface de glissement.
Suppos
onsq
uel
ac
omma
ndedi
s
c
ont
i
nuequipr
ovoquel
eph
nom
neder
t
i
c
e
nc
es
c
r
i
t
e
sous la forme :
u (t ) k sign( s (t ))
(II.64)
La fonction signe ( s (t )) est remplace par une fonction plus lisse dans la couche limite
de s(t) . Parmi ces fonctions utilises nous citerons la fonction de saturation:
s
sat ( s )
sign( s )
si
s
1
(II.65)
s
si 1
Figure II.18 : Fonction SAT avec un seuil

54
Chapitre II:
Le systme ne converge plus vers la valeur dsire, mais vers un voisinage de cette
de
r
ni
r
e
.Ai
ns
i
,l
ami
s
ee
npl
a
c
ed
unec
omma
ndec
ont
i
nueda
nsuneba
ndedel
as
ur
f
a
c
e
n
c
e
s
s
i
t
e un c
ompr
omi
se
nt
r
el
ar
obus
t
e
s
s
ee
tl
e
s pe
r
f
or
ma
nc
e
s
.D
a
ut
r
e
sf
onc
t
i
ons
d
a
doucissement existent telles que les fonctions sigmodes:
2
s
s
s
arctan ,
, tanh( )... etc
II.3.6 Avantages et inconvnients de la commande par mode glissant

Il est reconnu que la robustesse vis--vis des perturbations et des incertitudes du
mod
l
epr
s
e
nt
el
epoi
ntf
or
td
unec
omma
ndepa
rmodeg
l
i
s
s
ant. Contrairement une loi de
commande classique, les performances dynamiques sont maintenues [SLO.91].
Depl
us
,l
ar
duc
t
i
ondel
or
dr
edus
y
s
t
mec
ons
titue un autre point fort de ce type de
commande, car elle permet de simplifier la complexit du systme.
Cependant, ces performances sont obtenues au prix de certains inconvnients :
Un phnomne de Chattering ou broutement provoqu par la partie discontinue de

cette commande et qui peut avoir un effet nfaste sur les actionneurs.
Les
y
s
t
mee
s
ts
oumi
sc
ha
quei
ns
t
a
ntunec
omma
nde
l
e
v
ea
f
i
nd
a
s
s
ur
e
rs
a
c
onve
r
g
e
nc
eve
r
sl
t
a
td
s
i
r
e
tc
e
c
in
e
s
tpa
ss
ouha
i
t
a
bl
e
.
Parmi les solutions proposes ces problmes on peut citer la commande par mode
glissant bande limite qui consiste remplacer la fonction de commutation dans la
commande par une fonction de saturation (hystrsis, arc tangente, etc.).
55
Chapitre II:
II. 3.7 Synthse de la Commande par modegl

i
s
s
antd
unpe
ndul
ei
nve
r
s
[MEL.10]
II. 3.7.1 Formulation mathmatique
La modlisation du processus est une tape primordiale dans la mi
s
ee
nuvr
ed
un
contrleur. En gnral, un systme non linaire ayant pour entre de commande u et comme
sortie y, peut tre dcrit par :[SAI.06]
(n)
, x ( n1) , u )
x F ( x, x
, x ( n1) )
y H ( x, x
(II.66)
, x ( n1) , u) et H ( x, x
O F ( x, x
, x ( n1) ) sont deux fonctions non linaires continues,
r
e
pr
s
e
nt
el
e
s
t
a
t
sdu s
y
s
t
me
.Ce
t
t
ede
s
c
r
i
pt
i
on nepe
r
me
tpa
sl
ami
s
ee
n uvr
ede
contrleurs pour assurer la poursuite de trajectoires. Pour pallier ce problme, la
linarisation entre-sortie a t largement utilise, afin de trouver une relation explicite entre
l
e
nt
r
edus
y
s
t
mee
ts
as
or
t
i
e
,e
nut
i
l
i
s
a
ntde
st
e
c
hni
que
sdel
ag
om
t
r
i
edi
f
f
r
e
nt
i
e
l
l
e
.
[
Sl
o.
91
]e
t[
I
s
o.
99]
.Ai
ns
i
,uns
y
s
t
menonl
i
n
a
i
r
ed
or
dr
ena
f
f
i
neda
nsl
ac
omma
ndepe
ut
tre dcrit par la relation suivante:
x ( n ) f ( x, x
, x ( n1) ) g ( x, x
, x ( n1) ) u
y h( x)
(II.67)
O f ( x, x
, x ( n1) ) et g ( x, x
, x ( n1) ) sont des fonctions non linaires continues. Cette
nouvelle description permet d
ut
i
l
i
s
e
rf
a
c
i
l
e
me
ntl
e
sdi
f
f
r
e
nt
e
sa
ppr
oc
he
sba
s
e
ss
url
a
rtroaction pour rsoudre les problmes de poursuites de trajectoires et de rgulations.
Conf
or
m
me
ntl
qua
t
i
onpr
de
nt
e
,l
af
or
mec
a
noni
qued
uns
y
s
t
menonl
i
n
a
i
re de
s
e
c
ondd
o
r
dr
epe
uttre crite comme suit :
.
x1 x2
.
(II.68)
x g
xu
x 2 f
y x
1
Ainsi, le problme de poursuite de trajectoire consiste dterminer la loi de commande
u
x quipe
r
me
td
a
s
s
ur
e
r la convergence du vecteur d'tat x
t [ x1 , x2 ] vers le vecteur
d'tat dsir x d
t [ x1d , x 2d ] avec une erreur de suivi :
e x
t x d
t .
(II.69)
56
Chapitre II:
En gnral, la surface de glissement est dfinie par:[Dot 03]

s
x e
e x 2 x 2 d
x1 x1d
.
(II.70)
O est une constante de glissement strictement positive. En drivant l'quation (II.70),
nous obtenons :
s
e e
ex
ef
x b
x u x
2 x 2 d
2d
.
(II.71)
Dans le but de synthtiser la loi de commande, dfinissons la fonction de Lyapunov

comme suit :
1 2
V s
x
2
(II.72)
Ainsi le problme de contrle quivaut faire tendre vers zro la surface de glissement
s
x, t en satisfaisant la condition suivante [DOT.03]
1 d 2
s
x K s ;
2 dt
K 0
(II.73)
Cette condition peut tre rcrite comme suit :

sgn
s s K
s . s K s
ou
Par consquent, le problme de contrle est d'obtenir la loi de commande u

approprie, qui garantit la condition de glissement :
.
..
.
s . s s
e f
x, t g
x, t
u x 1d
K s
(II.74)
O :
..
.
sgn
s
e f
x, t g
x, t
u x 1d
(II.75)
Si f
x, t est connue, la loi de commande approprie peut tre obtenue facilement
comme suit :[BYU.98]
..
.
u g 1 e f
x, t x 1d K sgn
s
(II.76)
Cette loi de commande garantit la condition de glissement. Nanmoins, pour garantir la

contrlabilit du systme, on considre que le gain de commande g ( x, t ) nes
a
nnul
epa
ss
ur
le domaine de fonctionnement ( g ( x, t ) 0) . Pour rsoudre ce problme, nous avons suppos
57
Chapitre II:
que g ( x, t ) g g ( x, t ) o g est une constante positive connue et g ( x, t ) est une fonction

positive inconnue. Ainsi la loi de commande rsultante est donne par cette
expression:[BYU.98]
.
..
1
1
u1 g e f
x, t
x1d K .sgn
s g sgn
s F1
(II.77)
F1 e f
x, t x 1d K . sgn
s
(II.78)
Avec :
.
..
Cependant, la prsence de la fonction signe, dans la commande par mode glissant,

provoque un phnomne de broutement gnr par des variations brusques et rapides du
signal de commande, ce qui peut exciter les hautes frquences du pr
oc
e
s
s
use
tl
e
ndomma
g
e
r
[SAI.06]. Pour pallier ce problme, nous avons retenue la solution de Slotine et Lie
[SLO.91] qui consiste introduire une bande de transition autour de la surface de glissement
permettant de transformer la fonction signe en saturationd
c
r
i
t
epa
rl
qua
t
i
on(
I
I
.
79), et ainsi
liminer le broutement.
s
si
sat ( )

s
sign ( ) si
s
1
(II.79)
s
1
O reprsente la bande de transition de la surface de glissement.

II.3.7.2 Redressement et stabilisation du pendule invers par mode glissant
Ladynami
quec
ompl
t
ed
unpendule invers, peut tre reprsente par deux sous
s
y
s
t
me
sn
o
nl
i
n
a
i
r
e
sd
or
dr
ede
ux.Lepr
e
mi
e
rd
c
r
i
tl
ady
na
mi
queduc
ha
r
i
otc
ommes
ui
t:
.
x 1 x 2
.
x g 1 ( x ) u 1
x 2 f 1
y x
1
1
(II.80)
O u1 et y1 s
ontr
e
s
pe
c
t
i
ve
me
ntl
e
nt
r
edec
omma
ndee
tl
as
or
t
i
e
,a
ppr
opr
i
e
sa
uc
ha
r
i
ot
.
Quant au second reprsente la dynamique de la tige est donne par :
.
x
3 x 4
(II.81)
x g 2 ( x )u 2
x
4 f 2
y x
3
2
O u2 et y2 s
ontr
e
s
pe
c
t
i
ve
me
ntl
e
nt
r
edec
omma
ndee
tl
as
or
t
i
e
,a
ppr
opr
i
e
sl
at
i
ge
.
58
Chapitre II:
II.3.7.2.1 La
premire tape
Sert asservir la position du chariot tout en suivant une rfrence, dont la trajectoire
sinusodale est choisie de telle sorte donner une nergie ncessaire au pendule pour atteindre
les voisinages de la position verticale haute.
La surface de glissement dans cette tape est donne par :
s1 ( x) 1 ( x1 x1d ) ( x2 )
(II.82)
Avec
x1d 0.2 * sin (4 * t ) et 1 30
(II.83)
Position du pendule
0
0
3
Temps (s)
Figure II.19 : Rsultat de simulation de redressement par la commande de glissement avec

des conditions initiales (0, 0, 0, 0)
II.3.7.2.2 La deuxime tape

Sert asservir la position du chariot et du pendule vers les tats dsirs. Cependant, les
surfaces de glissement sont dfinies comme suit :
s1 ( x) 1 ( x1 x1d ) ( x2 x2 d )
(II.84)
s2 ( x) 2 ( x3 x3d ) ( x4 x4 d )
(II.85)
Conformment la loi de commande par mode glissant synthtise au paragraphe

prcdent (II.76), dans le cas o la dynamique complte du pendule invers est parfaitement
connue et ce dernier ne subit aucune perturbation externe, le contrle de la position du chariot
et la stabilisation de la tige, peuvent tre assurs par les lois de commandes (II.86) et (II.87)
respectivement :
59
Chapitre II:
u1 g 1 (u1 K1sat (
s1 ( x)
s ( x)
s ( x)
1
)) g 1 K1sat ( 1 ) u 1 K1 sat ( 1 )
x
x
x
u 2 g 2 (u 2 K 2 sat (
(II.86)
s2 ( x)
s ( x)
s ( x)
1
)) g 2 K 2 sat ( 2 ) u 2 K 2 sat ( 2 )
(II.87)
Avec
u 1 f1 ( x)
x
1 ( x2 x2 d )
1d
(II.88)
u 2 f 2 ( x)
x
2 ( x4 x4 d )
3d
(II.89)
Nanmoins, dans la ralit, le pendule invers est soumis une seule entre de
c
omma
ndeq
uic
ont
r
l
es
i
mul
t
a
n
me
n
tl
apos
i
t
i
onduc
ha
r
i
ote
tl
a
ng
l
edel
at
i
g
e
.Ce
t
t
eentre
de commande est dduite partir de la soustraction pondre des signaux u1 et u2 comme suit :
u 2 u 2 1u1
(II.90)
O 1 et 2 sont des constantes positive de pondration.

II.3.7.3 Rsultats de simulation
0.4
0.3
A ngle(rad)
P os ition (m )
0.2
0.2
0.1
0
-0.1
-0.2
10
12
Temps (s)
14
16
18
20
V ites se A ngulaire (rad/s)
V itess e du c hariot (m /s)
-0.2
0.5
-0.5
10
12
Temps (s)
14
16
18
20
S urface de gliss em ent
Com m ande (N)
10
12
Temps (s)
14
16
18
20
10
12
Temps (s)
14
16
18
20
10
12
Temps (s)
14
16
18
20
-0.5
-1
20
10
-10
10
12
Temps (s)
14
16
18
-5
-10
20
Figure II.20: Rsultats de simulation pour la commande de glissement sans perturbation
60
0.6
0.3
0.4
0.2
Angle(rad)
Position (m)
Chapitre II:
0.2
0
-0.2
10
12
Temps (s)
14
16
18
20
Vitesse Angulaire(rad/s)
0.5
10
12
Temps (s)
14
16
18
20
Surface de glissement
Commande (N)
20
10
0
-10
-20
10
12
Temps (s)
14
16
18
0
-0.1
-0.5
0.1
20
10
12
Temps (s)
14
16
18
20
10
12
Temps (s)
14
16
18
20
10
12
Temps (s)
14
16
18
20
0.5
0
-0.5
-1
10
5
0
-5
-10
Figure II.21: Rsultats de simulation pour la commande de glissement avec une perturbation
al
at
oi
r
ed
unedur
e1Se
c
,appl
i
qu
el
i
ns
t
ant10Se
c
,sur le pendule avec conditions
initiales (0, 0, 0.2, 0)
0
-0.2
5
10
15
20
Temps (s)
25
30
35
40
40
10
15
20
Temps (s)
25
30
35
20
10
0
0
10
15
20
Temps (s)
25
30
35
-0.2
40
0.5
-0.5
V ite s s e A n g u la ire (ra d /s )
C o m m a n d e (N )
V ite s s e d u c h a rio t (m /s )
-0.4
0.2
A n g le (ra d )
0.2
S u rf a c e d e g lis s e m e n t
P o s it io n (m )
0.4
10
15
20
Temps (s)
25
30
35
40
10
15
20
Temps (s)
25
30
35
40
10
15
20
Temps (s)
25
30
35
40
0.5
0
-0.5
-1
10
-10
Figure II.22: Rsultats de simulations d

unepoursuite rectangulaire avec des
conditions initiales (0, 0, 0.2, 0)
61
0.5
0
-0.5
C o m m a n d e (N )
A n g le (ra d )
P o s itio n (m )
Chapitre II:
6
4
2
0
-2
10
15
Temps (s)
20
25
30
10
15
Temps (s)
20
25
30
10
15
Temps (s)
20
25
30
20
0
-20
P os ition (m )
A ngle(rad)
Figure II.23: Rsultats de simulation de redressement et de stabilisation par la commande

de glissement avec des conditions initiales (0, 0, 0, 0)
8
6
4
2
0
-2
10
15
20
Temps(s)
25
30
35
40
10
15
20
Temps(s)
25
30
35
40
10
15
20
Temps(s)
25
30
35
40
0.2
0
-0.2
-0.4
C om m ande (N )
+ou- 0% (M)
+ou- 40% (M)
40
20
0
-20
A ngle (rad)

de glissement avec une variation paramtrique M de 40%
6
4
2
0
-2
+0%(m)
+40%(m)
10
15
20
Temps(s)
25
30
35
40
10
15
20
Temps(s)
25
30
35
40
10
15
20
Temps(s)
25
30
35
40
Com m ande (N )
P os ition (m )
0.5
0
-0.5
20
0
-20
-40

de glissement avec une variation paramtrique m de 40%
62
Chapitre II:
II.3.7.3.1 Interprtation des rsultats de simulation

A partir des graphes montrs sur les figures (II.19), (II.21) et (II.23), on peut constater
que notre commande de glissement arrive stabiliser le pendule invers. En effet elle a pu le
r
a
me
ne
rdes
apos
i
t
i
ond
qui
l
i
br
es
t
a
bl
es
apos
i
t
i
ond
qui
l
i
br
ei
ns
t
a
bl
ee
tl
yma
i
nt
e
n
i
r
.
Elle a en outre permis de stabiliser le dplacement du chariot en le ramenant sa positon
initiale avec un dplacement maximal de 0.3 m.
D
a
pr
sc
e
sm
me
sf
i
g
ur
e
s(II.19) et (II.23), on constate que:
Le systme se stabilise au bout de 5 6 sec.
Le chariot est dans les limites physiques de dplacement [-0.5m, +0.5m].
Le signal de commande u(t) est admissible et ralisable.
Dans la figure (II.21) le casd
a
ppl
i
c
a
t
i
ond
unepe
r
t
ur
ba
t
i
ons
url
epe
ndul
e
,l
i
ns
t
a
nt
t= 10 sec, le systme rpond avec des oscillations trs faible et ngligeable du pendule et le
dplacement du chariot ne dpasse pas 0.1 mtres par rapport la rfrence. Le rgulateur
ragit et corrige cette perturbation avec une nergie tolrable et stabilise le systme aprs 2
sec la disparition de la perturbation. La surface de glissement reste stable.
La figure (II.22) reflte la performance de commande de glissement en terme de
poursuite de trajectoire linaire carre. On constate une trs bonne poursuite avec un cart nul
e
tl
a
ng
l
ed
upe
ndul
er
e
s
t
equa
s
i
me
nti
nc
ha
ng
.
Dans nos deux dernires simulations, nous avons affect avec une erreur paramtrique
quivaj
us
q
u
(
40%)s
url
ama
s
s
educ
ha
r
i
ot(
M)e
tc
e
l
l
edupe
ndul
e(
m)prsents par les
figures (II.24), (II.25)r
e
s
pe
c
t
i
ve
me
n
ta
f
i
n de t
e
s
t
e
rl
ar
obus
t
e
s
s
e de l
a
l
g
or
i
t
hme de
commande.
Nous notons que j
us
qu'
(
40%)d
e
r
r
e
urpa
r
a
m
t
r
i
ques
url
ama
s
s
educ
ha
r
i
ot(M),
voire la figure (II.24), nous enregistrons un temps de rponse de 6 sec, le chariot est dans ses
limites physique [-0.5 m, +0.5 m], la stabilit du systme et de la surface de glissement
ajoutant a a, la commande est tolrable et ralisable pratiquement (amplitude maximale : 20
(N) et sans prsence du broutement).
Da
n
sl
ec
a
sd
e
r
r
e
urpa
r
a
m
t
r
i
ques
url
ama
s
s
e(
m)dupe
ndul
edonn
epa
rl
afigure
(II.25), nous notons un bon rsultat, nanmoins, la commande de glissement ne rpond pas
toutes les restrictions du systme, notamment celle de la tension. En effet, on constate un pic
important de tension de 45(N) lors de la commutation entre les deux commandes. En plus un
lger dpassement de limites dsires pour le chariot.
63
Chapitre II:
Pour les surfaces de glissement, on voit que les surfaces convergent dans un temps
fini. Dans le rgime tabli, ces surfaces oscillent autour de zro ce qui explique le bon choix
de ces dernires.
Da
n
sc
e
t
t
epa
r
t
i
e
,nousa
vonspr
s
e
nt
l
e
sr
s
ul
t
a
t
sdes
i
mul
a
t
i
onqu
adonn la
commande de glissement. Nous avons vu que celle-ci manifeste de trs bonnes performances
et une trs bonne robustesse, tout en respectant toutes les restrictions pratiques.
I
lde
me
ur
e
,n
a
nmoi
ns
,t
r
si
nt
r
e
s
s
a
ntd
i
mpl
me
nt
e
rl
ac
omma
ndedeg
l
i
s
s
e
me
nt
.En
effet, celle-c
ipr
s
e
nt
ed
e
xc
e
l
l
e
nt
e
sp
e
r
f
or
ma
nc
e
sc
ommenousa
vonspul
ec
ons
t
a
t
e
r lors de
la section traitant la simulation de cette commande.
II.3.7.4 Rsultats exprimentaux
Afin de tester les performances de la stratgie de commande dveloppe
prcdemment, plusieurs expriences ont t effectues au sein de notre Laboratoire. Les
performances atteindre dans chaque exprience, sont le redressement de la tige partir de sa
position initiale, pour la stabiliser par la suite sa position inverse, toute en assurant de petites
oscillations du chariot autour de sa position de rfrence. Les valeurs numriques utilises
sont:
Position (m)
1 16 ; 2 8; x 0.04 ;0.1;1 0.175 ;2 0.1

0.05
0
-0.05
0
10
15
Temps (s)
20
25
30
10
15
Temps (s)
20
25
30
10
15
Temps (s)
20
25
30
Commande (V)
Angle (rad)
6.4
6.2
6
-5
Figure II.26:Rsultat de stabilisation glissant exprimental pour condition initiale (0,0,0.3,0)
64
Chapitre II:
Position (m)
0.5
-0.5
10
20
30
40
50
60
70
40
50
60
70
40
50
60
70
Temps (s)
Angle (rad)
6.4
6.2
6
0
10
20
30
Temps (s)
Commande (V)
-5
10
20
30
Temps (s)
Position (m)
Figure II.27: Rsultat de poursuite rectangulaire glissant exprimental pour condition

initiale (0, 0, 0.3, 0)
0.1
0
-0.1
0
10
15
Temps (s)
20
25
30
10
15
Temps (s)
20
25
30
10
15
Temps (s)
20
25
30
Angle (rad)
6.4
6.2
Commande (V)
2
0
-2
Figure II.28: Rsultat glissant exprimental pour une rfrence chelon et une variation
paramtrique m de 40% par
t
i
rdel
i
ns
t
antt
=18
s
Position (m)
0.1
-0.1
10
15
Temps (s)
20
25
30
10
15
Temps (s)
20
25
30
10
15
Temps (s)
20
25
30
Angle (rad)
6.3
6.2
6.1
6
Commande (V)
5.9
-2
Figure II.29: Rsultat exprimental glissant pour une rfrence chelon et une variation
par
am
t
r
i
queM de40% par
t
i
rdel
i
ns
t
antt
=1
8s
65
Chapitre II:
Position (m)
0.1
0.05
0
-0.05
10
15
Temps (s)
20
25
30
10
15
Temps (s)
20
25
30
10
15
Temps (s)
20
25
30
Angle (rad)
6.3
6.2
6.1
6
5.9
Commande (rad)
3
2
1
0
-1
-2
Figure II.30: Rsultat exprimental pour une rfrence chelon et deux perturbations externe
par
t
i
rdel
i
ns
t
antt
=17
se
tt
=29s.
Position (m)
0.2
-0.2
10
15
20
Temps (s)
25
30
35
40
10
15
20
Temps (s)
25
30
35
40
10
15
20
Temps (s)
25
30
35
40
Angle (rad)
8
6
4
2
0
Commande (V)
-5
Figure II.31: Rsultat exprimental pour redressement et stabilisation
Position (m)
0.2
-0.2
10
15
20
Temps (s)
25
30
35
40
10
15
20
Temps (s)
25
30
35
40
10
15
20
Temps (s)
25
30
35
40
Angle (rad)
8
6
4
2
Commande (V)
2
0
-2
Figure II.32: Rsultat exprimental pour redressement et stabilisation avec deux

pe
r
t
ur
bat
i
onse
x
t
e
r
nepar
t
i
rdel
i
ns
t
antt
=25se
tt
=36s
.
66
Chapitre II:
Position (m)
0.5
-0.5
10
20
30
40
Temps (s)
50
60
70
80
10
20
30
40
Temps (s)
50
60
70
80
10
20
30
40
Temps (s)
50
60
70
80
Angle (rad)
10
Commande (V)
-5
Figure II.33: Rsultat exprimental pour redressement et stabilisation avec une poursuite
II.3.7.4.1 Interprtation des rsultats exprimentaux
On constate sur les rsultats prsents dans les figures (II.31), (II.32) et (II.33) que la
c
omma
ndeba
s
es
url
epr
i
nc
i
pedemi
ni
mum d
ne
r
g
i
ea
s
s
ur
el
eba
l
a
nc
e
me
ntdupe
ndul
ee
t
sa convergence vers la zone linaire. Dans cette zone, la commande par mode glissant prend
l
er
e
l
a
i
s
.Ce
t
t
epha
s
es
e
f
f
e
c
t
uee
ndouc
e
ur
,a
ve
cj
us
t
eunl
g
e
rpi
c en tension qui ne nuit en
r
i
e
na
uc
a
hi
e
rde
sc
ha
r
g
e
s
.Let
e
mpsder
pons
ee
s
td
or
dr
ede8s
e
c
.
Les figures (II.27) et (II.33) refltent les performances de la commande en termes de
poursuite de trajectoire linaire carre r
e
t
a
r
dde20s
,d
a
mpl
i
t
ude0.2 V et de priode 20 sec.
Onc
ons
t
a
t
eunet
r
sbonnepour
s
ui
t
ee
tl
a
ng
l
edupe
ndul
er
e
s
t
equa
s
i
me
nti
nc
ha
ng
.
D
a
pr
sl
es figures (II.28), (II.29), (II.30) et (II.32),ons
a
pe
r
oi
tquel
e
f
f
e
tde
s
variations paramtr
i
que
se
tdel
ape
r
t
ur
ba
t
i
onn
ontpas empchs le systme de rglage de
raliser sa tche de contrle, ce qui nous donne une ide gnrale sur le comportement robuste
de la loi de commande par mode glissant.
Les figures (II.28) et (II.29), montrent lesr
s
ul
t
a
t
sobt
e
nusl
or
s
qu
onas
oumi
sl
e
s
y
s
t
mede
spe
r
t
ur
ba
t
i
onsa
ve
ci
nt
r
oduc
t
i
ond
uneva
r
i
a
t
i
onpa
r
a
m
t
r
i
quee
nl
oc
c
ur
r
e
nc
el
a
variation de la masse du pendule (m) et du chariot (M) de +40% respectivement, au de-l de
cette variation le chariot reste immobile. L
a
ng
l
er
e
s
t
ei
nc
ha
nge
ta
uc
unpi
ca
uni
ve
a
udel
a
commande.
Les figures (II.30) et (II.32) montrent la robustesse de cette commande en terme de

rejet de perturbations. En effet, en soumettant le pendule plusieurs perturbations, sous forme
67
Chapitre II:
de forces appliques sur la masse du pendule, celui-ci se redresse rapidement et le chariot qui
fait un dplacement maximum de 0.1 m rejoint sa position initiale au bout de 3 sec en rejetant
ainsi la perturbation.
L
a
va
nt
a
gequepr
oc
ur
el
ac
omma
ndepar mode glissant est sa robustesse vis--vis des
perturbations et des incertitudes du modle. Cependant ces performances sont obtenues au
prix de certains inconvnients :
Le phnomne de chattering provoqu par la partie discontinue.
La commande leve au quelle le systme est soumis a chaque instant.
La solution propose ces problmes consiste remplacer la fonction de commutation

dans la commande par une fonction de saturation, les quatre derniers rsultats exprimentaux
prsents ci-dessus montrent l
e
f
f
i
c
a
c
i
t
dec
e
t
t
ede
r
ni
r
e:
Dans la premire exprience, nous avons considr les deux rgulateurs par mode
glissant synthtiss sans fonctions de saturation ni perturbations externes. La figure (II.34),
montre respectivement les profils de la position du chariot, la position angulaire de la tige et
l
ac
omma
n
d
ec
or
r
e
s
ponda
nt
e
,oonp
e
utc
onc
l
ur
ed
unepa
r
tl
as
t
a
bi
l
i
s
a
t
i
ondel
at
i
g
esa
pos
i
t
i
oni
nve
r
s
e
,a
i
ns
iq
u
unph
nom
nedebr
out
e
me
ntquis
e
xpl
i
quephy
s
i
que
me
ntpa
rl
a
prsence de la fonction signe dans la commande par mode glissant, gnrant ainsi les
variations brusques du signal de commande.
Da
n
sl
exprience suivante, nous avons utilis les mmes contrleurs que la premire
exprience, mais avec la fonction de saturation. Les rsultats obtenus sont illustrs par la
figure (II.35), o nous constatons que le phnomne de broutement est presque limin.
Pourt
e
s
t
e
rl
ac
a
pa
c
i
t
d
a
da
pt
a
t
i
ondus
c
h
madec
omma
nded
ve
l
oppl
or
sde
s
mouvements du pendule invers face aux variations paramtriques, nous avons effectu deux
autres expriences qui sont similaires respectivement aux expriences prcdentes o on a
juste introduit une variation sur le capteur mesurant la position du chariot en lui rajoutant
signal carr, retard de 20 s, d
a
mpl
i
t
ude-0.
2V e
tdep
r
i
ode20s
.Le
sr
pons
e
sd
unet
e
l
l
e
situation sont donnes par les figures (II.36) et (II.37).
68
Chapitre II:
0.1
Postion(m)
0
-0.1
-0.2
-0.3
10
15
20
25
30
35
40
45
25
30
35
40
45
25
30
35
40
45
Temps (s)
Angle(rad)
6
4
2
0
-2
10
15
20
Temps (s)
Commande(V)
4
2
0
-2
-4
10
15
20
Temps (s)
Figure II.34: Rsultats obtenus, sans fonction de saturation et perturbations externes

0.1
Positon(m)
0
-0.1
-0.2
-0.3
10
15
20
25
30
35
40
45
25
30
35
40
45
25
30
35
40
45
Temps (s)
Angle(rad)
6
4
2
0
-2
10
15
20
Temps (s)
Commande(V)
2
0
-2
-4
10
15
20
Temps (s)
Figure II.35: Rsultats obtenus, avec fonction de saturation et sans perturbations externes
0.1
Position(m)
0
-0.1
-0.2
-0.3
10
15
20
25
30
35
40
45
25
30
35
40
45
25
30
35
40
45
Temps (s)
Angle(rad)
6
4
2
0
-2
10
15
20
Temps (s)
Commande(V)
4
2
0
-2
-4
10
15
20
Temps (s)
Figure II.36: Rsultats obtenus d

unepour
s
ui
t
er
e
c
t
angul
ai
r
e
, sans fonction de saturation
69
Chapitre II:
0.1
Position(m)
0
-0.1
-0.2
-0.3
10
15
20
25
30
35
40
45
25
30
35
40
45
25
30
35
40
45
Temps (s)
Angle(rad)
6
4
2
0
-2
10
15
20
Temps (s)
Commande(V)
4
2
0
-2
-4
10
15
20
Temps (s)
Figure II.37: Rsultats obtenus d

unepour
s
ui
t
er
e
c
t
angul
ai
r
e
, avec fonction de saturation
Ces rsultats montrent les qualits de poursuite satisfaisantes. En effet, nous
constatons que cette stratgie de commande rejette rapidement ces perturbations ce qui permet
de conclure que les performances de poursuite sont trs peu affects par ces perturbations.
II.4 Conclusion :
Dans ce chapitre nous avons vu les notions de base concernant la commande linaire
quadratique, la commande par mode glissant. L
i
nt
tmajeur de ces approches rside dans la

simplicit de la mi
s
ee
nuvr
edec
e
slois de commande.
Ensuite, nous avons prsent les rsultats de simulations et e
xp
r
i
me
nt
a
ux qu
a
donnes chaque commandes. Nous avons vu que ces schmas de commande prsentent de trs
bonnes performances et une robustesse remarquable, tout en respectant toutes les restrictions
pratiques.
Les rsultats de simulations et exprimentaux montrent que ceux obtenus par la
commande de mode de glissement sont plus performant que ceux de la commande LQR, ceci
est due au bon choix de la surface de glissement, plus loin un rglage au niveau de P et Q
pour obtenir plus de performance.
Ces contrleurs convenables ont d
j
t
mi
se
n uvr
e
, mais des amliorations
peuvent tre apportes pour optimiser encore plus le comportement du systme et faire en
s
or
t
equ
i
lc
ons
ommemoi
nsd
nergie lectrique quelque soit les objectifs viss et les
contraintes existantes.
Le chapitre suivant a donc pour but de synthtiser deux contrleurs base de
techniques nouvelles dites intelligentes qui seront plus performants, robustes et moins
gourmand en nergie, en vue de raliser des avances significatives.
70
CHAPITRE III:
Commandes floue et neuro f

l
oued
unpe
ndul
ei
nve
r
s
III.1 Introduction
Dans ce chapitre, nous allons prsenter et analyser quelques structures intelligentes
bases sur les concepts tels que la logique floue, les rseaux de neurones et les rseaux neuroflous. Cette dmarche est mene afin de lever une contrainte en contrle relative la ncessit
de disposer d'un modle le plus fidle possible, sachant que les erreurs de modlisation et les
imperfections des modles, contribuent dgrader notablement les performances des lois de
commandes conventionnelles[MEL 98].
Dans la premire partie, nous tudierons en dtail les principes de la logique floue et ses
applications dans le domaine du rglage puis nous dcrirons les diffrentes solutions pour un
organe de commande bas sur les principes flous.
Dans la deuxime partie de ce chapitre, nous discuterons des algorithmes dits "rseaux
de neurones". Nous prsenterons les proprits des rseaux de neurones, en tenant compte de
leurs caractristiques dans le traitement du problme pos.
Ensuite, dans la troisime partie de ce chapitre nous nous concentrerons en particulier
sur la projection des systmes flous dans un rseau de neurones afin de former un systme
neuro-flou en tirant les profits de la logique floue et des rseaux de neurones. L'esprit de ces
rseaux et d'intgrer priori, une connaissance mme imparfaite, mais permettant un
apprentissage plus rapide qu'avec des poids initiaux alatoires.
A la fin de la synthse de chaque type de commandes, nous prsenterons les rsultats de
simulations suivies des rsultats exprimentaux du systme command mis l
pr
e
uvede
perturbations et de variations paramtriques.
III.2 Logique floue et la commande floue

III.2.1Introduction
La logique floue est une thorie qui a connu un grand engouement depuis que Zadeh a
introduit le concept de sous-ensembles flous en 1965. Par la suite, en 1974, Mamdani
introduisait la commande floue pour la rgulation de processus industriel. Dans les annes 80,
la commande floue connat un essor considrable au Japon, notamment grce aux travaux de
Sugeno. La logique floue
permet de faire le lien entre modlisation numrique et
modlisation symbolique, ce qui a permis des dveloppements industriels spectaculaires

pa
r
t
i
rd
a
l
g
or
i
t
hme
st
r
ss
i
mpl
e
sdet
r
a
duc
t
i
on dec
onna
i
s
s
a
nc
e
s symboliques en entit
numrique et inversement. Elle pr
s
e
nt
ee
ne
f
f
e
tl
a
va
nt
a
ged
ut
i
l
i
s
e
rde
sr
g
l
e
sl
i
ng
ui
s
t
i
que
s
s
i
mpl
e
spe
r
me
t
t
a
ntdet
r
a
dui
r
ef
a
c
i
l
e
me
ntl
es
a
voi
rf
a
i
r
ed
une
xpe
r
tpourr
pondr
eune
problmatique spcifique [FAU.06].
71

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
III.2.2 La logique floue [FAU.06].

La notion de logique floue permet d
t
e
ndr
el
anot
i
ondel
og
i
quec
l
a
s
s
i
que
,a
s
s
oc
i
e
a
uxva
r
i
a
bl
e
sbool
e
nne
snepr
e
na
ntquede
uxva
l
e
ur
s0e
t1.I
le
s
ta
l
or
spos
s
i
bl
ed
a
s
s
oc
i
e
r
de
sva
r
i
a
bl
e
sde
sc
oe
f
f
i
c
i
e
nt
sd
a
ppa
r
t
e
na
nc
ede
ss
ous
-ensembles flous prenant des valeurs
da
nsl
i
nt
e
r
va
l
l
e[
0,1]e
tqua
nt
i
f
i
a
ntl
i
nc
e
r
t
i
t
udes
url
ava
r
i
a
bl
e
.Un
v
ne
me
ntc
e
r
t
a
i
npour
l
ava
r
i
a
bl
es
et
r
a
dui
r
apa
runc
oe
f
f
i
c
i
e
ntd
a
ppa
r
t
e
na
nc
ea
us
ous
-e
ns
e
mbl
ef
l
ou,c
e
s
t
--dire
l
apr
opr
i
,
ga
l1a
l
or
squel
ava
l
e
urs
e
r
ai
nf
r
i
e
ur
e1e
npr
s
e
nc
ed
incertitudes. Il vient
a
l
or
squ
uneva
l
e
urnul
l
epourun c
oe
f
f
i
c
i
e
ntd
a
ppa
r
t
e
na
nc
ei
ndi
quequel
apos
s
i
bi
l
i
t
d
a
ppa
r
t
e
na
nc
ea
us
ous
-ensemble slectionn de la variable reprsentant la grandeur
concerne est compltement rejete.
III.2.3 Notion de sous-ensemble flou [LAU.03]

Dans la thorie classique des ensembles, un sous-ensemble A de B est dfini par une
f
onc
t
i
ond
a
ppa
r
t
e
na
nc
eA
x qui caractrise tout lment x appartenant B. Cette fonction
prend la valeur 1 si x appartient A et la valeur 0 dans le cas contraire :
1 Si x A
A
x
0 Si x A
( III .1)
En logique floue, un sous-ensemble flou A de B est dfini par une fonction

d
a
ppa
r
t
e
na
nc
eA
x pouvant prendre diffrentes valeurs comprises entre 0 et 1, selon le
de
gr
d
a
pp
a
r
t
e
na
nc
edel
me
ntx au sous-ensemble A.
A
x
0 1
III.2.4 Univers de discours [MAD.08]

L
uni
ve
r
sdedi
s
c
our
sr
e
pr
s
e
nt
el
e
ns
e
mbl
eder
r
e
nc
eoul
edomaine de variation
de la variable linguistique, ou domaine de fonctionnement du processus dans le cas de
rglage, comme illustr sur la figure (III.1) dont plusieurs sous-ensembles sont dcrits par des
f
onc
t
i
onsd
a
ppa
r
t
e
na
nc
e(
FA)t
r
i
a
ng
ul
a
i
r
e
se
tt
r
a
pzodales.
Figure III.1 : Univers de discours normalis uniforme de 3 ensembles.

72

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
III.2.5 Variable et valeur de variable linguistique [MAD.08]

La variable linguistique reprsente un phnomne ou une grandeur, par des termes
linguistiques : quelque, beaucoup, souvent , ngative, environ zro et positive ce sont les
valeurs linguistiques.
I
I
I
.
2.
6R
g
l
e
sd
i
nf
r
e
nc
e[GER.08].
Ona
ppe
l
l
er
g
l
e
sd
i
nf
r
e
nc
el
e
ns
e
mbl
ede
sdi
f
f
r
e
nt
e
sr
g
l
e
sr
e
l
i
a
ntl
e
sva
r
i
a
bl
e
s
f
l
oue
sd
e
nt
r
ed
uns
y
s
t
mea
uxva
r
i
a
bl
e
sf
l
oue
sdes
or
t
i
edec
es
y
s
t
mel
a
i
dede
s
diffrents operateurs. Ces rgles se prsentent sous la forme :
Si condition 1 ET/OU condition 2 (ET/OU...) alors action sur les sorties OU
Si condition 3 ET/OU condition 4 (ET/OU...) alors action sur les sorties OU
Si condition n ET/OU condition n+1 (ET/OU...) alors action sur les sorties.
Oupa
runema
t
r
i
c
ed
i
nf
r
e
nc
es
ousf
or
med
unt
a
bl
e
a
udonnc
i
-dessous
EZ
EZ
EZ
EZ
EZ
d/dt
Tableau III.1 : Rgles d

i
nf
r
e
nc
epourRLFT
I
I
I
.
2.
7Re
pr
s
e
nt
at
i
onde
sf
onc
t
i
onsd
a
ppar
t
e
nanc
e[GAC.97]
Onr
e
pr
s
e
nt
el
e
sva
r
i
a
bl
e
sl
i
n
g
ui
s
t
i
que
spa
rl
e
ur
sf
onc
t
i
onsd
a
ppa
r
t
e
na
nc
e
s
.Donc
chaque sous-ensemble flou Ai est associ unef
onc
t
i
ond
a
ppa
r
t
e
na
nc
e A i
x o x est la
variable linguistique. Tel que, chaque point x est associ une valeur prcise de A i
x , qui
d
s
i
g
ne
,l
ede
g
r
d
a
ppa
r
t
e
na
nc
edexAi .
Laf
onc
t
i
ond
a
ppa
r
t
e
na
nc
epe
u
t
t
r
er
e
pr
s
e
nt
e par plusieurs formes : Triangulaire,

trapzodale, sigmodale et gaussienne. On pe
utd
f
i
ni
rd
a
ut
r
e
sf
or
me
s de f
onc
t
i
ons
d
a
ppa
r
t
e
na
nc
e
,ma
i
sda
nsl
er
g
l
a
gepa
rl
og
i
quef
l
oue
,l
e
sf
or
me
sd
j cites et illustres sur
la figure (III.2) sont largement suffisantes pour dlimiter les ensembles flous.
73

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
III.2.7.1 Fonction triangulaire [GAC.97]

Elle est dfinie par trois paramtres
trois sommets.
a, b, c, qui dterminent les coordonnes des
( x) max ( min (
x a c x
,
),0)
b a c b
(III.2)
III.2.7.2 Fonction trapzodale

Elle est dfinie par quatre paramtres
quatre sommets.
a, b, c, qui dterminent les coordonnes des
( x) max ( min (
x a d x
,1 ,
),0)
b a d c
(III.3)
III.2.7.3 Fonction sigmode :

Elle est dfinie par deux paramtres
a, b,
1
( x)
1 exp( a ( x c))
(III.4)
III.2.7.4 Fonction gaussienne :

Elle est dfinie par deux paramtres
, m,
( x m) 2
( x) exp (
)
22
Figure III.2 : For

me
sde
sf
onc
t
i
onsd
appar
t
e
nanc
eus
ue
l
l
e
s
74
(III.5)

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
III.2.8 Oprations sur les ensembles flous [LAU.03]

Le
so
p
r
a
t
i
onsd
uni
on,d
i
nt
e
r
s
e
c
t
i
one
tdec
ompl
me
nt
a
t
i
onda
nsl
e
se
ns
e
mbl
e
sf
l
ous
s
ontd
f
i
ni
e
sl
a
i
dedel
e
ur
s fonctions d
a
ppa
r
t
e
na
nc
e
.
III.2.8.1 Egalit :
A
x U , f A ( x ) f B ( x ) .
(III.6)
III.2.8.2 Inclusion:
A
x U , f A ( x ) f B ( x ) .
(III.7)
III.2.8.3 Ladi
s
j
onc
t
i
onf
l
oue
,
OUouUnion :
Laf
onc
t
i
ond
a
ppa
r
t
e
na
nc
e(
Figure III.5)
A B
est dfinie, pour tout u U ,
par :
Mamdani :
Sugeno :
AB (u ) max
A (u ), B (u )
(III.8)
AB (u ) A (u ) B (u ) A (u )
B (u )
(III.9)
III.2.8.4 Lac
onj
onc
t
i
onf
l
oue
,
EToui
nt
e
r
s
e
c
t
i
on:
Laf
onc
t
i
ond
a
ppa
r
t
e
na
nc
eFigure (III.6) AB est dfinie, pour tout u U , par :
Mamdani :
AB (u ) min
A (u ), B (u )
(III.10)
Sugeno :
AB (u ) A (u )
B (u )
(III.11)
III.2.8.5 La complmentation, ngation ou inverse :

Laf
onc
t
i
ond
a
ppa
r
t
e
na
nc
eFigure (III.7) A duc
ompl
me
ntd
une
ns
e
mbl
e A est
dfinie, pour tout u U , dans les deux cas par :
A 1 A (u )
75
Figure III.3: Fonc
t
i
ond
appar
t
e
nan
c
eA
(III.12)
Figure III.4: Fonc

t
i
ond
appar
t
e
nan
c
eB
CHAPITRE III:

l
oued
unpe
ndul
ei
nve
r
s
Figure III.5 : Fonc

t
i
ond
appa
r
t
e
nan
c
ed
el
un
i
on
Figure III.6 : Fonc

t
i
ond
appar
t
e
nan
c
ed
i
nt
e
r
s
e
c
t
i
on
Figure III.7 : Operateur de complmentation de la

f
onc
t
i
o
nd
a
ppar
t
e
nan
c
eA
76

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III::
I
I
I
.
2.
9St
r
uc
t
ur
ed
unr
g
l
a
geparl
o
gi
quef
l
o
ue[BH.94].
Le contrleur par logique flou est charg de calculer chaque instant la commande
relle u (non flou) appliquer au systme afin de raliser l
obj
e
c
t
i
fdecontrle
contrle qui est
l
a
nnul
a
t
i
o
ndel
e
r
r
e
urder
g
l
a
gee y r (la sortie mesure la rfrence)
Les entres de rglage sont en gnral :
Lava
l
e
urr
e
l
l
edel
e
r
r
e
ure
Lad
r
i
v
edel
e
r
r
e
ure
r
S
OCM
RLF
Um
ym
Figure III.8 :St

r
uc
t
ur
ed
un rglage par logique floue
OCM : c
e
s
tl
or
ga
nedec
omma
nde
,S:
S c
e
s
tl
es
y
s
t
mer
g
l
e
r
.c : la grandeur de
consigne, Um : le signal de commande fournit par le RLF, U : la grandeur de commande
f
our
ni
epa
rl
OCM.V : une perturbation, Y : la grandeur rgler (ou sortie). Ym : le vecteur qui

contient les grandeurs mesures.
III.9.10 Configuration interne d'un systme d'infrence flou (SIF)

Un systme flou est un systme base de connaissances particulire
particulires, dont
l
a
r
c
hi
t
e
c
t
ur
edeba
s
ee
s
tillustre par la figure (III.9),, se compose essentiellement de quatre
modules.[LAB.98]
Figure III.9 : Ar
c
h
i
t
e
c
t
ur
ed
unc
ont
r
l
e
urparl
ogi
quef
l
oue
77
CHAPITRE III:

l
oued
unpe
ndul
ei
nve
r
s
III.2.10.1 Fuzzification
C'est le mcanisme ralisant l'interface " Numrique - Linguistique" qui permet de
transformer une grandeur gnre par un capteur l'entre en partie floue dfinie sur un
espace de reprsentation li l'entre. Du choix de cet espace de reprsentation (numrique
ou linguistique) dpend la nature de la partie floue E rsultante de la partie fuzzification. Cette
dernire peut tre un sous ensemble numrique (lment de F(X)) ou un sous ensemble flou
symbolique (lment F(L(X))). On distingue alors deux types de fuzzification respectivement
appeles fuzzification numrique et fuzzification symbolique [NAK.97].
III.2.10.1.1 Fuzzification numrique

Une fuzzification numrique transforme toute valeur numrique x de l'entre en valeur
floue numrique, c'est--dire un lment de F(X), en utilisant la fuzzification singleton ou non
singleton.
La fuzzification Singleton de la valeur x = x0 est la partie floue numrique N
x 0 dont
la fonction d'appartenance est dfinie par [BYU.98]
1 Si x x0
N x0
x
0 Si x x0
(III.13)
Dans la fuzzification non Singleton de la valeur x = x0, la fonction d'appartenance de la

partie floue numrique N
x 0 peut tre dfinie par une fonction gaussienne.
2
1 x x
N x0
x exp
(III.14)
O est paramtre qui caractrise la largeur de la fonction d'appartenance.
III.2.10.1.2 Fuzzification Symbolique [MEL.98]

Elle transforme toute valeur numrique x en une partie floue linguistique, c'est--dire un
lment de F(L(X)). Cette partie floue permis de caractriser quel point la valeur numrique
peut tre dcrite par le symbole L(X), en utilisant la description suprieure ou infrieur de
l'entre x, comme suit :
Supposons que l'ensemble des symboles relatifs l'entre x soit dfini par
L
x
N , Z , P, o N= Ngative, Z= Zro, P= Positive et que l'univers de discours associ
78

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
X, soit dfini par X

0.4 , 0.4
. La signification floue des diffrents symboles est donne
par MX. Ainsi, la figure suivante montre la description floue d'une entre x = 0.3.
M X
N
D L X
0.30 / N 0.25 / Z 0.75 / P
M X
Z
M X
P
L(X)
X
-0.4
.3
.4
(a) Signification floue des symboles
(b) Description floue de x=0.3
Figure III.10: Lien entre signification floue et description floue
III.2.10.2 Base de rgles floues

C'est une base de connaissances qui contient les rgles floues dcrivant le
comportement du systme. L'ensemble des rgles se prsente sous la forme d'une numration
de type:
- Si condition 1 et/ou condition 2 (e
t
/
ou)a
l
or
sa
c
t
i
ons
url
e
ss
or
t
i
e
s
t
/
ou)a
l
or
sa
c
t
i
ons
url
e
ss
or
t
i
e
s
t
/
ou)a
l
or
sa
c
t
i
ons
url
e
ss
or
t
i
e
s
III.2.10.3 Le moteur d'infrence flou

Il transforme l'aide des techniques de raisonnement flou, la partie floue issue de la
fuzzification en une nouvelle partie floue, afin d'valuer le degr de vrit d'une rgle i
partir des fonctions d'appartenance lies la prmisse et la conclusion. L'agrgation des n
rgles s'effectue en combinant les diffrentes rgles floues l'aide de l'oprateur Ou. En effet,
une telle numration est comprise dans ce sens:
Sic
ondi
t
i
on1e
t
/
o
uc
ondi
t
i
on2(e
t
/
ou)a
l
or
sa
c
t
i
ons
url
e
ss
or
t
i
e
s
ou
ou
Sic
ondi
t
i
on3e
t
/
o
uc
ondi
t
i
on4(e
t
/
ou)a
l
or
sa
c
t
i
ons
url
e
ss
or
t
i
e
s
Sic
ondi
t
i
on5e
t
/
o
uc
ondi
t
i
on6(e
t
/
ou)a
l
or
sa
c
t
i
ons
url
e
ss
or
t
i
e
s
79

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
III.2.10.4 Dfuzzification [MEL 98]

C'est une interface " Linguistique - Numrique" qui transforme la partie floue de
l'infrence en valeurs numriques directement exploitables par le processus. Le rsultat de
l'infrence peut tre soit une partie floue numrique, soit une partie floue symbolique. Afin
de les transformer en une valeur numrique, on aura besoin de deux types de dfuzzification:
une dfuzzification numrique 1 , et une dfuzzification symbolique 2 [MEL.98]. La figure
(III.3) montre ces deux types de dfuzzification dans le cadre de la topologie SIF [NAK.97].
Fuzzification
Infrence
F(X)
Dfuzzification
F(Y)
SIF1
Fuzzification
numrique
1
SIF2
Y
SIF3
Fuzzification
symbolique
F(L(X))
2
SIF4
F(L(Y))
Figure III.11 : Dfuzzification numrique et symbolique

Le choix de t-norme min et t-conorme T max permet de retrouver les quatre
familles SIF suivantes:
Famille SIF1,
U X , V Y
, x X , y Y ,
F
y x X
X
x T R
x, y
.
(III.15)
Famille SIF2,
U X , V L
Y
, x X , L' L
Y ,
F
L' x X
X
x T R
x, L'
.
Famille SIF3,
U L
X
, V Y
, L L
X
, y Y ,
F
y L L X
X
L T R
L, y
.
(III.16)
(III.17)
Famille SIF4,
U L
X
, V L
Y
, L L
X
, L' L
Y ,
F
L' L LX
X
L T uR
L, L'
80
(III.18)

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
III.2.10.4.1 Dfuzzification numrique

Ce type de dfuzzification 1 dans la figure (III.11) est utilis pour les familles SIF1 et
SIF3 par la mthode la plus couramment utilise dite dfuzzification par calcul centre de
gravit dont l'nonc est le suivant:
Soit F F
Y , la partie floue numrique issue de l'infrence. La valeur numrique y
produite par l'application de la mthode de centre de gravit est donne par:
y 1
F

y . y . dy
y Y
F
y . dy
si Y est continue
(III.19)
y Y
La valeur y produite par dfuzzification 1 est dfinie comme tant la coordonne y du

centre de gravit (G) de la surface situe sous F voir la figure (III.12). Cependant, son
calcul est relativement complexe puisqu'il ncessite le calcul d'une intgrale, ou d'une somme
pondre dans le cas discret.
Degr de vrit de la variable floue
F
G
Grandeur de sortie Y
y
Figure III.12: Dfuzzification par calcul du centre de gravit
III.2.10.4.2 Dfuzzification symbolique

La dfuzzification symbolique 2 dans la figure( III.3) transforme un sous ensemble
flou symbolique en une valeur numrique, en considrant la dfuzzification symbolique
comme tant la composition de deux oprations 3 et 1 , c'est--dire 2
F 1
3
F o
81

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
1 est la fonction de la dfuzzification numrique et 3 est une fonction qui transforme un

sous ensemble flou symbolique de F
L
Y en un sous ensemble flou numrique de F
Y ,
par application de la rgle compositionnelle d'infrence
y Y 3 F
y L' L
T F L' , R L' , y
Y
(III.20)
III.2.11 Les diffrents systmes d'infrence floue [GER.04] [JAN.92]

Le systme d'infrence flou est compos essentiellement de la base de rgles, de la base
de donnes (les paramtres des fonctions d'appartenance) et du raisonnement flou. Les types
les plus courants sont reprsents sur les deux figures suivantes:
Prmisse de la rgle
(
x)
(
y
)
Infrence floue Conclusion de la rgle

(min - prod)
(
z
)Min - Max
(
z
) Prod - Max
1
C'1
min
x
(
x)
1
prod
(
y
)
1
(
z
)
min 1
prod
C'1
z
(
z
)
1
C '2
C'2
Agrgation des rgles max

C'
C'
C'2
C'2
C'1
x
y
Variables d'observation
C'1
z
Centre de gravit
z
Milieu des maximums
Figure III.13: Systme d'infrence flou de Mamdani
82

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
Prmisse de la rgle
(
x)
(
y
)
Infrence floue
Conclusion de la rgle
(min-prod)
Tsukamoto Takagi-Sugeno
(
z
)
z1=f1(x,y)
w1
x
1 (
x)
(
y
)
(
z
)
w2
z2=f2(x,y)
z
w1 z1 w2 z2
/
w1 w2
x
y
Variables d'observation
z
z
moyenne pondre
Figure III.14: Systme d'infrence flou de Tsukamoto et Takagi-Sugeno

Dans la mthode de Mamdani, les prmisses et les conclusions des rgles sont floues.
L'infrence floue est ralise l'aide de l'oprateur min (minimum) ou prod (produit) et
l'agrgation des rgles l'aide de l'oprateur max (maximum). La dfuzzification est
gnralement effectue par la mthode du centre de gravit.
Pour TSUKAMOTO, la fonction d'appartenance de chaque conclusion est une fonction
monotone croissante. L'infrence floue est ralise par l'oprateur min ou prod. La sortie
numrique est une moyenne pondre des valeurs issues des fonctions monotones.
La mthode de TAKAGI-SUGENO, est trs efficace du point de vue de calcul car elle
privilgie l'analyse mathmatique, elle fonctionne bien avec les techniques linaires,
l'optimisation et les techniques dites adaptatives. L'infrence floue est ralise avec l'oprateur
min ou prod. Les conclusions des rgles sont des valeurs numriques calcules partir des
entres et la valeur finale est obtenue en effectuant une moyenne pondre des conclusions.
83

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
III.2.12 Synthse du correcteur PID classique [JAN.98] [BOU.05]

Las
or
t
i
ea
g
i
s
s
a
ntduc
or
r
e
c
t
e
urpr
opor
t
i
onne
li
nt
g
r
a
ld
r
i
vi
d
a
le
s
tl
i
el
e
r
r
e
ure
n
entre par :
t
1
de
u K c [ e
e dTd ]
Ti 0
dt
(III.21)
Avec : e w y
Puisque le correcteur flou est un correcteur numrique, alors il faut dterminer
l
qui
va
l
e
n
tdi
s
c
r
e
tduc
or
r
e
c
t
e
urPI
Dc
l
a
s
s
i
quec
ont
i
nu.Pourde
spe
t
i
t
e
sva
l
e
ur
sdel
ap
r
i
ode
d
c
ha
nt
i
l
l
onna
g
eTs , la relation (III.21) devient :
1
u k K c [ e k
Ti
e
i 1
Ts Td
e k e k 1
]
Ts
(III.22)
O uk r
e
pr
s
e
nt
el
es
i
g
na
ldec
omma
ndel
i
ns
t
a
nt
k.
III.2.12.a D
t
e
r
mi
nat
i
onde
spar
am
t
r
e
sd
adapt
at
i
ond
unc
or
r
e
c
t
e
urf
l
o
ue
nf
onction
des paramtres classique [JAN.98]
En premier lieu, il faut choisir le type de correcteur, puis en discrtisant le correcteur
c
l
a
s
s
i
queobt
e
nuond
t
e
r
mi
nel
e
sr
e
l
a
t
i
onsdonna
ntl
e
spa
r
a
m
t
r
e
sd
a
da
pt
a
t
i
onduc
or
r
e
c
t
e
ur
flou quivalent. Dans le cas d
unPI
Dnousa
vons:
GE f 1 ( K c , Ti , Td )
GCE f 2 ( K c , Ti , Td )
GU f 3 ( K c , Ti , Td )
Avec K c , Ti , et Td s
ontl
e
spa
r
a
m
t
r
e
sd
unc
or
r
e
c
t
e
urc
l
a
s
s
i
que
,e
tGCE,GEe
tGU
s
ontl
e
spa
r
a
m
t
r
e
sd
a
da
pt
a
t
i
onduc
o
r
r
e
c
t
e
urf
l
ou.Da
nsc
e
t
t
es
e
c
t
i
on,nousa
l
l
onspr
s
e
n
t
e
r
ces relations de passage pour les diffrents types de correcteur.
84

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
III.2.12.1 Correcteur proportionnel flou (FP)

Ce type de correcteur est donn par la figure (III.15):
E
GE
+
GU
PLANT
Figure III.15:St
r
uc
t
ur
ed
unr
gul
at
e
urf
l
out
y
peP
L
e
nt
r
edu c
or
r
e
c
t
e
ure
s
tl
e
r
r
e
ur
, la sortie est le signal de commande u. Ce
c
or
r
e
c
t
e
urpos
s
dede
uxpa
r
a
m
t
r
e
sd
a
da
pt
a
t
i
ons(
ga
i
ns
)GEe
tGU.Ons
y
mbol
i
s
el
es
i
g
na
l
avant le gain par une lettre minuscule et aprs le gain par une lettre majuscule, par exemple
E = GE e.
Le signal de commande u k , est une fonction non linaire en fonction de ek :
uk f ( GE . ek ) . GU
(III.23)
Par des choix judicieux au niveau de la structure interne du correcteur flou, on peut
e
mpl
oy
e
rl
a
ppr
oxi
ma
t
i
onl
i
n
a
i
r
edef comme suit [JAN.98] :
f ( GE . ek ) GE . ek
(III.24)
La relation (III.23) devient :

uk GE . ek . GU GE . GU . ek
(III.25)
Da
ns l
ec
a
s d
un c
or
r
e
c
t
e
ur pr
opor
t
i
onne
lc
l
a
s
s
i
que l
as
or
t
i
ea
gi
s
s
a
nt
ee
s
t
pr
opor
t
i
onn
e
l
l
el
e
r
r
e
ure
ne
nt
r
e:
uk K c . ek
(III.26)
Ces deux dernires relations donnent :

GE . GU K c
(III.27)
85

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
III.2.12.2 Correcteur proportionnel drive flou (FPD)

Le correcteur proportionnel driv a comme entre :l
e
r
r
e
ure et sa drive de
illustr par la figure (III.16):
E
GE
+
du /dt
GCE
DE
GU
PLANT
Figure III.16:St
r
uc
t
ur
ed
unr
gul
at
e
urf
l
out
y
pePD
Dans ce cas le signal de commande uk est une fonction non linaire en fonction de
l
e
r
r
e
ure e
tl
ad
r
i
v
edel
e
r
r
e
urde , u k est donn comme suit :
uk f (GE . ek , GCE . dek ) . GU
(III.28)
Dem
meunc
hoi
xdes
t
r
uc
t
ur
ei
nt
e
r
nepe
utc
ondui
r
ee
mpl
oy
e
rl
a
ppr
oxi
ma
t
i
o
n
linaire de f comme suit :
uk (GE . ek GCE . dek ) . GU
(III.29)
e e
Avec dek k k 1 .
Ts
Ce qui donne :
GCE ek ek 1
uk GE . GU . (ek
.
)
GE
Ts
(III.30)
Da
nsl
ec
a
sd
uncorrecteur proportionnel driv classique la relation (III.22) donne :
e e
uk K c .
ek Td . k k 1
Ts
(III.31)
86

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III::
Par identification les deux dernires relations donnent :

GE . GU K c
(III.32)
GCE
Td
GE
(III.33)
III.2.12.3 Correcteur flou proportionnel

roportionnel intgral (FPI)
Le correcteur proportionnel intgral a comme entres :l
e
r
r
e
ure , sa drive de
e
tl
i
nt
gr
a
ldel
as
or
t
ie comme commande, voire la figure (III.17):
GE
+
du /dt
PLANT
GCU
GCE
DE
Figure III.17:
:St
r
uc
t
ur
ed
unr
gul
at
e
urf
l
out
y
pePI
Pour ce type de correcteur le signal de commande u k est dtermin en incrmentant la
va
l
e
urdel
ac
omma
ndel
i
ns
t
a
ntk 1 par la variation uk , comme suit :
uk uk 1 uk
(
I
I
I
.
3
)
Avec la relation (III.22)) pour Td 0 on a :
uk uk uk 1 K c .
e
.
e
.
T
k
k
1
k
s
T
i
(III.35)
Dans ce cas le signal de commande u k est la somme des incrments prcdents :

k
uk ui . GCU . Ts
(III.36)
i 1
87

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III::
Unc
hoi
xj
ud
i
c
i
e
uxpourl
as
t
r
uc
t
ur
ei
nt
e
r
nepe
r
me
td
c
r
i
r
el
a
ppr
oxi
ma
t
i
onl
i
n
a
i
r
e
suivante :
k
uk ( Ei DEi ) . GCU . Ts
i 1
e e
GCU .
GE . ei GCE . i i 1 . Ts
Ts
i 1
(III.37)
k
k
GCU
GE . ei . Ts GCE . (ei ei 1 )
i 1
i 1
GE k
GCE . GCU .
. ei . Ts ek
GCE i 1
Da
nsl
ec
a
sd
unc
or
r
e
c
t
e
urpr
opor
t
i
onne
li
nt
g
r
a
lc
l
a
s
s
i
quel
ar
e
l
a
t
i
on(
III.22
22) donne :
1 k
uk K c .
ek . ei . Ts
Ti i 1
(III.38)
Par identification les deux dernires relations donnent :

GCE . GCU K c
(III.39)
GE
1
GCE Ti
(III.40)
III.2.12.4 Correcteur flou proportionnel intgral drive (FPID)

Le correcteur proportionnel intgral driv flou a trois entres :l
e
r
r
e
ur, sa drive et
son intgrale, donn par la figure (III.1
III.18).
GE
f +
GU
du /dt
GCE DE
1/s
PLANT
+
GIE
IE
Figure III.18:: S
t
r
uc
t
ur
ed
unr
gul
at
e
urf
l
out
y
pePI
D
L
a
va
nt
a
gedec
e
tte structure de commande base sur le moteur flou proportionnel
drive, e
s
tqu
i
le
s
tpos
s
i
bl
edec
ons
t
r
ui
r
eunc
or
r
e
c
t
e
urdet
y
pePI
Ds
a
nsa
voi
rc
a
l
c
ul
e
rl
a
88

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
d
r
i
v
es
e
c
o
ndedel
e
r
r
e
ur
,quir
i
s
q
u
e
r
a
i
td
a
mpl
i
f
i
e
rdef
a
ont
r
opi
mpor
t
a
nt
el
ebr
ui
tde
mesure.
La sortie du correcteur est ainsi une fonction non linaire des trois entres, u k est donne
comme suit :
k
uk f (GE . ek , GCE . dek ) GIE . ei . Ts . GU

i 1
(III.41)
L
a
ppr
oxi
ma
t
i
onl
i
n
a
i
r
edef est:
k
(e ek 1 )
u k
GE . ek GCE . k
GIE . ei . Ts . GU
Ts
i
1
k
GIE
GCE ek ek 1
GE . GU
ek
. ei . Ts
.
GE
Ts
GE i 1
(III.42)
Par identification de la relation (III.42) avec la relation (III.22), on trouve :

GE . GU K c
(III.43)
GCE
Td
GE
(III.44)
GIE 1
GE Ti
(III.45)
III.2.12.5 Relation de passage

Le tableau (III.2) r
s
umel
e
sr
e
l
a
t
i
onsdonna
ntl
e
spa
r
a
m
t
r
e
sd
a
da
pt
a
t
i
on d
un
c
or
r
e
c
t
e
urf
l
oue
nf
onc
t
i
onde
spa
r
a
m
t
r
e
sd
unc
or
r
e
c
t
e
urPI
Dc
l
a
s
s
i
que:
Correcteur flou
Correcteur PID classique

Kc
1
Ti
Td
FP
GE.GU
FPI
GCE.GCU
GE/GCE
GCE/GU
FPD
GE.GU
FPID
GE.GU
GIE/GE
GCE/GE
Tableau III.2 : Relation entre les gains flous et classiques.

89
CHAPITRE III:

l
oued
unpe
ndul
ei
nve
r
s
III.2.13 R
gl
a
ged
unc
ont
r
l
e
urflou [BH.94][NAK.97]
Un contrleur flou possde de nombreux paramtres de rglage, ce qui peut, priori,
effrayer ses utilisateurs potentiels. En effet, contrairement aux contrleurs classiques, le
contrleur flou possde un nombre plus consquent de paramtres, qui lui offre, davantage de
degrs de libert.
On peut distinguer parmi les choix et les rglages faire :
L
e
xpr
e
s
s
i
onde
sr
g
l
e
s
,
La dfinition des variables et des valeurs linguistiques,
Lam
t
hoded
i
mpl
i
c
a
t
i
one
tl
am
t
hoded
i
nf
r
e
nc
e
,
La mthode de dfuzzification,
Le
sf
a
c
t
e
ur
sd
c
he
l
l
es
url
e
se
nt
r
e
se
tl
e
ss
or
t
i
e
sduc
ont
r
l
e
ur
.
Cependant, on constate une certaine insensibilit du rsultat au choix des mthodes
d
i
mpl
i
c
a
t
i
on,d
i
nf
r
e
nc
ee
tded
f
u
z
z
i
f
i
c
a
t
i
on.Pourl
e
sa
ut
r
e
spa
r
a
m
t
r
e
s
,un r
g
l
a
ge
squentiel est possible.
III.2.14 Avantages et dsavantages du rglage par la logique floue :

Evi
de
mme
nt
,l
er
gl
a
gepa
rl
og
i
quef
l
ouer
uni
tunc
e
r
t
a
i
nnombr
ed
a
va
nt
a
g
e
s et de
dsavantages. Les avantages essentiels sont [HAN 94] :
La nonn
c
e
s
s
i
t
d
unemod
l
i
s
a
t
i
on(
c
e
pe
nda
nt
,i
lpe
ut
t
r
eut
i
l
ededi
s
pos
e
rd
un
modle convenable).
La matrise du systme rgler avec un comportement complexe (fortement non
linaire et difficile modliser).
L
obt
e
nt
i
onf
r
que
nt
edeme
i
l
l
e
ur
e
spr
e
s
t
ations dynamiques (rgulateur non linaire).
La disponibilit de systme de dveloppement efficace, soit pour microprocesseur ou
PC (solution logicielle), soit pour circuit intgrs (processeurs ddicacs, fuzzy processors).
Par contre les dsavantages sont :
Lema
nquededi
r
e
c
t
i
ve
spr
c
i
s
e
s pourl
ac
onc
e
pt
i
on d
un r
g
l
a
g
e(
c
hoi
x de
s
grandeurs mesurer, dtermination de la fuzzification, des infrences et de la dfuzzification).
L
a
ppr
oc
hea
r
t
i
s
a
na
l
ee
tnon s
y
s
t
ma
t
i
que(
i
mpl
me
nt
a
t
i
on de
sc
onna
i
s
s
a
nc
e
sde
l
op
r
a
t
e
ur
, est souvent difficile).
L
i
mpos
s
i
bi
l
i
t
del
ad
mons
t
r
a
t
i
ondel
as
t
a
bi
l
i
t
duc
i
r
c
ui
tder
g
l
a
g
ee
nt
out
e
g
n
r
a
l
i
t
(
e
nl
a
bs
e
nc
ed
unmod
l
eva
l
a
bl
e
)
.
La prcision de rglage souvent peut lever.
La cohrence des infrences non garantie pr
i
or
i(
a
ppa
r
i
t
i
onder
g
l
e
sd
i
nf
r
e
nc
e
contradictoires possible).
90
CHAPITRE III:

l
oued
unpe
ndul
ei
nve
r
s
III.2.15 Application de la commande floue sur le pendule invers

III.2.15.1. Analyse du problme
L
obj
e
tdenot
r
et
r
a
va
i
lc
ons
i
s
t
ea
s
s
ur
e
rl
as
t
a
bi
l
i
t
ve
r
t
i
c
a
l
edupe
ndul
ei
nve
r
s
eda
ns
uns
y
s
t
mer
e
l
.Pourc
e
l
a
,i
le
s
tn
c
e
s
s
a
i
r
edeg
r
e
rl
qui
l
i
br
eve
r
t
i
c
a
ldubr
a
sdupe
ndul
ee
n
tenant compte de la position du chariot sur son rail de guidage dont les dimensions
m
c
a
ni
que
ss
ontf
i
x
e
s
.En e
f
f
e
t
,s
il
apos
i
t
i
on n
e
s
tpa
sma
t
r
i
s
e
,s
e
sva
r
i
a
t
i
onsqui
c
ont
r
i
bue
ntl
qui
l
i
br
edubr
a
svonte
nt
r
a
ne
rl
a
c
t
i
va
t
i
onde
sbut
e
sdef
i
ndec
ou
r
s
e
,
limitant ainsi le dplacement du chariot. Cette d
t
e
c
t
i
ond
unede
sbut
e
s
,s
oi
tdr
oi
t
es
oi
t
g
a
uc
he
,pr
ovoquea
l
or
sl
ac
oupur
edel
a
l
i
me
nt
a
t
i
ondumo
t
e
urd
e
nt
r
a
ne
me
ntduc
ha
r
i
ot
,
doncc
hut
ed
upe
ndul
e
,i
nt
e
r
r
ompa
ntdec
ef
a
i
tl
e
xp
r
i
e
nc
e
.
Enc
o
ns
que
nc
e
,i
li
mpor
t
ed
e
f
f
e
c
t
ue
runec
ommande du moteur la fois en fonction
del
a
ng
l
edubr
a
sdupe
ndul
ema
i
sa
us
s
idel
apos
i
t
i
onduc
ha
r
i
ot
,doncd
a
s
s
ur
e
rl
qui
l
i
b
r
e
du pendule pour une consigne de position de donne.
III.2.15.2. Structure de la commande floue
III.2.15.2.1. Enonc de la mthode
Lac
omma
ndef
l
ouer
e
pos
es
url
l
a
bor
a
t
i
onder
g
l
e
sd
c
r
i
va
ntl
ef
onc
t
i
onne
me
ntdu
pe
ndul
e
.Unr
a
i
s
onne
me
ntphy
s
i
quea
p
pl
i
qul
qui
l
i
br
edubr
a
sdupe
ndul
e
,a
na
l
og
uel
a
stabilit ve
r
t
i
c
a
l
ed
unb
t
onda
nsl
apa
umedel
ama
i
n,n
c
e
s
s
i
t
el
ut
i
l
i
s
a
t
i
oni
mpl
i
c
i
t
ede
deux informations, savoir :
Lad
vi
a
t
i
ondel
a
ng
l
e
.
La vitesse de la dviation del
a
ng
l
e
.
Da
nsc
er
a
i
s
onne
me
nt
,l
apos
i
t
i
onduc
ha
r
i
otn
e
s
tpa
spr
i
s
ee
nc
ompt
ea
l
or
sques
on
contrle est impratif pour les raisons rappeles prcdemment. Aussi, pour assurer sa gestion
t
oute
nc
ont
r
l
a
nte
f
f
i
c
a
c
e
me
ntl
qui
l
i
br
edubr
a
sunepos
i
t
i
ondonn
educhariot, nous
ut
i
l
i
s
e
r
onsc
ommeda
nsl
ec
a
sdel
a
ng
l
ede
uxi
nf
or
ma
t
i
onsdum
met
y
pe
.
91
CHAPITRE III:

l
oued
unpe
ndul
ei
nve
r
s
III.2.15.2.2. Choix des lments des rgulateurs flous

III.2.15.2.2.1. Choix de la forme des classes
Pour permettre une commande progressive et non pas par paliers, la forme triangulaire
s
e
mbl
epr
r
a
bl
epourt
out
e
sl
e
sc
l
a
s
s
e
sde
sva
r
i
a
bl
e
sd
e
nt
r
ee
tdes
or
t
i
e
,c
equipe
r
me
t
galement de simplifier les calculs.
)
III.2.15.2.
2.
2.D
f
i
ni
t
i
onde
sr
r
e
nt
i
e
l
spourl
e
squat
r
evar
i
abl
e
sd
e
nt
r
e
s ( x, x
,,
Da
nsl
ebutd
e
f
f
e
c
t
ue
rl
at
r
a
ns
f
or
ma
t
i
onnum
r
i
ques
y
mbol
i
que
,i
le
s
tn
c
e
s
s
a
i
r
ede
c
onna
t
r
el
apl
a
g
edeva
r
i
a
t
i
onr
e
l
l
edec
ha
quegr
a
nde
urd
e
nt
r
ea
f
i
nd
yf
a
i
r
ec
or
r
e
s
pondr
e
son ensemble flou, ce dernier tant lui-mme divis en sous-ensembles flous. Nous avons
donc dfini 5 sous-ensembles flous (ou classes) respectivement nomms : Grand Ngatif
(GN), Petit Ngatif (PN), Zro (ZR), Petit Positif (PP), Grand Positif (GP).
Ecart de position
Il est calcul par diffrence entre la consigne de position et la mesure de position relle
duc
ha
r
i
otpa
rr
a
ppor
ta
uc
e
nt
r
edel
a
xedeg
ui
da
g
e
.Le
sl
i
mi
t
e
sphy
s
i
que
sdel
a pos
i
t
i
ondu
chariot sont comprises entre 50c
me
t50c
m.Lec
ons
t
r
uc
t
e
urdupe
ndul
enes
t
i
pul
equ
un
cart de position de 40 cm qui ne doit pas tre dpass car la commande correspondante
entrane une inclinaison du bras du pendule, ce qui provoque un arrt du programme de
commande du pendule.
Ma
l
g
r
c
e
t
t
es
p
c
i
f
i
c
a
t
i
onduc
ons
t
r
uc
t
e
ur
,l
apl
a
g
ed
c
a
rt de position a t largie
100 cm en valeur absolue voire la figure (III.19).
Vitesse linaire
Il est trs difficile, voire impossible sans exprimentation, de dterminer les examens
de la vitesse linaire. Nanmoins des mesures ont t effectues pour un chelon de tension
maximale de la commande du moteur. La variation maximale de tension, correspondant la
variation maximale de vitesse du chariot entre deux intervalles de temps conscutifs, est de
l
or
dr
ede1m/
s
.
92

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
ZR
PP
GN
GP
PN
1
0.9
0.8
0.8
Fonction d'eappartenance V
Fonction d'eappartenance X
PN
1
0.9
0.7
0.6
0.5
0.4
0.3
0.4
0.3
0.1
-0.4
-0.2
0
0.2
Deplacement X (m)
0.4
0.6
0.8
0
-1
GP
0.5
0.2
-0.6
GN
0.6
0.1
-0.8
PP
0.7
0.2
0
-1
ZR
-0.8
-0.6
-0.4
-0.2
0
0.2
Vitesse dX (m/s)
0.4
0.6
0.8
Figure III.19: Dfinition des classes de position et de vitesse du chariot

Ecart angulaire
Il est calcul par diffrence entre la consigne angulaire et l
i
nc
l
i
na
i
s
onpr
i
s
e pa
rl
e
br
a
sdupe
ndul
e
.Le
sl
i
mi
t
e
sphy
s
i
qu
e
sdel
ame
s
ur
edel
a
ng
l
esont fixes entre -20 et +20
degrs; limite de commutation entre les deux contrleurs une f
oi
sl
edoma
i
ned
a
t
t
r
a
c
t
i
one
s
t
atteint.
Vitesse angulaire
Comme pour la vitesse linaire, nous avons fix les limites de la vitesse angulaire. Soit
une vitesse angulaire entre -1 et +1 rad/s.
ZR
PP
GN
GP
PN
1
0.9
Fonction d'eappartenance dTheta
Fonction d'eappartenance Theta
PN
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
-1
ZR
PP
GN
GP
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
-0.8
-0.6
-0.4
-0.2
0
0.2
Angle Theta (rad)
0.4
0.6
0.8
0
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
Vitesse Anglaire dTheta (rad/s)
0.6
0.8
Figure III.20: Dfinition des classes de position et de vitesse angulaire du pendule
III.2.15.2.3. Dfinition des rfrentiels pour les variables de sortie des deux rgulateurs
Les deux grandeurs de sortie, exprimes sous forme symbolique convertir en valeur
numrique sont les deux tensions de commande moteur fournies par les deux rgulateurs. La
forme des classes sera triangulaire et trapzodale, mme le nombre de sous-ensembles flous
reste cinq.
93

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
Tension de commande du moteur
L
e
ns
e
mbl
ef
l
oudec
e
t
t
eg
r
a
nde
urdoi
ts
a
da
pt
e
rl
ac
a
r
a
c
t
r
i
s
t
i
quede
ma
nd
epa
rl
e
constructeur, soit une tension voluant entre 0 et +5 V ncessaire pour attaquer l
t
a
g
ede
puissance du moteur.
F o n c t io n d 'a p p a rt e n a n c e d e s d e u x s o rt ie
1
PN
ZR
PP
GN
GP
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
-2.5
-2
-1.5
-1
-0.5
0
Commmande (V)
0.5
1.5
2.5
Figure III.21: Dfinition des classes de la consigne de commande (V)
III.2.15.2.4.Tableaux de rgles
L
ut
i
l
i
s
a
t
i
on dede
ux r
g
ul
a
t
e
ur
ss
t
r
uc
t
ur
e
l
l
e
me
nti
de
nt
i
que
s
,
l
a
bor
a
ntc
ha
c
un une
c
omma
ndee
ns
or
t
i
e
,i
mpos
el
ad
f
i
ni
t
i
ond
unj
e
uder
g
l
e
sd
c
r
i
va
ntr
e
s
pe
c
t
i
ve
me
ntl
e
fonctionnement de chacun.
La base de connaissance dec
ha
q
u
ec
ont
r
l
e
urf
l
oupe
ut
t
r
es
y
nt
h
t
i
s
es
ousf
or
med
un
tableau de rgles o chaque rgle associe sous forme conditionnelle les tats des variables
d
e
nt
r
e
s une caractristique de la variable de sortie. Comme chacune des deux entres est
fuzzifie en cinq classes, on obtient un jeu de 25 rgles.
Les rgles du premier contrleur se dduisent des observations faites prcdemment

c
e
s
t
--di
r
e
,l
or
s
quel
ec
ha
r
i
ote
s
ts
i
t
uga
uc
hedel
ac
ons
i
g
ne
,l
c
a
r
tde position est positif
e
ts
i
ls
ed
pl
a
c
eda
nsl
am
medi
r
e
c
t
i
on,a
l
or
si
lf
a
uti
nc
l
i
ne
rl
epe
ndule vers la droite. Le
tableau(III.3) prsente les rgles du premier rgulateur.
94

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
x GN
PN
ZR
PP
GP
GN
ZR
PP
GP
GP
GP
PN
PN
ZR
PP
GP
GP
ZR
GN
PN
ZR
PP
GP
PP
GN
GN
PN
ZR
PP
GP
GN
GN
GN
PN
ZR

i
nf
r
e
nc
epourRLFX
GN
PN
ZR
PP
GP
GN
GN
GN
GN
PN
ZR
PN
GN
GN
PN
ZR
PP
ZR
GN
PN
ZR
PP
GP
PP
PN
ZR
PP
GP
GP
GP
ZR
PP
GP
GP
GP

i
nf
r
e
nc
epourRLFT
Les rgles du second rgulateur grant la stabilisation du bras sont simples laborer.
Par exemple, si le bras tombe vers la gauche trs rapidement alors le chariot doit se dplacer
t
r
svi
t
eve
r
sl
ag
a
uc
hepourr
t
a
bl
i
rl
qui
l
i
br
e
.Ce
c
ipe
uts
e traduire par une rgle exprime
sous la forme conditionnelle suivante :
Sil
a
ng
l
et
t
ae
s
tt
r
sn
g
a
t
i
f
,e
nt
r
a
na
ntun
c
a
r
ta
ng
ul
a
i
r
et
r
spos
i
t
i
fe
tquel
ava
r
i
a
t
i
on
angulaire est aussi trs ngative alors la force applique au chariot doit tre trs grande et
dirige vers la gauche donc trs ngative.
III.2.15.2.
5.Lemot
e
urd
i
nf
r
e
nc
e
Lal
oidec
ompos
i
t
i
onMAX MI
Ne
s
tut
i
l
i
s
ed
unepa
r
tpour
l
i
r
el
e
sr
g
l
e
sa
umoy
e
n
dut
a
bl
e
a
uc
or
r
e
s
ponda
nte
td
a
ut
r
epa
r
tpourf
a
i
r
el
a
g
r
g
a
tion des rsultats flous de la
variable de sortie associe ce tableau.
95

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
III.2.15.2.6. La transformation symbolique numrique

La mthode du centre de gravit simplifie a t choisie pour sa rapidit de calcul sans
compromettre la prcision du rsultat.
Pour satisfaire une mise au point plus conviviale de cette commande floue, un facteur
d
c
he
l
l
ee
s
ta
f
f
e
c
t
c
ha
queva
r
i
a
bl
ed
e
nt
r
ee
tdes
or
t
i
e
.Ce
sdi
f
f
r
e
nt
sf
a
c
t
e
ur
sd
c
he
l
l
e
sont entrs au clavier lors d
unepha
s
ed
i
ni
t
i
a
l
i
s
a
t
i
onqu
ils sont synthtiss partir des
pa
r
a
m
t
r
e
sd
uncorrecteur PID classique donn par le constructeur pour affecter les sousensembles flous de chaque variable.
Gains de normalisation :
GE1 0.08 ; GCE1 0.25 ; GIE1 0.001
GE2 1
; GCE2 0.2 ; GIE2 0.01
Gains des commandes :
GU 1 30.6
GU 2 47.6
A partir de cette tape du travail, nous pouvons prsenter les rsultats de simulation
de la mthode de commande floue du pendule notre disposition.
III.2.15.6 Rsultats de simulation
0.5
Angle(rad)
Position(m)
0.5
10
15
20
Temps (s)
25
-0.5
30
Vitesse angulaire (rad/s)
-0.5
1
0
-1
-2
10
15
20
Temps (s)
25
30
10
15
20
Temps (s)
25
30
10
15
20
Temps (s)
25
30
0.5
0
-0.5
-1
Figure III.22:Rsultats de simulation de stabilisation du pendule par la commande floue

La figure ci-dessus r
e
pr
s
e
nt
el
vol
ut
i
onr
e
s
pe
c
t
i
vedel
apos
i
t
i
one
tvi
t
e
s
s
educ
ha
r
i
ot
pa
rr
a
ppor
tl
ac
ons
i
g
nea
i
ns
iquec
e
l
l
edel
a
ng
l
ee
tde vitesse angulaire du pendule par
rapport la verticale par un rgulateur Mamdani 25 rgles.
96

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
0.5
Angle (rad)
Position (m)
0.5
10
15
20
Temps (s)
25
30
35
-0.5
40
Vitesse du Pendule (rad/s)
Vitesse du Chariot (m/s)
-0.5
1
0
-1
-2
10
15
20
Temps (s)
25
30
35
40
10
15
20
Temps (s)
25
30
35
40
10
15
20
Temps (s)
25
30
35
40
0.5
0
-0.5
-1
Commande (V)
1
0
-1
-2
-3
10
15
20
Temps(s)
25
30
35
40
Figure III.23.a: visualisati

ond
unepour
s
ui
t
e
c
he
l
on
A n g le (ra d )
0
-1
10
20
30
40
50
Temps(s)
60
70
80
10
20
30
40
50
Temps(s)
60
70
80
0
-0.2
90
-5
0.2
V it e s s e d u p e n d u le (ra d / s )
V it e s s e d u C h a rio t (m / s )
P o s itio n (m )
90
10
20
30
40
50
Temps(s)
60
70
80
90
10
20
30
40
50
Temps(s)
60
70
80
90
2
0
-2
Commande (v)
-5
10
20
30
40
50
60
70
80
90
Temps (s)
Figure III.23.b: visualisati

ond
unepour
s
ui
t
er
e
c
t
angul
ai
r
e
Les deux figures ci-dessusr
e
pr
s
e
nt
e
ntl
vol
ut
i
ondel
apour
s
ui
t
edepos
i
t
i
ondu
chariot par rapport la consigne chelon et rectangulaire respectivement par un rgulateur
Mamdani 25 rgles.
Perturbations appliques
Une des manires possibles de vrifier la stabilit verticale du pendule consiste
appliquer une force latrale sur la mass
evi
s
s
el
e
xt
r
mi
t
dubras afin de visualiser si
l
qui
l
i
br
ee
s
tr
t
a
bl
i
. Les mesures concernant cette exprimentation sont reprsentes sur la
figure ci-dessous :
97

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
Angle (rad)
Position (m)
0.5
0
10
15
20
Temps(s)
25
30
1
0
-1
-2
10
15
20
Temps(s)
25
30
0.1
0
-0.1
35
Vitesse du pendule (rad/s)
-0.5
0.2
35
10
15
20
Temps(s)
25
30
35
10
15
20
Temps(s)
25
30
35
0.5
0
-0.5
-1
Commande (V)
2
0
-2
-4
10
15
20
25
30
35
Temps (s)
Figure III.24 : visualisation des perturbations

III.2.15.4 Interprtation des rsultats de simulation
1. D
a
pr
sl
e
sr
s
ul
t
a
t
sde la figure (III.22), on constate :
Le temps de rponse est de 4 Sec.
Lac
o
mma
nden
e
s
tpa
s
ne
r
g
t
i
quee
tr
a
l
i
s
a
bl
epr
a
t
i
que
me
nt
.
Le dplacement du chariot ne dpasse pas les limites physiques.
2. Dans les figures (III.23)l
ec
a
sd
une poursuite rfrence chelon ou rectangulaire
impose au chariot, nous notons :
La stabilisation du pendule avec des petites oscillations dues la trajectoire du chariot.
La bonne poursuite des deux rfrences sans dpassement des limites.
Commande acceptable et ralisable pratiquement.
La tolrance des dynamiques des sous systmes pendule et chariot.
3. Quand une perturbation a t applique sur le pendule, le chari
ots
e
s
td
pl
a
c
de20
cm avec une dviation angulaire de 0,075 rad (environ 4 degr), et un temps suprieur 2
secondes pour retrouver le rgime stable voir figure (III.24). Ce qui confirme la robustesse et
la performance de cette commande.
Nous somme donc en mesure maintenant de transposer cette commande floue sur
notre dispositif afin de raliser un systme de commande autonome tout en amliorant le
fonctionnement du point de vue rapidit et rsistance de la commande aux perturbations
d
or
i
gines diverses.
98

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
III.2.15.5 Implmentation de la commande floue

Lor
sdel
i
mpl
me
nt
a
t
i
on,onadua
da
pt
e
rl
a
l
g
or
i
t
hmedec
omma
ndepourde
sr
a
i
s
ons
et des limitations pratiques a
f
i
nd
ob
t
e
ni
rl
e
sr
s
ul
t
a
t
sd
s
i
r
s
,e
nl
oc
c
ur
r
e
nc
eles facteurs
d
c
he
l
l
es
ur les entres et les sorties des contrleurs, le nombre de classes et de rgles.
Fuzzification
Le rgulateur flou utilis est de type Mamdani. Les formes des fonctions
Fonction d'appartenance V
0.6
0.4
0.2
0
-0.5
-0.4
-0.3
-0.2
NP
Fonction d'appartenance Theta
ZR
NP
PP
0.8
-0.1
0
0.1
Deplacement X(m)
ZR
PP
0.2
0.3
GN
0.4
GP
1
0.8
0.6
0.4
0.2
0
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
Angle Theta (rad)
0.4
0.6
0.8
0.8
0.6
0.4
0.2
0
-1.5
0.5
Fonction d'appartenance dTheta
Fonction d'appartenance X
d
a
ppa
r
t
e
nance sont triangulaires et trapzodales voir figure (III.25).
-1
-0.5
0
Vitesse dX (m/s)
0.5
1.5
1
0.8
0.6
0.4
0.2
0
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
Vitesse Anglulaire dTheta (rad/s)
0.6
0.8
Figure III.25: Fonc

t
i
onsd
ap
p
ar
t
e
nanc
ede
se
nt
r
e
spourl
ac
ommandef
l
oue
Tableaux de rgles
Les dsignations restent les mmes que les prcdentes donnes la section (III.2.15.2).
Lam
t
hod
ed
i
nf
r
e
nc
eut
i
l
i
s
ea
f
i
ndet
i
r
e
rl
es conclusions est la mthode max-min, du fait
qu
e
l
l
ee
s
tf
a
c
i
l
ei
mpl
a
nt
e
re
tdonnedebonsr
s
ul
t
a
t
s
. Les bases de rgles sont donnes par
l
e
st
a
bl
e
a
ux(
I
I
I
.
5)e
t(
I
I
I
.
6)del
apos
i
t
i
onduc
ha
r
i
ote
tl
a
ng
l
edupe
ndul
er
e
s
pe
c
t
i
ve
me
nt
.
x PN
ZR
PP
PN
ZR
PP
GP
ZR
PN
ZR
PP
PP
GN
PN
ZR

i
nf
r
e
nc
epourRLFX
99

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
GN
PN
ZR
PP
GP
GN
GN
GN
GN
PN
ZR
PN
GN
GN
PN
ZR
PP
ZR
GN
PN
ZR
PP
GP
PP
PN
ZR
PP
GP
GP
GP
ZR
PP
GP
GP
GP

i
nf
r
e
nc
epourRLFT
Dfuzzification
utilise pour la dfuzzification reste inchange, i
ls
a
g
i
tde l
a
La mthode
d
f
uz
z
i
f
i
c
a
t
i
onpa
rc
e
nt
r
edeg
r
a
vi
t
.Le
sf
onc
t
i
onsd
a
ppa
r
t
e
na
nc
edel
as
or
t
i
eU sont des
formes triangulaires et trapzodales voir figure (III.26)
F o n c t io n d 'a p p a rt e n a n c e d e s d e u x s o rt ie
1
PN
ZR
PP
GN
GP
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
-2.5
-2
-1.5
-1
-0.5
0
Commmande (V)
0.5
1.5
2.5
Figure III.26: Fonctions d

a
ppar
t
e
nanc
epourl
ac
ommandes
t
abi
l
i
s
ant
e
GE1 0.5
GE2 1
; GCE1 0.5
; GCE2 1
GU1 23
GU 2 25
100

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
III.2.15.6 Rsultats exprimentaux
Position (m)
0.4
0.2
0
-0.2
10
15
Temps (s)
20
25
30
10
15
Temps (s)
20
25
30
10
15
Temps (s)
20
25
30
Angle (rad)
0.3
0.2
0.1
0
Commande (V)
-0.1
2
0
-2
Figure III.27 : Rsultat de stabilisation flou exprimental pour condition initiale (0, 0, 0.3, 0)
Position (m)
0.5
-0.5
10
20
30
40
50
60
70
40
50
60
70
40
50
60
70
Temps (s)
Angle (rad)
0.3
0.2
0.1
0
-0.1
0
10
20
30
Temps (s)
Commande (V)
4
2
0
-2
-4
10
20
30
Temps (s)
Figure III.28: Rsultat de poursuite rectangulaire flou exprimental pour condition initiale
(0,0, 0.3, 0)
Position (m)
0.5
-0.5
10
15
20
Temps (s)
25
30
35
40
10
15
20
Temps (s)
25
30
35
40
10
15
20
Temps (s)
25
30
35
40
Angle (rad)
0.3
0.2
0.1
0
-0.1
Commande (V)
4
2
0
-2
-4
Figure III.29 Rsultat de poursuite chelon exprimental pour condition initiale (0.3, 0, 0, 0)
101

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
Position (m)
0.5
-0.5
10
15
20
Temps (s)
25
30
35
40
10
15
20
Temps (s)
25
30
35
40
10
15
20
Temps (s)
25
30
35
40
Angle (rad)
6
4
2
0
Commande (V)
4
2
0
-2
-4
Figure III.30 Rsultat exprimental pour redressement et stabilisation
Position (m)
0.5
-0.5
10
15
20
Temps (s)
25
30
35
40
10
15
20
Temps (s)
25
30
35
40
10
15
20
Temps (s)
25
30
35
40
Angle (rad)
6
4
2
0
Commande (V)
-5
Figure III.31 Rsultat exprimental pour redressement et stabilisation avec perturbation

e
x
t
e
r
nel
i
ns
t
antt
=28s
.
Position (m)
0.5
-0.5
10
20
30
40
Temps (s)
50
60
70
80
10
20
30
40
Temps (s)
50
60
70
80
10
20
30
40
Temps (s)
50
60
70
80
Angle (rad)
6
4
2
0
Commande (V)
4
2
0
-2
-4
Figure III.32 Rsultat exprimental pour redressement et stabilisation avec une poursuite
102
CHAPITRE III:

l
oued
unpe
ndul
ei
nve
r
s
III.2.15.7 Analyse des rsultats exprimentaux

On constate partir des rsultats exprimentaux prsents par les figures (III.27) et
(III30), que cette commande assure bi
e
nl
obj
e
c
t
i
fdes
t
a
bi
l
i
s
a
t
i
on,e
l
l
ee
s
tc
ons
i
d
r
a
bl
e
me
nt
rapide par rapport aux autres commandes, le temps de rponse est plus rapide avec des
dpassements et oscillations moins importants, les performances sont altres et se dgradent
quand on augmente la taille de la base de rgles, cela est due aux insuffisances que prsente
l
e
nvi
r
onne
me
ntded
ve
l
oppe
me
nts
url
e
que
lonat
r
a
va
i
l
l
.
Les figures (III.28), (III.29), (III.30) et (III.31) obtenues montrent bien que cette
commande est robuste vis--vis des perturbations extrieures. Mais elle ragit moins
correctement une variation de consigne. Nanmoins, son dfaut majeur rside dans le
dpassement que prsente la tension prsentant plus de chahutement, ce qui est plus prouvant
pour le moteur et la courroie.
On constate aussi dans toutes les figures donnes, des oscillations d
a
mpl
i
t
ude
importante autour de la consigne en rgime tabli, contrairement aux autres commandes vues
dans le chapitre prcdent, d
a
i
l
l
e
ur
s pour un chelon d
a
mpl
i
t
udes
up
r
i
e
ur 0.3 m, il
entraine la chute du pendule provoqu par une dtection des contacts de scurit alors une
c
oupur
edumot
e
urd
e
nt
r
a
i
ne
me
ntduc
ha
r
i
ot
.
L
i
mpl
me
nt
a
t
i
onde la commande par logique floue demande une bonne expertise
pour trouver les bons paramtres du rgulateur surtout lorsque le nombre de variables entrant
e
nj
e
ude
vi
e
ntt
r
opi
mpor
t
a
nt
,d
ode
spr
obl
me
sl
i
ss
ar
a
l
i
s
a
t
i
onpr
a
t
i
quee
nd
c
oul
e
nt
.I
l
e
s
tdonci
nt
r
e
s
s
a
ntd
ut
i
l
i
s
e
rde
st
e
c
hni
que
sd
a
ppr
e
nt
i
s
s
a
g
e
sa
f
i
nd
a
ut
oma
t
i
s
e
rl
ami
s
ea
u
point du contrleur flou.
La suite de ce t
r
a
va
i
ls
i
ns
c
r
i
tda
nsl
amouva
nc
ede
st
r
a
va
uxa
c
t
ue
l
ss
ur la commande
floue lis au problme d
opt
i
mi
s
a
t
i
onde
spa
r
a
m
t
r
e
sde
ss
y
s
t
me
sd
i
nf
r
e
nc
ef
l
ou.
103
CHAPITRE III:

l
oued
unpe
ndul
ei
nve
r
s
III.3 Les Rseaux de neurones

III.3.1 Introduction
Les rseaux de neurones artificiels (RNA) sont des rseaux fortement connects de
processeurs lmentaires fonctionnant en parallle. Chaque processeur lmentaire calcule
unes
or
t
i
euni
ques
url
aba
s
ede
si
nf
or
ma
t
i
onsqu
i
lr
e
oi
t
. Ils infrent des proprits
mergentes permettant de solutionner les problmes jadis qualifis de complexe.
Dans un rseau, chaque sous-groupe fait un traitement indpendant des autres et
transmet le rsultat de son analyse au sous-groupe suivant. L'information donne au rseau va
donc se propager de la couche d'entre la couche de sortie, en passant soit par aucune, une
ou plusieurs couches intermdiaires. Il est noter qu'en fonction de l'algorithme
d'apprentissage, il est aussi possible d'avoir une propagation de l'information reculons.
Dans cette partie, nous donnons un bref aperu de ces nouveaux outils, leurs
apprentissage et architectures que nous retenons pour la suite de notre travail.
III.3.2 Neurone biologique

Le neurone biologique est le composant cellulaire de base du cerveau, voire la figure
(III.33), il comprend [BOR.07] :
Le corps cellulaire, qui fait la somme des influx qui lui parviennent ; si cette somme
dpasse un certain seuil, il envoie lui-m
meuni
nf
l
uxpa
ri
nt
e
r
m
di
a
i
r
edel
a
xone;
L
a
xonequipe
r
me
tdet
r
a
ns
me
t
t
r
el
e
ss
i
g
na
ux
mi
spa
rl
ec
or
psc
e
l
l
ul
a
i
r
ea
uxa
ut
r
e
s
neurones;
Les dendrites, qui sont les rcepteurs principaux du neurone, captant les signaux qui
lui parviennent ;
Les synapses, qui permettent aux neurones de communiquer avec les autres via les
axones et les dendrites.
Figure III.33 Neurone biologique

104

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
III.3.3 Neurone artificiel [BOR.07]

Une analogie directe faite par Mac Culloches et Pitts, avec le neurone biologique a
donnunne
ur
onef
or
me
lqu
e
s
te
ne
f
f
e
tl
me
ntdeba
s
ed
unr
s
e
a
udene
ur
one
s
.I
lr
a
l
i
s
e
une fonction f (z ) d
une s
omma
t
i
on pond
r
e z des n 1 signaux x0 , x1 ,..., x n qui lui

parviennent, voire la figure (III.34) :
x0
w0
x1
w1
wi
xi
wn
xn
Figure III.34 Neurone artificiel
n
z
z Wi xi et y f
(III.46)
i 0
Les coefficients de pondration wi , i 0,1..., n s
a
ppe
l
l
e
ntl
e
spoi
dss
y
na
pt
i
que
s. Si wi
e
s
tpos
i
t
i
f
,l
e
nt
r
exi est excitatrice alors que si wi est ngatif, elle est inhibitrice.
Le
sf
onc
t
i
onsd
a
c
t
i
va
t
i
onl
e
spl
usut
i
l
i
s
e
ssont les suivantes, voire la figure (III.35) :
a)
b)
c)
d)
tout ou rien ;
fonction signe ;
plus ou moins seuil ;
fonction affine ;
a)
e)
b)
f)
e)
f)
g)
h)
c)
saturation ;
sigmode ;
fonction arc tangente ;
fonction gaussienne.
d)
g)
h)
Figure III.35 Fonc

t
i
onsd
ac
t
i
v
at
i
onl
e
spl
usut
i
l
i
s
e
s
105

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
III.3.4 Les architectures neuronales

Les connexions entre les neurones qui composent le rseau, dcrivent la topologie du
modle. Elle peut tre quelconque, mais le plus souvent il est possible de distinguer une certaine
rgularit (rseau connexion complte) [BOR.07].
III.3.4.1 Les rseaux de neurones non boucls

Un rseau de neurone non boucl ou rseau unidirectionnel (feed forward networks)
e
s
tr
e
pr
s
e
n
t
pa
rune
ns
e
mbl
edene
ur
one
sc
onne
c
t
se
nt
r
ee
uxt
e
l
l
equel
i
nf
or
ma
t
i
on
circulant des couches entres vers les couches sorties au travers d'ventuelles couches
intermdiaires sans retour en arrire.
Ce type de rseau comprend deux groupes d'architectures: les rseaux Mono-Couche

et les rseaux Multi-Couche. La figure (III.35) illustre un RNA Multi-Couche non boucl.
E
N
T
R
E
E
S
X1
Y1
X2
X3
Couc
hed
e
nt
r
Couche cache
S
O
R
T
I
E
S
Couche de sortie
Figure III.35: Rseau de neurone non boucl
III.3.4.1.1 Rseaux non boucles Mono-Couche

Ce type de rseau possde une couche d'entre recevant les stimuli traiter par
l
'
i
nt
e
r
m
di
a
i
r
ede
snudss
our
c
e
s
.Ce
t
t
ec
ouc
hes
epr
oj
e
t
t
ee
nunec
ouc
hedes
or
t
i
ec
ompos
e
dene
ur
one
s(
nudsdec
a
l
c
ul
)t
r
a
ns
me
t
t
a
ntl
e
sr
s
ul
t
a
t
sdut
r
a
i
t
e
me
nt au milieu extrieur.
La figure (III.36) prsente un rseau proactif Mono-Couc
hea4nudsd'
e
nt
r
ee
t3nudsde
sortie. La dsignation Mono-Couche est attribue la couche de sortie.
106

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
X1
Y1
X2
Y2
X3
Y3
X4
Couche
d
e
nt
r
Couche
de sortie
Figure III.36: Rseau non boucl mono couche
III.3.4.1.2 Les rseaux non boucles Multi-Couches

Ce type de rseaux proactifs se caractrise par la prsence d'une ou de plusieurs
c
ouc
he
sc
a
c
h
e
s
,dontl
e
snudsdec
a
l
c
ulc
or
r
e
s
ponda
nt
s s'appellent neurones cachs. Les
couches caches s'interposent entre l'entre du rseau et sa sortie. Leurs rle est d'effectuer un
prtraitement des signaux d'entre, reus par la couche d'entre en provenance du milieu
extrieur, et de transmettre les rsultats correspondants la couche de sortie ou seront
dtermines les rponses finales du rseau.
Ce rle de prtraitement fait que, en ajoutant une ou plusieurs couches caches, le

rseau est capable d'extraire plus de proprits statistiques que celles extraites d'un rseau
similaire ayant moins de couches caches. Ceci est utile pour raliser des fonctions plus
complexes que de simples sparations linaires.
La figure (III.37) illustre un rseau une seule couche cache comportant 4 units
d'entres, 3 units caches et 2 units de sortie (rseau 4-3-2).
X1
Y1
X2
Y2
X3
X4
Couche
d
e
nt
r
Couche
cache
Couche
de sortie
Figure III.37: Rseau non boucl multi couches

107

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
Ce rseau est dit compltement connect dans le sens que chaquenudd'

unec
ouc
he
est connect t
ousl
e
snudsdel
ac
ouc
hea
dj
a
c
e
nt
es
ui
va
nt
e
.Si
ve
nt
ue
l
l
e
me
nt
,de
s
connexions manquaient entre des neurones de deux couches voisines, le rseau serait dit
partiellement connect.
III.3.4.2 Les rseaux de neurones boucls

Les rseaux rcurrents (recurrent networks) possdent une structure similaire celle des
rseaux unidirectionnels mais complte par des connexions entre lments de la mme couche ou
vers des couches amont. Ces rseaux sont assez puissants, car leur fonctionnement est squentiel et
adopte un comportement dynamique.
E
N
T
R
E
E
S
X1
Y1
X2
X3
Couc
hed
e
nt
r
Couche cache
S
O
R
T
I
E
S
Couche de sortie
Figure III.38: Rseaux de neurones boucls
III.3.4.3 Les rseaux de neurones connexions complexes [OUL.05].

Dans la catgorie des rseaux connexions complexes se trouve tous les rseaux qui ne
trouvent pas leur place dans les deux catgories prcdemment cites. Nous pouvons mentionner les
SOM (Self Organizing Map), LVQ (Learning Vector Quantization), ART (Adaptative
Resonnance Theorie), RCE (Restric-ted Coulomb Energy), les rseaux probabilistes, etc.
I
I
I
.
3.
5Pr
oc
e
s
s
usd
appr
e
nt
i
s
s
age
On appelle apprentissage des rseaux de neurones artificiels la procdure itrative qui
consiste estimer les paramtres des neurones du rseau afin que celui-ci remplisse au mieux
la tache qui lui est affecte [FAB.03].
L
a
ppr
e
nt
i
s
s
a
gee
s
tl
ac
a
r
a
c
t
r
i
s
t
i
que principale des rseaux de neurones et il peut se
faire de diffrentes rgles et manires.
108

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
III.3.5.1 Apprentissage supervis [BRE.99]

L
a
ppr
e
nt
i
s
s
a
g
es
upe
r
vi
s
c
on
s
i
s
t
epr
s
e
nt
e
ra
ur
s
e
a
uunes
r
i
ed
e
xe
mpl
e
ss
urs
e
s
entres, ainsi l
er
s
e
a
uc
a
l
c
ul
es
urs
e
ss
or
t
i
e
sunve
c
t
e
urd
t
a
tquie
s
tc
ompa
r
au vecteur des
tats dsirs. Une erreur est calcule entre le vecteur des sorties dsires et le vecteur des
s
or
t
i
e
sc
a
l
c
u
l
e
spa
rl
er
s
e
a
u.L
a
l
g
or
i
t
hmed
a
ppr
e
nt
i
s
s
a
g
ea
da
pt
el
e
spoi
dsdur
s
e
a
ude
faon corriger son comportement comme le montre la figure (III.39):
Stimuli
Environnement
Rponse du rseau
RN
Si
g
na
uxd
e
r
r
e
ur
Systme
Rponses dsires
Figure III.39 : Apprentissage supervis
III.3.5.1.1La rtro-pr
opag
at
i
ondugr
adi
e
ntdel
e
r
r
e
ur
L
a
l
g
or
i
t
hmeder
t
r
o-pr
opa
ga
t
i
ondug
r
a
di
e
ntdel
e
r
r
e
ura
t
c
r
ee
ng
n
r
a
l
i
s
a
ntl
e
s
r
g
l
e
sd
a
ppr
e
nt
i
s
s
a
g
e
sdeWi
dr
ow-Hoff, aux rseaux multicouches fonction de transfert
non linaire.
La rtro-pr
opa
g
a
t
i
ondug
r
a
di
e
ntdel
e
r
r
e
ure
s
tut
i
l
i
s
epoura
juster les poids et les
bi
a
i
sdur
s
e
a
ua
f
i
ndemi
ni
mi
s
e
rl
e
r
r
e
urqua
dr
a
t
i
quee
nt
r
el
as
or
t
i
edur
s
e
a
ue
tl
as
or
t
i
e
r
e
l
l
e
.Ac
ha
quec
oupl
ee
nt
r
e
/
s
or
t
i
e
,unee
r
r
e
ure
s
tc
a
l
c
ul
e
,l
eg
r
a
di
e
nt
,oupe
nt
e
,del
e
r
r
e
ur
est dtermin. Ensuite les poids et les biais sont modifis en ligne sur le rseau. On ritre ces
c
a
l
c
ul
sj
us
qu
l
obt
e
nt
i
onduc
r
i
t
r
ed
a
r
r
t
.
Soit une rponse spcifique dsire DP chaque vecteur d'entre XP. La mise jours des
coefficients synaptiques W s'effectuent progressivement jusqu' ce que l'erreur entre les
sorties du rseau et les rsultats dsirs soit minimise. Pour ce faire, considrons le problme
de minimisation de la fonction cot dfini pour n exemples ( XP; DP) et YP la sortie du rseau,
par l'erreur qui peut tre quadratique de la forme [MEL.98]:
E
W
YP DP
2
(III.47)
L'apprentissage revient dterminer W = Arg Min(E)

En gnral, on utilise des mthodes de gradient partiel, total ou stochastique :
109

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
W
t 1W
t grad W
E
(III.48)
Gradient partiel : W
t 1W
t
DP f
WX P
f '
WX P
XP
(III.49)
Gradient total : W
t 1W
t grad W
E
t
(III.50)
Gradient stochastique : W
t 1W
t grad W
EP
t
(III.51)
YP DP , erreur calcule sur un seul exemple que l'on tire au hasard

O E P
chaque t.
f : fonction d'activation.
2
t
: pas de gradient (fixe, dcroissant, ou adaptatif)
dE
Pour calculer P , on exploite la rtro propagation du gradient, qui est une mthode
dWij
astucieuse de calcul du gradient de la fonction cot en utilisant la drivation compose pour
rtro- propager l'erreur, comme le montre la figure suivante [FAB.03]:
ff
ii
yi
yj
j j f
Wij
Wjk
k f
y0=1
Figure III.40 : Rtro-propagation du gradient
dE P
dE dj
dE
P
P
dWij
dj dWij dj
y
i
(III.52)
dE
On pose j P , d'o
dj
Wij
t 1Wij
t yi j
dE P
dE
Mais j P
d
dj
k
k
(III.53)
dk
k dk
k
d
dy
k W jk j
k
d
kW jk f '
j si neurone j est cach
D'o j
110
(III.54)
(III.55)

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
dE
Et j P
d
j
dE P
dy
j
dy j
(III.56)
D'o j 2 y j D j f ' j si neurone j en sortie
(III.57)
Cependant j se calcule de proche en proche par rtro-propagation de l'erreur.
III.3.5.2 Apprentissage non supervis

L
a
ppr
e
nt
i
s
s
a
g
ee
s
tqua
l
i
f
i
denons
upe
r
vi
s
l
or
s
que
,s
e
ul
e
sl
e
sva
l
e
ur
sd
e
nt
r
es
ont
disponibles. Il repose sur un critre interne de conformit du comportement du rseau par
rapport des spcifications gnrales et non sur des observations externes. Dans ce cas,
l'apprentissage est bas sur des probabilits. Le rseau va se modifier en fonction des
rgularits statistiques de l'entre. L'algorithme d'apprentissage exploite pour se faire une
mesure prdtermine de la qualit de reprsentation de la connaissance afin d'ajuster les
paramtres du rseau [BRE.99]. Ce type d'apprentissage est reprsent schmatiquement en
figure (III.41):
Environnemen
t
Stimul
i
RN
Rponse du rseau
Figure III.41 Apprentissage non supervis
III. 4 Systmes Neuro-Flous

Les rseaux de neurones (RN) multicouches constituent des approximateurs universels
grce leur capacit d'apprentissage, mais leurs structures et leurs paramtres n'ont pas
t
ouj
our
sd
i
nt
e
r
pr
t
a
t
i
on phy
s
i
que
.De pl
us
,l
ac
onna
i
s
s
a
nc
ehuma
i
ne nepe
utpa
s
t
r
e
exploite pour les construire.
En revanche les systmes d'infrence flous possdent deux points forts par rapport aux
rseaux de neurones. D'une part, ils sont gnralement construits partir de la connaissance
humaine, d'autre part, ils ont une capacit descriptive leve due l'utilisation de variables
linguistiques. L'approche traditionnelle pour la conception des systmes d'infrence flous est
base sur les connaissances acquises par des oprateurs experts. Cette approche a prouv son
efficacit dans plusieurs applications. Il se peut cependant que les oprateurs ne puissent pas
111

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
traduire leurs connaissances et exprience sous forme de contrleur logique floue. Il arrive
parfois que le domaine d'expertise ne soit pas disponible. Il est donc naturel de construire des
systmes hybrides qui combinent les concepts des systmes d'infrence flous et des rseaux
de neurones, ce sont des rseaux neuro - flous, dont l'apprentissage permet d'ajuster les
paramtres et de s'adapter aux changements de conditions. Les infrences sont ensuite
extraites aprs convergence. Le schma gnral d'une structure neuro-floue est illustr par la
figure suivante:
Entres
Units
d'association
Logique floue
Portion fixe
Entres
Sortis rseau
Rseau neuronal
Portion d'apprentissage
Figure III.42: Structure gnrale d'un rseau neuro-flou
III.4.1 Dfinition
George Lee (Lee et al. 2001) dfinit un systme neuro-flou comme tant un rseau
neuronal multicouche avec des paramtres flous, ou comme un systme flou mis en
application sous une forme distribue parallle [OUL.05].
Un systme neuro-flou ne devrait par contre pas tre vu comme un systme expert
mais ils peuvent tre utiliss comme des approximateurs universels.
112

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
Expression linguistiques
Donnes linguistiques
Opration parallle
Apprentissage
Donnes symboliques
Figure III.43: Principe du systme neuro-flou

La figure(III.43) rsume le principe du systme neuro-flou qui reprsente l'intersection
entre la logique floue et les rseaux de neurones.
III.4.2 Mthodes des combinaisons Neuro-Floues

Il existe quatre grandes catgories de combinaisons des rseaux de neurones avec la
logique floue [MOR. 04]:
III.4.2.1 Rseau flou neuronal
Dans ces rseaux, les techniques floues sont employes pour augmenter les possibilits
du processus d'apprentissage et d'excution des rseaux de neurones.
III.4.2.2 Systme neuronal/flou simultanment
Le rseau de neurone et le systme flou fonctionnent ensemble sur la mme tche,
ma
i
ss
a
nss
'
i
nf
l
ue
nc
e
r
,c
e
s
t
--dire ni l'un ni l'autre n'est employ pour dterminer les
paramtres de l'autre. Habituellement le rseau neuronal traite les entres, ou post-traite les
sorties du systme flou.
III.4.2.3 Modles neuro-flous coopratifs
Le rseau de neurone est employ pour dterminer les paramtres (les rgles et les
e
ns
e
mbl
e
sf
l
ous
)d'
un s
y
s
t
me f
l
ou.Apr
sl
a pha
s
e d
a
ppr
e
nt
i
s
s
a
g
e
,l
es
y
s
t
me f
l
ou
f
onc
t
i
onnes
a
nsl
er
s
e
a
udene
ur
one
.
C
e
s
tunef
or
mes
i
mpl
ede
ss
y
s
t
me
sne
ur
o-flous.
III.4.2.4 Modles neuro-flous hybrides
Les approches neuro-floues modernes sont de cette forme. Un rseau neuronal et un
systme flou sont combins dans une architecture homogne. Le systme peut tre interprt
comme un rseau neuronal spcial avec des paramtres flous ou comme un systme flou mis
en application sous une forme distribue parallle.
113

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
III.4.3 Le
st
ype
sd
i
mpl
me
nt
at
i
onde
sr
s
e
auxne
ur
o-flous [OUL.05]
Dans la littrature il y a une panoplie de systmes neuro-flou comme : les systmes
neuro-flou coopratives, concurrents, les systmes dit hybrides ou neuro-flou adaptatif, le
modle NEFCLASS, ANFIS, FALCON et GARIC .etc.
Selon l'interaction entre la logique floue et les rseaux de neurones, et compte tenu de
nos objectifs, nous avons retenu deux types de systmes neuro-flous savoir : systmes
d
i
nf
rence neuro-flou adaptatifs (ANFIS) et infrence neuro-flou (INF).
III.4.3.
1Sys
t
me
sd
i
nf
r
e
nc
ene
ur
o-flou adaptatifs(ANFIS)
Le
ss
y
s
t
me
sd
i
nf
r
e
nc
ene
ur
o-flou adaptatifs (ANFIS), sont des systmes hybrides
ut
i
l
i
s
a
ntl
i
n
f
r
e
nc
ef
l
ouedeTa
ka
g
iSug
e
no.Las
t
r
uc
t
ur
eANFI
Se
s
tc
ons
t
i
t
u
edecinq
couches comme le montre la figure (III.44). La premire couche cache fuzzifie les variables
d
e
nt
r
e
se
tl
e
sop
r
a
t
e
ur
st
y
peT-norme calculent la partie prmisse des rgles dans la
deuxime couche cache. La troisime couche cache normalise les poids des rgles suivit par
la quatrime couche cache o les paramtres des parties conclusions des rgles sont
dtermins. La couche de sortie calcule la somme de tous les signaux venant de la quatrime
couche [JAN.93].
Son e
nt
r
a
ne
me
nt e
s
ta
c
c
ompl
i
t pa
rl
a
l
g
or
i
t
hme du g
r
a
di
e
nt de
s
c
e
nt
e(
r
t
r
o
pr
opa
g
a
t
i
on)pourl
opt
i
mi
s
a
t
i
onde
spa
r
a
m
t
r
e
sde
spa
r
t
i
e
spr
mi
s
s
e
s
,e
tl
a
l
g
or
i
t
hmede
s
moindres carr pour la rsolution des paramtres des parties conclusion. Afin de rduire
l
e
r
r
e
ure [JAN.93].
Pour simplifier la comprhension, nous considrons un systme deux entres x1 et x2

et une sortie y, modlis par un systme flou de type TSK, compos des deux rgles
suivantes:
Si x1 est A1
et x2 est B1
Si x1 est A2
et x2 est B2
alors y1 f1
x1 , x2 a1 x1 b1 x2 c1
alors y 2 f1
x1 , x2 a2 x1 b2 x2 c2
(III.58)
Jang [JAN.95] a propos la reprsentation de cette base de rgles par le rseau adaptatif
de la figure (III.44) :
114
CHAPITRE III:

l
oued
unpe
ndul
ei
nve
r
s
couche 4
couche 1
couche 2
couche 3
couche 5
x1 x2
A1
x1
w1
v1
v1.f1
A2
B1
x2
w2
v2.f2
v2
B2
x1 x2
Figure III.44 : Architecture ANFIS
Le rseau adaptatif ANFIS est un rseau multi couches dont les connexions ne sont pas
pondres.Le
snudss
ontdede
uxt
y
pe
sdi
f
f
r
e
nt
ss
e
l
onl
e
ur
s fonctionnalits:l
e
snuds
c
a
r
r
s(
a
da
pt
a
t
i
f
s
)c
ont
i
e
nne
ntde
spa
r
a
m
t
r
e
s
,e
tl
e
snudsc
i
r
c
ul
a
i
r
e
s(
f
i
xe
s
)n'
ontpa
sde
paramtres. Toutefois, chaquenud (
c
a
r
r
ou c
i
r
c
ul
a
i
r
e
)a
ppl
i
queunef
onc
t
i
on s
urs
e
s
signaux d'entres. La sortie Oik dunudidel
ac
ouc
hek(
a
ppe
l
nud(
i
,k)
)d
pe
ndde
s
signaux provenant de la couche (k-1)e
tde
spa
r
a
m
t
r
e
sdunud(
i
,k)
,c
'
e
s
t
--dire [NAK.97]:
Oik f O1k 1 ,..., Onkk11 , a, b, c,...
(III.59)
O nk 1 est le nombre de nud

sda
nsl
ac
ouc
hek-1,e
ta
,b,c
s
ontl
e
spa
r
a
m
t
r
e
sdu
nud(
i
,k)
.
Pourunnudc
i
r
c
ul
a
i
r
ec
e
spa
r
a
m
t
r
e
sn'
e
xi
s
t
e
ntpa
s
.
Dans le rseau de la figure (III.44),l
e
snudsd'
unem
mec
ouc
heontde
sfonctions
issues d'une mme famille que nous explicitons ci-dessous.
Couche 1 G
n
r
a
t
i
ondude
gr
d
a
ppa
r
t
e
na
nc
e:
Cha
quenuddec
e
t
t
ec
ouc
hepos
s
dede
spa
r
a
m
t
r
e
sa
j
us
t
a
bl
e
s
.Laf
onc
t
i
ondunud
est identique la fonction d'appartenance un sous-ensemble flou de l'univers de discours des
entres. Da
nsl
emod
l
edeJ
a
ng[
J
AN.
95]
,
l
e
sf
onc
t
i
onsd
a
ppa
r
t
e
na
nc
es
ontde
sg
a
us
s
i
e
nne
s
.
Oi1=fi1(x) = Ai (x)
(III.60)
115

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
O x e
s
tl
'
e
nt
r
edunudi
,e
tAi le terme linguistique associ sa fonction Ai. En
d'autres termes, Oil est le degr d'appartenance de x Ai, dfinie par une fonction
x .
d'appartenance Ai
Couche 2 Gnration du poids de la rgle i:
Cha
quenudcirculaire appel dans cette couche correspond une rgle floue
Sug
e
no.I
lr
e
oi
tl
e
ss
or
t
i
e
sde
snudsde f
uz
z
i
f
i
c
a
t
i
on e
tc
a
l
c
ul
es
on a
c
t
i
va
t
i
on.La
c
onj
onc
t
i
onde
sa
nt
de
nt
se
s
tr
a
l
i
s
ea
ve
cl
op
r
a
t
e
urpr
odui
t
.
wi Ai
x1
.Bi 2
x2
, i 1..2
(III.61)
Couche 3 Normalisation des poids de la rgle i:

Cha
quenudde c
e
t
t
ec
ouc
h
ee
s
tunnudc
i
r
c
ul
a
i
r
ea
ppe
l
N. Il calcule le degr
d'activation nor
ma
l
i
s
d
uner
g
l
ef
l
ouedonn
e
.Lava
l
e
urobt
e
nuer
e
pr
s
e
nt
el
ac
ont
r
i
but
i
on
de la rgle floue au rsultat final.
vi
wi
w1 w 2
(III.62)
Couche 4 Calcul de la sortie des rgles :
Cha
quenuddec
e
t
t
ec
ouc
hee
s
tunnudc
a
r
r
a
ve
cunef
onc
t
i
onr
a
l
i
s
a
ntl
ec
a
l
c
ul
suivant :
Oi4 vi . f i vi
ai x1 bi x2 ci
, i 1..2
(III.63)
O vi est la sortie de la couche 3, et

ai , bi , ci est l'ensemble des paramtres ajustables
de sortie de la rgle i.
Couche 5 Faire la somme de toutes les entres partir de la couche 4:
Compr
e
nduns
e
ulnud quif
our
ni
tl
as
or
t
i
edeANFI
Se
nc
a
lculant la somme des
s
or
t
i
e
sdet
ousl
e
snudsded
f
uz
z
i
f
i
c
a
t
i
on, c'est--dire,
O15 y vi . f i
(III.64)
116

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
III. 4.3.1.1 Algorithme d'apprentissage

L'apprentissage partir d'un ensemble de donnes concerne l'identification des
paramtres des prmisses et des consquences, la structure du rseau tant fixe. L'algorithme
d'apprentissage commence par construire un rseau initial, ensuite on applique une mthode
d'apprentissage par rtro-propagation de l'erreur, en utilisant une rgle hybride d'apprentissage
qui combine un algorithme de descente de gradient avec une estimation par moindres carres
[NAK.97].
Pour ce faire, considrons les paramtres de prmisses (couche 1) sont ceux proposs
par l'expert, par contre les paramtres de consquence sont ajusts via la minimisation la
sortie de l'erreur quadratique instantane suivante:
1
2
e(k )
hd (k ) h(k ) , k 1..2
2
(III.65)
Avec h(k) est sortie relle et hd(k) est la cosigne dsire.

En outre, soit
le vecteur des paramtres ajuster pour chaque coordonne

i
cartsienne. Notre objectif est de trouver les composantes du vecteur i , en utilisant

l'approche du filtre de Kalman tendu qui consiste linariser tout instant la sortie h autour
du vecteur estim i. Cela revient crire:[MEL.10]
hd
k h
k i
k
i i 1
h
k
T
i
k
(III.66)
Par consquent, les paramtres sont ajusts selon la relation suivante:
i i 1 Pi i ei
T
Avec
(III.67)
ei hd h
.
T
O3,i O3,i ei O3,i e i

i
1
Pi
T
2 i i
(III.68)
O 1 et 2 sont des gains d'adaptation pour modifier la vitesse de convergence.
117

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
III.4.3.2 Infrence Neuro-flou (INF)

L'objectif principal du systme d'infrence neuro-flou est de raliser un processus de
raisonnement flou en utilisant, une architecture d'un rseau de neurones de telle manire que
les paramtres du raisonnement flou reprsentent les poids du rseau de neurones[ LIM.02].
Ainsi, le systme d'infrence neuro-flou peut identifier automatiquement en ajustant les
fonctions d'appartenance, par modification des poids de connexion du rseau de neurones via
un algorithme d'ajustement paramtrique appropri. Par consquent les fonctions
d'appartenance peuvent tre finalement optimises par une architecture neuronale.
Comme, la configuration de base d'un systme flou possde trois parties savoir
Fuzzification des entres, engin d'infrence base des rgles floues et Dfuzzification des
sorties floues, dont chacune peut tre ralise par plusieurs mthodes. Si nous choisissons
respectivement Singleton fuzzification pour les entres de chaque rgle floue, le produit
d'infrence et la dfuzzification par centre de gravit, on peut obtenir le modle mathmatique
du systme flou comme suit :
Supposons, que le systme flou est dcrit par L rgles floues, dont chacune possde N
va
r
i
a
bl
e
sd
e
nt
r
e
sx1 , x 2 , .............. x N . Ainsi, la lere rgle R l est donne sous cette forme:
l
R
: Si x1 est F1l et x2 est F2l et ....................et x N est FNl
alos y1l est H 1l , y 2l est H 2l , ........................... y Ml est H Ml
(III.69)
Par l
utilisation Singleton fuzzification et le produit d'infrence, la jme sortie floue de la

lme rgle floue, y lj j 1, 2,.........M peut tre exprime sous cette forme :[LIM.02]
l
N
y lj y j

xi
i 1 F l
(III.70)
Avec y j est le point qui a la fonction d'appartenance maximale des ensembles flous H lj
, de telle manire que F l y j 1 , et l

x i est la valeur de la fonction d'appartenance
F
l
approprie la ime entre de la ime rgle.
Considrons la dfuzzification par centre de gravit, la valeur numrique de la jme sortie
y j est donne par cette relation [LIM.02]:
118

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
l
N
yj

xi
1 Fl
yj L
N

xi
i
1 Fl
l
1
l
1
Posant Gl
x
i
1
(III.71)
F l
xi
i
(III.72)

xi
l 1
i
1 Fl
Par consquent la relation (III.71) peut tre rcrite comme suit :

L
y j y j Gl
x
l
(III.73)
l
1
Avec Gl
x reprsente la structure non linaire du rseau de neurone et y j les poids
ajuster du rseau de neurone.
l
III.4.4 Application de la commande Neuro-floue

Dans ce cas nous avons appliqu la commande neuro-floue, et nous avons exploit la
capacit d'apprentissage du rseau de neurones, afin de produire la base de connaissances
d'une manire automatique. Pour cela on a utilis, deux rgulateurs neuro-flou de type
Sugeno, qui prsentent deux avantages majeurs par rapport celui de type Mamdani :
Temps de calcul de la commande rduit (le temps consomm par la procdure de
dfuzzification est vit), moins de rgles ncessaires pour raliser une tache donne
Facilit de mettre sous forme de rseau adaptatif non linaire [JAN.92].
III.4.4.1 Architecture du systme de contrle

Le schma bloc du systme de contrle deux rgulateurs spars avec le modle de
simulation est illustr par la figure suivante :
Xd
d/dt
RNFX
+
=0
RNFT
d/dt
Figure III.45: Contrle neuro-flou avec deux rgulateurs

119

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
III.4.4.2 Mthodologie de conception

Da
n
sl
vol
ut
i
on du c
ont
r
l
ef
l
ou,de
ux t
y
pe de s
y
s
t
me ont
t
d
ve
l
opp
s
,
notamment, le systme de Mamdani ou standard, bas sur les rgles purement floues et le
systme flou de Takagi Sugeno dont les rgles sont semis flous.
La rgle Takagi Sugeno prsente la diffrence de celle de Mamdani une consquence
quin
e
s
tpa
sune
ns
e
mbl
ef
l
ouma
i
sunef
onc
t
i
on
Dans notre cas on a quatre entres, deux entres pour chaque rgulateur: x ( t ), x(t )
position et vitesse du chariot, (t ),

(t ) : angle et vitesse angulaire du pendule , une sortie
copule F (t ) pi , qi , et ri reprsentent les coefficients de (TS)
III.4.4.3 Rgulateur Neuro-flou (22)

La structure du rgulateur sous forme d'un rseau adaptatif est prsente dans la figure
suivante [KAY.99]:
e
A1
e
A2
B1
e
B2
e
Figure(III.46) : Le rgulateur de type Sugeno (22) sous forme de RNA.
III.4.4.3.1 Algorithme de commande

Couche 1
Las
or
t
i
edec
ha
quenudda
nsc
e
t
t
ec
ouc
heest exprime par:
,
pour
i
=
1,2.
O1, i A ( e )
i
O1, i Bi 2 (e) , pour i = 3,4.

Tel que Ai et Bi sont les fonctions d'appartenances de forme triangulaire.
120
(III.74)
(III.75)

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
Couche 2
Le
ss
or
t
i
e
sde
snudsdec
e
t
t
ec
ouc
hes
onte
xpr
i
m
e
spa
r
:
O2,1 O1,1.O1, 3 w1
O O .O w
2, 2
1,1 1, 4
2
O2, 3 O1, 2 .O1,3 w3
O2, 4 O1, 2 .O1, 4 w4
(III.76)
Couche 3
Las
or
t
i
edunude
s
te
xpr
i
m
epa
r:
O3, i wi 4 wi
wK
(III.77)
K 1
Couche 4
Les nudsde cette couche sont paramtres ajustables, leurs fonctions sont de la
forme :
O4, i wi .( pi .e qi .e ri ) i=1,4.
(III.78)
Tel que p, q, r sons les paramtres ajuster.

Couche 5
Ce
t
t
ec
ouc
hec
ont
i
e
ntuns
e
ulnudquir
a
l
i
s
el
as
ommede
ss
or
t
i
e
sde
snudsdel
a
couche prcdente :
4
O5 O4, i
(III.79)
i 1
Les paramtres des prmisses sont supposs fixes, donc O5 peut tre crite sous la
forme :
4
O5 ( wi .e). pi ( wi .e).qi ( wi ).ri
(III.80)
i 1
III.4.4.3.2 Algorithme d'apprentissage

Pour estimer les paramtres du rseau de neurones, nous avons utilis le filtre de
KALMAN tendu comme un algorithme d'apprentissage. Le rgulateur est caractris par un
vecteur de paramtres . Notre objectif est de trouver les valeurs du vecteur en minimisant
l'erreur suivante:
1
2
e(k )
hd (k ) h(k ) , k 1..2
2
121
(III.81)
CHAPITRE III:

l
oued
unpe
ndul
ei
nve
r
s
L'approche du filtre de KALMAN tendu consiste linariser tout instant la sortie y

. Ceci revient crire :
autour du vecteur estim
hd
k h
k i
k
i i 1
h
k
T
i
k
(III.82)
Par consquent, les paramtres sont ajusts selon la relation suivante:
i i 1 Pi i ei
T
(III.83)
Avec
ei hd h
.
T
O
O
e
O
e
i
3,i
3,i i
3 ,i i
1
Pi
T
2 i i
(III.84)
p(k) est le gain de l'algorithme d'estimation, 1 et 2 fixs a 1 sont des gains

d'adaptation pour modifier la vitesse de convergence.
Nous remarquons que cette mthode ncessite le calcul du gradient qui n'est rien
d'autre que la mthode de rtro propagation utilise dans les rseaux de neuronaux [ZHA.01].
(III.85)
pour le cas tudi, le vecteur des paramtres est:

i [ ri p i q i ]T
(III.86)
Par consquent nous avons :
h
h
i [
i
ri
pi
h T
]
qi
(III.87)
III.4.4.4 Structure du rseau contrleur

La figure (III.46) prsente un contrleur neuronal flou deux entres, chaque entre a
deux sous ensembles (ngatif, positif), ce qui forme quatre (4) rgles. Dans notre cas la sortie
d
pe
ndsde
se
nt
r
e
s
,donci
lf
a
uta
voi
runer
e
l
a
t
i
on e
nt
r
el
e
nt
ee
tl
as
or
t
i
edoncl
e
122

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
r
a
i
s
onne
me
nta
ppr
oxi
ma
t
i
fdeSug
e
nonedoi
tp
a
s
t
r
ed
or
dr
ez
r
o. Le rseau contrleur
c
a
l
c
ul
el
ede
g
r
d
a
c
t
i
va
t
i
ondec
ha
q
uer
g
l
equie
s
tmul
t
i
pl
i
pa
rl
af
onction de Takagi
Sug
e
no.Ors
onr
l
ee
s
td
a
mpl
i
f
i
e
roudedi
mi
nue
rl
af
or
c
e
.
Pour la cration des rgles on s
e
s
tba
s
sur le fonctionnement mcanique du systme,
pour illustrer cette ide, nous donnons un exemple :
Quand le pendule penche vers la droite, le chariot doit le rattraper en effectuant un
mouvement vers la droite et inversement.
Si ( est positive) ET (
est positive) ALORS ( F est positive)
La synthse du rgulateur de Sugeno revient la dtermination des coefficients des

c
ons
que
nc
e
sde
sr
g
l
e
sf
l
oue
s
,l
obt
e
nt
i
ondec
e
sc
oe
f
f
i
c
i
e
nt
spa
r
t
i
rde
sc
onna
i
s
s
a
n
c
e
s
vagues et imprcises est trs difficile. Dans notre cas, nous exploitons les donnes entres,
sorties correspondant au rgulateurs de Mamdani (tableau III.5 et III.6). Pour expliquer cette
ide, nous donnons deux exemples :
Si l
af
or
c
es
ui
tl
a
ng
l
e
,a
l
or
s(
p1) reoit une valeur numrique proche de (1) et (q1)
reoit une valeur numrique proche de (0)
Et Si la force s
ui
tl
a
ng
le et valeur angulaire, alors (p1) et (q1) reoivent une valeur
num
r
i
quepr
oc
hede(
1)
e
t
c
.
Base de rgles :
n
2 nombr
edef
onc
t
i
onsd
a
ppa
r
t
e
na
nc
e
spourc
ha
quee
nt
r
edur
g
ul
a
t
e
ur
.
m
4 nombre de rgles floues.
Les valeurs initiales des paramtres des conclusions des rgles sont prises comme suit:
N
rgle
1
2
3
4
p1
q1
r1
p2
q2
r2
N
N
P
P
N
P
N
P
0.209
0.209
0.209
0.209
0.3
0.3
0.3
0.3
0.01
0.01
0.01
0.01
0.56
0.56
0.56
0.56
0.325
0.325
0.325
0.325
0
0
0
0
Tableau (III.7): Paramtres TKS initiaux du rgulateur (2x2)

La commande est donn par :
u GU 2 uteta GU 1 u x
123

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
GE1 2 ; GCE1 0.7
GE2 2.5 ; GCE2 0.3
GU 1 0.175
GU 2 0.39
Les simulations et les exprimentations suivantes sont obtenues pour les gains
d
a
da
pt
a
t
i
on1 et 2 qui sont fixs 1.
III.6.5 Rsultats de simulation

0.2
Angle (rad)
Position (m)
1
0.5
0
-0.5
10
15
Temps (s)
20
25
-0.2
30
Commande (V)
10
15
Temps (s)
20
25
30
10
15
Temps (s)
20
25
30
1
Vitesse (rad/s)
Vitesse (m/s)
2
1
0
-1
10
15
Temps (s)
20
25
0.5
0
-0.5
30
2
1
0
-1
-2
10
15
20
Temps (s)
25
30
35
40
Figure(III.47):Rsultats de simulation de stabilisation du pendule par la commande neuro

floue
Position (m)
0.5
0
-0.5
-1
10
15
20
25
Temps (s)
30
35
40
45
50
10
15
20
25
Temps (s)
30
35
40
45
50
10
15
20
25
Temps (s)
30
35
40
45
50
Angle (rad)
0.2
-0.2
Commande (N)
2
0
-2
-4
Figure(III.48):R
s
ul
t
at
sdes
i
mul
at
i
ond
unepour
s
ui
t
e
c
he
l
onpourl
ed
pl
ac
e
me
nt
du chariot par la commande neuro floue.
124

l
oued
unpe
ndul
ei
nve
r
s
0.4
0.3
0.2
0.2
Angle (rad)
Position (m)
CHAPITRE III:
0
-0.2
0.1
0
-0.4
0
10
15
20
Temps (s)
25
30
35
-0.1
40
Vitesse Angiulaire(rad/s)
2
Vitesse (m/s)
1
0
-1
-2
10
15
20
Temps (s)
25
30
35
40
10
15
20
Temps (s)
25
30
35
40
10
15
20
Temps (s)
25
30
35
40
1
0
-1
-2
Commande (V)
2
0
-2
0
10
15
20
Temps (s)
25
30
35
40
P os ition(m )
Figure(III.49) : Rsultats de simulation d

unepour
s
ui
t
esinusodale pour le dplacement du
chariot par la commande neuro floue
1
0
-1
10
15
20
Temps(s)
25
30
35
40
10
15
20
Temps(s)
25
30
35
40
10
15
20
Temps(s)
25
30
35
40
0
-0.2
Com m andant(V )
A ngle(rad)
0.2
5
0
-5
Figure(III.50): Rsultats de simulation de stabilisation du pendule par la commande neuro

floue avec rejet de perturbation
III.4.4.5.1 Interprtation des rsultats de simulation

D
a
pr
sl
e
srsultats de simulation prsents sur les figures (III.47), (III.48), (III.49) et
(III.50), on constate bi
e
nqu
onaa
bou
t
i des rsultats satisfaisants avec:
Un temps de rponse de 3 sec.
Une bonne poursuite de trajectoire et une erreur statique nulle.
Une commande n
ontnergtique et ralisable pratiquement.
Un dplacement du chariot dans les limites de rail.
Un rejet de perturbations.
Les dynamiques des sous systmes pendule et chariot tolrables.
125

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
Nous notons une trs bonne poursuite, sans dpassement des limites dans les deux cas
de poursuite de rfrence rectangulaire et sinusodale, illustrs par les figures (III.48) et
(III.49), ainsi lors de la perturbation externe montr par la figure (III.50), le systme rpond
avec oscillation trs faible ou trs ngligeable du pendule et un dplacement du chariot de 0.1
mtres par rapport la rfrence. Le rgulateur ragit et corrige ces perturbations avec une
nergie tolrable et stabilise le systme aprs 2 sec.
D
a
pr
sl
e
sr
s
ul
t
a
t
sde s
i
mul
a
t
i
on obt
e
nus
,nousc
onc
l
uonsl
ar
obus
t
e
s
s
ee
tl
a
performance de la commande neuro floue.Ma
i
nt
e
na
nti
lner
e
s
t
epl
usqu
va
l
i
de
rs
url
e
dispositif rel les rsultats obtenus en simulation.
III.4.4.5.2 Implmentation de la commande neuro-floue

Lor
sdel
i
mpl
me
nt
a
t
i
on,nousa
vonsg
a
r
dl
am
mes
t
r
uc
t
ur
edur
s
e
a
uc
ont
r
l
e
ure
t
les mmes coefficients Takagi Sugeno initiaux donns au tableau (III.7). On a juste adapt les
facteur
sd
c
he
l
l
es
url
e
se
nt
r
e
set les sorties des contrleurs. Le nombre de classes et de
rgles restent inchang ceux de rsultats de simulation.
GE1 1; GCE1 1
GE2 1; GCE 2 1
GU 1 0.85
GU 2 0.55
III. .4.4.5.3 Rsultats exprimentaux
Position (m)
0.2
0
-0.2
0
10
15
Temps (s)
20
25
30
10
15
Temps (s)
20
25
30
10
15
Temps (s)
20
25
30
Angle (rad)
6.4
6.2
6
Commande (V)
5.8
2
0
-2
Figure(III.51) : Rsultat de stabilisation neuro flou exprimental pour condition initiale

(0 ,0, 0.3, 0)
126

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
Position (m)
0.5
-0.5
10
20
30
40
50
60
70
40
50
60
70
40
50
60
70
Temps (s)
Angle (rad)
6.4
6.2
6
0
10
20
30
Temps (s)
Commande (V)
-5
10
20
30
Temps (s)
Figure(III.52) : Rsultat de poursuite rectangulaire neuro flou exprimental pour condition

initiale (0, 0, 0.3, 0)
Position (m)
0.5
-0.5
10
15
20
Temps(s)
25
30
35
40
10
15
20
Temps(s)
25
30
35
40
10
15
20
Temps(s)
25
30
35
40
Angle (rad)
6.4
6.2
6
Commande (V)
-5
Position (m)
Figure(III.53) : Rsultat de poursuite chelon neuro flou exprimental pour condition initiale
(0,0,0.3, 0)
0.2
0
-0.2
-0.4
0
10
15
20
Temps (s)
25
30
35
40
10
15
20
Temps (s)
25
30
35
40
10
15
20
Temps (s)
25
30
35
40
Angle (rad)
6.4
6.2
6
Commande (V)
-5
Figure(III.54) : Rsultat exprimental pour une rfrence chelon et une variation

par
am
t
r
i
quemde40% par
t
i
rdel
i
ns
t
antt=24s
127

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
Position (m)
0.2
0
-0.2
0
10
15
20
Temps (s)
25
30
35
40
10
15
20
Temps (s)
25
30
35
40
10
15
20
Temps (s)
25
30
35
40
Angle (rad)
6.4
6.2
6
Commande (V)
-5
Figure(III.55) : Rsultat exprimental pour une rfrence chelon et une variation

par
am
t
r
i
queM de40% par
t
i
rdel
i
ns
t
antt
=20s
Position (m)
0.5
-0.5
10
15
20
Temps (s)
25
30
35
40
10
15
20
Temps (s)
25
30
35
40
10
15
20
Temps (s)
25
30
35
40
Angle (rad)
6.3
6.2
6.1
6
5.9
Commande (V)
4
2
0
-2
-4
Figure(III.56) : Rsultat exprimental pour une rfrence chelon et deux perturbations

e
x
t
e
r
nepar
t
i
rdel
instant t=17s et t=27s.
Position (m)
0.5
-0.5
10
15
20
Temps (s)
25
30
35
40
10
15
20
Temps (s)
25
30
35
40
10
15
20
Temps (s)
25
30
35
40
Angle (rad)
8
6
4
2
0
Commande (V)
-5
Figure(III.57) : Rsultat exprimental pour redressement et stabilisation
128

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
Position (m)
0.5
Angle (rad)
-0.5
10
20
30
40
Temps (s)
50
60
70
80
10
20
30
40
Temps (s)
50
60
70
80
10
20
30
40
Temps (s)
50
60
70
80
6
4
2
0
Commande (V)
-5
Figure(III.58) : Rsultat exprimental pour redressement et stabilisation avec une poursuite

Position (m)
0.5
-0.5
10
15
20
Temps (s)
25
30
35
40
10
15
20
Temps (s)
25
30
35
40
10
15
20
Temps (s)
25
30
35
40
Angle (rad)
8
6
4
2
0
Commande (V)
-5
Figure(III.59) : Rsultat exprimental pour redressement et stabilisation avec une variation

paramtrique m de 40% par
t
i
rdel
i
ns
t
antt
=28
s
Position (m)
0.2
-0.2
10
15
20
Temps (s)
25
30
35
40
10
15
20
Temps (s)
25
30
35
40
10
15
20
Temps (s)
25
30
35
40
Angle (rad)
10
Commande (V)
-5
Figure(III.60) : Rsultat exprimental pour redressement et stabilisation avec une variation

paramtrique M de 40 % partir del
i
ns
t
antt
=2
8s
129

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
Position (m)
0.5
-0.5
10
15
20
25
Temps (s
30
35
40
45
50
Angle (rad)
6
4
2
0
0
10
15
20
25
30
35
40
45
25
30
35
40
45
Temps (s)
Commande (V)
-5
10
15
20
Temps (s)
Figure(III.61) : Rsultat exprimental pour redressement et stabilisation avec deux

pe
r
t
ur
bat
i
onse
x
t
e
r
nepar
t
i
rdel
i
ns
t
antt
=25se
tt
=36s
.
III. .4.4.5.4 Interprtation des rsultats exprimentaux

Nous avons procd la vrification et le test de la commande dvelopp en
exprimentation au systme pendule invers. Les rsultats d
e
xp
r
i
me
nt
a
t
i
on sont prsents
sur les figures (III.51) (III.61).Nouspouvonsr
e
ma
r
que
rbi
e
nqu
onaa
bout
ide
sr
sultats
concluants et satisfaisants en terme de poursuite avec de trs faibles erreurs en rgime
permanent, un dpassement admissible de 0.07 0.1 m et un temps de rponse environ de 2
s
e
cpourl
as
t
a
bi
l
i
s
a
t
i
onduc
ha
r
i
ot
.L
a
ng
l
edupe
ndul
er
e
s
t
equa
s
i
me
nt inchang avec une
variation allant de 0.005 0.01 rad. Le signale de commande u(t) est moins nergtique et
plus doux par rapport aux commandes voques prcdemment.
Cette commande manifeste une robustesse remarquable la fois vis--vis de variations

paramtriques jusqu' 40% de la masse du chariot et du pendule respectivement montrs par
les figures (III.54) (III.59) (III.55) et (III.60), ainsi que par rapport au rejet de perturbations
extrieures appliques sur la masse du pendule aux instants 25 et 36 sec illustr par les
figures (III.56) et (III.61). En effet le systme ragit avec un dplacement de 0.05 0.1 m et
rejoint sa position au bout 2 sec aprs avoir dissip la perturbation.
III.5 Comparaison des rsultats obtenus avec les commandes appliques

A pa
r
t
i
rd
un nombr
e d
e
s
s
a
i
se
xp
r
i
me
nt
a
ux s
t
a
t
i
s
t
i
que
me
ntr
e
pr
s
e
nt
a
t
i
f
,nous
prsentons les tableaux qui rsument les rsultats obtenus en rgime tabli relevs sur les
figures (II.7) (II.14), (II.26) (II.37), (III.27) (III.32) et (III.51) (III.61):
130

l
oued
unpe
ndul
ei
nve
r
s
CHAPITRE III:
Le tableau (III.8) prsente la comparaison des commandes dveloppes pour une

consigne de 0 m.
Position du
Chariot (m)
Angle du
pendule (rad)
Correcteur
LQR
MG
FLOU
Mini
Maxi
Mini
Maxi
-0.1733
0.0140
-0.007
0.007
-0.1653
0.0594
-0.077
0.049
-0.1904
0.3003
-0.0797
0.0828
NEURO
FLOU
-0.0477
0.0486
-0.054
0.024
Tableau (III.8): Compar

ai
s
onde
sme
s
ur
e
sdepos
i
t
i
one
td
angl
e
Le tableau (III.9) prsente la comparaison des dpassements du chariot et des
dviations angulaire du pendule lors des changements de consigne de 0.25m.
Position du
Chariot (m)
Angle du
pendule (rad)
Correcteur
LQR
MG
FLOU
Mini
Maxi
Mini
Maxi
-0.0498
0.2621
-0.0368
0.0736
-0.0566
0.3096
-0.065
0.058
-0.0955
0.3925
-0.0920
0.0828
NEURO
FLOU
-0.1616
0.3377
-0.063
0.054
Tableau (III.9): Dpassement de la consigne de position et la dviation angulaire lors de

changement de consigne de position de 0.25 m
Le tableau (III.10) prsente la comparaison des ractions du systme par les
diffrentes commandes dveloppes pour des variations paramtriques et les perturbations
e
xt
r
i
e
ur
e
sa
f
i
nd
va
l
ue
rl
e
ur
sr
obus
t
e
s
s
e
.
Amplitude des
oscillations
Position du
Chariot (m)
Type de
perturbation
Variation de
40% de M
Position du
Chariot (m)
Variation de
40% de m
Position du
Chariot (m)
Angle du
pendule (rad)
Extrieure
Extrieure
Correcteur
LQR
MG
FLOU
mini
maxi
mini
maxi
maxi
-0.0367
0.0253
-0.0408
0.0026
-0.0598
-0.0110
0.0349
-0.047
0.018
0.0485
+
+
+
+
-0.2406
NEURO
FLOU
-0.0277
0.0196
-0.0153
0.0471
0.0450
maxi
0.0307
-0.058
0.0797
-0.0463
Tableau (III.10): Synthse comparative de la robustesse
131
CHAPITRE III:

l
oued
unpe
ndul
ei
nve
r
s
Le tableau (III.11) prsente la synthse sur les aspects qualitatifs des commandes
dveloppes.
Correcteur
LQR
MG
FLOU
Dynamique
Prcision
Complexit rgler
Complexit synthtiser
Commande
Bonne
Bonne
Facile
Facile
Eprouvante
Bonne
Excellente
Facile
Moins Facile
Acceptable
Bonne
Moins Bonne
Difficile
Difficile
Plus Eprouvante
NEURO
FLOU
Bonne
Trs Bonne
Difficile
Difficile
Douce
Tableau (III.11): Aspects qualitatifs des commandes dveloppes
III.6 Conclusion
Dans ce chapitre, nous avons prsent les concepts fondamentaux de la logique floue,
des rseaux de neurones ainsi que les systmes neuro-flous issus de la combinaison de la
logique floue et les rseaux de neurones.
Nous avons d'abord introduit la structure interne d'un systme d'infrence flou,
ncessaire la comprhension d'un systme flou. Nous avons ensuite prsent une
mthodologie complte de la construction de la relation entre-sortie partir des rgles floues.
Par la suite les modles dynamiques des rseaux de neurones ont t dcrits d'une manire
dtaille avec l'algorithme d'apprentissage par rtro propagation.
Dans la troisime partie nous avons prsent la stratgie de commande neuro-floue
a
i
ns
iquel
a
l
g
or
i
t
hmed
a
ppr
e
nt
i
s
s
age utilis dans notre application.
Enfin, nous avons prsent les rsultats exprimentaux obtenus par application la
commande floue et la commande neuro floue respectivement. Nous avons vu que celles-ci
manifeste de trs bonnes performances et une trs bonne robustesse.
Le contrleur neuro flou propos dans cette partie peut tre appliqu une large classe
de systmes non linaire, il combine les avantages de deux techniques; par la rapidit du
temps de rponse, la commande moins nergtique, la meilleur limitation du dplacement du
chariot et la trs bonne robustesse vis--vis des erreurs paramtriques et perturbations
extrieures.
Le
ss
i
mul
a
t
i
onse
f
f
e
c
t
u
e
ss
url
emod
l
ed
t
a
tdus
y
stme pendule invers ainsi les
r
e
l
e
v
se
xp
r
i
me
nt
a
uxmont
r
el
e
f
f
i
c
a
c
i
t
dec
e
t
t
ec
omma
ndea
us
s
ibi
e
ne
ns
i
mul
a
t
i
onqu
e
n
exprimentation.
132
Conclusion gnrale
Conclusion gnrale
L
t
ude pr
s
e
nt
e da
nsc
e m
moi
r
e a pour objectif d
a
bor
de
rl
e
stechniques de
l
i
nt
e
l
l
i
g
e
nc
ea
r
t
i
f
i
c
i
e
l
l
e qui constituent une alternative aux commandes classiques,
gnralement employes en automatique afin de rpondre au mieux aux objectifs de
pe
r
f
or
ma
nc
ee
tder
obus
t
e
s
s
epourl
ar
g
ul
a
t
i
on d
un pr
oc
d
. Les lois de commandes
proposes sont appliques et exp
r
i
me
nt
e
sl
as
t
a
bi
l
i
s
a
t
i
ond
unpe
ndul
ei
nve
r
s
quiest un
systme instable, SIMO, sous actionn et possde des non-l
i
n
a
r
i
t
snonn
g
l
i
g
e
a
bl
e
s
.C
e
s
t
un outil didactique et un problme classique souvent utilis pour tester les caractristiques de
nouvelles lois de commande.
Pourypa
r
ve
ni
r
,nouss
ommea
me
n
sd
a
bor
dc
onna
t
r
el
aconstitution de ce systme
et comprendre son fonctionnement. La modlisation du systme pendule invers tait
ncessaire afin de synthtiser les lois de commandes classiques et intelligentes proposes dans
notre travail.
Dans le deuxime chapitre, nous avons dvelopp la commande linaire quadratique et
la commande par mode de glissement avec succs et les
rsultats apports sont aussi
concluants. La premire est capable de contrler l'angle du pendule invers et la position du

chariot du systme linaris, la seconde est capable de contrler l'angle du pendule invers et
la position du chariot du systme non linaire. L
a
ppl
i
c
a
t
i
ondec
e
l
l
e
-ci sur le pendule a
permis le rejet total des perturbations, une bonne poursuite des consignes, une insensibilit
aux variations paramtriques et enfin une limination du phnomne de broutement
(chattering).
Le
sr
s
ul
t
a
t
sdel
t
udec
ompa
r
a
t
i
vee
nt
r
eces commandes dveloppes confirment que
les deux commandes sont plus performantes ainsi que robustes. De plus, si le critre de
prcision est privilgi, par consquent la commande LQR est la plus performante. Par contre
si le critre nergique est avantag alors la commande par modes de glissement est plus
performante.
Au troisime chapitre, aprs avoir donn quelques rappels thoriques de base de la
logique floue et l
ar
e
pr
s
e
nt
a
t
i
ond
unr
g
ul
a
t
e
urf
l
oue
tdes
e
sdiffrents constituants, ainsi
133
Conclusion gnrale
quel
a
ppl
i
c
a
t
i
ondel
al
og
i
quefloue dans la commande, nous avons appliqu la commande
par logique floue sur le simple pendule invers. Les rsultats de simulation ont montr
l
e
f
f
i
c
a
c
i
t
dec
e
t
t
ec
omma
nde
.
En effet, les rgulateurs flou de type Mamdani avec des fonctions d
a
ppa
r
t
e
na
nc
e
triangulaires et trapzodales, et la taille de la base des rgles est de 25 rgles ont donn de
faibles erreurs de poursuite en rgime permanent et une trs bonne robustesse face aux
perturbations en simulation, mais malheureusement nous n
a
vonspa
spuobt
e
ni
rl
e
sr
s
ul
t
a
t
s
attendus concrtement s
url
eba
ncd
e
s
s
a
idontnousdi
s
pos
ons
,mme si le nombre de rgle a
t diminuer j
us
qu
a9 rgles, nous remettons cela aux insuffisances du calculateur de
l
e
nvi
r
onne
me
ntded
ve
l
oppe
me
nta
c
c
ompa
g
nant la maquette.
En second lieu, nous avons appliqu la commande hybride neuro floue qui runit la
t
h
or
i
epui
s
s
a
nt
edel
al
og
i
quef
l
ouee
tc
e
l
l
ede
sr
s
e
a
uxdene
ur
one
sa
f
i
nd
i
nt
r
odui
r
ede
s
c
a
pa
c
i
t
sd
a
ppr
e
nt
i
s
s
a
gee
td'
a
da
pt
a
t
i
onda
nsl
e
ss
y
s
t
me
sf
lous. Le rgulateur flou est
implment par un rseau connexionniste quatre couches, et possde la capacit
d
a
da
pt
a
t
i
o
ndes
e
spa
r
a
m
t
r
e
se
nt
e
mpsr
e
lg
r
c
euna
l
g
or
i
t
hmeder
t
r
opr
opa
g
a
t
i
ondu
gradient.
Certainement, la combinaison de ces deux approches nous a donn de meilleurs
rsultats; du cot performances, robustesse, poursuite et stabilit. Elle nous a apport la
rapidit par un meilleur temps de rponse, une commande moins nergtique que celle faite
seulement, par le mode glissant, LQR ou par logique floue et une meilleure robustesse vis
vis des erreurs paramtriques tels que, mme pour des erreurs considrables en prsence de
perturbations alatoire, la stabilit demeure assure et le dplacement du chariot reste dans
l
i
nt
e
r
va
l
l
et
ol
e.
Le
st
r
a
va
uxt
h
or
i
que
s
t
udi
se
tl
e
ss
ol
ut
i
onsr
e
t
e
nue
sont
t
t
e
s
t
ss
url
a
ppl
i
c
a
t
i
on
relle. Les rsultats obtenus ont t compars avec ceux attendus et les hypothses faites lors
del
t
udet
h
or
i
queont
t
va
l
i
d
e
sour
e
mi
s
e
se
nc
a
us
e
.
Les expriences que nous avons entreprises sur notre maquette nous a permis de voir
l
c
ue
i
lqu
ipe
ute
xi
s
t
e
re
nt
r
el
as
i
mul
a
t
i
one
tl
apr
a
t
i
que
,l
e
spa
r
a
m
t
r
e
st
h
or
i
que
me
nt
applicable notre systme ont t adapts en pratique pour rapprocher au mieux la
caractristique de la stabilit. Les rsultats de simulations et exprimentaux obtenus ont t
134
Conclusion gnrale
concluants mais pourrai tre amliors en jouant sur les paramtres des rgulateurs ou sur les
modifications matrielles de la maquette.
Notre principale contri
but
i
on s
es
i
t
uedoncs
url
epl
a
n del
ami
s
ee
n uvr
ee
t
l
a
ppl
i
c
a
t
i
onpr
a
t
i
quedec
e
sc
omma
nde
ss
url
epr
oc
dr
e
lc
a
rbe
a
uc
oupdeschma de
commande des procds donnent de trs bons rsultats en simulation et ne fonctionnent pas
du tout concrtement une fois sont implments.Ce
t
t
e
t
udenousape
r
mi
sd
a
bor
de
r
pl
us
i
e
ur
sa
s
pe
c
t
sdel
l
e
c
t
r
oni
que
,del
a
ut
oma
t
i
quee
td
i
nf
or
ma
t
i
que
.
On tient citer les grands obstacles rencontrs dans ce mmoire sont:
Choix des matrices de pondration et la surface de glissement.
Cr
e
rl
et
a
bl
e
a
udeba
s
eder
g
l
e
sa
i
ns
iquel
e
sf
a
c
t
e
ur
sd
c
he
l
l
e
s
.
Trouver les coefficients Takagi-Sugeno.
L
i
mpl
a
nt
a
t
i
onde
sdi
f
f
r
e
nt
e
sc
omma
nde
ss
url
epr
oc
de
nque
s
t
i
on.
Les travaux dcrits dans ce mmoire ouvrent un nombre de perspectives. Tout
d
a
bor
d,i
ls
e
r
a
i
ti
nt
r
e
s
s
a
nta
ppl
i
que
rd
a
ut
r
e
ss
t
r
a
t
g
i
e
sdec
omma
ndea
f
i
nd
a
ppor
t
e
rde
s
amliorations tel que la Commande neuro-flou optimise par des algorithmes gntiques,
a
ppl
i
que
rl
a
ppr
oc
hed
a
na
l
y
s
edel
ac
omma
ndeut
i
l
i
s
eda
nsc
em
moi
r
ed
a
ut
r
e
spr
oc
d
s
.
Ens
ui
t
e
,e
nvued
i
mpl
me
nt
e
rd
a
ut
r
e
snouve
l
l
e
sc
omma
nde
sc
ommel
al
og
i
quef
l
oue
classique, nouspr
opos
onsc
ommepe
r
s
pe
c
t
i
vede
st
r
a
va
uxve
ni
rd
a
da
pt
e
rune
nvironnement
ded
ve
l
op
p
e
me
ntpl
uspe
r
f
or
ma
nte
to
f
f
r
a
ntpl
usdef
l
e
xi
bi
l
i
t
l
ut
i
l
i
s
a
t
e
ur
.
Au terme de ce travail, nous pouvons conclure que chaque type de commande peut
tre avantageux dans un sens et dsavantageux dans un autre, mais on peut affirmer que
l
a
s
s
oc
i
a
t
i
ondel
al
og
i
quef
l
ouee
tl
e
sr
s
e
a
uxdene
ur
one
ss
a
v
r
et
r
se
f
f
i
c
a
c
eda
nsl
e
contrle de processus complexes.
135
REFERENCES BIBLIOGRAPHIQUES
[AND.89] Anderson C.W., learning to control an inverted pendulum using neural net
works, IEEE control system magazine, vol.9 page 31-37, 1989.
[AST.00] K.J. Astrm, K. Furuta, Swinging up a pendulum by energy control,
Automatica, Vol. 36, N. 2, 2000, pp. 287 -295, 2000.
[BAS.95] Bastin A., handling the nonlinearity of a fuzzy logic controller at the
transition between rules Fuzzy set and systems, vol.71 , page 369-387,1995.
[BON.85] Bondarev A. G, N. E. Kosteleva & V. I. Utkin.Sliding modes in
systems with asymptotic state observers, Automation and remote control,
46(6):49-64. 1985.
[BOR.98] Borne P .Rozinoer J.Dieulot J.Dubois L."Introduction la
Paris : Editions Technip, 1998.
commande floue"
[BOR.07] Borne P. Haggege J. . "les rseaux de neurones prsentation et applications"

Paris : Editions Technip, 2007.
[BOU.05] Boudjedaimi.M
c
omma
ndef
l
oue
m
moi
r
ed
i
ng
ni
e
uruni
ve
r
s
i
t
TO.
05
[BOU.03] Bouchon-Meunier, B. Marsala, C. " Logique floue, principes, aide la dcision"
Paris, Herms Sciences Publication, 2003.
[BOU.06] Bourles. H Systmes linaires, de la modlisation la commande
[BOU.91] Boudjema.F, Commande par mode glissement : Application aux convertisseurs
multicellulaires, Thse de Doctorat, Universit Paul Sabatier de Toulouse, 1991.
[BRE.99] Breton, S. " Une approche neuronale du contrle robotique utilisant la vision
binoculaire par reconstruction tridimensionnelle" Thse de Doctorat, Universit
de haute alsace U.F.R. des Sciences et Techniques Juin 1999.
[BUG.03]
Bugeja.M Non-Linear Swing-Up and Stabilizing Control of an Inverted
Pendulum System EUROCON 2003 Ljubljana, Slovenia

[BH.86] Bhler.H : rglage par mode de glissement , Presses Polytechniques
Romandes, Lausanne, Switzerlzand, 1986.
[BH.94] Bhler.H, "Rglage Par Logique Floue", Presse Polytechnique et Universitaire
Romandes, 1994.
[DOT.01] Dotoli.M, B. Maione, D. Naso and Biagio TurchianoFuzzy Sliding Mode
Control for Inverted Pendulum Swing up with Restricted Travel.IEEE 2001.
137
[DRE.02] Dreyfus, G. Martinez, J.M. Samuelides, M. Gordon, M.B. Badran, F. Thiria, S.

Hrault, L. " Rseaux de neurones : Mthodologie et applications " Editions
Eyrolles 2002, ISBN: 2-212-11019-7.
[EME.67] Emelyanov. S.V Variable structure control systems. Moscow Nauka, 1967.
[FAB.03] Fabien, M. Introduction aux rseaux de neurones et leurs application en
Automatique . Ecole des Mines de Paris, Dcembre 2003.
[FAU.06] Faucher. J, l
e
spl
a
nsd
e
xp
r
i
e
nc
e
spourl
er
g
l
a
gee
t commande base logique
floue. Thse de Doctorat, Institut national Polytechnique de Toulouse. Spcialit
: Gnie Electrique et Automatique
[FAU.84] Faure.P, Robin.M. lments d'automatique. Dunod, 1984.
[GAC.97] Gacgne, Louis. Elments de logique floue. Paris : Herms 1997.
[GER.08] Gerald, H. processeurs flous. HE-ARC, BAPTISTE SAVOYE 26, CH-2610 STIMIER, Mai 2008.
[HAS.97] Hascot, J.Y Legoff, O.Extraction d'attributs et Rseaux Neuronaux en

Programmation Hors-Ligne de Robots de Soudage. Recueil de Confrences: Les
Applications des Rseaux de Neurones la Mcanique. Publications CETIM,
1997.
[ISI.95]
Isidori. A Nonlinear control system. Springer Verlag, Berlin, third edition.

1995.
[ITK.76] Itkis.U Control systems of variable structure. J. Wiley: New York, 1976.
[JAI.06]
JAIRO ESPINOSA, JOOS VANDEWALLE AND VINCENT WERTZ, "Fuzzy

Logic, Identification and Predictive Control" Springer, 2006
[JAN.93] J.S.R. Jang, ANFIS: "Adaptive-network-based fuzzy inference systems". IEEE

Transactions on Systems, Man & Cybernetics 23(3), 665685, 1993.
[JAN.92] J. S.R. Jang Neuro Fuzzy Modeling Architectures Analyses and Applications.
Department of Electrical Engineering and Computer Science University of
CaliforniaBerkeley July 1992
[JAN.98] Jantezen, J. "Tuning of Fuzzy PID Controllers", Technical University of Denmark:
Dept. of Automation, Bldg326, DK-2800Lyngby, DANMARK. Tech. report
no98-H871 (fpid), 30 Sep 1998.
[JYH.95] Jyh-Shing R., Chuen-Tsai S., " Neuro-Fuzzy Modeling and Control" Procedings of
the IEEE, Vol. 83, N0 3, March 1995 pp 378- 404.
[KAN.93] Kandel A, fuzzy inference and its applicability to control system, Fuzzy set
and systems, vol.7, page 99-111,1993.
138
[KAY.99] O. Kaynak, M. O. EFE, Neuro-Fuzzy Approaches for Identification and Control

of Nonlinear Systems, Bogazici University, Istanbul, TURKEY,1999.
[KHA.01] F.KHABER, A.HAMZAOUI, K.BENMAHAMMED " Commande f
l
oue d
un
systme non linaire ". Confrence Internationale sur la productique CIP Juin
2001. Alger
[KHA.09] H. Khammar, S Tliba Commande
shy
br
i
de
sd
uns
y
s
t
menonl
i
n
ai
r
e
sous actionn, PFE ENSP, juin 2009.
[LAM.03] Lamnabhi-Lagarrigue F.,Rouchon P,. Commande non linaires
[LAM.04] Lam Johnny, Control of an Inverted Pendulum , Dept. of Electrical &
Computer Engineering, University of California, U.S.A, 2004.
[LAR.96] Larminat.P, Automatique : Commande des systmes linaires. 2me dition
revue et augmente, Edition Herms, Paris 1993-1996.
[LAU.03]
Laurant F. Sylvie G. Andre T. " Commande floue 1, de la stabilisation la

supervision " Paris, Herms Sciences Publication, 2003.
[LAU.03] Laurant F. Sylvie G. Andre T. "Comma

ndef
l
oue2,del
a
ppr
oxi
ma
t
i
on
l
a
pprentissage " Paris, Herms Sciences Publication, 2003.
[LIM.02] Limin P., Peng-Yung W., " Neural - Fuzzy Control System for Robotic
Manipulators " IEEE Control Systems Magazine, February 2002. pp 53 - 63
[LIN.96] Lin Z Saberi A Gutmann M,. linear controller for an inverted pendulum
having Restricted Travel: A High-and-Low Gain Approch, Automatica, Vol. 32,
N.18,p. 1683 -1685, 1996.
[MAD.08]
Madaoui M. "Commande floue et neuro-f

l
oued
unc
onve
r
t
i
s
s
e
urdi
r
e
c
t
AC/AC monopha
s
s
t
r
uc
t
ur
emi
ni
ma
l
e
.Appl
i
c
a
t
i
onl
a
l
i
me
nt
a
t
i
ond
une
machine asynchrone monophas" Thse de Magister, ENPAlger Fvrier 2007.
[MAM.06] Mammar.S Notes de cours de master RVSI : Automatique avance. Universit

d
Evr
yVa
ld
Es
s
onne
,Fr
a
nc
e. 2006.
[MAN.01] Se
r
i
e
sUs
e
r
sMa
nua
lAdvantech Co., Ltd. www.advantech.com PCI-1711 Part
No. 2003171600 1st Edition 2001.
[MAR.98] Marie M .Mokhtari M, "Applications de MATLAB 5 et SIMULINK 2,
Springer-Verlag France, 1998 "
[MCG.02] McGilvray S., Self-Erecting Inverted Pendulum: Swing up and Stabilization
Control,IEEE Contest Paper, 2002.
139
[MEL.98]
Mellah R., " Contribution la commande adaptative neuro floue. Application la

robotique" Thse de Doctorat, Universit des sciences et de la Technologie
Houari Boumediene. Alger. Mai 2006.
[MEL.09]
R. Mellah, F. Lahouazi, S. Djennoune, S. Guermah, R. Toumi REAL TIME

IMPLEMENTATION OF COMPOSITE NEURAL-FUZZY CONTROL OF
INVERTED PENDULUM The Mediterranean Journal of Measurement and
Control, Vol. 5, No. 4, 2009.
[MEL.10]
R. Mellah, F. Lahouazi, S. Djennoune, S. Guermah, R. Toumi Composite

Sliding Mode Control of Inverted Pendulum Interational Conference on
Electrical Engeneering, Electronics and Automatic ICEEA 10 Bejaia, Algeria.
[MOR.04]
Mordjaoui MMod
l
i
s
a
t
i
onde
s effets lectromagntiques Apport de la logique
floue et Neuro-floueThse de doctorat es-sciences, Universit De Batna, Juin
2004.
[NAK.97] Nakoula, Y. " Apprentissage des Modles linguistiques flous, par Jeu de Rglrs
Pondres" Thse de Doctorat, Universit de Savoie, France, Juillet 1997.
[NIC.96]
Nicolas.B, Contribution la commande des convertisseurs statiques : dfinition de

l
o
i
sdec
ommut
a
t
i
onl
a
i
dedel
at
h
or
i
ede
smode
sg
l
i
s
s
a
nt
s
, Thse de Doctorat,
Institut National Polytechnique de Toulouse, France, 1996.
[OUL.05] Ould Abdeslam .D "Techniques neuromimtiques pour la commande dans les

systmes lectriques : application au filtrage actif parallle dans les rseaux
lectriques basse tension" Thse de Doctorat, universit de Haute-Alsace. France.
Dcembre 2005.
[OUL.06]
Ould Abdou Taleb

Mustapha,
"Commande par Mode de
Glissement Floue avec Observateur: Application Diffrents Pendules Inverss".
Thse Magister, ENP 2006.
[RIC.06] Richard P.Y, H. Cormerais, J. Buisson, A generic design methodology for

sliding mode control of switched systems , Nonlinear Analysis 65 (2006) 1751-1772,
0362-546X/$- see front matter 2006 Published by Elseiver Ltd.
[SLO.84]
Slotine. J.J.E Sliding controller design for nonlinear systems. Int. Jour. of
Cont., 40(2) : 421.434, 1984.
[SLO.91]
Slotine. J.J.E Applied Nonlinear Control , Prentice Hall 1991.
[UTK.78]
Utkin.V.I : Sliding modes and their application in variable structure

systems, Edition MIR, Moscou, 1978.
[UTK.92] Utkin.V.I Sliding modes in control optimisation , Springer-Verlag, 1992.

[VAN.93] Van Der Linden GW,. H control of an experimental inverted pendulum
with dry friction, IEEE control system magazine, vol.13 page 44-50, 1997.
140
[VER.98] Vermeiren L, proposition de loi commande pour la stabilisation de modles

flous thse de doctorat, universit valenciennes et du Hainaut-Cambrsis, 1998
[WEI.95] Wei Q.F.,Dayawansa W.P.,LEVIN W.S., Nonlinear controller for an
inverted pendulum having Restricted Travel , Automatica, Vol. 31, N.6,p. 161 180, 1995.
[WEL.04] G. Welch, G. Bishop, An Introduction to the Kalman Filter, Department of
Computer Science University of North Carolina at Chapel Hill Chapel Hill,
NC27599-3175, Avril 2004.
[YAM.89] Yamakawa T., stabilisation of inverted pendulum by a high-speed fuzzy logic
controller hardware system, Fuzzy set and systems, vol.32, page 161-181,1989.
[ZAH.00] Zaharieva.TCommande a structure variable applique a un moteur synchrone, thse
pou
rl
obt
e
nt
i
onduDiplme de Recherche de l'INSA de Toulouse, France, 2000.
[ZAY.01] J. Zaytoon, Systmes dynamiques hybrides , Collection Herms, Paris, France. Livre
publi en 2001.
[ZHA.01] J. Zhang,Developing Robust Neural Network Models by Using both Dynamic

and Static Process Operating Data, Ind. Eng. Chem. Res. 2001, 40, 234-241.
141
Annexe
Figure A.1:Vue gnr

al
edel
e
qui
pe
me
ntut
i
l
i
s
Parameter
Value
Km DC motor Torque Constant

Kg Gearbox Gearing ratio
R Motor Armature Resistance
r Motor pinion radius
M Cart mass
m Pendulum mass
g Gravity
l Pole length
I Moment of inertia of the pole
b Cart friction coefficient
d Pendulum damping coefficient
0.05 Nm
0.05 N/A
2.5
0.0148 m
2.4 kg
0.23 kg
9.81 m/s2
0.36 m
0.099 kg.m2
0.05 Ns/m
0.005 Nms/rad
Table A.1: Spcifications techniques du systme
142
Annexe
Figure A.2: Complete closed loop control system of an inverted pendulum
Figure A.3: Inverted pendulum stabilization subsystem (LQR Controller)
Figure A.4: Linear controller subsystem
143
Annexe
Figure A.5: Inverted pendulum stabilization subsystem (Sliding Mode Controller)
Figure A.6: Inverted pendulum stabilization subsystem (PID Fuzzy Controller)
144
Annexe
Figure A.7: Inverted pendulum stabilization subsystem (PD Fuzzy Controller)
Figure A.8: Inverted pendulum stabilization subsystem (Neural Fuzzy Controller)
Figure A.9: Top Neural Fuzzy Controller subsystem
145
Annexe
Figure A.10: Neural Fuzzy Controller subsystem (layer 1)
Figure A.11: Neural Fuzzy Controller subsystem (layer 4)
146
Annexe
Figure A.12 : Diagramme de la c

ar
t
ed
ac
qui
s
i
t
i
onPCI 1711
147
Annexe
Figure A.13: Pins du connecteur E/S de la carte d

ac
qui
s
i
t
i
onPCI1711
148
Annexe
Tableau A.2: De
s
c
r
i
pt
i
onde
sdi
f
f
r
e
nt
ss
i
gnauxdec
onne
x
i
onE/
Sdel
ac
ar
t
ed
ac
qui
s
i
t
i
o
n
PCI 1711
149

Memoire 8 La Hou Azi

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Memoire 8 La Hou Azi

Transféré par

Droits d'auteur :

Formats disponibles

MI

FACULTE DE GENIE ELECTRIQUE ET D

Professeur, UMM de Tizi-Ouzou

UMMTO,pour avoir accept de participer au jury de soutenance. Ainsi

III.3.5.1.1La rtro-propagation du gra

Description et modlisation du pendule invers

Description et modlisation du pendule invers

La commande floue, soit en utilisant la notion des ensembles flous et un rgulateur du

I.3 Intrt de l'tude d'un pendule invers

Description et modlisation du pendule invers

I.4 Prsentation du pendule invers

Figure I.1 : synoptique de la maquette du pendule invers

Description et modlisation du pendule invers

I.4.2 Dispositif de contrle et de commande :

Description et modlisation du pendule invers

I.4.3 Armoire de commande

Figure I.2 : Diagramme de connexion du dispositif de contrle et de commande

Description et modlisation du pendule invers

un connecteur 68 pins pour connecter le cble global 68 pin SCSI de la carte

un petit connecteur PL2 ou PL3 pour la sortie analogique (tension de commande du

Description et modlisation du pendule invers

Une sortie analogique (convertisseur D/A) pour dlivrer la tension de commande de

I.5 Environnement de dveloppement

Les logiciels utiliss sont :

Description et modlisation du pendule invers

Figure I.3 : Processus de gnration du code excutable

Description et modlisation du pendule invers

I.6 Principe de fonctionnement

I.7 Particularits de ce systme

I.7.1 Stabilit du systme linaire:

I.7.2 Systme sous actionn :

Description et modlisation du pendule invers

qvecteur de vitesse gnralis.

u est le vecteur des entres gnraliss.

I.7.3 Systme holonome [BOU 06] [LAM 03]

I.7.4 Systme non linaire

eu mais les coefficients ne sont pas des constants

Description et modlisation du pendule invers

I.8 Coordonnes gnralises du systme

b : frottements de dplacement du chariot

x(t ) : position du chariot

l : demi longueur du pendule

(t ) : l' angle du pendule

F (t ) : force exerce sur le chariot

Description et modlisation du pendule invers

Degrs de libert, dans ce cas x (t ) et (t ) .

D nergie dissipe par frottement.

I.8.2 Energie cintique du systme en mouvement

La position du centre de gravit du pendule a partir de ces coordonnes:

Description et modlisation du pendule invers

I.8.3 Energie potentielle du systme

I.8.4 Equation de Lagrange

La drive partielle du lagrangien suivant xet t s

Donc la premire quation de Lagrange :

Description et modlisation du pendule invers

Donc la deuxime quation de Lagrange :

Et les termes du haut ordre sont ngligs

Description et modlisation du pendule invers

En substituant ces linarisations da

(M m)s 2 X (s) bsX (s) mls2(s) F (s)

mls X (s) (ml2 I )s 2 (s) ds(s) mgl(s) 0

O X (s) L( x(t )) et (s) L((t ))

Description et modlisation du pendule invers

(Pole et Zero du Charriot)